Miscarea Sistemelor de Prehensiune Pentru Roboti Si Maini Umanoide Inteligente

Contribuții în controlul mișcării sistemelor de prehensiune pentru roboți și mâini umanoide inteligente

Cuprins

1. Introducere

2.Stadiul actual al cercetărilor privind controlul mișcării inteligente a sistemelor robotice de prehensiune.

2.1 Control inteligent al sistemelor robotice de prehensiune

2.2 Controlul mâinilor robotice pentru procesul de prehensiune

2.2.1 Controlul bazat pe model pentru sisteme robotice de prehensiune

2.2.2 Controlul hibrid forță-poziție al sistemelor robotice de prehensiune

2.3.3 Controlul rigidității pentru sisteme robotice de prehensiune

2.3.4 Controlul impedanței pentru sisteme robotice de prehensiune

2.3.5 Controlul bazat pe evenimente pentru sisteme robotice de prehensiune

2.3.6 Controlul ierarhic al sistemelor robotice de prehensiune

2.3 Problemele structurii mecanice pentru mâini robotice umanoide

3. Dezvoltarea mediului de simulare 3D pentru mâna robotică antropomorfă

3.1 AUTODESK Inventor

3.2 SimMechanics

3.3 SimMechanics Link

3.4 Modelarea în mediu virtual 3D a mâinii robotice

3.5 Concluzii

4 Controlul hibrid forță-poziție al sistemelor de prehensiune pentru mâini umanoide inteligente

4.1 Control hibrid forță-poziție clasic

4.2 Control hibrid forță-poziție folosind rețele neuronale

4.2.1 Bucla de control în poziție

4.2.2 Bucla de control în forță

4.3.3 Legea de comutație

4.3 Implementarea controlului hibrid forță-poziție pentru mâna robotică umanoidă în mediu virtual

4.4 Concluzii

5. Experimentări privind controlul mâinii robotice

5.1 Controlul cinematic al mâinii robotice

5.2 Metoda proiecției virtuale pentru controlul mâinii robotice umanoide

5.2.1 Experimentarea și testarea controlului în timp real al mâinii robotice proiectată în mediu virtual folosind metoda proiecției virtuale

5.2.2 Rezultate experimentale

5.3 Controlul în timp real al mâinii robotice umanoide acționată prin tendoane

5.3.1 Controlul Structurii mecanice dezvoltate

5.3.2 Rezultate experimentale

5.5 Concluzii

6. Optimizarea procesului de prehensiune

6.1 Clasificarea prinderii obiectelor

6.2 Detecția obiectelor folosind stereo vision și senzor Kinect

6.3 Algoritmul de decizie

6.3.1 Logica neutrosofică

6.3.2 Teoria DSm

6.3.3 Neutrosoficarea datelor

6.3.4 Fuziunea informațiilor

6.3.5 Deneutrosoficarea datelor și luarea deciziei

6.4 Interpretarea rezultatelor

6.5 Concluzii

7.Contribuții originale.

8.Concluzii.

9. Bibliografie

Anexa 1: Reprezentarea mâinii robotice în mediu CAD

Anexa 2: Proprietățile constructive ale mâinii robotice

Anexa 3: Reprezentarea mâinii robotice în mediul de simulare

Anexa 4: Algoritm Maple pentru generarea ecuațiilor cinematice

Anexa 5: Determinarea ecuațiilor dinamice ale degetului mare al mâinii

Anexa 6: Algoritm Maple pentru generarea ecuațiilor dinamice

Anexa 7: Implementarea schemei de control forță-poziție în mediul de simulare

Anexa 8: Implementarea schemei de control cinematic cu scopul experimentării folosind metoda proiecției virtuale

Anexa 9: Implementarea schemei de control cinematic pentru mâna robotică cu acționări multiple

Anexa 10: Algoritm Matlab pentru neutrosoficarea datelor provenite de la observatori

Anexa 11: Algoritm Matlab pentru luarea deciziei în urma fuziunii datelor

Introducere

Robotica se ocupă cu studiul acelor mașini ce pot înlocui omul în executarea anumitor sarcini, atât din punctul de vedere al activității fizice cât și cel al luării deciziilor.

Robotica are rădăcini culturale adânci. Pe parcursul secolelor, oamenii au încercat să caute mijloace care să fie capabile să le imite comportamentul astfel încât să îi înlocuiască în anumite situații. Principii filozofice, economice, sociale și științifice au inspirat această căutare continuă.

În concordanță cu o interpretare științifică a scenariilor științifico-fantastice, robotul este privit ca o mașină care, independent de ce este in exteriorul ei, este capabilă să modifice mediul în care operează. Acest aspect este realizat prin îndeplinirea unor acțiuni ce sunt condiționate de anumite reguli de comportament precum și de anumite informații achiziționate de robot despre starea lui și a mediului. De fapt, robotica este adesea definită ca știința ce studiază conexiunea dintre percepție și acțiune.

Rolul principal al roboților în societate constă în capacitatea lor de a ajuta oamenii prin a le prelua sarcinile monotone sau cele ce trebuie îndeplinite în medii murdare sau periculoase. Pe lângă utilizarea lor în medii industriale, roboții au fost de mare folos în misiunile spațiale pentru activități de explorare sau care ar fi fost imposibil de dus la capăt de către om. Câteva exemple în acest sens ar fi:

roboții de explorare ai planetei Marte, Spirit și Opportunity au avut o durată de funcționare mult mai mare decât cea prezisă de NASA

sonda de explorare Deep Impact care a intrat în coliziune cu o cometă a furnizat date dintr-o zonă unde omul nu ar fi avut acces

zona afectată de accidentul nuclear de la Cernobîl conține nivele de radiații care ar fi omorât orice om. În acest caz s-a folosit robotul Pioneer pentru a explora rămășițele clădirii și a oferi informații despre stabilitatea structurală a acesteia

robotul Dante II a fost folosit pentru cercetarea exploziilor vulcanice, oferind informații pe care omul nu le-ar fi putut obține prin alte mijloace.

Lumea modernă industrializată nu ar fi existat fără roboți. Roboții pot lucra continuu fără a avea nevoie de pauze sau de somn sau mâncare, crescând astfel productivitatea uzinelor. Roboții sunt folosiți în aplicații ce pornesc de la curățarea deversărilor de substanțe toxice la dezarmarea bombelor și protejarea soldaților pe câmpul de luptă. Mai noi, roboții umanoizi și costumele exoschelet, proiectate inițial pentru a fi folosite în aplicații militare, încep să fie produse pentru sectorul privat și utilizate în aplicații de ajutorare în munca de zi cu zi sau în cele de recuperare și ajutorare a persoanelor cu probleme de mobilizare.

Roboții mai oferă un nivel al preciziei mai ridicat decât cel al mâinii umane și pot desfășura activități repetabile fără a scădea calitatea serviciului. Aceste proprietăți îi fac potriviți pentru activități de tăiere cu precizie, sudură sau procese de asamblare.

Roboții joacă un rol important și în procedurile medicale, făcând posibile proceduri chirurgicale non-invazive, care, spre deosebire de procedurile tradiționale, au un timp de recuperare mult mai mic. Roboții medicali au ajuns la un nivel atât de ridicat încât pot fi folosiți în operații pe creier, la inimă sau la ochi și permit doctorilor să realizeze operații care până nu demult erau periculoase.

Controlul manipulatoarelor este o arie de cercetare bogată și în plină dezvoltare. Roboții industriali sunt, în principiu, dispozitive de poziționare și manipulare. Prin urmare, un robot folositor este acel robot capabil să își controleze mișcările și forțele interactive care apar între robot și mediu.

Controlul presupune existența unui model matematic și o anume inteligență care să acționeze pe baza modelului. Modelul matematic al robotului este obținut din legile de bază ale fizicii care îi guvernează mișcările. Pe de altă parte, inteligența necesită capabilități senzoriale și mijloace de acționare și reacționare la variabilele detectate. Aceste acțiuni și reacțiuni ale robotului sunt rezultatul proiectării controlerului.

De ce mișcare inteligentă? Pentru ca robotul să preia sarcinile omului trebuie să acționeze ca acesta – inteligent; inteligența este singurul lucru ce ne deosebește pe noi, oamenii, de celelalte făpturi ale naturii.

De ce “sisteme robotice de prehensiune”? Prehensiunea joacă un rol important în industrie, deoarece majoritatea roboților industriali îndeplinesc sarcini de prindere a pieselor în vederea manipulării / transferului dintr-o poziție inițială într-o poziție finală necesară în cadrul unei acțiuni, respectiv, a unui proces tehnologic robotizat.

Deținerea controlului asupra mișcării inteligente a sistemelor de prehensiune permite crearea roboților ce vor „ști ce au de făcut”.

După ce omul recunoaște forma obiectului, se face o aproximare a dimensiunii obiectului, iar în timp ce mâna se apropie de obiect, degetele se preconfigurează conform cu suprafața obiectului ce urmează a fi prehensat. Cunoscând astfel de metode, crește numărul sarcinilor pe care un robot le poate îndeplini.

În ultimii ani s-a dezvoltat o nouă ramură de cercetare ce se ocupă cu studiul structurilor și funcțiilor sistemelor biologice ca modele pentru proiectarea și ingineria materialelor, mașinilor și mecanicii pentru aplicații din domeniul roboticii, numită biomimetica. Acest domeniu nou cuprinde ramuri de studiu în psihologia roboților biomimetici, biologie integrativă, creaturi animate biomimetic, viață artificială, funcționalitatea elementelor roboților biomimetici și aplicații pentru robotica inteligentă inspirată din biologie.

Progresul major din ultimii ani s-a înregistrat din domeniile roboticii, controlului, inteligenței artificiale și a altor domenii ce facilitează dezvoltarea sistemelor robotice biomimetice din ce în ce mai sofisticate.

Dexteritatea mâinii umane, care a fost admirată din vremuri vechi, reprezintă un scop neatins încă, și, cel mai probabil va continua să fie. Cu toate că mâinile artificiale pot fi construite mai puternice sau mai rapide decât mâna umană, dar performanța acesteia din urmă nu poate fi egalată în operațiile de manipulare cu diversitate ridicată. Prin urmare, este normal ca un inginer să folosească drept inspirație un astfel de model de succes și să stabilească ca scop construirea unei mâini care să aibă, chiar și parțial, astfel de capabilități. Totuși, mijloacele oferite de natură sunt foarte diferite de cele oferite de tehnologie, în ceea ce privește actuatoarele, senzorii și controlul. Astfel, întrebarea dacă mâinile artificiale ar trebui să arate ca cele umane nu are încă un răspuns clar, iar acesta depinde cel mai mult de ceea ce se așteaptă de la mâna respectivă.

În ultimele decenii, mâinile umane au reprezentat un subiect studiat atât în medicină, cât și în inginerie [1]. Mâna umană a fost și este studiată în domeniul roboticii deoarece:

sistemul cu clești are un număr limitat de configurații, având un singur grad de libertate, spre deosebire de mâinile antropomorfe care au o gamă largă de configurații de apucare [2].

nu se pot folosi articulații mari la un braț robotic și să ne așteptăm ca acesta să poată acoperi o gamă largă de sarcini și în același timp să aibă și precizie ridicată la îndeplinirea lor, [2].

mâinile antropomorfe oferă posibilitatea de a obține informații clare despre caracteristicile mecanice și fizice ale obiectului și sarcinii de efectuat prin intermediul senzorilor de poziție, traductoarelor de forță, și a senzorilor tactili și de distanță.

este necesară o modalitate de reglare a sistemului robotic, datorită: oscilațiilor ce apar pe parcursul desfășurării sarcinii; erorilor de programare; forțelor și deplasărilor neprevăzute din mediu; erorilor de asamblare a componentelor, [3].

mâinile antropomorfe pot fi folosite prin controlul direct de către om în misiunile desfășurate în locații periculoase.

mâinile robotice sunt versatile datorită faptului că mișcarea de manipulare cu precizie poate fi realizată numai prin mișcări mici și rapide ale degetelor, în situația în care trebuie apucat un anumit obiect. [4].

Roboții industriali din ziua de astăzi nu pot fi folosiți în mediile nestructurate deoarece gama și complexitatea sarcinilor pe care le pot îndeplini sunt limitate. Mâinile umanoide au un potențial mare pentru a acoperi această deficiență. Dezvoltarea lor continuă are ca motivație extinderea gamei de aplicații la care pot fi folosite sistemele robotice de prehensiune [5].

Robotica reprezintă știința și tehnica proiectării și construcției roboților și este o ramură a mecatronicii ce studiază metodele, principiile și mijloacele necesare dezvoltării sistemelor formate din componentru robotica inteligentă inspirată din biologie.

Progresul major din ultimii ani s-a înregistrat din domeniile roboticii, controlului, inteligenței artificiale și a altor domenii ce facilitează dezvoltarea sistemelor robotice biomimetice din ce în ce mai sofisticate.

Dexteritatea mâinii umane, care a fost admirată din vremuri vechi, reprezintă un scop neatins încă, și, cel mai probabil va continua să fie. Cu toate că mâinile artificiale pot fi construite mai puternice sau mai rapide decât mâna umană, dar performanța acesteia din urmă nu poate fi egalată în operațiile de manipulare cu diversitate ridicată. Prin urmare, este normal ca un inginer să folosească drept inspirație un astfel de model de succes și să stabilească ca scop construirea unei mâini care să aibă, chiar și parțial, astfel de capabilități. Totuși, mijloacele oferite de natură sunt foarte diferite de cele oferite de tehnologie, în ceea ce privește actuatoarele, senzorii și controlul. Astfel, întrebarea dacă mâinile artificiale ar trebui să arate ca cele umane nu are încă un răspuns clar, iar acesta depinde cel mai mult de ceea ce se așteaptă de la mâna respectivă.

În ultimele decenii, mâinile umane au reprezentat un subiect studiat atât în medicină, cât și în inginerie [1]. Mâna umană a fost și este studiată în domeniul roboticii deoarece:

sistemul cu clești are un număr limitat de configurații, având un singur grad de libertate, spre deosebire de mâinile antropomorfe care au o gamă largă de configurații de apucare [2].

nu se pot folosi articulații mari la un braț robotic și să ne așteptăm ca acesta să poată acoperi o gamă largă de sarcini și în același timp să aibă și precizie ridicată la îndeplinirea lor, [2].

mâinile antropomorfe oferă posibilitatea de a obține informații clare despre caracteristicile mecanice și fizice ale obiectului și sarcinii de efectuat prin intermediul senzorilor de poziție, traductoarelor de forță, și a senzorilor tactili și de distanță.

este necesară o modalitate de reglare a sistemului robotic, datorită: oscilațiilor ce apar pe parcursul desfășurării sarcinii; erorilor de programare; forțelor și deplasărilor neprevăzute din mediu; erorilor de asamblare a componentelor, [3].

mâinile antropomorfe pot fi folosite prin controlul direct de către om în misiunile desfășurate în locații periculoase.

mâinile robotice sunt versatile datorită faptului că mișcarea de manipulare cu precizie poate fi realizată numai prin mișcări mici și rapide ale degetelor, în situația în care trebuie apucat un anumit obiect. [4].

Roboții industriali din ziua de astăzi nu pot fi folosiți în mediile nestructurate deoarece gama și complexitatea sarcinilor pe care le pot îndeplini sunt limitate. Mâinile umanoide au un potențial mare pentru a acoperi această deficiență. Dezvoltarea lor continuă are ca motivație extinderea gamei de aplicații la care pot fi folosite sistemele robotice de prehensiune [5].

Robotica reprezintă știința și tehnica proiectării și construcției roboților și este o ramură a mecatronicii ce studiază metodele, principiile și mijloacele necesare dezvoltării sistemelor formate din componente mecanice, electrice și electronice.

Sistemul de prehensiune este cel mai important subsistem al unui robot, deoarece acesta îi conferă robotului posibilitatea de a realiza o gamă variată de sarcini (apucarea, manipularea și transportul unor diverse obiecte). În prezent, aproximativ 40% din roboții industriali sunt echipați cu sistem de prehensiune, dar acest sistem este întâlnit și la o mare parte din roboții utilizați în diverse domenii, de la aplicații casnice sau agriculturale la aplicații militare sau de ajutorare a persoanelor aflate în dificultate.

Prehensiunea reprezintă interacțiunea dintre robot și un obiect cu scopul de al manipula sau transfera dintr-o poziție în alta. Această operație este realizată cu ajutorul sistemului de prehensiune, denumit si prehensor.

Cuvântul „prehensiune” provine de la cuvântul „prehension” din limba franceză care înseamnă acțiunea de a lua, de a prinde. Termenul „prehension” provine din limba latină de la cuvântul „prehensio” care înseamnă prindere. Tot în limba latină este întâlnit și termenul „prehenso” care înseamnă a apuca, a prinde cu mâna. În limba romană termenul „prehensiune” este un neologism împrumutat din studiile realizate în domeniul roboților industriali.

Pe lângă forma „prehensiune”, în literatura de specialitate publicată în țara noastră se întâlnesc și variantele: funcție de prehensiune [6], apucare, menținere determinată-desprindere.

Sistemele de prehensiune naturale reprezintă o sursă importantă de inspirație pentru dezvoltarea sistemelor artificiale de prehensiune. Sistemul de prehensiune natural al mâinii a fost și este cel mai mult studiat [7-9] deoarece este cel mai evoluat. De altfel, mâna umană reprezintă o sursă de inspirație pentru conceperea și perfecționarea sistemelor artificiale de prehensiune.

Tema de cercetare a acestei lucrări este studiul sistemelor de prehensiune pentru roboți și mâini umanoide, fapt pentru care în continuare va fi detaliată această categorie de prehensoare.

Sistemele mecanice antropomorfe de prehensiune sunt construite prin similitudine cu structura mâinii umane. Acest aspect le face perfecte în a fi utilizate la prehensiunea obiectelor cu forme și poziții oarecare, cu suprafețele dure sau fragile.

În funcție de scopul în care sunt utilizate, sistemele mecanice antropomorfe de prehensiune se împart în:

sisteme mecanice antropomorfe de prehensiune pentru protezarea mâinii

sisteme mecanice antropomorfe de prehensiune pentru roboți

Importanța sistemelor de prehensiune pentru protezarea mâinii provine de la faptul că realizarea de proteze pentru mână este o preocupare de sute de ani și este necesară și astăzi. Un alt aspect ce face ca această categorie de sisteme de prehensiune să fie îndelung studiate este reprezentat de faptul că multe din soluțiile utilizate la proteze au fost și încă sunt utile la conceperea și perfecționarea mecanismelor de prehensiune pentru roboți.

Printre cele mai reprezentative proteze pentru mâini se regăsesc: proteza Carnes, proteza Hüfner, proteza Berlin, proteza Becker, proteza Klingerberg, proteza ES, proteza Waseda.

La nivel global numeroase laboratoare studiază și realizează proteze din ce în ce mai performante, însă mobilitățile din articulațiile intercarpiene și/sau intermetacarpiene încă reprezintă o problemă. Dacă acestea ar fi rezolvate, se vor putea realiza proteze deosebit de performante.

Scopul lucrării, având în vedere importanța sistemelor de prehensiune, atât pentru roboții industriali cât și pentru cei utilizați în mediile neindustriale, este acela de a studia și îmbunătăți actualele metode de control ale sistemelor de prehensiune pentru roboți și mâini umanoide.

Lucrarea se axează pe studiul mișcării mâinilor umanoide inteligente, fapt pentru care a fost dezvoltat un mediu de simulare pentru aceste sisteme de prehensiune, cu ajutorul căruia să se poată testa cu ușurința diferite metode de control inteligent. În acest sens, s-a optat pentru proiectarea unei mâini robotice umanoide în mediu virtual 3D [10], respectând toate specificațiile cinematice și dinamice ale unui sistem real. Ca metodă de control s-a dezvoltat o schemă de control hibrid forță-poziție bazată pe rețele neuronale pentru a studia, cu ajutorul simulatorului, mișcarea mâinii robotice pe parcursul închiderii și deschiderii degetelor [11, 12]. Schema de control a fost studiată și pentru cazul în care mâna robotică are de apucat un obiect, și s-a ajuns la concluzia că, indiferent de forma acestuia, mâna robotică realizează cu succes operația de prehensiune. Pentru validarea performanțelor mediului virtual de simulare, cu ajutorul metodei de proiecție virtuală [13], s-a implementat o schemă de control în poziție al structurii mecanice studiată, având la dispoziție sistemul de acționare al acesteia. Profitând de facilitățile oferite de metoda proiecției virtuale, implementarea legii de control s-a realizat pentru controlul fiecărei articulații în parte, lucru ce nu se poate realiza fizic pentru o mână cu specificațiile celei studiate. În urma acestui experiment s-a observat că între rezultatele simulării și rezultatele experimentale nu este diferență foarte mare, simulatorul creat fiind o opțiune în situația în care nu se poate construi un sistem experimental. Pentru controlul fizic al unei structuri autorul a realizat o mână robotică, ce respectă detaliile constructive ale mâinii proiectate. Spre deosebire de mâna robotică proiectată in mediu virtual, cea reală este acționată de 5 tendoane cu ajutorul a 5 servomotoare. În urma experimentelor realizate, s-a observat că, în cazul acționării cu tendoane, dacă nu sunt luate în considerare aspectele dinamice ale tendoanelor, nu se poate realiza un control cu precizie ridicată a structurii mecanice.

Din studiile realizate s-a observat că procesul de prehensiune cuprinde mai multe etape: etapa de abordare a obiectului (în care brațul robotic se apropie de obiect), etapa de orientare a mâinii (mâna este poziționată în configurația necesară pentru a apuca obiectul), etapa de apucare a obiectului (degetele sunt strânse până în momentul în care stabilesc contactul cu obiectul), etapa de validare a prehensiunii (în care se verifică dacă toate degetele sunt în contact cu obiectul). În cadrul lucrării s-a propus o metodă de optimizare a procesului de prehensiune[14], prin care mâna robotică este capabilă să realizeze etapa de orientare simultan cu etapa de abordare a obiectului. Această metodă se bazează pe un algoritm de decizie care, pe baza datelor provenite de la doi senzori, folosind logica neutrosofică și teoria Dezert-Smarandache, încadrează obiectul de apucat într-una din trei categorii alese pentru studiu, determinând astfel configurația mâinii pentru a prehensa categoria respectivă de obiecte. Algoritmul dezvoltat de autor oferă soluții în toate situațiile studiate și poate fi extins la o gamă mai largă de clase de obiecte.

Teza de doctorat conține rezultate în totalitate originale, obținute de autor în perioada stagiului de pregătire doctorală, vizând un domeniu de o importanță majoră în construirea roboților umanoizi, și nu numai a acestora, și anume îmbunătățirea controlului inteligent al mâinilor robotice umanoide. Cercetările nu s-au limitat doar la domeniul controlului mâinilor robotice antropomorfe, ci au fost abordate și subiecte de cercetare din domeniul controlului roboților mobili, ce pot fi aplicate cu ușurința la controlul mâinilor robotice. Importanța cercetărilor realizate, precum și corectitudinea lor, au fost validate prin punerea lor în dezbatere publică în reviste științifice și conferințe prestigioase din țară și din străinătate. În realizarea acestor lucrări s-au realizat colaborări cu profesori importanți de la centre universitare și de cercetare cu renume pe plan mondial, cum ar fi:

Prof. Hongnian YU de la Bournemouth University UK, pentru realizarea lucrărilor [15-17]

Prof Xianchao Zhao de la Universitatea Shanghai Jiao Tong, pentru realizarea lucrării [18]

Prof. Vladimir Balan de la Universitatea Politehnică din București, pentru realizarea lucrării [19]

Prof. Radu Ioan Munteanu, de la Universitatea Tehnică din Cluj-Napoca, pentru realizarea lucrării [20]

Prof. Radu Adrian Munteanu, de la Universitatea Tehnică din Cluj-Napoca, pentru realizarea lucrării [10]

Prof. Gabriela Tont, de la Universitatea din Oradea, pentru lucrarea [15]

Prof. Mircea Boscoianu de la Academia Forțelor Aeriene „Henri Coandă” Brașov, pentru lucrarea [21]

CS Tudor Sireteanu de la Institutul de Mecanica Solidelor, pentru lucrarea [22]

CS Doina Marin de la Institutul de Mecanica Solidelor, pentru lucrarea [23]

CS Videa Emil de la Institutul de Mecanica Solidelor, pentru lucrarea [22]

De asemenea, începând cu anul 2013, s-au început cercetările pe domeniul roboților de salvare în cadrul unui programului european FP7 IRSES, FP7-PEOPLE-2012 IRSES, "Real-time adaptive networked control of rescue robots- RABOT", cu doi parteneri din UK: Bournemouth University (coordonatorul proiectului) și Staordshire University, și trei parteneri din China: Shanghai University, Yanshan University și Institutul de Automatizări al Academiei de Științe Chineze. Directorul de proiect este Prof. Hongnian Yu de la Bournemouth University din UK, iar din partea Institutului de Mecanica Solidelor al Academiei Române, coordonator este Profesorul Luige Vlădăreanu. Prin acest proiect, s-a început o colaborare strânsă între colectivele de cercetare ale partenerilor de proiect. În cadrul acestui proiect am participat ca membru al colectivului de cercetare de la Institutul de Mecanica Solidelor al Academiei Române. Ca membru în echipa de cercetare, mi-au survenit ca sarcini, proiectarea în mediu virtual a robotului de salvare, ce face subiectul de cercetare al proiectului.

Din 2014 fac parte din echipa de cercetare a proiectului "Platforma robot versatilă, inteligentă, portabilă cu sisteme de control în rețele adaptive pentru roboți de salvare – VIPRO" din programul național PNII, acceptat la finanțare pentru 2014-2016, având membri în echipa de cercetare profesori din UK, SUA și China. Ca membru în echipa de cercetare, mi-au survenit ca sarcini, proiectarea în mediu virtual a structurii robotizate, ce face subiectul de cercetare al proiectului.

De asemenea, sunt membru în echipa de cercetare implicată în propunerea unui proiect Internațional, "Research on human multi-joint arm information based bio-robot for telerobotics", ce face parte programul japonez "Brain Circulation", coordonat de Tokyo University, ce are parteneri din Bournemouth University (UK), Pascal Institute at the French Institute for Advanced Mechanics (FR), Imperial College London (UK). Activitățile realizate pentru această propunere s-au axat pe elaborarea studiilor privind proiectarea și simularea brațelor robotizate.

Lucrarea este structurată pe 8 capitole plus referințe bibliografice și anexe. În capitolul 1 se realizează o introducere în robotică, se definește prehensiune și se realizează o clasificare a sistemelor de prehensiune, cu accent pe prehensoarele antropomorfe, având în vedere că lucrarea se axează în principal pe controlul mâinilor robotice inteligente. Tot în capitolul introductiv se justifică importanța temei de cercetare și este detaliat scopul lucrării.

În capitolul 2 este prezentat stadiul actual în domeniul de cercetare al tezei de doctorat. În prima parte a capitolului se realizează o scurtă introducere în domeniul controlului inteligent și sunt prezentați primii pași făcuți in acest domeniu. Ulterior sunt trecute în revistă principalele categorii de control pentru mâini umanoide inteligente și cele mai recente abordări în domeniul controlului sistemelor de prehensiune pentru roboți. În partea finală a capitolului sunt prezentate principalele problemele ce apar datorită structurii mâinilor robotice și ce dificultăți se ivesc în procesul de manipulare a obiectelor.

În capitolul 3 este propusă o modalitate de a studia mișcarea sistemelor robotice fără costuri prea mari. În acest capitol este prezentată dezvoltarea unui mediu virtual pentru simularea unei mâini robotice. Structura este proiectată în mediu 3D folosind pachetul software Autodesk Inventor, ținând cont de toți parametrii constructivi ai unui model real. Ulterior modelul CAD este transferat în SimMechanics (pachet software inclus în Matlab/Simulink), obținându-se în final un mediu de simulare ce permite testarea oricărui tip de metodă de control, indiferent de complexitatea ei.

Având dezvoltat mediul de simulare, în capitolul 4, este propusă o metodă de control hibrid forță-poziție ce folosește rețele neuronale pentru a rezolva problema de cinematică inversă și cea de dinamică inversă. S-a dovedit că rețelele neuronale reprezintă o variantă viabilă pentru controlul în timp real deoarece oferă soluție la problemele studiate în timp foarte scurt, comparativ cu rezolvarea lor analitică. Schema de control este folosită pentru a testa și observa mișcarea de strângere a degetelor mâinii robotice dezvoltată în mediu virtual în capitolul anterior. Schema de control propusă a fost folosită și pentru a studia mișcarea mâinii în situația când are de prins un obiect și s-a observat că această metodă poate fi folosită cu succes la apucarea obiectelor, indiferent de forma obiectului.

În capitolul 5 sunt prezentate două experimente. Unul are ca scop validarea performanțelor mediului de simulare dezvoltat de autor folosind metoda proiecției virtuale, implementând o schemă de control în poziție pentru controlul mișcării de închidere a degetelor mâinii robotice studiată în lucrare. Metoda de proiecție virtuală a fost dezvoltată de prof. Luige Vlădăreanu și propusă pentru brevetare în anul 2009. Această metodă permite testarea în timp real a unei game largi de metode de control, nefiind necesară existența fizică a structurii mecanice ce trebuie controlată, ci doar a sistemului de acționare. Având în vedere faptul că experimentarea folosește un model virtual al mâinii robotice, s-a putut realiza controlul individual al articulațiilor, aspect imposibil de realizat cu o structura mecanică reală deoarece servomotoarele nu pot fi montate direct pe articulațiile degetelor. Astfel, metoda de control este transmisă de la interfața de control la sistemul de acționare printr-un modul de comandă și control. Datele legate de poziția curentă a motoarelor este citită cu ajutorul unor traductoare de poziție și transmisă înapoi sistemului de comandă și unei interfețe virtuale de control, care face legătura cu mediul virtual, controlând sistemul mecanic simulat acolo. În mediul virtual se măsoară poziția actuală a sistemului mecanic și se transmite sistemului de comandă, închizându-se astfel bucla de control. Prin această metodă s-a demonstrat că rezultatele obținute în mediul virtual sunt foarte aproape de realitate, fiind diferențe foarte mici între valorile din simulare și datele experimentale. Cel de-al doilea experiment s-a realizat pe o mână robotică construită de autor urmărind specificațiile constructive ale mâinii proiectate în mediu virtual. Structura reală este pusă în mișcare prin intermediul a 5 tendoane, câte unul pentru fiecare deget. Tendoanele sunt acționate individual de câte un servomotor. În cadrul experimentului s-a observat că modelul matematic al schemei de control se complică, deoarece trebuie ținut cont și de lungimea tendonului în generarea semnalului de control transmis la actuatoare. Datorită faptului că, la implementarea legii de control, tendonul s-a considerat a fi inelastic, s-a obținut o eroare mai mare de poziționare în comparație cu eroarea obținută în cadrul primului experiment

În capitolul 6 este propusă o metodă de optimizare a procesului de prehensiune, în sensul că pentru apucarea obiectului se selectează o taxonomie ce depinde de forma acestuia. Această operație de preconfigurare a degetelor se realizează în timpul abordării obiectului (faza în care brațul robotic se apropie de obiectul țintă), scurtând timpul de îndeplinire a sarcinii de manipulare. Metoda propusă are ca scop încadrarea obiectului țintă în trei categorii de obiecte denumite generic după forma acestora, respectiv, sferă, paralelipiped și cilindru. Aceste trei categorii corespund unor taxonomii de prindere întâlnite cel mai des în aplicațiile practice, și anume prindere sferică, prindere prismatică, respectiv, prindere cilindrică. Metoda preia informațiile despre obiectul ținta de la doi senzori și cu un algoritm de potrivire a modelelor generează un procent de potrivire cu obiectele eșantion. Aceste procente de potrivire reprezintă întrările într-un algoritm de neutrosoficare cu scopul de a obține valorile de încredere folosite ulterior în teoria Dezert-Smarandache pentru fuziunea datelor. Pe baza datelor rezultate în urma aplicării acestei teorii, cu un algoritm de decizie dezvoltat de autor, se încadrează obiectul țintă într-una din cele trei categorii de referință. Metoda propusă oferă soluții în toate cazurile analizate și poate fi extinsă cu succes pentru situațiile în care datele sunt achiziționate de la mai multe surse sau decizia ce trebuie luată depinde de mai mulți factori.

Capitolul 7 conține o sumarizare a contribuțiilor originale realizate de autor pe parcursul programului doctoral, iar în capitolul 8 sunt relatate concluziile referitoare la studiile prezentate în această teză de doctorat, precum și viitoarele direcții de cercetare.

În finalul lucrării sunt atașate referințele bibliografice ce stau la baza studiilor și metodelor propuse în această lucrare, precum și Anexele 1-11 aferente acestor metode.

2.Stadiul actual al cercetărilor privind controlul mișcării inteligente a sistemelor robotice de prehensiune.

Controlul inteligent descrie disciplina unde metodele de control sunt dezvoltate și se încearcă reproducerea caracteristicilor importante ale inteligenței umane. Aceste caracteristici includ adaptarea și învățarea, planificarea în situații de incertitudine și interpretarea unei cantități mari de informație. Astăzi, aria controlului inteligent tinde să cuprindă tot ce nu este caracterizat drept control convențional și are limite schimbătoare, în sensul că ce astăzi poartă numele de „control inteligent”, mâine se va numi „control”. Dificultatea de a specifica cu exactitate ce înseamnă termenul „control inteligent” derivă din faptul că nu este încă definită foarte bine inteligența umană și comportamentul inteligent. Vechile dezbateri asupra a ceea ce reprezintă inteligența se desfășoară și astăzi între profesori, psihologi, ingineri și cercetători din domeniul informatic. Termenul „control inteligent” a fost introdus prin anii ’70 de către K.S. Fu.

2.1 Control inteligent al sistemelor robotice de prehensiune

Domeniul controlului inteligent este legat de multe alte domenii. Controlul inteligent combină și extinde teorii și metode din domenii precum știința calculatoarelor și matematică și se inspiră din sistemele biologice. Metodele de control inteligent sunt aplicate în robotică și automatizări, comunicații, producție, controlul traficului, etc. În controlul inteligent sunt folosite tehnici precum rețelele neuronale, logica fuzzy, algoritmii genetici, sisteme expert și sistemele hibride. Domeniul științei calculatoarelor și, în special, inteligența artificială oferă metodologii și instrumente precum rețelele semantice, tehnici de raționalizare și limbaje de calculator. Conceptele și algoritmii dezvoltați în domeniul controlului adaptiv și învățarea mașinii ajută controlerele inteligente să se adapteze și să învețe. Progresul senzorilor, actuatoarelor, tehnologiilor de calcul și rețelele de comunicație asigură suportul pentru implementarea hardware a controlului inteligent.

Termenul „control inteligent” a ajuns să însemne, în special pentru cei ce nu au legătură cu domeniul controlului, o anumită formă de control ce folosește tehnici fuzzy sau rețele neuronale. Totuși, controlul inteligent nu se rezumă doar la aceste tehnici. De fapt, în concordanță cu anumite definiții ale controlului inteligent, nu toate controlerele neurale sau fuzzy sunt considerate inteligente. Există probleme de control care nu pot fi formulate și studiate folosind tehnici de „control convențional (tradițional)”; aceste metodologii au fost dezvoltate în ultimele decenii în cadrul controlului sistemelor dinamice. Pentru a rezolva tipul acesta de probleme, în ultimii ani s-au dezvoltat metode cunoscute sub numele generic de tehnici de control inteligent. Există diferențe semnificative între controlul convențional și controlul inteligent. Trebuie menționat că în momentul de față controlul inteligent folosește metode de control convențional pentru a rezolva probleme mai simple. Pe scurt, controlul inteligent dezvoltă și îmbunătățește metodele de control convențional pentru a rezolva probleme de control mai complexe.

Ideea din spatele controlului inteligent constă în faptul că sistemul ce trebuie controlat nu este necesar să fie modelat strict. Aceasta este cea mai mare deosebire între controlul inteligent și controlul convențional. Aici, proiectantul trebuie să introducă datele de intrare potrivite și apoi să evalueze ieșirile. Controlul inteligent dezvoltă un model al sistemului ce trebuie controlat.

Oamenii pot realiza sarcini complexe fără a cunoaște dinainte modul de realizare a sarcinii respective. Cele mai importante metode de control inteligent se bazează pe:logică fuzzy, rețele neuronale artificiale, algoritmi genetici

Logica fuzzy [27], ca majoritatea tehnicilor de control inteligent încearcă să modeleze modalitatea de raționalizare a creierului uman. Se bazează pe ideea că raționamentul uman este aproximativ, non-cantitativ și non-binar. În multe cazuri, nu există răspunsuri „în alb și negru, ci în niveluri de gri”. Un exemplu simplu este cel cu temperatura: când cineva întreabă despre temperatură, i se răspunde cu „puțin răcoare” sau „foarte cald” în comparație cu „24.36 grade”.

Aplicarea metodei de control fuzzy se realizează în cinci etape, și anume:

definirea variabilelor de intrare și ieșire

definirea intervalelor submulțimilor

alegerea funcțiilor membru

stabilirea regulilor „dacă-atunci”

realizarea calculelor și ajustarea regulilor

Rețelele neuronale artificiale [28] încearcă să reproducă structura și funcțiile sistemului nervos uman. Acesta este compus din mai mulți neuroni interconectați. Modul de interconectare al acestor neuroni determină modul de stocare a informației. Semnalele sunt transmise de la un neuron la altul prin pulsuri electrice.

În cazul rețelelor neuronale artificiale, neuronii primesc datele de intrare de la alți neuroni printr-o funcție ponderată. De obicei aceasta este o amplificare sau o diminuare a semnalului. Toate aceste semnale sunt primite de neuron și adunate. Dacă suma este mai mare decât un anumit prag, neuronul va transmite propriul semnal către alți neuroni. Ieșirea neuronului este adesea determinată de o funcție sigmoid a intrării sale decât de funcția de prag. Acest lucru oferă neuronului o intrare neliniară pentru relația de ieșire. De menționat că informația este stocată în ponderile de intrare ale neuronului. Ajustarea acestor ponderi oferă neuronilor abilitatea de a stoca informații diferite. Un singur neuron nu poate stoca prea multă informație, în schimb mai mulți neuroni interconectați pe mai multe straturi pot stoca o cantitate de informație mai mare.

Algoritmii genetici [29] sunt tehnici adaptive de căutare euristică, bazate pe principiile geneticii și ale selecției naturale, enunțate de Darwin („supraviețuiește cel care e cel mai bine adaptat"). Mecanismul este similar procesului biologic al evoluției. Acest proces posedă o trăsătură prin care numai speciile care se adaptează mai bine la mediu sunt capabile să supraviețuiască și să evolueze peste generații, în timp ce acelea mai puțin adaptate nu reușesc să supraviețuiască și cu timpul dispar, ca urmare a selecției naturale. Probabilitatea ca specia să supraviețuiască și să evolueze peste generații devine cu atât mai mare cu cât gradul de adaptare crește, ceea ce în termeni de optimizare înseamnă că soluția se apropie de optim.

Un algoritm genetic este un model informatic care reproduce modelul biologic evoluționist pentru a rezolva probleme de optimizare ori căutare. Acesta cuprinde un set de elemente individuale reprezentate sub forma unor șiruri binare (populația) și un set de operatori de natură biologică definiți asupra populației. Cu ajutorul operatorilor, algoritmii genetici manipulează cele mai promițătoare șiruri, evaluate conform unei funcții obiectiv, căutând soluții mai bune. Algoritmii genetici au început să fie recunoscuți ca tehnici de optimizare odată cu lucrările lui John Holland.

Ca aplicații practice, algoritmii genetici sunt cel mai adesea utilizați în rezolvarea problemelor de optimizare, planificare ori căutare. Condiția esențială pentru succesul unei aplicații cu agenți inteligenți este ca problema de rezolvat să nu ceară obținerea soluției optime, ci să fie suficientă și o soluție apropiată de optim.

2.2 Controlul mâinilor robotice pentru procesul de prehensiune

Apucarea și manipularea obiectelor folosind una sau două mâini robotice antropomorfe prezintă câteva provocări în ceea ce privește controlul datorită complexității sistemului mecanic utilizat, gamei largi de forme de obiecte și marii varietăți de sarcini de manipulare.

Mâinile robotice au mai multe grade de libertate decât manipulatoarele tradiționale cu legături în serie. Mai mult, în timpul manipulării, configurarea întregului sistem mână–obiect se schimbă frecvent: degetele se rotesc și alunecă pe suprafața obiectului, degetele lasă obiectul sau fac contact cu el, frecarea se modifică brusc, forțele care acționează asupra obiectului se pot modifica datorită interacțiunii cu mediul, etc. De aceea controlul mâinilor robotice poate fi o sarcină foarte dificilă. În mod remarcabil, datorită structurii lor mecanice, mâinile robotice antropomorfe pot permite o gamă largă de aplicații pentru controlul poziției și forței. Totuși doar cu mâinile se pot realiza numai o gamă restrânsă de mișcări, pentru mișcări ample este necesară utilizarea încheieturilor și a brațelor robotice.

Prinderea poate fi clasificată în prindere de forță și prindere de precizie. Prima este caracterizată de utilizarea atât a palmei cât și a degetelor la prinderea obiectului, în timp ce a doua utilizează doar degetele.

O acțiune tipică de manipulare constă în prinderea obiectului, mutarea lui dintr-o poziție și orientare inițiale într-o altă poziție și orientare țintă, evitând contactul cu obstacole sau interacționarea cu un alt obiect. Execuția corectă a sarcinii presupune ca degetele să aplice forțe de contact adecvate pentru a obține mișcarea dorită a obiectului, astfel încât în punctele de contact fixe să fie îndeplinite constrângerile de frecare, luând în considerare cuplul degetelor și limitele articulațiilor.

Problema controlului constă în calcularea cuplului articulațiilor necesar pentru îndeplinirea sarcinii de manipulare planificate fie prin controlul poziției și forței degetelor, fie cu prin controlul dinamic al degetelor în momentul contactului. Controlerul trebuie să fie capabil să rezolve problemele de incertitudine apărute datorită modelului sistemului, lipsei de precizie a servomotoarelor, evenimentelor nemodelate, parametrilor necunoscuți, etc. În plus, este necesar și un planificator al acțiunilor, care să lucreze în paralel cu controlerul. Cele două sisteme ar trebui să poată împreună să rezolve problemele diferitelor faze ale manipulării (de exemplu, să modifice starea contactului, să schimbe tipul de contact, să reapuce obiectul) și să facă față incertitudinilor modelului și evenimentelor neprevăzute.

Metodele de control pentru sistemele robotice de prehensiune pot fi clasificate în:

Control bazat pe model

Control hibrid forță-poziție

Controlul rigidității

Controlul impedanței

Controlul bazat pe evenimente

Control ierarhic

2.2.1 Controlul bazat pe model pentru sisteme robotice de prehensiune

Controlul bazat pe model are ca fundament modelul dinamic al sistemului (sistemul este format din mână și obiect plus constrângeri). Adoptând legi de control bazate pe dinamica inversă sau pe cuplul calculat, dinamica neliniară a sistemului este compensată deplin și se obține urmărirea asimptotică a poziției și orientării unui sistem de coordonate atașate centrului de masă al obiectului. În practică, incertitudinile datorate modelului dinamic, parametrilor de frecare, formei obiectului și poziției centrului de masă fac ca această abordare să fie adecvată în simulări, dar nu și în aplicații reale.

În [30] este modelat procesul de prindere si manipulare a unui obiect in plan cu două degete, ținând cont de rotirea în punctul de contact. Stabilizarea prinderii se realizează folosind o metoda de control obținută analizând funcția Morse-Bott ca un potențial artificial. De asemenea, studiul este extins la cazul în care prinderea se realizează în spațiu tridimensional, păstrând aceleași constrângeri de contact ca in cazul bidimensional.

În [31] este studiată problema optimizării forței de prindere în cazul unei mâini robotice antropomorfe. Această problemă este tratată ca o problemă de optimizare convexă ce ține cont de limitările impuse cuplurilor articulațiilor. În această lucrare este propusă o soluție ce poate fi implementată în controlul în timp real. Algoritmul dezvoltat reduce foarte mult complexitatea calculelor scăzând dinamic numărul de constrângeri active impuse cuplurilor. Spre deosebire de alte abordări, algoritmul nu necesită evaluarea punctului inițial la începutul fiecărui ciclu de optimizare. Eficacitatea studiului a fost testată pentru situația în care forțele de prehensiune pentru o mână antropomorfă sunt ajustate în timp real pentru a corespunde forțelor externe aplicate obiectului.

În [32,33] s-au propus metode de prindere și manipulare pentru o mână robotică cu trei degete ce nu folosea senzori. Metoda de control folosea doar feedback-ul tactil. Poziția obiectului este definită printr-un sistem de coordonate virtual determinat de punctele de contact estimate. Cu toate acestea, deoarece nu există informația vizuală despre poziția obiectului, este imposibil de realizat controlul cu precizie în prezența alunecării sau rotiri neprevăzute a obiectului.

2.2.2 Controlul hibrid forță-poziție al sistemelor robotice de prehensiune

Execuția acțiunilor de manipulare necesită controlul atât al poziției cât și al forței, pentru a obține mișcarea dorită a obiectului prin evitarea alunecării degetelor pe obiect. Forța și poziția pot fi controlate simultan dacă sunt măsurate și dacă acționările de control necesare sunt descompuse în mod corect.

Prinderea si manipularea unui obiect se realizează in doua faze: faza de apropiere si faza de manipulare. In faza de apropiere este necesară o metodă de control a poziției pentru a controla poziționarea mâinii în apropierea obiectului. În faza de manipulare este necesară o metodă de control a forței pentru a controla forța aplicată de vârful degetelor. Controlul simultan al poziției și al forței este destul de complicat. În lucrarea [34] este propusă o metodă de control a forței de prindere bazată pe controlul poziției pentru manipulare. În această metodă poziția degetului este controlată în funcție de vectorul de forță. Folosind această metodă de control, orice forță externă este anulată, iar forța inițială este menținută constant.

În [35] este realizată o extindere a modelului masă-amortizor pentru a reproduce proprietățile mecanice ale țesutului uman în cazul deformărilor mari. Modelul este folosit pentru controlul hibrid forță-poziție al unui sistem robotizat de masaj și contribuie la creșterea preciziei de control a forței de masaj exercitată de robot. Parametrii modelului au fost determinați prin experimentări. Rezultatele simulărilor au arătat că deformările țesutului uman au fost modelate corespunzător, iar controlul hibrid forță-poziție bazat pe acest model s-a realizat cu precizie mai mare decât controlul bazat pe modelul țesutului cu rigiditate constantă.

În [36] este prezentată o schemă de control hibrid forță-poziție a două sisteme robotice ce manipulează un obiect necunoscut într-un mediu necunoscut. Convergența exponențială a poziției și a forței de interacțiune cu mediul este demonstrată folosind metoda directă Lyapunov. De asemenea, prin metoda propusă se obține și convergența asimptotică a poziției și a forței restrictive. Forțele inerțiale și momentele dintre obiect și manipulatoare sunt controlate independent de mișcarea obiectului și de forțele de interacțiune cu mediul. Rezultatele simulărilor confirmă performanța și eficacitatea metodei de control propusă.

În lucrarea [37] s-a prezentat un sistem de control hibrid forță-poziție al unui manipulator dual, pentru a transporta o sarcină rigidă. Pentru a reduce ecuațiile diferențiale ale dinamicii sistemului pentru un set de ecuații diferențiale ordinare, s-a propus o versiune descentralizată a unei formulări cu perturbație singulară recent dezvoltată (SPF). Astfel, sistemul de control nu se bazează pe rezolvarea constrângerilor algebrice neliniare și este aplicabil implementărilor în timp real. O metodă de control în forță, bazată pe un algoritm de distribuție a sarcinii ce are capacitatea de a distribui cuplul din articulații a fost dezvoltat pentru a controla stresul din obiect. Controlul forță-poziție propus este independent de dinamica obiectului, ceea ce îl face potrivit pentru o varietate mai mare de sarcini în cooperare. Un observator al forței este și el dezvoltat cu scopul de a elimina măsurătorile de forță și de a reduce numărul de senzori necesari. La final stabilitatea întregului sistem este dovedită prin utilizarea unor funcții Lyapunov. Rezultatele simulării ilustrează eficiența abordării propuse.

Sarcinile automate de micro-manipulare necesită micro-manipulatoare echipate cu senzori de forța și poziție pentru a executa precis sarcinile date. Lucrarea [38] prezintă proiectarea, implementarea și controlul unor manipulatoare compliante acționate piezoelectric, ce au capacități combinate de monitorizare și control în forță și poziție. Structura manipulatorului este concepută să se bazeze pe un mecanism compliant cu rulmenți, cu pârghie de amplificare a deplasării, ce furnizează o arhitectură simplificată fața de manipulatoarele cu structură paralelogram existente. Mai mult, provocarea de a realiza o tranziție lentă între controlul în forță și cel în poziție este soluționată prin utilizarea unei scheme de control incrementale. Controlul precis sub influența unor neliniarități histeretice este garantat de un algoritm discret de control al mișcării la alunecare (SMC) [39]. Schema de control este implementată pe o platformă de programare FPGA. Cercetările experimentale realizate au verificat eficiența sistemului manipulator prin realizarea de operații de manipulare apucare-ținere-eliberare pe un micro fir de cupru. Rezultatele confirmă că metoda propusă pentru controlul comutării bazate pe incrementare depășește performanțele abordării convenționale în termeni de precizia reglării în poziție-forță precum și timpul de operare.

Lucrarea [40] studiază și prezintă o strategie de control hibrid forță-poziție pentru a reproduce manipularea de tipul frământare de degete, bazată pe pragul de durere. Considerând aceste aspecte, a fost exploatată o strategie de control hibrid forță-poziție pentru a urmări poziția și forța în același timp. Strategia de control a fost simulată în Matlab Simulink utilizând librăria SimMechanics iar rezultatul arată că eroarea de forță este mai mică decât 0,7N iar cea de poziție este mai mica decât 0,1mm. Precizia și eficiența practică a fost dovedită prin teste de precizie și experimente clinice.

Problema urmăririi în forță-poziție a traiectoriei de către un manipulator liber cu incertitudini cinematice și dinamice este rezolvată în lucrarea [41]. Manipulatorul liber este în contact cu o suprafață compliantă cu rigiditate și poziție necunoscute. Pentru a lucra cu incertitudinile de mai sus în modul liber, un control adaptiv bazat pe pasivitate este dezvoltat utilizând estimarea online a parametrilor necunoscuți. Convergența erorilor de forță și poziție este dovedită prin analiza stabilității Lyapunov. Rezultatele simulării ilustrează eficiența algoritmului propus.

2.3.3 Controlul rigidității pentru sisteme robotice de prehensiune

Complianța și rigiditatea sunt mărimi importante care caracterizează prehensiunea mâinilor robotice. Ele contează mai ales în manipulările de precizie unde mișcările fine și vitezele scăzute generează ecuații dinamice care sunt restricționate de condițiile de complianță (sau rigiditate), de frecare și de contact.

Pentru a înțelege cum este realizată dexteritatea versatilă la mâna umană și pentru a o reproduce într-o formă robotică, în lucrarea [42] a fost construită o mână de test corectă din punct de vedere anatomic (ACT). Această lucrare prezintă dezvoltarea de strategii de control pentru mișcarea degetului aratator și implementarea comportării pasive a articulațiilor pentru mâna ACT. Sunt implementate o metodă de control direct al poziției mușchiului și o metodă de control a articulațiilor cu optimizarea forței pentru urmărirea poziției prin controlul forței mușchiului. Relațiile dintre mișcarea mușchiului și mișcarea articulației joacă un rol critic în ambele tipuri de control, fiind implementată o tehnică Gaussiană de regresie a procesului pentru a determina aceste relații. Experimentele realizate au arătat cum controlerul direct al poziției mușchiului permite urmărirea rapidă a poziției, iar controlerul articulației cu optimizarea forței permite exploatarea redundanței acționării din deget, critică pentru acest sistem redundant. Este demonstrat faptul că prin implementarea în fiecare mușchi a unei relații pasive forță-poziție se poate obține cu precizie aceeași rigiditate a articulației metacarpofalangiane a mâinii ACT asemanatoare cu rigiditatea aceleiași articulații a mâinii umane. Sunt de asemenea arătate rezultatele urmăririi îmbunătățite a poziției la implementarea schemelor pasive de control al mușchiului. Schemele de control pentru urmărirea poziției și pentru comportarea pasivă sunt inspirate din controlul neuromuscular uman, și reprezintă componentele de bază în crearea de noi abordări în controlul asemănător celui uman.

Lucrarea [43] prezintă mâna i-HY, o mână acționată cu 5 servomotoare și care este capabilă să execute o gamă largă de prinderi și de sarcini de manipulare. Această mână a fost construită să acopere necesitatea unei mâini durabile, ieftine și cu dexteritate medie, potrivită pentru utilizarea la roboții mobili. Obiectivul principal al acestei lucrări constă în prezentarea modelului minimalist inovator al mâinii i-HY, care a fost creată prin alegerea unor sarcini țintă pentru care s-a făcut optimizarea mâinii. Se pune un accent deosebit pe dezvoltarea degetelor subacționate care sunt capabile să realizeze atât prinderi ferme de putere cât și prinderi de rigiditate redusă cu vârful degetelor, folosind doar mecanica pasivă a mecanismului degetelor. Rezultatele experimentale demonstrează prinderea cu succes a unei game largi de obiecte țintă, stabilitatea prinderii cu vârfurile degetelor, cât și abilitatea de a regla forța exercitată pe obiectele apucate, folosind doar mecanica pasivă a degetelor.

Lucrarea [44] descrie o metodă haptică de palpare cu o mână antropomorfă folosind servomotoare cu feedback al rigidității pentru simularea procedurilor de palpare a țesuturilor folosite în intervențiile chirurgicale minim invazive atât tradiționale cât și asistate de robot. Rigiditatea țesuturilor moi este simulată prin reglarea proprietății de rigiditate a servomotoarelor în timpul palpării. În aceasta lucrare sunt combinate acționările de blocaj granular și cele pneumatice cu aer pentru a obține modularea rigidității. Servomotorul cu feedback al rigidității este verificat prin măsurători ale rigidității în testele de calibrare, și prin clasificarea rigidității pe baza unui studiu propriu. Din rezultatele testelor de calibrare se vede că introducerea unei camere pneumatice la blocajul granular poate amplifica banda de variație a rigidității și poate reduce eroarea de histerezis a servomotorului. Avantajele palpării antropomorfe folosind acționările propuse sunt demonstrate prin compararea cu rezultatele clasificării rigidității la utilizarea unui feedback al rigidității de la două degete (sensibilitate: 82.2%, specificitate: 88.9%, valoare predictivă pozitivă: 80.0%, precizie: 85.4%, timp: 4.84 s), respectiv de la un deget (sensibilitate: 76.4%, specificitate: 85.7%, valoare predictivă pozitivă: 75.3%, precizie: 81.8%, timp: 7.48 s).

În lucrarea [45] este prezentată proiectarea și modelarea rigidității unui mecanism nou cu degete moi cu 3 grade de libertate folosind un arc pentru deschiderea degetului. Mecanismul este format dintr-un arc și trei cilindri care se comportă ca niște articulații. Pentru a controla fiecare articulație, în cilindri sunt introduse cabluri de diferite lungimi prin găuri mici aflate pe secțiunea transversală a cilindrilor și fiecare articulație poate fi controlată trăgând de fiecare cablu. Este de asemenea realizată modelarea rigidității pentru a măsura rigiditatea mecanismului degetului și pentru a estima mărimea servomotorului. În primul rând este calculată cinematica directă folosind geometria mecanismului și astfel sunt obținute matricea Jacobian și lungimile cablurilor. Pentru a evalua eficiența mecanismului propus sunt verificate prin experimente controlul poziției, flexibilitatea, siguranța și modelul rigidității.

2.3.4 Controlul impedanței pentru sisteme robotice de prehensiune

Controlul impedanței are scopul de a impune unui sistem robotic o comportare dinamică dorită sau o impedanță mecanică dorită, descrisă de obicei de un sistem de amortizare arc-masă de nivel secundar.

În lucrarea [46] a fost studiată o metodă de control hibrid bazat pe procesare video într-un mediu necunoscut cu un robot industrial cu șase grade de libertate. În primul rând au fost calculate relațiile de mapare unu-la-unu dintre caracteristicile vizuale ale traiectoriei și unghiul articulației robotului. În al doilea rând a fost folosită o lege de control a impedanței pentru a descrie condițiile contactului constant rezultat la interacțiunea dintre end-efector și suprafața de prindere în timpul mișcării, apoi a fost folosit un mecanism de reglare fuzzy pentru a genera modelul de impedanță. În ultimul rând a fost verificată eficacitatea metodei prezentate, folosind un robot cu șase grade de libertate care are o cameră CCD și un senzor de forță/cuplu instalate pe end-efector. Rezultatele experimentale arată că strategia folosită prezintă performanțe ridicate de urmărire a traiectoriei pe o suprafață necunoscută și o acuratețe mare a controlului forței. Parametrii camerei nu trebuie calibrați cu precizie, iar parametrii de impedanță sunt reglați în timp real de un controler fuzzy. Stabilitatea și comportarea dinamică sunt îmbunătățite iar strategia propusa poate fi folosită eficient pentru controlul bazat pe procesare video.

În lucrarea [47] este prezentată o strategie nouă de manipulare care combină traiectorii netede cu un controler de impedanță la care parametrii sunt reglați în timpul execuției. Abordarea folosește o singură lege de control în toate fazele manipulării, adică atunci când robotul este în contact cu obiectul și în timpul reapucării când robotul se mișcă liber în spațiul de lucru. Impedanța manipulatorului se modifică în timpul diferitelor faze ale manipulării aceasta realizându-se prin modificarea masei, a rigidității și a parametrilor de amortizare ai controlerului. Stabilitatea controlerului este îmbunătățită și mai mult prin folosirea unor traiectorii netede care sunt generate folosind un planificator compact și simplu de calculat. În plus, metoda are un răspuns bun la apariția contactelor neplanificate sau a coliziunilor. Rezultatele experimentale cu un manipulator industrial care desface capace de borcane oferă date interesante despre performanță și arată beneficiile strategiei de manipulare adoptate.

Lucrarea [48] abordează controlul forței de contact fin în prinderea robotică. Obiectivul principal este urmărirea cu acuratețe a traiectoriei planificate pentru un obiect apucat și în același timp asigurarea unei calități adecvate a prinderii. Sunt luate în considerare și interacțiunile dintre obiectul apucat și mediul extern. Pentru aceasta este folosită o lege de control al impedanței pentru a impune o comportare adecvată a obiectului când acesta vine în contact cu mediul. Este dezvoltat și un studiu de caz simulat pentru a confirma eficacitatea schemei de control propuse.

Lucrarea [49] prezintă un studiu experimental privind implementarea unui controler de impedanță atât la nivel cartezian cât și la nivelul obiectului, cu compensarea adaptivă a frecării, pentru o mână robotică antropomorfă, folosind un feedback al cuplului articulației. Pentru a diminua în mod corespunzător efectele unei frecări puternice cauzate de cuplarea complexă a articulației cu sistemul de transmisie, în această lucrare este propus un martor de frecare pe baza unui filtru Kalman extins (EKF). Un controler cartezian al impedanței este implementat la o mână robotică antropomorfă cu degete identice, pe baza modelării fiecărui deget modular. În plus, în această lucrare este implementată o metodă de prindere a unui obiect folosind orice tip de configurație cu trei sau mai multe degete. Aceasta permite construirea unui controler spațial al impedanței cu 6 grade de libertate. Este analizată stabilitatea sistemului in buclă închisă cu martorul de frecare. Se obține o eroare de poziționare de mai puțin de 0.16 folosind controlerul de impedanță a articulației cu compensare adaptivă a frecării, ceea ce arată o creștere semnificativă în performanță, în comparație cu 1.5 când nu se face compensare și cu 0.5 la compensarea cu parametri ficși a frecării. Rezultatele experimentale au confirmat creșterea în performanță a mâinii robotice cu control cartezian al impedanței și cu compensare adaptivă a frecării articulației, demonstrând astfel eficiența controlerului spațial al impedanței care folosește forma obiectului și strategia de estimare propuse.

2.3.5 Controlul bazat pe evenimente pentru sisteme robotice de prehensiune

Dexteritatea umană și adaptabilitatea la schimbările sarcinii sau la schimbările mediului se datorează în mare măsură abilității de a utiliza informațiile tactile pentru a controla procesul. Deci, la om, manipularea este bazată pe evenimente. Ca și la manipularea umană, senzorii tactili ai mâinilor robotice sunt utili la detectarea schimbărilor condițiilor de contact[50]. Este important să se poată detecta aceste schimbări deoarece metodele de control trebuie să se adapteze la diferitele cerințe ale sarcinii impuse. Diferite faze ale sarcinii necesită de obicei metode de control total diferite (controlul poziției, controlul forței, controlul impedanței) fiind esențial să se poată garanta tranziții ușoare între modificările fazei, de exemplu să se modifice foarte puțin coeficientul de amplificare.

În lucrarea [51] este prezentat un controler de prindere ce permite unui prehensor clește să prindă și să manipuleze cu precizie obiecte necunoscute având cunoscută poziția acestuia. Această abordare este inspirată de modul în care oamenii abordează astfel de acțiuni. Se știe că aceste acțiuni sunt îndeplinite folosind informațiile tactile și nu cele vizuale. Controlerul propus în această lucrare procesează în timp real datele provenite de la senzorii de presiune din vârful degetelor și de la un accelerometru montat pe palmă. Aceste semnale formează evenimente tactile ce realizează transferul între șase stări discrete: strângere, prindere, ridicare și menținere, înlocuire, desprindere și deschidere. Controlerul alege o forță de prindere inițială corespunzătoare, detectează alunecarea obiectului, crește forța de prindere după necesitate și decide când trebuie să desprindă obiectul pentru a-l așeza. Această metodă a fost testată experimental cu ajutorul platformei robotice PR2 și au fost prinse și manipulate o gamă largă de obiecte reale.

Este clar că metodele de control bazat pe evenimente pot fi privite drept un nivel intermediar de control dintre controlul de nivel superior responsabil cu planificarea (inclusiv planificarea prinderii) și controlul de nivel inferior responsabil cu execuția mișcării planificate. În acest nivel intermediar, informația senzorială joacă un rol crucial în determinarea controlului nivelului inferior pe baza unei sarcini planificate la nivelul superior.

2.3.6 Controlul ierarhic al sistemelor robotice de prehensiune

Controlul ierarhic este inspirat din controlul degetelor umane de către creier. Se pornește de la ideea că mișcările umane pot fi împărțite în două clase, în funcție de relațiile dintre stimulare și acțiune: reflex și mișcare voluntară. În cazul reflexului, o stimulare cauzează o singură reacție, care este o mișcare foarte simplă și cu un feedback rapid. În cazul mișcării voluntare, o stimulare cauzează multe posibile mișcări iar mișcarea reală este selectată de creier. Astfel, mișcarea voluntară poate fi foarte complexă, dar are un feedback foarte lent. În plus, în cazul mișcării umane, reflexul poate fi anulat de mișcarea voluntară.

Noțiunea de sinergie permite descrierea simplificata a acțiunilor mâinii. Această noțiune a fost folosită cu diferite înțelesuri, de la sinergii cinematice și dinamice până la sinergii de poziționare. Cu toate acestea, se cunoaște foarte puțin faptul că reprezentând o acțiune prin intermediul sinergiilor se obține o reprezentare ierarhica multiplă a acțiunii. Acesta este un aspect cheie studiat în neuroștiinta cognitivă. În lucrarea [52] se cercetează dacă reprezentarea ierarhică multiplă a acțiunii poate fi obținută folosind sinergiile. În acest scop s-a reprezentat acțiunea mâinii ca o combinație liniară a sinergiilor de poziționare dependente de timp. S-a presupus că aceste sinergii de poziționare au structură arborescentă. În această organizare arborescentă, reprezentarea acțiunii mâinii se poate realiza cu ajutorul unei sinergii de poziționare dacă părinții acelei sinergii sunt implicați în reprezentarea acțiunii. Rezultatele simulărilor au arătat că acest mod de organizare este suficient pentru a reprezenta acțiuni multiple folosind sinergiile care sunt organizate ierarhic.

Manipularea cu dexteritate a obiectelor este obținută prin abilitatea sistemelor robotice de a genera prinderi cu precizie. În lucrarea [53] este propus termenul de „spațiu al vârfului degetului” și este folosit pentru a descrie prinderea cu precizie. Spațiul vârfului degetului este o reprezentare ce ține cont atât de geometria suprafeței obiectului cât și de cea a vârfului degetului. Astfel se poate genera un nor de puncte corespunzător obiectului și se poate stabili o bază pentru spațiul de căutare al prinderii. Se propune un model pentru codificarea ierarhică a „spațiului vârfului degetului” ce permite eficientizarea prinderii. Metoda propusă funcționează la nivelul contactului în timpul prinderii atunci când nu se neglijează forma obiectului sau cinematica mâinii fiind implementată și testată pe mâna robotică Barret.

2.3 Problemele structurii mecanice pentru mâini robotice umanoide

Crearea unui manipulator universal a fost visul multor cercetători în domeniul Roboticii. În ultimii douăzeci și cinci de ani, datorită noilor tehnologii dezvoltate (în special noile dezvoltări în electronică) cercetarea în domeniul mâinilor robotice antropomorfe a făcut avansuri importante.

În prezent există multe modele de mâini robotice cu 5 sau mai puține degete în funcție de dorințele inventatorilor. La fel și modul de acționare diferă de la un model la altul, cu avantaje în anumite privințe și dezavantaje în altele, de exemplu micșorarea forței pentru a mări viteza, sau modele mai puțin flexibile pentru anumite caracteristici. Deoarece complexitatea mâinii umane este foarte ridicată, complexitatea diferitelor modele este de asemenea ridicată, și astfel crește și numărul parametrilor luați în considerare pentru a evalua un anumit model.

Înțelegerea operației de prehensiune a mâinii umane a devenit un punct de interes pentru mulți roboticieni care urmăresc să dezvolte sisteme de control capabile să îndeplinească sarcini de prehensiune cu performanță ridicată. Încercarea de a reproduce dexteritatea și flexibilitatea mâinii umane prin intermediul mâinilor robotice este o problemă care preocupă lumea științifică de mai bine de 30 de ani. Din gama largă de probleme legate de reproducerea mâinii umane, definirea poziționării în timpul prehensiunii unui obiect este una din cele mai provocatoare, deoarece implică satisfacerea unui număr mare de restricții legate nu numai de structura mâinii și a obiectului ci și de cerințele sarcinii și starea mediului. O multitudine de factori fac acest subiect să fie foarte complex. Unul dintre acești factori este legat de cantitatea mare de informație care trebuie luată în calcul. Un alt impediment este cauzat de faptul că există mai multe posibilități de a apuca un singur obiect. Alegerea unui anumit tip de prehensiune depinde de obiect și restricțiile mediului și ale sarcinii.

Controlul mâinilor robotice cu mai multe degete cuprinde o serie de sarcini parțiale care pot fi clasificate în funcție de structura mâinii sau operațiile de predefinire a prehensiunii și sinteza acesteia. Predefinirea prehensiunii este o operație orientată către sarcină, în cadrul căreia este, practic, imposibil de generat locația de contact pornind de la o simplă descriere a obiectului de prehensat, a mâinii și a sarcinii, datorită numărului mare de grade de libertate al mâinilor antropomorfe cu mai multe degete. Prin urmare, predefinirea prehensiunii are ca scop reducerea numărului de grade de libertate dintre mână și obiectul de prehensat, și este folosită ca pre-planificator pentru sinteza prehensiunii. Sinteza prehensiunii cuprinde determinarea unui mod de apucare care să respecte condițiile de stabilitate, echilibru, forță de închidere și dexteritate.

Prehensiunea și manipularea unei game largi de obiecte sunt funcționalități fundamentale pentru multe sisteme robotice, incluzând roboții umanoizi, roboții industriali și roboții mobili, ce îi fac utili într-o varietate de medii, precum cel de acasă, clădiri publice, orașe, uzine, spațiu și mare.

Funcțiile motorii ale oamenilor constau în două abilități principale: mers și prehensiune și manipulare. Până în prezent s-au realizat multe cercetări pentru reproducerea acestor abilități. La început, mâinile robotice au fost studiate mai mult decât picioarele și s-a crezut că mâinile robotice erau mult mai avansate decât picioarele. Totuși, după dezvoltarea cu succes a roboților pășitori realizați de Honda în 1996 [54] și, ulterior, de alte grupuri (de exemplu [55-57]), abilitatea de mers a roboților a evoluat foarte repede, însă dezvoltarea mâinilor robotice care să realizeze sarcini de prehensiune și manipulare reprezintă un subiect mult mai urgent și critic, pentru realizarea roboților umanoizi care să ajute omul.

În multe sisteme artificiale de manipulare, operabilitatea umană, adică existența unei interfețe simple și prietenoase cu operatorul uman, reprezintă un factor cheie pentru succes. Interfața reprezintă totalitatea mijloacelor prin care se realizează transferul de putere și informație între om și mâna robotică. Sub această observație, modelele antropomorfe ale mâinilor oferă avantaje diferite.

Modelele antropomorfe ușurează sarcina operatorului uman de a reproduce mișcările naturale ale mâinii, folosind un dispozitiv de comandă. Planificarea și programarea acțiunilor mâinilor robotice complexe din punct de vedere cinematic sunt sarcini foarte dificile, care au contribuit la folosirea lor precară în aplicațiile practice. Pe de altă parte, o mână antropomorfă poate fi gândită direct prin „demonstrarea” comportamentelor umane dorite în cadrul manipulării și prehensiunii. În astfel de sisteme, pentru a prelua date de la mișcarea mâinii model se folosesc mănuși speciale echipate cu diferiți senzori.

Abordarea de genul “învățare prin demonstrație” în programarea mâinilor mecanice se aplică în mod general sistemelor care nu doar copiază mișcarea mâinii umane, ci dintr-o secvență de operații demonstrative reprezentative a mâinii umane învață “abilitatea” care e necesară la rezolvarea diferitelor sarcini. Această direcție, în cercetare, atrage în prezent mult interes, după cum se observă din numărul crescut al lucrărilor din domeniu [58-63]. În anumite cazuri autorii folosesc concepte dezvoltate în literatura roboticii pentru a face analiza comportamentului manipulării umane, rezultatele fiind interesante atât pentru semnificația lor psihofizică fundamentală, cât și pentru aplicarea lor în programe de interes social, de exemplu în programele de reabilitare.

Pentru viitor, mulți se așteaptă ca sistemele robotice să interacționeze cu ființele umane direct, într-un mod sigur și confortabil [64], [65]. Un exemplu de sarcină pentru un astfel de robot “prietenos” este reabilitarea [66]. Un factor crucial în realizarea acestei sarcini va fi abilitatea tehnologiei robotice de a se îndepărta de utilizarea materialelor și motoarelor convenționale care sunt percepute drept rigide, și de a utiliza soluții inovative pentru realizarea de mâini cu mișcări naturale. Printre posibilele tehnologii, motoarele magnetice fără reducție [67], motoarele piezoelectrice [68], sau motoarele pneumatice [69] ar putea reprezenta soluții viabile pe termen scurt, în timp ce gelul polimeric [70] sau aliajele cu memoria formei [71] ar necesita un timp mai îndelungat pentru a fi folosite în echipamente practice.

Totuși, design-ul antropomorf are și dezavantaje. Dacă controlul mâinii robotice se realizează cu programe computerizate și mediul de lucru este parțial cunoscut în momentul când se iau deciziile de design (așa cum de exemplu este cazul în industrie la manipularea pieselor), atunci există mai multe motive pentru care o mână antropomorfă nu ar fi cea mai bună soluție. Unele dintre dezavantajele mâinilor antropomorfe actuale sunt structura cinematică foarte complexă, numărul mare de servomotoare și complexitatea senzorilor. În cazul aplicațiilor industriale se ține cont de costul de execuție și fiabilitatea acestora, fapt ce duce la utilizarea unor simpli clești ca soluție optimă pentru majoritatea operațiunilor de apucare obișnuite. Fabricarea unui număr mare de bucăți ale aceluiași produs justifică dezvoltarea de clești specializați pentru operațiile necesare. Totuși, odată cu reducerea ciclului de viață al produselor din cauza competiției tehnologice, necesitatea unei mai mari flexibilități a echipamentelor de manipulare devine din ce în ce mai importantă.

Între lumea reală total nestructurată și mediile de lucru perfect definite există o zonă de aplicații în care trebuie cântărite activ avantajele și dezavantajele dintre flexibilitate și eficiență. Acest concept este bine întipărit în comunitatea roboticii [72,73]. Dezvoltarea echipamentelor pentru această clasă de probleme respectă de obicei vechiul principiu ingineresc al minimizării: alegerea celei mai simple structuri mecanice, cele mai puține servomotoare, cel mai simplu set de senzori, etc., care vor îndeplini sarcinile date.

Este deosebit de importantă reducerea complexității în ceea ce privește componentele hardware ale sistemului, deoarece ele determină costul, greutatea și punctele de defectare ale robotului. Pe de altă parte, de obicei sunt necesare analize, programare și design mai sofisticate pentru a îndeplini sarcini complexe cu un echipament mai simplu. Este de obicei mai dificilă dezvoltarea de echipamente simple și eficiente pentru a executa sarcini grele decât dezvoltarea de sisteme foarte complexe pentru executarea acelorași sarcini. Acest aspect este adevărat atât în sens tehnologic cât și în sens teoretic.

„Dexteritatea” este un termen destul de larg, care implică aspecte ale abilității și stabilității la realizarea mișcării obiectului manipulat cu ajutorul mâinii. Noi ne vom limita la noțiunea acceptată în literatura roboticii că dexteritatea se referă la capacitatea de a schimba poziția și orientarea obiectului manipulat dintr-o configurație de referință dată într-o altă configurație aleasă arbitrar în spațiul de lucru al mâinii robotice.

Mâinile robotice sunt sisteme alcătuite din două sau mai multe degete care acționează asupra unui obiect manipulat prin contact. Prezența fenomenului de contact în manipulare devine problematică pentru alte sisteme robotice, și e clar că modelele de contact afectează mult analiza sistemelor de manipulare. O clasificare standard a modelelor de contact introduse în robotică [74,75], scoate în evidență tipul de contact în punct cu frecare (sau “deget rigid”), “deget moale” și tipul de contact cu apucare completă (sau “deget foarte moale”). Alte aspecte importante ale modelelor de contact se referă la comportarea vâsco-elastică (rigidă, elastic isotropic, etc.) și la comportarea în condiții de alunecare și rostogolire, și anume coeficienții de frecare statici și cinetici și faptul dacă punctul de contact se mișcă sau nu pe suprafețele de contact atunci când acestea se rotesc una față de cealaltă (“contact de rostogolire”). Cazul din urmă corespunde situației ideale a contactului dintre suprafețe cu curbură relativă infinită.

Salisbury [74] a fost primul care a arătat că numărul minim teoretic de grade de libertate necesare pentru a avea dexteritate într-o mână cu contacte cu “deget rigid”, fără alunecare și fără rostogolire este 9. Ca o simplă explicație a acestui fapt, luați în considerare că sunt necesare 3 degete rigide pentru a imobiliza complet un obiect. Pe de altă parte, deoarece nu sunt permise nici rostogoliri și nici alunecări, degetele trebuie să se miște astfel încât punctul de contact din vârful lor să urmărească traiectoria generată de punctele de contact corespunzătoare de pe obiect în timp ce acesta se mișcă în spațiul tridimensional (3-D). Prin urmare sunt strict necesare 3 grade de libertate pentru fiecare deget. Mâna Salisbury a fost în consecință proiectată să aibă 9 articulații, distribuite pe fiecare deget astfel încât să optimizeze capacitatea de manipulare individuală a degetului.

Mai multe mâini proiectate în centre de cercetare universitare sau guvernamentale au adoptat un design similar cu cel al lui Salisbury tocmai din acest motiv, de exemplu mâinile dezvoltate la Universitatea Karlsruhe [76], la Universitatea Tehnică Darmstadt [77] sau la Universitatea Delft [78]. Mâinile de acest tip, și în general mâinile optimizate cinematic [79] nu sunt de obicei antropomorfe.

Unii cercetători au preferat să introducă grade de libertate redundante pentru a obține o mai mare flexibilitate de utilizare. În una dintre primele mâini de succes, Okada a folosit două degete cu câte 4 articulații și un deget mare cu 3 articulații [80]. În proiectarea mâinii Universității Tehnice din Munchen [81], design-ul cu 3 degete cu 3 articulații a fost modificat prin introducerea a încă unei articulații pentru fiecare deget, dar mișcarea acestor articulații este împerecheată mecanic și astfel este menținut numărul de 9 grade de libertate. Alți autori au folosit mai mult de 3 degete, din două motive: deoarece mâinile cu 4 sau 5 degete se apropie mai mult de modelul antropomorf și, deoarece astfel se permite alternarea degetelor folosite la prindere pentru a obține astfel mai multe modele de manipulare. După experimentele de laborator realizate cu Mâna MIT Utah [82], astfel de mâini au fost construite în mai multe laboratoare ([83 – 85]).

În ciuda efortului mare depus și a rezultatelor teoretice și tehnologice obținute de comunitatea robotică în construirea și controlarea mâinilor robotice cu dexteritate ridicată, numărul de aplicații din lumea reală și performanțele acestor dispozitive în condiții operative nu sunt foarte satisfăcătoare. În particular, gradul ridicat de sofisticare din modelul mecanic a împiedicat mâinile robotice cu dexteritate ridicată să reușească în aplicații unde factori precum fiabilitatea, greutatea, dimensiunea mică sau costurile ridicate puneau probleme. Un exemplu care ilustrează nivelul de complexitate este numărul de motoare, care variază între 9 și 32 pentru mâinile menționate mai sus. O reducere adițională a complexității hardware, chiar sub numărul teoretic minim de 9, ar fi o soluție pentru depășirea acestei probleme.

Trebuie reamintit că analiza lui Salisbury asupra cerințelor minime de design se baza pe o anumită definiție a dexterității și pe un set de ipoteze asupra modelului de contact. Astfel, este ușor de demonstrat că dacă sunt luate în considerare contacte de tip “deget moale” atunci sunt necesare degete cu cel puțin 4 grade de libertate pentru a obține dexteritatea astfel definită. Nici mâna umană nu poate fi considerată a avea dexteritate dacă impunem contacte de tip “deget moale” în vârful degetelor (de fapt, rotația de alunecare este utilizată în majoritatea operațiunilor umane de manipulare). Alte metode de a obține dexteritate pot fi dezvoltate dacă permitem anumite modificări ale conceptului de dexteritate și ale ipotezelor asupra modelului de contact. În majoritatea aplicațiilor nu este de exemplu necesar ca obiectul manipulat să parcurgă o anumită traiectorie dată la orice moment al mișcării. În schimb este suficient ca obiectul să fie adus din poziția inițială în configurația dorită, indiferent de calea pe care o urmează în timpul mișcării.

Studierea de diferite modele de contact deschide noi posibilități de obținere a dexterității. Astfel, dacă se permit contactele dintre degete și ca obiectul să fie eliberat la un anumit punct în timpul manipulării și să fie stabilit un alt contact în altă poziție, atunci se poate obține manipulare prin reapucare sau mutarea degetelor.

Manipularea prin reapucare [86] implică o secvență de apucări ale obiectului, alternate cu faze în care obiectul este eliberat pe masa de lucru. Pentru aceasta se pot folosi componente simple chiar de genul cleștilor cu închidere-deschidere. Totuși, manipularea prin reapucare are dezavantajele ei, printre care nevoia de a apuca și elibera obiectul de mai multe ori și în consecință o mărire a timpului de manipulare. De asemenea, la manipularea obiectelor tridimensionale neregulate e posibil să fie disponibile un număr redus de poziții stabile ale obiectului în care mâna poate elibera obiectul în siguranță pe masa de lucru.

„Mutarea degetelor” implică utilizarea a 3 sau mai multe degete care sunt repoziționate unul câte unul pe suprafața obiectului, în timp ce celelalte degete manipulează local obiectul. Mutarea degetelor a fost demonstrată, de exemplu de Okada [87] și de Fearing [88] pentru a manipula o sferă și respectiv o bară. Operațiile de reapucare și mutarea degetelor implică atât sisteme dinamice continue (cinematica și dinamica manipulării, efectele gravitației, alunecarea, etc.) cât și sisteme cu evenimente discrete (evenimentele fiind de exemplu contactul sau eliberarea unui deget de pe obiect), ceea ce duce la nevoia de analiză și control ale sistemelor “hibride”, adică sisteme care sunt controlate în funcție de sarcină sau în funcție de timp necesar pentru a realiza sarcina. Analiza de stabilitate și verificările acestor sisteme din punct de vedere al teoriei automatelor sunt în general o problemă dificilă deschisă pentru comunitățile științei calculatoarelor și controlului automat [89]. Analiza și minimizarea timpilor de execuție pentru planele de reapucare și caracterizarea robusteții acestor plane pentru obiecte tridimensionale complexe sunt de asemenea probleme deschise majore în acest domeniu.

Un alt grad de flexibilitate în manipulare este obținut dacă se permite ca o parte a contactelor să alunece în timpul anumitor intervale de timp. Această manipulare prin alunecare este de fapt folosită foarte des la mâna umană. Pentru a putea controla alunecarea este foarte important să se poată preciza apariția alunecării. Aceasta implică necesitatea unei analize exacte a fenomenelor de frecare și alunecare. În particular, în cazul combinației de greutate și torsiune, este important dar în același timp foarte dificil o evaluare folosind senzorii a „marginii de stabilitate” a contactului înainte de alunecare și pentru moment sunt cunoscute doar soluții parțiale. O a doua problemă în acest domeniu este crearea de seturi de locații de contact pentru a preveni și respectiv permite selectiv mișcări de alunecare a obiectului manipulat. Se pot crea unelte pentru soluționarea acestui tip de probleme din crearea configurațiilor mecanice și din analiza prinderii parțiale. Se poate lua în considerare de asemenea și legătura dintre cercetarea manipulării “libere” (reapucare, mutarea degetelor, alunecare controlată) și domeniul privind aducerea componentelor și orientarea lor prin împingere, răsturnare sau împungere. [90-92]

În procesul de analiză a întocmirii problemei manipulării pentru a reduce complexitatea hardware-ului, o mare îmbunătățire este obținută dacă este înlăturată interzicerea contactului de rotație. De fapt, manipularea prin rotire este o modalitate foarte eficientă de a muta dificultățile manipulării de la nivel hardware la nivel software (adică la algoritmii de control).

În majoritatea lucrărilor din domeniul manipulării, presupunerea contactului fără rotire este motivată de ipoteza că degetele au o curbură foarte accentuată și astfel contactul dintre vârful degetului și obiect nu se modifică mult dacă cele două se rotesc între ele. Totuși, ipoteza curburii înalte nu este verificată la majoritatea modelelor de mâini, și se modifică în poziția punctului de contact deoarece rotația afectează profund prinderea și manipularea. Prezența contactelor de rotație semnifică faptul că cinematica și dinamica sistemului sunt complet modificate și de obicei devin mult mai complexe. Analiza manipulării în prezența rotirii a fost inițial descrisă de Montana [93] și Cai și Roth[94].

Dacă este privită drept un efect nedorit, rotația trebuie să fie compensată la manipulare folosind informațiile în timp real de la senzorii tactili care indică poziția curentă a punctului de contact în orice moment.

În momentul de față este comun acceptat faptul că efectele de curbură și rotația pot fi folosite să ajute simplificarea mâinilor robotice. Un posibil efect beneficiar al curburii finite este efectul avut asupra capabilității de prindere a mâinii. Altă utilizare care a fost încercată este un model dinamic de rotație pentru a reconstitui poziția obiectului din informațiile tactile asupra modului de evoluție a contactului la suprafața degetului.

Rotația poate de asemenea fi benefică dexterității de manipulare. De fapt, rotația dintre obiecte rigide în spațiul tridimensional este un bine-cunoscut exemplu de mișcare constrânsă non-holonomic și o caracteristică notabilă a sistemelor non-holonomice este că pot fi aduse la o configurație de echilibru dorită într-o varietate de configurare cu d dimensiuni folosind un număr mai mic de d intrări. Deoarece în termeni inginerești “intrare” înseamnă servomotoare, dispozitivele construite prin introducerea intenționată de mecanisme non-holonomice pot reduce costurile hardware fără a afecta dexteritatea.

Manipularea prin rotire este un domeniu nou și interesant, în care trebuie susținut efortul pentru simplificarea hardware. Dintre problemele apărute enumerăm problema planificării mișcării de alunecare și rotire printre obstacole (datorită limitării spațiului de lucru al degetelor), lipsa unei legi de control eficient al răspunsului care ar putea stabiliza poziția unui obiect general care se rotește (problema nu este rezolvată nici măcar pentru o sferă), aceeași problemă și în cazul în care nu toate stările sunt direct măsurabile și o analiză a senzitivității planificării și controlului la erorile de modelare. De asemenea, generalizarea pentru sistemele non-holonomice a unor noțiuni utile cum ar fi capacitatea de manipulare și spațiul de lucru cu dexteritate mare par a fi importante în dezvoltarea de aplicații inginerești bazate pe rotația obiectelor.

“Prinderea” indică o acțiune a mâinii asupra unui obiect care constă în prevenirea mișcărilor obiectului față de mână, posibil în cazul unor forțe disturbatoare care acționează chiar asupra obiectului. Sarcina prinderii este deci, cel puțin într-un anumit sens, opusă sarcinii manipulării și este astfel de așteptat ca în crearea mâinii să existe compromisuri între dexteritate și robustețea prinderii.

Din studiile efectuate asupra mâinii umane s-a observat că noi ne folosim mâna în foarte multe moduri, în funcție de necesitate. La manipularea obiectelor, noi folosim mai ales vârfurile degetelor și falangele distale. Pe de altă parte se poate observa că un rol fundamental în mărirea stabilității prinderii și versatilității operației îl au părțile interioare ale mâinii (palma și falangele proximale). Pentru a transfera această robustețe mărită și în mâinile robotice, cercetătorii au proiectat mâini cu abilitatea de a folosi suprafețele interioare la contactul cu obiectul și cu abilitatea de a simți interacțiunile de contact.

Prin termenul “prindere cu putere” sau “prindere completă” sau “manipulare cu întreaga mână” se denotă acțiunea unei mâini care ține un obiect folosind nu doar vârfurile degetelor ci și falangele interne și palma. Ulrich și echipa sa [95] au proiectat o mână de complexitate medie, capabilă de mai multe moduri de prindere, inclusiv prindere cu putere. Mirza și Orin [96] au arătat capabilitatea de prindere sensibil mărită a unei mâini robotice exploatând legăturile sale interioare și palma pentru prindere în funcție de limitările forței servomotoarelor și au construit sistemul DIGITS pentru a experimenta acest stil de prindere.

Un end-efector care are mai puține grade de libertate decât cele necesare pentru a controla arbitrar forțele la toate zonele de contact este uneori denumit defect cinematic. Acest defect cinematic este o condiție normală în cazul cleștilor industriali simpli, dar și în dispozitive mai complexe cum ar fi mâini robotice folosite în configurații de “prindere cu putere”. Să notăm că se poate argumenta cu ușurință că orice mână cu contact de frecare și cu mai puțin de 9 servomotoare este defect cinematic.

Prinderea cu precizie este abilitatea unei mâini de a împiedica mișcările obiectului bazându-se doar pe constrângerile contactului fără frecare, unilateral. Această problemă (care are un impact direct asupra proiectării componentelor mecanice) a fost studiată încă din secolul 19. Rezultatele inițiale arătau că sunt necesare cel puțin 4 contacte fără frecare pentru a apuca un obiect într-un plan și 7 în cazul tridimensional. Un domeniu activ de cercetare constă în crearea de tipuri de prindere cu precizie, adică, având geometria obiectului, să se determine unde sunt făcute contactele astfel încât să fie împiedicată mișcarea obiectului. A fost arătat că 4 și respectiv 7 contacte sunt necesare și suficiente pentru prinderea cu precizie a oricărui poliedru în cazul bidimensional și respectiv tridimensional. În literatura de domeniu sunt importante procedurile de construcție pentru poziționarea contactelor pe un obiect dat astfel încât să se realizeze prindere cu precizie, ele având un rol în rezolvarea problemei proiectării componentelor. Există de asemenea și o problemă de analiză a prinderii cu precizie, și anume având un obiect și un set de locații ale contactelor, să se decidă dacă obiectul mai are vreun grad de libertate, și care anume. Au fost propuse atât teste calitative (adevărat-fals) cât și teste cantitative (indecși de calitate). Conceptul de prindere parțială cu precizie poate fi foarte folositor la analizarea și planificarea manipulării prin alunecare controlată. O extindere recentă a noțiunii clasice de prindere cu precizie este cea denumită problema imobilizării, în care sunt luate în considerare efecte de nivel secund datorate curburii relative a suprafețelor în contact, pentru a se obține rezultate mai detaliate.

Conceptul de prindere cu forță este adesea folosit cu semnificația intuitivă că mișcările obiectului apucat sunt complet (sau parțial) împiedicate, indiferent de forțele externe perturbatoare, prin intermediul forțelor de contact îndeajuns de mari pe care le poate exercita end-efectorul asupra obiectului.

O problemă crucială în manipularea robotică este alegerea forței de prindere astfel încât să se excludă sau să fie minimizat riscul de alunecare. Forțele interne de prindere sunt definite drept forțe de contact din spațiul nul al matricei de prindere G. Forțele de contact care nu sunt interne afectează direct echilibrul obiectului și sunt uneori denumite forțe de manipulare. Problema alegerii forței articulației astfel încât să se obțină forțele de manipulare necesare pentru îndeplinirea sarcinii și în același timp impunând forțe de prindere care garantează împiedicarea alunecării, este deseori denumită problema distribuirii forțelor. Aceasta este o problemă comună și altor domenii din robotică, de exemplu deplasarea pe picioare, cooperarea sau manipularea cu constrângeri. O proprietate importantă a problemei de optimizare cu constrângeri neliniare la care se rezumă distribuția forțelor este convexitatea. Această proprietate determină soluții eficiente la o problemă complexă: integrarea unei ecuații diferențiale normale ca o soluție iterativă a problemei. Putem nota că, constrângerile de frecare neliniare pot fi rescrise drept constrângeri definite pozitiv în matrice adecvate și pot fi folosite metode de gradient pentru optimizare.

O altă proprietate importantă a prinderii este stabilitatea. Termenul este folosit în literatură cu cel puțin două semnificații. Una se referă la teoria Lyapunov și spune că o prindere este stabilă (asimptotic) dacă dinamicile ei sunt astfel încât, când obiectul este mutat din poziția de referință el va rămâne în apropierea acestei poziții (și eventual se va întoarce în această poziție). A doua semnificație se referă la definiția Lagrange în care o configurație a unui sistem conservativ este stabilă dacă ea corespunde unui minim local strict al energiei potențiale. A doua definiție este cel mai des întâlnită în studiul stabilității prinderii.

Dacă se aplică criteriul de stabilitate Lagrange asupra unei prinderi de echilibru pentru un sistem conservativ, atunci rezultă și stabilitatea Lyapunov. Trebuie însă notat că analiza Lagrange este limitată în anumite sensuri. În mecanică, ipoteza intuitivă că dacă un punct de echilibru nu este un minim al funcției de potențial atunci punctul este instabil, nu are o demonstrație pentru sisteme cu mai mult de două grade de libertate. Și poate și mai important, din punctul de vedere al aplicației, este faptul că nu există nici o prevedere în analiza Lagrange cu privire la forțele neconservative (cu excepția termenilor disipativi de tip Rayleigh). Forțele neconservative pot apărea în sistemele de prindere din cauza componentelor mecanice care nu sunt ideale și din cauza legilor de control folosite pentru acționarea articulațiilor mâinii. Includerea efectelor controlului asupra stabilității prinderii este o problemă deschisă de actualitate.

3. Dezvoltarea mediului de simulare 3D pentru mâna robotică antropomorfă

În prezent se dorește dezvoltarea unor sisteme robotice cu aplicații în medii dinamice și necunoscute [97-99] în care omul ar fi pus în pericol, precum locațiile unor calamități naturale sau dezastre nucleare, dar și în diferite domenii, de la treburi gospodărești sau agricultură, până la aplicații militare. În oricare din aceste domenii sistemul robotic trebuie să îndeplinească o serie de sarcini ce implică manipularea și transportarea unor obiecte sau utilizarea unor echipamente și instrumente. De aici apare necesitatea dezvoltării unor sisteme de prehensiune care să reproducă cât mai bine mișcarea mâinii umane [100-104].

Până la construirea fizică un sistem mecanic trece prin mai multe etape. Inițial, acest sistem mecanic era o idee, apoi devenea o schiță și ulterior începea să se concretizeze într-un model experimental. În faza de model experimental, acest sistem era studiat și ajustat din punct de vedere constructiv și funcțional astfel încât să se obțină parametrii de performanță conform cerințelor de producție, în final ajungându-se la un prototip și apoi la un produs finit. Întregul proces presupune costuri foarte mari și oarecum se crea o selecție involuntară a potențialilor producători.

Se știe foarte bine, că de la apariția calculatorului (1940), domeniul tehnologic a primit un impuls impresionant ce a dus la o accelerare a dezvoltării tehnologice. De aici a pornit o întreagă industrie ce astăzi are proporții colosale – industria software. La început erau calcule simple, astăzi s-a ajuns la inteligența artificială, automatizări, grafica computerizată, viteze mari de comunicație, acces la cantități mari de informații, noi posibilități de comunicare, etc. Având la dispoziție toate aceste facilități s-au putut dezvolta o serie de domenii cheie, printre care și proiectarea asistată de calculator. Acest domeniu rezolvă o serie de dificultăți în problema menționată mai sus. Fondatorul proiectării asistate de calculator este Pierre Bezier [105], inginer francez ce lucra la Renault și era preocupat cu reprezentarea matematică a suprafețelor.

Proiectarea asistată de calculator permite realizarea, modificarea și analiza unui proiect, și prin urmare optimizarea lui. Un program CAD permite crearea unui model 3D a unui corp sau a unui ansamblu de corpuri, precum și realizarea unor simulări cu element finit pentru studierea rezistenței la stres sau comportarea sistemului la diferite vibrații, și de asemenea realizarea simulărilor dinamice pentru determinarea mișcării acestuia. Aceste simulări au în spate modele matematice bine implementate, ce țin cont de proprietățile constructive ale corpurilor reprezentate virtual – acestora li se poate atribui un material și toate proprietățile materialului respectiv sunt luate în considerare în momentul simulării. Cele mai cunoscute pachete software CAD sunt CATIA (Dassault Systems – 1981), AutoCAD (Autodesk – 1982), Pro/ENGINEER în 1988, SolidWorks – 1995 și Autodesk Inventor – 1999.

Așadar dezvoltarea unui sistem este mult simplificată și costurile de producție scad considerabil, deoarece se poate trece peste faza de realizare a unui model experimental, această etapă fiind înlocuită cu o etapă de analiză și simulare. Având la dispoziție un mediu de simulare ce permite implementarea oricărui tip de sistem mecanic și apoi dezvoltarea, implementarea și testarea unei game mari de legi de control reprezintă un avantaj foarte mare.

Pentru studierea mâinii robotice s-au utilizat pachetele software Autodesk Inventor, pentru proiectarea acesteia în mediu virtual, respectiv, modulul SimMechanics și utilitarele aferente, din pachetul software Matlab/Simulink, pentru implementarea legilor de control.

În cele ce urmează sunt prezentate instrumentele folosite pentru dezvoltarea mediului de simulare.

3.1 AUTODESK Inventor

Pentru a studia mișcarea unui sistem robotic și comportamentul acestuia în diferite condiții de lucru, trebuie creat mediul în care acest sistem va trebui să acționeze, ceea ce implică anumite costuri. Cu cât situațiile în care sistemul robotic trebuie testat sunt mai multe, cu atât suma investită în acest studiu crește. Așadar o variantă mai puțin costisitoare o reprezintă simularea în mediu virtual a întregului proces, deoarece un mediu virtual permite simularea unui număr nelimitat de condiții de lucru. Pentru asta sistemul robotic trebuie introdus în mediul virtual.

Pachetul software folosit este Inventor dezvoltat de firma Autodesk și lansat în 1999. Acest software este folosit pentru proiectare mecanică 3D și simulare de produs [106]. Cu ajutorul Inventor utilizatorul poate reproduce sau crea cu mare precizie un model 3D cu scopul de a-l vizualiza și simula înainte de construirea fizică.

Cu ajutorul acestui program se pot proiecta de la părți componente ale unui sistem mecanic până la ansamble complexe, fără a avea alte limitări în afară de cele legate de performanțele sistemului de calcul folosit.

Pachetul Autodesk Inventor cuprinde un modul de simulare a mișcării și un modul de analiză de stres. Utilizatorii au opțiuni de adăugat forțe, componente dinamice, frecări și au posibilitatea de a testa cum va funcționa produsul în condiții reale. Cu ajutorul modulului de analiză cu element finit încorporat, utilizatorii pot verifica rezistența componentelor sub acțiunea anumitor încărcări și pot compara performanțele acestora la solicitări diferite. În urma acestor analize se pot genera rapoarte și vizualizări ale rezultatelor pentru verificări ulterioare prin determinări matematice. Astfel se pot determina și corecta eventualele abateri de la cerințele de producție.

În fig. 3.1 este prezentat modelul în mediu virtual al mâinii robotice ce face subiectul acestei lucrări și care va fi studiată în secțiunea 3.4.

Fig. 3.1 Modelul virtual al unei mâini robotice realizat cu Autodesk Inventor

3.2 SimMechanics

SimMechanics este un mediu de programare bazată pe blocuri, folosit pentru proiectarea și simularea sistemelor cu corpuri rigide și a mișcării acestora, folosind dinamica Newtoniană standard. Acest software face parte din pachetul Simscape din familia Simulink Physical Modeling. Programele Simscape rulează în mediul Simulink și au interfața asemănătoare cu celelalte pachete din Simulink și Matlab[107].

Spre deosebire de blocurile din Simulink, ce reprezintă diverse operații sau operatori matematici, blocurile Simscape reprezintă componente fizice sau relațiile dintre aceste componente.

Diferența dintre un model SimMechanics și un model Simulink constă în faptul că modelul Simulink reprezintă matematica ce descrie mișcarea unui sistem fizic prin intermediul ecuațiilor algebrice și diferențiale, pe când modelul SimMechanics reprezintă structura fizică a sistemului respectiv prin intermediul proprietăților de masă și a relațiilor geometrice și cinematice dintre elementele ce compun sistemul studiat. SimMechanics generează automat un sistem matematic echivalent intern, ceea ce reduce timpul și efortul necesar dezvoltării unui model matematic de către utilizator.

Librăria SimMechanics conține funcții privind [108]:

definirea mediului în care acționează sistemul (Machine Environment block)

reprezentarea componentelor sistemului (Body blocks) și elementele imobile din mediu (Ground block)

reprezintarea gradelor de libertate ale unui corp în relație cu un alt corp sau cu un punct din mediu (Joint blocks)

restricționarea sau impunerea mișcării unui corp în relație cu un altul (Constraint and Driver blocks)

specificarea forțelor, mișcărilor, maselor și inerțiilor variabile, sau a condițiilor inițiale aplicate corpurilor, articulațiilor sau motoarelor (Actuator blocks)

masurarea forțelor ce acționează asupra unor corpuri, articulații și motoare, precum și mișcarea acestora (Sensor blocks)

modelarea forțelelor ce apar între corpuri (Force element blocks).

SimMechanics poate interfața cu Simulink, în sensul că semnale modelate cu ajutorul Simulink pot fi folosite pentru a defini forțele ce acționează asupra corpurilor din modelul SimMechanics, sau pentru a impune mișcarea acestora. De asemenea datele generate de senzori pot fi folosite în modelul matematic creat în Simulink.

3.3 SimMechanics Link

Autodesk Inventor este un pachet software puternic ce permite reproducerea cu precizie ridicată în mediu virtual, a unor componente sau a unor ansamble complexe, atașând modelului creat toate proprietățile produsului reprodus. De asemenea Autodesk Inventor oferă posibilitatea rulării unor simulări dar sunt oarecum limitate din punct de vedere al impunerii condițiilor de mișcare, acesta nepermițând rularea unor simulări dinamice avansate prin implementarea unor metode de control.

Acest gol este umplut cu succes de SimMechanics, care, având posibilitatea de a beneficia de puterea Simulink, oferă capabilități de implementare a unor metode de control avansate. Am observat la secțiunea anterioara ca SimMechanics are opțiuni de modelare a componentelor fizice, dar reproducerea acestora în mediu virtual se realizează schematic, folosind elemente geometrice de bază (sferă, paralelipiped, etc.).

Cea mai bună metodă de a studia în mediu virtual, comportarea unui sistem mecanic ar fi îmbinarea capabilităților de care dispun cele două programe. Acest lucru se poate realiza cu ajutorul utilitarului SimMechanics Link, ce facilitează tranziția modelului virtual din mediul CAD în mediul de simulare SimMechanics (fig. 3.2).

Fig. 3.2 Transferul din mediul CAD în mediul SimMechanics

Utilitarul SimMechanics Link este format din două module: SimMechanics Link Export și SimMechanics Link Import.

SimMechanics Link Export realizează transformarea ansamblului CAD în format de modelare fizică XML (fig. 3.3). Acest format conține informații legate de masa și inerția fiecărei componente din ansamblu, precum și constrângerile dintre acestea, și, în același timp se generează fișiere grafice de tip STL (stereolithographic), ce stochează informațiile de formă ale componentelor ansamblului.

Fig. 3.3 Exportul ansamblului din mediul CAD

Cel de-al doilea modul realizează transformarea ansamblului din format XML în model SimMechanics (fig. 3.4). În modelul SimMechanics, reprezentările XML ale părților componente devin corpuri, iar constrângerile dintre acestea devin articulații. Modelul SimMechanics folosește fișierele STL pentru a construi o vizualizare grafică a ansamblului simulat.

Fig. 3.4 Importul ansamblului CAD în SimMechanics

Pentru a se putea realiza tranziția din mediul CAD în mediul de simulare, SimMechanics Link utility, trebuie să realizeze o corespondență între elementele ansamblului CAD și cele ale modelului SimMechanics. Această corelare este prezentată în tabelul 3.1.

Tabelul 3.1: Corespondenta între elementele ansamblului CAD și modelul SimMechanics

În Anexa 1 se regăsește mâna robotică reprezentată în mediu CAD, iar Anexa 3 ilustrează reprezentarea mâinii robotice în mediul de simulare.

3.4 Modelarea în mediu virtual 3D a mâinii robotice

Pentru a ilustra cele menționate mai sus, s-a realizat în mediu virtual o mână robotică (fig. 3.1) ale cărei dimensiuni sunt asemănătoare cu cele ale mâinii umane.

Mâna are 17 grade de libertate și este pusă în mișcare cu ajutorul a 5 servomotoare ce acționează fiecare deget în parte prin intermediul unor tendoane. În fig. 3.5 sunt ilustrate traseele urmate de tendoane în interiorul mâinii iar in fig. 3.6 sunt prezentate datele tehnice ale motoarelor.

Fig. 3.5 Traseele tendoanelor

Fig. 3.6 Datele tehnice ale motoarelor

Cu ajutorul Autodesk Inventor s-au putut determina cu ușurința transformările de coordonate pentru a se obține parametrii convenției Denavit-Hertenberg, programul oferind instrumente de marcare și manipulare vizuală a sistemelor de coordonate (fig. 3.7), precum și instrumente de măsurare pentru a determina cu precizie valorile constructive ale mâinii robotice.

Fig. 3.7 Sisteme de coordonate în vederea obținerii parametrilor Denavit-Hartenberg

În fig. 3.8 este ilustrată trecerea mâinii robotice din mediul Autodesk Inventor în mediul de simulare și corespondența între componentele ansamblului și cele ale modelului SimMechanics.

Fig. 3.8 Corespondența între elementele ansamblului Autodesk Inventor

și cele ale modelului SimMechanics

În urma transferului din mediul Autodesk Inventor în SimMechanics s-au păstrat proprietățile dinamice ale modelului. După cum se poate observa în fig. 3.9, în Autodesk Inventor, mâinii robotice i-a fost atribuit ca material constructiv ABS plastic, iar programul a calculat valorile dinamice și cinematice pe baza proprietăților materialului.

Fig. 3.9 a) Proprietățile segmentului unui deget în Autodesk Inventor

b) Proprietățile aceluiași segment de deget în SimMechanics

Modelul 3D al mâinii robotice a fost proiectat în așa fel încât să respecte dimensiunile mâinii umane. Aceasta este formată din 18 componente prezentate în tabelul 3.3. Acestor componente le este atribuit materialul plastic ABS (Acrylonitrile Butadiene Styrene – Acrilonitril-Butadien-Stiren) cu proprietățile din tabelul 3.2.

Tabelul 3.2 Proprietățile plasticului ABS

În Anexa 2 se regăsesc componentele mâinii robotice și proprietățile constructive ale acestora.

3.5 Concluzii

Proiectarea mâinilor robotice cu mai multe degete a atras interesul comunității de cercetători încă din primele zile ale roboticii, nu numai ca fiind o problemă tehnică provocatoare, dar probabil și datorită motivațiilor antropomorfe și interesul intrinsec pentru o mai bună înțelegere a corpului uman. În ultimele decenii au fost lansate o mulțime de proiecte și s-au dezvoltat o serie de mâini robotice. Cu toate acestea, în momentul de față mâinile robotice sigure, flexibile și cu dexteritate ridicată nu sunt disponibile pentru aplicații practice. Din aceste motive, este ușor de prevăzut o activitate consistentă în acest domeniu, cu dezvoltări semnificative la nivel tehnologic (senzori, actuatoare, materiale, etc.) și metodologic (control, planificare, etc.). De asemenea, se așteaptă realizarea cu alte domenii științifice, precum știința cognitivă.

Deoarece acest domeniu de cercetare este foarte mare, nu este simplu de recomandat materiale pentru cercetători, excepție făcând cărțile clasice. De fapt, în funcție de aria de cercetare specifică, multe publicații sunt disponibile, chiar dacă nu sunt atât de organizate precum cărțile, sub forma lucrărilor tehnice publicate în jurnale sau prezentate la conferințe internaționale.

O mare provocare în a înțelege sistemele de prehensiune poate începe de la modele cinematice liniare, dinamice și de contact. Pornind de la aceste idei se poate realiza o clasificare a prehensiunii și se pot determina proprietățile de prindere. Liniarizarea acestor modele conduce la metrici și teste care pot fi calculate eficient folosind tehnici de algebră liniară computațională și programare liniară.

4 Controlul hibrid forță-poziție al sistemelor de prehensiune pentru mâini umanoide inteligente

Controlul hibrid forță-poziție este una din abordările de bază ce permite robotului rezolvarea unor sarcini dificile. Una din problemele principale ale controlului hibrid forță-poziție este dificultatea obținerii modelului potrivit pentru fiecare mediu de lucru deoarece parametri precum impedanța și frecarea sunt neliniari și variabili în timp și spațiu. Mai mult, în cazul unor sarcini de urmărire a unui contur în condiții de restricții asupra efortului, geometria de contact și viteza de mișcare sunt parametri ce pot varia de la o sarcină la alta. Când dinamica mediului de lucru este necunoscută, nesigură sau schimbătoare, controlerul robotului trebuie să fie adaptiv. În plus, deoarece forța necesară, de obicei este dată sub forma unor semnale de tip treaptă, adaptarea rapidă este necesară pentru a evita deteriorarea accidentală atât a robotului cât și a mediului.

În aplicațiile avansate de robotică se cere ca un manipulator să interacționeze compliant cu mediul său. În astfel de cazuri nu se cere doar un control de poziție foarte precis, dar și forța exercitată de manipulator asupra mediului trebuie controlată foarte bine. Controlul simultan pentru forță și poziție pentru sistemele robotice constrânse reprezintă un subiect de cercetare studiat intens [109-116].

În cadrul procesului de prehensiune, complianța este necesară pentru a evita forțele cu impact puternic, pentru a corecta eroarea de poziționare a degetelor și pentru a permite relaxarea toleranțelor elementelor componente. Complianța poate fi furnizată fie prin complianța pasivă, cum ar fi Remote Center of Compliance (RCC) [117], fie printre metodele active de controlare a forței [118-120]. În orice caz, există probleme fundamentale la ambele tehnici atunci când sunt implementate în practică. Complianța pasivă poate să scadă capacitatea de poziționare a robotului. Complianța activă poate avea probleme cu instabilitatea într-un mediu rigid. De aceea, deși au fost raportate recent mai multe investigații privind acest scop de cercetare [121,122], încă se caută o metodă simplă, economică și de încredere.

4.1 Control hibrid forță-poziție clasic

Ideea de control hibrid a fost introdusă de Craig și Raibert [123, 124] la începutul anilor ’80 pentru a controla mișcarea unui end-efector în spații nedeterministe. Ulterior, Zhang și Paul [125] au modificat schema de control hibrid din formulare Carteziană în formulare în spațiul articulațiilor folosind aceeași metodă de separare a constrângerilor de forță și poziție din spațiul Cartezian studiat. În ambele situații, avantajul controlului hibrid era acela că informațiile de forță și poziție erau analizate independent, profitând de avantajul fiecărei tehnici de control, acestea fiind combinate în faza finală când ambele informații sunt transformate în cuplu pentru articulații.

Fig. 4.1: Schema clasică de control hibrid forță-poziție [123, 124]

În fig. 4.1, matricele , respectiv, sunt vectori ce cuprind informațiile Carteziene de poziție și orientare, iar matricele , respectiv, sunt vectori ce cuprind informațiile Carteziene de forță și moment. Vectorul reprezintă diferența de poziție unghiulară, iar vectorii , respectiv , reprezintă poziția unghiulară, respectiv, cuplul din articulații [123, 124].

Pentru orice tip de sarcină, constrângerile de poziție sunt separate de cele de forță prin matricea de selecție care este o matrice diagonală de dimensiune cu elemente ce sunt 1 când se face control în poziție și 0 când nu se folosește controlul în poziție. Primul pas constă în determinarea erorii Carteziene selectată, , folosind formula [123, 124]

unde este diferența dintre poziția Carteziană dorită și cea actuală a end-efectorului. Ulterior se realizează transformarea erorii Carteziene în eroare unghiulară corespunzătoare . Matricea Jacobian a manipulatorului reprezintă o aproximare de ordinul întâi pentru a transforma mișcarea diferențială din spațiul articulațiilor în spațiul Cartezian.

Pentru a realiza trecerea de la erorile unghiulare din articulații la erorile de poziție din spațiul Cartezian se folosește următoarea relație [123, 124]

Pentru această ecuație există o transformare inversă unică în situația în care este martice patratică de rang maxim. Respectând această condiție, erorile unghiulare sunt obținute din erorile Carteziene astfel:

În abordarea lui Craig și Raibert [123, 124] pentru controlul hibrid, erorile din articulații sunt calculate folosind ecuația

pe baza erorilor selectate.

Pentru controlul forței, eroarea Carteziană de forță este calculată ca diferența între forța actuală și forța dorită.

Ideea principală a controlului hibrid este aceea de a controla sistemul în forță în situațiile când controlul în poziție nu poate fi aplicat. Printre aceste situații se număra cele când sistemul nu poate fi definit geometric sau când este necesară aplicarea unei anumite forțe de contact.

Pentru obținerea erorilor Carteziene de forță selectate se folosește (complementul ortogonal al lui ): [123, 124]

Matricea este de asemenea o matrice diagonală cu elementele 1 pentru controlul în forță și 0 când acesta nu se aplică. Deoarece controlul în forță este ortogonal celui în poziție se folosește , unde este matricea identitate.

Forțele Carteziene sunt transformate în cupluri pentru articulații folosind transpusa matricei Jacobian a manipulatorului [123, 124]:

Această relație este corectă pentru orice și și se poate aplica și pentru erorile de cuplu selectate [123, 124].

4.2 Control hibrid forță-poziție folosind rețele neuronale

În continuare, pornind de la schema de control forță-poziție clasică va fi abordată o nouă soluție tehnică bazată pe rețele neuronale pentru controlul hibrid forță-poziție, pentru mâna robotică dezvoltată în mediu virtual prezentată în secțiunea (3.4).

După cum se poate observa în secțiunea 4.1, implementarea legii de control hibrid forță-poziție necesită un volum de calcul destul de ridicat (determinarea ecuațiilor cinematice și dinamice și rezolvarea problemelor de cinematică inversă [126], respectiv dinamica directă [127] folosind metoda Jacobian)

După cum a fost menționat anterior, această arhitectură permite controlul în timp real având două surse de date: măsurătorile de forțe dinamice și de precizie statică ca interacțiune între mâna robotică și mediul de lucru. Procesul de control în timp real se realizează simultan pe două căi (fig. 4.2): o cale pentru a determina vectorul , care corespunde componentei controlate în poziție și o a doua cale pentru a determina vectorul , care corespunde componentei controlate în forță. Variabilele și reprezintă referința de poziție, respectiv referința de forță. La aceste referințe se adaugă eroarea de poziționare , respectiv cea de forță , și astfel se obțin noi referințe ajustate conform erorilor determinate cu ajutorul informațiilor provenite de la senzori. Referințele ajustate sunt introduse fiecare în câte un controler neuronal, unul ce face trecerea din coordonate Carteziene în coordonate polare și un al doilea care rezolvă problema de dinamică directă, transformând referința de forță în coordonate de poziție polare corespunzătoare acesteia. Informațiile astfel obținute sunt introduse într-un bloc de decizie ce are rolul de a selecta semnalul de control ce se transmite la motoare. Această decizie este bazată pe informația obținută de la senzorii de contact poziționați pe vârful degetelor. Astfel, dacă de la acești senzori se primește informație de contact, este activată bucla de forță. În caz contrar se merge pe control în poziție.

Fig. 4.2 Schema de control hibrid forță-poziție propusă

4.2.1 Bucla de control în poziție

După cum a fost menționat anterior, bucla de control în poziție presupune rezolvarea sistemului de ecuații cinematice ce definesc transformările de coordonate ale vârfului degetului în raport cu centrul palmei.

Cinematica utilizată pentru aplicații robotizate se împarte în două componente esențiale, cinematica directă și cinematica inversă. Cea directă calculează poziția end-efectorului pe baza pozițiilor unghiulare din articulații, iar cea inversă calculează pozițiile unghiulare pe baza poziției end-efectorului.

În toate sistemele de control, cinematica inversă apare ca un bloc foarte important în care semnalul prelucrat este transformat în semnal către motoarele robotului. Prin urmare, rezolvarea acesteia este un punct cheie al dezvoltării schemelor de control [128,129].

Există mai multe metode de bază pentru rezolvarea cinematicii inverse. Metodele utilizate în prezent sunt:

metode de Jacobian [130], la care principala problemă apare la calcularea matricei inverse a acestuia [131,132]

metode algebrice care nu garantează întotdeauna existența unei soluții [132]

metode ce utilizează algoritmi genetici¸ care necesită mult timp de calcul [131]

metode neuronale pentru care singura problemă apare la alegerea structurii și algoritmului de antrenare[133].

Cea mai întâlnită metodă de reprezentare a relațiilor cinematice pentru sistemele mecanice se bazează pe convenția Denavit-Hartenberg [134]. Aceasta presupune:

numerotarea articulațiilor de la 1 la , începând cu punctul fix și terminând cu end-efectorul

stabilirea sistemului de coordonate de bază – se stabilește un sistem de coordonate , folosind regula mânii drepte, în punctul fix al lanțului cinematic, cu axa de-a lungul axei de rotație a articulației 1;

stabilirea axelor articulațiilor – se aliniază cu axa de mișcare (rotație sau translație) a articulației ;

stabilirea originii sistemului de coordonate – localizarea originii sistemului de coordonate la intersecția dintre și sau la intersecția normalei comune a axelor si și axa

stabilirea axei – stabilirea astfel încât sau de-a lungul normalei comune dintre și când ele sunt paralele;

stabilirea axei – se atribuie axa astfel încât pentru a completa sistemul de coordonate, dupa regula mâinii drepte;

găsirea parametrilor articulațiilor și ai segmentelor.

Parametrii articulațiilor și segmentelor unui sistem cinematic, conform convenției Denavit-Hartenberg sunt:

• – reprezintă unghiul de rotație de la la în raport cu ;

• – este distanța de la intersecția & la originea în raport cu ;

• – este distanța de la originea la intersecția & în raport cu ;

• – este unghiul de rotație de la la în raport cu .

Pentru orice lanț cinematic serial, parametrii DH se pot reprezenta sub forma unui tabel, astfel:

Tabelul 4.1 Parametrii Denavit-Hartenberg pentru

un lanț cinematic cu grade de libertate

Ecuațiile cinematice ale unui lanț cinematic cu elemente, cu parametrii DH prezentați în tabelul anterior, sunt definite de relația:

unde

este matricea Denavit-Hartenberg.

Matricea de transfer (4.1) este de forma

iar ecuațiile cinematicii directe sunt elementele vectorului .

În această secțiune este prezentat modul de calcul al cinematicii directe pentru degetul mare al mâinii robotice prezentată în fig. 4.3.

Fig. 4.3 Modelul unei mâini robotice cu sistemele de coordonate

necesare convenției Denavit-Hartenberg

În fig. 4.4 se poate observa ca unui deget îi sunt atașate 8 sisteme de coordonate, chiar dacă degetul are trei articulații. Primul sistem de coordonate corespunde sistemului de coordonate de referință iar sistemele de coordonate ulterioare sunt repartizate după cum se poate observa în figura menționată anterior, sistemul corespunzând punctului ce se vrea controlat.

Fig. 4.4 Sistemele de coordonate ale degetului mare

Ecuațiile cinematice pentru degetul mare al mâinii robotice se determină pornind de la tabelul parametrilor Denavit-Hartenberg de mai jos:

Tabelul 4.2 Parametrii Denavit-Hartenberg pentru

degetul mare al mâinii robotice

Pentru problema curentă, matricea de transformare este dată de:

unde

(4.2)

(4.3)

(4.4)

Algoritmul software pentru obținerea ecuațiilor cinematice este prezentat în Anexa 4.

Ecuațiile 4.2, 4.3 și 4.4 reprezintă ecuațiile cinematice pentru degetul mare al mâinii robotice.

Problema cinematică inversă permite calculul coordonatelor articulațiilor, care aduc end-efectorul în poziția și orientarea dorită, date fiind coordonatele absolute (operaționale).

Atunci când problema cinematică inversă are soluție, ea se constituie în modelul geometric invers.

În cazul problemei de față, problema cinematică presupune rezolvarea sistemului format de ecuațiile 4.2, 4.3 și 4.4.

Având în vedere că studiul are ca scop implementarea în timp real a schemei de control, și ținând cont că două din degetele mâinii umanoide studiate au 4 grade de libertate, ale căror ecuații cinematice formează un sistem de ecuații nedeterminat, s-a optat pentru folosirea rețelelor neuronale datorită timpului scurt în care acestea oferă soluție problemei, deoarece metodele neuronale nu presupun rezolvarea unui model matematic riguros ci doar cunoașterea setului de date de la care se pornește si a celui la care se dorește să se ajungă [145].

Generarea datelor de antrenare (fig. 4.5) presupune rezolvarea cinematicii directe pentru sistemul mecanic studiat (fig. 4.4). În sistemul de ecuații, format de relațiile 4.2, 4.3 și 4.4, se introduc toate combinațiile de unghiuri posibile, iar perechile de puncte rezultate sunt folosite ca date de intrare în rețeaua neuronală. Unghiurile folosite pentru generarea acestor perechi de puncte formează datele de ieșire.

Domeniul datelor de ieșire este dat de . Limitele domeniului provin de la limitările constructive ale degetului mare al mâinii.

Datele de intrare și de ieșire formează ceea ce se numesc date de antrenare ale rețelei neuronale. Perechile date de intrare – date de ieșire sunt filtrate pentru a elimina punctele în care sistemul analizat nu poate ajunge, datorită constrângerilor constructive.

Fig. 4.5 Generarea datelor de antrenare

Rețeaua neuronală folosită în algoritmul de control pentru bucla de poziție este o rețea multistrat cu propagare înainte [136,137]. În cadrul Rețelelor multistrat cu propagare înainte, semnalul se propagă numai de la intrare spre ieșire, spre deosebire de rețelele neuronale recurente care au căi de reacție ce permit transmiterea semnalului și de la ieșire către intrare.

Algoritmul de antrenare presupune actualizarea parametrilor rețelei respectiv (ponderile rețelei) și deplasările , pentru a satisface egalitățile,

unde reprezintă intrările rețelei iar ieșirile țintă ale acesteia. Pentru problema cinematică, intrarea corespunde punctului , iar ieșirile reprezintă combinația de unghiuri de poziționare aferentă punctului .

În primă fază, datele de intrare și datele țintă se organizează sub formă matriceală , respectiv, , unde reprezintă numărul de neuroni de intrare, reprezintă numărul de neuroni de ieșire, iar reprezintă numărul de date de antrenare. Ponderile și deplasările sunt inițializate cu valori numerice aleatoare cuprinse în intervalul [-0.5,0.5]. Pentru algoritmul de antrenare, proiectantul rețelei stabilește un număr maxim de iterații numite și epoci.

Ieșirile rețelei se calculează pentru valorile curente ale parametrilor acesteia folosind formula

unde și reprezintă ponderile, respectiv deplasările inițiale, iar reprezintă funcția de transfer. În cazul problemei studiate, funcția de transfer folosită este transig și are forma

Eroarea de antrenare se determină folosind formula

Cu ajutorul formulei anterioare se construiește matricea erorilor

Folosind matricea erorilor, se determină matricele de actualizare a ponderilor, , respectiv a deplasărilor, .

Noile valori ale parametrilor se determina folosind formulele: , pentru ponderi, repsectiv

Algoritmul rulează până când toți vectorii eroare sunt nuli, sau până cand se atunge numărul maxim de iterații.

Pentru problema studiată, rețeaua neuronală folosită are în componență un strat de intrare cu 3 neuroni, două straturi ascunse cu 12, respectiv, 6 neuroni și un strat de ieșire cu 3 neuroni(fig. 4.6).

Fig. 4.6 Arhitectura rețelei neuronale folosite pentru bucla de poziție

Antrenarea s-a desfășurat pe parcursul a 1000 iterații și s-au folosit seturi de 106 date eșantion. Procesul de antrenare a durat și s-a obținut o valoare minimă a erorii de . Această valoare a erorii nu influențează comportamentul sistemului. Erorile de poziționare a vârfului degetului nu sunt influențate de controlerul neuronal, ci de parametrii dinamici care nu sunt luați în considerare (frecarea din articulații, perturbații din mediu, alunecarea la contact).

4.2.2 Bucla de control în forță

Pentru controlul în forță trebuie dezvoltate ecuațiile dinamice ale sistemului studiat. În ceea ce privește dinamica unui sistem mecanic, sunt două probleme de rezolvat. În cazul primei probleme, cunoscând parametrii ce descriu mișcarea sistemului, și anume poziția unghiulară , viteza unghiulară   și accelerația unghiulară , se dorește aflarea cuplurilor ce trebuie aplicate în articulații pentru a pune sistemul în mișcare. Această abordare poartă numele de dinamică inversă. În cazul dinamicii directe se determină mișcarea mecanismului ca urmare a aplicării unor cupluri în articulații. Cu alte cuvinte, pornind de la un cuplu dat , se calculează mișcarea rezultată a mecanismului descrisă de . Dinamica directă este folosită pentru simularea sistemului mecanic, iar dinamica inversă pentru controlul acestuia.

Pentru dezvoltarea ecuațiilor dinamice pentru sistemul studiat, și anume degetul mare al mâinii robotice, se folosește formalismul Lagrange [138-140].

Ecuațiile dinamice se scriu simbolic sub forma

(4.5)

unde este matricea parametrilor inerțiali ai degetului studiat și este de dimensiune , este vectorul de dimensiune ce conține parametrii centrifugali și Coriolis, iar este vectorul gravitațional de dimensiune . Elementele matricelor și sunt funcții complexe ce depind de pozițiile tuturor articulațiilor degetului mâinii, iar elementele depind atât de pozițiile articulațiilor cât și de vitezele acestora . , respectiv, , sunt vectori de dimensiune ce reprezintă, pozițiile, vitezele, respectiv, accelerațiile articulațiilor degetului, iar reprezintă numărul de grade de libertate ale degetului.

Pentru a determina elementele matricei se pornește de la formula de calcul a energiei cinetice:

(4.6)

unde reprezintă masa segmentului , și reprezintă matricele Jacobian ale vitezelor liniare și unghiulare, reprezintă tensorul inerțial al segmentului , reprezintă matricea de transformare a orientarii dintre corpul atașat sistemului de coordonate și sistemul inerțial.

Folosind relația 4.6, se calculează energia cinetică pentru fiecare segment al degetului.

Pentru segmentul 1 al degetului mare, avem:

Pentru segmentul 2 al degetului mare, energia cinetică este:

Pentru segmentul 3 al degetului mare, energia cinetică este:

Energia cinetică totală a degetului reprezintă suma energiilor cinetice ale fiecărui segment constructiv:

Modalitatea de calcul a energiilor cinetice este prezentată în Anexa 5.

Energia cinetică mai poate fi scrisă sub formă matriceală astfel:

(4.11)

Înlocuind

și

în relația 4.11 se obține:

Egalând relațiile 4.10 și 4.11 se obțin elementele matricei inerțiale

Egalitățile , , respectiv , au loc deoarece matricea parametrilor inerțiali este matrice simetrică.

Având determinate elementele matricei inerțiale, se pot determina parametrii centrifugali și Coriolis, folosind formula:

(4.12)

Matricea se obține din derivatele după timp ale elementelor matricei inerțiale și conține parametrii centrifugali. Această matrice are forma:

Matricea din relatia 4.12 conține parametrii Coriolis și se determină astfel:

Înlocuind și în relația 4.12 se obține

unde

Modalitatea de calcul a parametrilor inerțiali și Coriolis este prezentată în Anexa 5.

Vectorul gravitațional , din relația 4.5, influențează întreg degetul și se determină ca sumă a vectorilor gravitaționali ce influențează fiecare segment component al degetului:

unde matricele pentru fiecare segment de deget în parte au fost calculate în relațiile 4.7, 4.8 respectiv, 4.9, reprezintă masele segmentelor, iar vectorul reprezintă axa pe care acționează forța gravitațională asupra segmentului de deget. Vectorul gravitațional este de forma:

unde

Având calculate matricea de inerție , vectorul parametrilor centrifugali și Coriolis , respectiv, vectorul gravitațional , acestea sunt înlocuite în relația 4.5 și se obține vectorul cuplurilor ce realizează mișcarea degetelor:

unde

Algoritmul software pentru obținerea ecuațiilor dinamice este prezentat în Anexa 6.

Modelarea dinamică a unui sistem mecanic este esențială pentru studiul comportamentului acestuia în mediul real. Modelarea dinamică se poate realiza din două direcții:

direcție presupune determinarea cuplului necesar pentru a dezvolta mișcarea dorită, în termeni de poziție unghiulară, viteză unghiulară și accelerație unghiulară și poartă numele de dinamică directă;

a doua direcție presupune determinarea poziției sistemului mecanic cunoscând cuplul aplicat în articulații pentru a pune sistemul în mișcare.

Ecuațiile 4.13, 4.14 și 4.15 reprezintă ecuațiile de mișcare a degetului mare al mâinii robotice studiate. Rezolvarea acestui sistem prin metode analitice sau numerice este complexă datorită faptului că sistemul este unul nedeterminat. Cea mai simplă metodă de a combate acest neajuns se bazează pe utilizarea rețelelor neuronale, deoarece metodele neuronale nu presupun rezolvarea unui model matematic riguros ci doar cunoașterea setului de date de la care se pornește si a celui la care se dorește să se ajungă [145, 141].

Pentru a studia mișcarea mâinii robotice în mediu virtual s-a optat pentru abordarea dinamică inversă pentru controlul acesteia.

Generarea datelor de antrenare (fig. 4.7) presupune rezolvarea ecuațiilor dinamice pentru a determina cuplul necesar pentru a pune în mișcare degetele mâinii robotice. Pentru a obține datele de antrenare a rețelei neuronale s-au rezolvat ecuațiile dinamice din prisma dinamicii directe. Astfel, vectorii reprezintă datele de ieșire pentru rețeaua neuronală, iar vectorul reprezintă datele de intrare. Domeniul datelor de ieșire este dat de . Limitele domeniului provin de la limitările constructive ale degetului mare al mâinii.

Fig. 4.7 Generarea datelor de antrenare

Rețeaua neuronală folosită în algoritmul de control pentru bucla de forță este o rețea multistrat cu propagarea înainte asemănătoare cu cea folosită la bucla de poziție (secțiunea 4.2.1). Diferența constă în faptul că rețeaua pentru bucla de forță are în componență un strat de intrare cu 3 neuroni, două straturi ascunse cu 60, respectiv 30 neuroni și un strat de ieșire cu 3 neuroni(fig. 4.8).

Fig. 4.8 Arhitectura rețelei neuronale folosită pentru bucla de forță

Antrenarea rețelei se face folosind algoritmul prezentat în secțiunea 4.2.1. Ca funcție de transfer s-a folosit funcția transig (descrisă în secțiunea 4.2.1). Procesul de antrenare a durat și s-au folosit seturi de 106 date eșantion. Antrenarea s-a realizat pe parcursul a 1000 iterații. Eroarea de antrenare a atins valoarea minimă de grade. Această valoare a erorii nu influențează comportamentul sistemului. Erorile de poziționare a vârfului degetului nu sunt influențate de controlerul neuronal, ci de parametrii dinamici care nu sunt luați în considerare (frecarea din articulații, perturbații din mediu, alunecarea la contact).

4.3.3 Legea de comutație

Avantajul controlului hibrid forță-poziție este acela că are abilitatea de a comuta de la controlul în poziție la controlul în forță, în situațiile în controlul poziției nu poate fi aplicat (de exemplu, la prinderea obiectelor, unde contactul nu se poate controla în poziție). În schema de control hibrid forță-poziție, ilustrată în fig. 4.2, legea de comutație se bazează pe prelucrarea informațiilor provenite de la senzorii tactili montați pe varful degetelor.

În cadrul legii de control, blocul de comutație procesează semnalul provenit de la senzorul de forță simulat și în momentul în care este sesizată o variație a presiunii exercitate asupra senzorului, se trece de la controlul în poziție la controlul în forță, iar referința de cuplu este ajustată proporțional cu forța de contact măsurată astfel încât contactul cu obiectul să se mențină aproximativ constant. În momentul în care contactul cu obiectul nu mai este detectat se revine la controlul în poziție.

Pentru aplicația dezvoltată a fost simulat senzorul prezentat în fig. 4.9. Senzorul sesizeaza gradul de apăsare pe pastila acestuia. Acesta își schimbă rezistența în funcție de forța  care se exercită asupra lui. Când nu se exercită nici o forță rezistența este egală cu 1 MOhm.  Rezistența va scădea la 2.5 KOhm când se aplică forța maximă pe care poate senzorul să o detecteze. Răspunsul senzorului nu este liniar, ci variază aproximativ logaritmic cu forța aplicată [142].Zona senzitivă a senzorului are diametrul de 0.76 cm, grosimea senzorului variază între 0.2 și 1.25 mm. Domeniul forței detectate este cuprins între 0.1 și 10 N, iar rezistența senzorului este cuprinsă între 2.5 KOhm și 1 MOhm.

Fig. 4.9 Senzor de forță

4.3 Implementarea controlului hibrid forță-poziție pentru mâna robotică umanoidă în mediu virtual

Pentru a demonstra facilitățile oferite, metoda de control prezentată a fost testată pentru controlul mâinii robotice umanoide proiectată în mediu virtual (fig.4.10). Controlul degetelor se realizează după principiul ilustrat în fig. 4.11. Referințele de poziție și forță sunt transmise sistemelor de control în timp real aferente fiecărui deget în parte. Controlul degetelor se realizează folosind schema de control hibrid forță-poziție, descrisă în secțiunea 4.2. Semnalul de control obținut în urma aplicării schemei de control este transmis actuatoarelor care pun în mișcare segmentele degetelor. Prin intermediul senzorilor se măsoară poziția curentă a degetelor și, folosind această informație, se închide bucla de control.

Inițial schema de control (fig. 4.11) a fost testată pentru operația de închidere a mâinii, iar în figurile de mai jos sunt prezentate rezultatele obținute ca urmare a aplicării acestei legi, măsurate pentru degetul mare al mâinii robotice. În Anexa 7 este detaliată modalitatea de implementare a schemei de control (fig. 4.11) pentru controlul hibrid forță poziție al mâinii robotice (fig. 4.10)

Fig. 4.10 Reprezentarea mâinii robotice realizând operația de strângere a degetelor

în mediu virtual

Ca intrare în schema de control, pentru bucla de poziție (secțiunea 4.2.1) s-a folosit referința ilustrată în fig. 4.12.a, iar pentru bucla de forță (secțiunea 4.2.2), referința este prezentată în fig. 4.12.c. După cum se poate observa în fig. 4.14.d, respectiv, fig. 4.12.e, eroarea de poziție obținută este de maxim , în cazul aplicării ambelor bucle de control. Analizând fig. 4.12.f se observă o eroare foarte mare de cuplu , dar după ce sistemul este pus în mișcare această eroare scade foarte mult, ajungând de ordinul . În fig. 4.13 sunt prezentate descompunerea pe cele trei axe a cuplurilor resimțite în articulațiile degetelor, atât pentru situația în care se merge pe bucla de poziție cât și pentru cea în care este folosită bucla de forță.

Fig. 4.11 Implementarea schemei de control în timp real în cadrul simulatorului

Fig. 4.12 Referințele și datele rezultate în urma aplicării

schemei de control hibrid forță-poziție

Fig. 4.13 Cuplurile exercitate în fiecare articulație

a degetului mare al mâinii robotice

Ulterior, schema de control a fost testată pentru situația în care mâna robotică trebuie să apuce o sferă (fig. 4.14). S-a utilizat același procedeu menționat anterior. În fig. 4.15 sunt prezentate forțele ce apar în momentul în care mâna apucă obiectul.

Fig. 4.14 Reprezentarea mâinii robotice realizând operația de prindere a unui obiect

în mediu virtual

După cum se poate observa în fig. 4.15, durata mișcării degetelor variază în funcție de forma obiectului, unele degete având de efectuat o mișcare mai lungă decât altele. În momentul contactului cu obiectul degetele aplică o forță mai mare pentru a apuca obiectul. Ulterior această forță se diminuează și este aplicată cantitatea necesară ca obiectul să fie menținut între degete și să nu alunece.

Fig. 4.15 Forțe de contact pentru a) degetul mare; b) degetul arătator;

c) degetul mijlociu; d) degetul inelar; e) degetul mic

4.4 Concluzii

În acest capitol au fost prezentate bazele controlului hibrid forță-poziție și s-a propus o nouă abordare pentru această metodă de control. În varianta inițială, cantitatea de calcul necesară pentru implementarea schemei este consistentă, iar rezolvarea problemelor de cinematică inversă, respectiv dinamică directă sunt destul de complexe. Abordarea propusă presupune înlocuirea blocurilor de transformări cinematice și dinamice cu controlere neuronale, reducând astfel timpul de execuție și simplificând implementarea.

Rețelele neuronale își dovedesc în principal utilitatea în rezolvarea unor probleme dificile, cum sunt cele de estimare, identificare și predicție sau de optimizare complexă. Datorită independenței efectuării operațiilor din interiorul componentelor față de celelalte componente din sistem, modelele conexioniste au un potențial mare de paralelism.

Modul de memorare și procesare a datelor diferențiază rețelele neuronale artificiale de programele clasice, care urmează instrucțiunile într-o ordine secvențială predefinită, iar informația este memorată în zone bine definite. Datorită capacității lor de a rezolva probleme complexe pe baza unei mulțimi consistente de exemple, sistemele conexioniste au un spectru larg de aplicabilitate: de la sisteme de recunoaștere de forme (caractere, semnături, etc.) sau de semnale sonore, până la sisteme pentru controlul unor procese complexe, cum ar fi sistemele de auto-reglare sau piloții automați.

Pentru a demonstra eficacitatea metodei propuse, schema de control a fost aplicată mâinii robotice proiectată în mediu virtual cu ajutorul simulatorului dezvoltat în capitolul 3 atât pentru operația simplă de închidere a mâinii cât și pentru situația în care mâna robotică are de apucat un obiect. Au fost prezentate forțele de contact ce apar în momentul contactului cu obiectul.

Metoda propusă poate fi implementată cu succes în timp real și poate fi folosită și pentru alte categorii de sisteme robotizate cu aplicații în diferite domenii, de la cel domestic până la aplicațiile militare sau de salvare și ajutorare.

Experimentări privind controlul mâinii robotice

5.1 Controlul cinematic al mâinii robotice

Scopul principal în dezvoltarea roboților îl constituie minimizarea intervenției operatorului uman în controlul acestuia în timpul realizării sarcinilor pentru care a fost proiectat [143,144]. Acest aspect este subiect de cercetare intens în domeniul roboticii la nivel mondial și devine din ce în ce mai ușor de realizat având în vedere progresul tehnologic înregistrat în ultimii ani.

Controlul cinematic este folosit atunci când sistemul robotic trebuie să urmărească o traiectorie prestabilită ce definește poziție end-efectorului ca o funcție dependență de timp, fără a ține cont de:

perturbațiile exterioare

de efectele dinamice nemodelate

erorile inițiale sau cele cauzate de perturbații

parametrii necunoscuți ai robotului.

Schema de control este o schemă cu propagare înainte [145-147], în sensul că toate comenzile se generează în blocul de planificare, luând în considerare feedback-ul provenit de la senzori, și apoi sunt transmise către sistemul de acționare. Datele preluate de la senzori sunt folosite pentru a ajusta semnalul de comandă (fig. 5.1).

Fig. 5. 1 Schema de control cinematic

reprezintă semnalul de referință în spațiu Cartezian 3D, și este traiectoria ce trebuie urmărită de end-efector. Pornind de la referința în spațiu Cartezian, aplicând cinematica inversă, se obțin unghiurile de referință ale articulațiilor care formează semnalul ce va fi transmis la sistemul de acționare al robotului. Cu ajutorul traductoarelor de poziție se determină poziția actuală a articulațiilor , care este transformată în coordonate Carteziene prin cinematica directă. Poziția actuală a end-efectorului este comparată cu poziția de referință și astfel se obține eroarea de poziționare . Această eroare este adaugată semnalului de referință, rezultând un semnal de control corectat în funcție de poziția curentă a end-efectorului.

După cum s-a observat în capitolul 4, complexitatea rezolvării problemei cinematice inverse crește pe măsură ce numărul gradelor de libertate ale sistemului se majorează, iar schema de control devine din ce în ce mai greu de implementat în timp real, datorită timpului necesar ridicat. Din acest motiv pentru rezolvarea problemei cinematice este folosit un controler neuronal.

5.2 Metoda proiecției virtuale pentru controlul mâinii robotice umanoide

Schema de control studiată în acest capitol este identică cu bucla de poziție folosită la controlul hibrid forță-poziție studiat în capitolul anterior. Scopul acestui capitol este acela de a valida performanțele simulatorului dezvoltat în capitolul 3 folosind metoda proiecției virtuale (fig. 5.2)[13]. Această metodă presupune existența unui sistem de control care este direct conectat la servo-motoarele , unde reprezintă numărul de grade de libertate ale sistemului robotic și primește semnale de la senzori. Semnalele de la senzori mai sunt transmise la o interfață de control virtual le procesează și generează semnalele necesare punerii în mișcare a sistemului dezvoltat în mediu virtual . Sistemului de control clasic i se pot atașa interfețe de control suplimentare, permițând astfel studierea unei scheme de control mai ample. Acest modul de control multifuncțional permite controlul în timp real al structurilor mecanice.

Fig. 5.2 Schema de proiecție virtuală [26]

5.2.1 Experimentarea și testarea controlului în timp real al mâinii robotice proiectată în mediu virtual folosind metoda proiecției virtuale

5.2.1.1 Procesul de control în timp real folosind metoda proiecției virtuale

Implementarea acestei metode (fig. 5.3) în cazul mâinii robotice umanoide presupune dezvoltarea algoritmului de control în mediul de simulare. Acest algoritm este transmis unei placi de control Arduino Mega 2560 [148] ce reprezintă sistemul de control. Placa de control are scopul de a transmite semnalul de control către servomotoarele ce au rolul de a pune în mișcare articulațiile degetelor mâinii robotice. De la motoare, cu ajutorul traductoarelor de poziție sunt transmise plăcii de control care are sarcina de a transmite această informație de poziție către mediul de simulare pentru a pune în mișcare modelul virtual al mâinii robotice.

Fig. 5.3 Aplicarea metodei de proiecție virtuală

Forma detaliată a acestui proces este prezentată în fig. 5.4. Semnalul de referință, și anume poziția Carteziană a end-efectorului, este transformată în coordonate în spațiul articulațiilor, , rezolvând problema cinematică inversă. Poziția unghiulară este transmisă prin comunicație SERIAL către placa de control. Aceasta transformă semnalul digital în semnal analogic, , și îl transmite modului de control intern al servomotorului. Acest modul de control intern transmite, la rândul său, semnalul analogic către motor, punându-l în mișcare. Senzorul potențiometric măsoară poziția curentă a motorului și o transmite modului de control intern al servomotorului și plăcii de control. Poziția măsurată de senzorul potențiometric este comparată cu poziția transmisă de placa de control obținându-se o eroare de poziționare . Această eroare este adăugată poziției de referința provenită de la placa de control, obținându-se un semnal de poziție ajustat în funcție de poziția curentă a motorului.

Semnalul măsurat de senzorul potențiometru este transmis plăcii de control care are sarcina să trimită informația de poziție a servomotorului către sistemul robotic proiectat în mediul virtual. Pe baza poziției recepționată de la placa de control se realizează mișcarea sistemului robotic, respectiv, a degetelor mâinii robotice. Modelul virtual al sistemului robotic conține toți parametrii cinematici și dinamici ai sistemului real, și astfel pozițiile articulațiilor măsurate în mediu virtual corespund pozițiilor reale ale articulațiilor, în situația în care ar fi existat și modelul real al sistemului studiat. Poziția măsurată în mediu virtual este transformată în poziție Carteziană folosind cinematica directă, și este ulterior comparată cu semnalul de comandă . Astfel se obține eroarea de poziționare a end-efectorului în coordonate Carteziene . Această eroare este adunată la semnalul de comandă, obținându-se un semnal ajustat în funcție de poziția end-efectorului, masurată în mediu virtual. Cu ajutorul procesului de control prezentat în această secțiune și ilustrat în fig. 5.4 se realizează controlul în timp real al unui sistem robotic fără a fi necesară construirea fizică a sistemului mecanic.

5.2.1.2 Arduino Mega 2560

Placa de control Arduino Mega 2560 (fig. 5.5) dezvoltată pe platforma ATmega2560. Această placă este echipată cu toate componentele necesare ca microcontrolerul să fie pus la treabă. Componentele Arduino Mega 2560 sunt:

microcontroler cu frecvența de 16MHz

54 porturi de intrări / ieșiri digitale, din care 15 pot fi folosite ca porturi de ieșire PWM

16 intrări analogice cu rezoluție de 10 biți

o conexiune USB

un port de alimentare

un stabilizator de tensiune

un buton de reset

memorie de stocare flash cu capacitatea de 256Kb

memorie SRAM cu capacitatea de 8Kb

memorie EEPROM cu capacitatea de 4Kb

Placa de control poate fi alimentată fie de la un adaptor de curent continuu fie de la acumulator. Sursa de curent este selectată automat. Placa funcționează la o tensiune cuprinsă între 6 și 20V, dar intervalul recomandat este de 7-12V. Dacă placa este alimentată cu o tensiune mai mică de 7V se poate ivi situația în care portul de 5V va scoate tensiune mai mică. În situația în care placa este alimentată cu mai mult de 12V, stabilizatorul de tensiune se poate supraîncălzi și strica placa.

Fig. 5.5 Placa de control Arduino Mega 2560

Anumite porturile de intrare / ieșire oferă funcții speciale:

porturi pentru comunicare SERIAL

porturi de întrerupere, folosite pentru a declanșa anumite schimbări de semnal

porturi PWM cu rezoluție de 8 biți

porturi pentru comunicare SPI

un port la care este conectat implicit un LED care se află montat pe placă

pini pentru comunicație TWI

port pentru măsurarea voltajului pentru intrările analogice

port de resetare folosit pentru conectarea unui întrerupător, care îl anulează pe cel de pe placă.

5.2.1.3 Servomotoare

Tipul de servomotor folosit este un servomotor de curent continuu cu angrenaj și cu sistem de răspuns pozițional pentru a obține o acuratețe de poziționare ridicată. În interior servomotorul conține un motor de curent continuu, un potențiometru și un circuit de control. Controlul intern al motorului compară poziția unghiulară, specificată de semnalul de comandă, cu poziția curentă a axului motorului. Poziția unghiulară a axului motorului este măsurată cu un senzor potențiometru care este angrenat de acesta. Potențiometrul are trei terminale. Conexiunea centrală are o rezistență variabilă. Potențiometrul acționează ca un divizor variabil de tensiune. Tensiunea de la pinul mijlociu reprezintă poziția unghiulară în care se găsește axul motorului. Există și alte metode de determinare a poziției unghiulare și a rotațiilor ce se pot aplica în cazul servomotoarelor mari. Potențiometrul reprezintă cea mai bună soluție pentru servomotoarele de mici dimensiuni. Modulul de control integrat generează o tensiune corespunzătoare unui semnal intern, obținut prin compararea semnalului provenit de la potențiometru cu semnalul de comandă, ce pune în mișcare axul motorului.

Caracteristicile servomotorului folosit sunt prezentate în tabelul 5.1 [149].

Tabelul 5.1 Caracteristicile servomotorului

Servomotorul poate efectua o cursă de , dar gama recomandată este cuprinsă în domeniul . Utilizarea unui semnal de comandă care presupune funcționarea servomotorului în afara aceastei game poate duce la deteriorarea servomotorului.

5.2.2 Rezultate experimentale

Metoda descrisă anterior a fost utilizată pentru controlul în timp real al unei mâini robotice umanoide. Pentru a desfășura experimentul bazat pe metoda proiecției virtuale au fost necesare:proiectarea în mediu virtual a mâinii robotice, dezvoltarea algoritmului de control cinematic pentru structura mâinii umanoide, o placă de control Arduino Mega 2560, 4 servomotoare. Schema de control bazată pe metoda proiecției virtuale este detaliată în Anexa 8.

Pentru a nu genera costuri foarte mari, în cadrul experimentului a fost realizată mișcarea fiecărui deget în parte, și nu mișcarea simultană a tuturor celor 5 degete. Acest lucru ar fi presupus utilizarea a 17 servomotoare, ceea ce ar fi ridicat costurile realizării studiului. În ceea ce privește complexitatea sistemului ce poate fi studiat folosind metoda proiecției virtuale, limitările provin de la capacitatea plăcii de control care poate controla 12 servomotoare, datorită numărului limitat de porturi PWM, dar acestea pot fi extinse cu ajutorul unui multiplexor PWM.

În fig. 5.6 și 5.7 sunt prezentate referințele de poziție în coordonate Carteziene comparate cu poziția reală a degetelor, respectiv, referințele de poziție în coordonatele articulațiilor comparate cu pozițiile reale ale articulațiilor degetelor, și de asemenea erorile obținute în ambele cazuri. Cu ajutorul acestor semnale se comandă închiderea degetelor unei mâini robotice umanoide. Se observă că la începutul mișcării, datorită accelerației motoarelor, eroarea unghiulară are o valoare ridicată, ceea ce implică automat o eroare de poziționare.

Fig. 5.6 Referința în coordonate Carteziene, urmărirea traiectoriei

și eroarea de poziționare pentru cele cinci degete ale mâinii

Fig. 5.7 Referința în spațiul articulațiilor, urmărirea traiectoriei

și eroarea de poziționare pentru cele cinci degete ale mâinii

Schema de control poate fi dezvoltată după necesitățile proiectantului, performanțele acesteia depinzând de complexitatea calculelor utilizate. În cazul studiat, problema o punea rezolvarea cinematicii inverse. Rezolvarea analitica a sistemului de ecuații dura în medie secunde pentru un semnal de comandă pentru un singur deget. Prin urmare, generarea semnalului de comandă pentru toate cele 5 degete dura aproximativ secunde, ceea ce pentru controlul în timp real este un timp foarte mare. Așadar, pentru rezolvarea problemei cinematice inverse s-a folosit un controler neuronal ce oferea soluția mult mai rapidă, . Se observă că rețeaua neuronală oferă un răspuns de 100 de ori mai rapid decât rezolvarea analitică a sistemului de ecuații cinematice. Pentru a menține aceste performanțe, s-a dezvoltat un sistem multi-tasking cu funcționare concurențială [150-152]. Dacă nu se adopta această abordare, generarea semnalului de control pentru toate cele 5 degete s-ar fi realizat în , durată care este mare pentru aplicațiile de control în timp real unde este necesar un răspuns rapid al sistemului.

În tabelul 5.2 sunt prezentate valorile minime și maxime pentru eroarea unghiulară, precum și pentru eroarea Carteziană.

Tabelul 5.2 Erorile minime și maxime în spațiu Cartezian și spațiul articulațiilor

Se observă că eroarea maxima de poziționare este cuprinsă între 2 și 2.5 mm ceea ce o face acceptabilă pentru controlul în poziție al mișcării mâinii robotice. Cauzele acestor erori provin de la faptul că în schema de control nu se ține cont de parametrii dinamici ai structurii robotice și ai mediului în care operează. Erorile mai sunt cauzate de măsurătorile eronate ale senzorilor, de parametrii de funcționare ai motoarelor, de conversia din semnal analog în semnal digital, etc.

5.3 Controlul în timp real al mâinii robotice umanoide acționată prin tendoane

Proiectarea și construirea mâinilor umanoide este un subiect de cercetare important și a fost studiat încă de la mijlocul anilor 80. Inițial s-a dorit rezolvarea problemei flexibilității sistemelor de prehensiune existente [153]. În zilele noastre, una din direcțiile de cercetare urmărite constă în reproducerea capabilităților mâinii umane și îmbunătățirea nivelului de antropomorfism al mâinilor robotice.

În multe aplicații robotizate este greu de controlat în mod direct poziția articulațiilor din cauza dimensiunilor actuatoarelor care nu pot fi montate direct în articulații. O abordare practică constă în utilarea unei rețele de transmisie care să transfere mișcarea actuatorului la articulații. Astfel de rețele se bazează pe combinații de tendoane, roți dințate și scripeți.

Utilizarea tendoanelor la mâinile robotice permit plasarea motoarelor la distanță de articulațiile pe care le acționează, reducând astfel greutatea structurii mecanice [154,155]. Un mare dezavantaj al utilizării tendoanelor îl reprezintă durata de viață a acestora [156].

Mâna umană este capabilă să realizeze, cu precizie, o gamă largă de activități. Precizia mișcărilor este obținută datorită biomecanicii, dar și a controlului neuromuscular [157]. Pentru a putea înțelege și analiza nivelul de dexteritate întâlnit la om, și pentru a-l putea reproduce cu mâinile robotice este necesară modelarea corectă a structurii mecanice și a sistemului muscular al mâinii umane. Avantajul structurilor biomimetice îl reprezintă frecarea foarte scăzută din articulații, asigurată de proprietățile de lubrificare ale lichidului sinovial și utilizarea unor componente de rotație, precum și amplasarea actuatoarelor departe de articulații realizabilă prin intermediul tendoanelor.

Ținând cont de aceste avantaje, au fost dezvoltate numeroase structuri robotice acționate cu ajutorul tendoanelor. Unul dintre ele ar fi mâna robotică ce reproduce mâna umană din punct de vedere al structurii și acționarii [158,159]. Aici, interacțiunile neliniare dintre mușchi și mișcarea articulațiilor sunt reproduse prin forme ale segmentelor ce copiază forma oaselor mâinii și prin modul cum tendoanele leagă actuatoarele de oasele degetelor.

Un alt sistem robotic braț-mâna [160], ce se aseamănă foarte mult cu brațul și mâna umană este în curs de dezvoltare la DLR. Acest sistem este format dintr-o mână cu 19 grade de libertate și un braț flexibil cu 7 grade de libertate. Degetele sunt proiectate ca endoschelete cu articulații bionice. Robustețea și siguranța intrinsecă reprezintă avantaje importante ale acestui proiect inspirat de membrul superior al omului [161,162].

5.3.1 Controlul Structurii mecanice dezvoltate

Pentru studierea comportamentului mâinii robotice proiectată în mediu virtual, acționată prin tendoane s-a construit un model experimental ce respectă, cât mai fidel posibil, dimensiunile modelului virtual. Modalitatea de implementare a schemei de control este prezentată în Anexa 9.

Modelul experimental (fig. 5.8) are 17 grade de libertate. Degetele sunt puse în mișcare prin 5 tendoane acționate de 5 servomotoare cu specificațiile prezentate în secțiunea 5.2.1.3. Pentru implementarea schemei de control s-a folosit o placă de control Arduino Mega 2560, ale cărei detalii sunt prezentate în secțiunea 5.2.1.2.

Fig. 5.8 Modelul experimental

Spre deosebire de structurile clasice, unde actuatoarele sunt poziționate pe articulații, și semnalul de control trebuie determinat pentru fiecare articulație în parte, în cazul sistemelor acționate prin tendoane, trebuie determinat semnalul de control pentru ca actuatorul prin intermediul tendonului să realizeze mișcarea dorită.

Pentru controlul mâinii robotice se folosește schema de control ilustrată în fig. 5.9. Scopul este acela de a determina poziția unghiulară a motorului, astfel încât degetul să ajungă în poziția dorită. Având dată referința în spațiu Cartezian, rezolvând problema cinematică inversă, se obțin pozițiile unghiulare ale articulațiilor degetelor. Pe baza acestor poziții unghiulare se determină alungirea tendonului, cu ajutorul căreia se determină unghiul motorului. Folosind traductoare de poziție se masoară poziția curentă a articulațiilor și cu ajutorul cinematicii directe se determină poziția curentă în spațiu Cartezian. Poziția curentă este comparată și cu referința Carteziană și cu eroarea astfel obținută se corectează poziția de referință, închizându-se astfel bucla de control.

Fig. 5.9 Legea de control cinematic folosită pentru mâna robotică

Problema cinematică inversă este rezolvată folosind rețeaua neuronală prezentată în secțiunea 4.2.1, deoarece s-a observat că aceasta oferă rezultat în timp mult mai scurt decât prin rezolvarea analitică a ecuațiilor cinematice.

Fiecare deget al mâinii este pus în mișcare cu ajutorul unui tendon acționat de un servomotor. Sistemul de acționare a degetelor mâinii este prezentat în fig. 5.10.

Fig. 5.10 Acționarea degetului mâinii robotice

Tendoanele oferă avantaje din punct de vedere al flexibilității și al greutății, dar complică cinematică degetului. După cum se observă și în fig. 5.10, cu ajutorul valorilor unghiulare se determină alungirea tendonului. În cazul studiat, s-a determinat trecerea tendonului de punctul A folosind formula:

(5.1)

unde reprezintă alungirea firului, numărul de grade de libertate, reprezintă jumatate din distanța dintre tendoane, iar reprezintă distanța între normala la axa de rotație a articulației și capătul canalului de rulare a tendonului. Canalele de rulare a tendoanelor au fost construite în așa fel încât normala la axa de rotație a articulației să fie la jumătatea distanței dintre capătul unui canal de rulare și următorul.

Unghiul motorului este obținut prin însumarea unghiurilor și . Unghiul se determină aplicând teoria cosinusului în triunghiul :

(5.2)

Din ecuația (5.2) rezultă

5.3.2 Rezultate experimentale

Aplicând elementele de teoretie prezentate în secțiunea anterioară, s-au obținut rezultatele prezentate în cele ce urmează.

În fig. 5.11.a) sunt reprezentate referința de pozitie, respectiv poziția actuală, descompuse pe cele trei axe. În fig. 5.11.b) sunt ilustrate referința de poziție și poziția actuală în spațiu 3D, iar în fig. 5.11.c), respectiv, fig. 5.11.d) este prezentată eroarea de poziționare descompusă pe cele trei axe, respectiv, eroarea de poziționare în spațiu 3D. Eroarea de poziționare este destul de mare, , pe axa Y, respectiv pe axa Z. Nivelul ridicat al erorii este datorat de faptul că tendonul a fost modelat ca un tendon inelastic. O altă cauză ce contribuie la eroarea de poziționare provine de la conversia din digital în analog a semnalului transmis la motor și a conversiei din analog în digital a semnalului recepționat de la traductoarele de poziție dar această eroare influențeaza în mică măsură eroarea finală. După cum se poate observa în fig. 5.12, eroarea determinată de conversie este mică.

În fig. 5.12.a) este prezentată poziția unghiulară efectuată de motor pentru operația de strângere a degetului arătător, iar în fig. 5.12.c) alungirea determinată de mișcarea motorului, respectiv lungimea totală a tendonului, ca rezultat al mișcării motorului, ilustrată în fig. 5.12.e). Fig. 5.12.b),c),f) reprezintă erorile cauzate de conversia din digital în analog a semnalului transmis motorului, respectiv din analog în digital a semnalului citit de la traductoarele de poziție. Alungirea și, implicit, lungimea reală a tendonului au fost obținute prin calcul, folosind formula 5.2, deoarece nu a fost posibilă măsurarea cu precizie a acestor parametri. De asemenea, în componența erorilor prezentate în fig. 5.12 nu a fost inclusă și eroarea cauzată de elasticitatea tendonului.

Fig. 5.11 Referința și poziția actuală, respectiv eroarea de poziționare

Fig. 5.12 a) Unghiul efectuat de motor, c) alungirea determinată de acesta, e) lungimea totală a tendonului și b), d), f) erorile aferente

5.5 Concluzii

În acest capitol s-a realizat controlul în timp real al unei mâini robotice umanoide folosind metoda proiecției virtuale. Această metodă a fost propusă pentru brevetare în anul 2009 de prof. Luige Vlădăreanu, împreună cu colaboratorii săi [13]. Prin intermediul acestei metode se pot testa și experimenta diferite legi de control pe un sistem real, cu funcționare on-line, fără a fi necesară structura mecanică fizică, ci structura proiectată în mediu virtual. Metoda presupune existența unui modul de comandă, a unui sistem de acționare, a unui sistem senzorial, a unui modul de control virtual, a unui terminal grafic și a unor interfețe de control.

Schema de control folosită a fost o schemă de control în poziție cu bucla închisă. Referința de poziție a fost transformată din coordonate Carteziene în coordonate în spațiul articulațiilor rezolvând problema cinematică inversă. Această referință este transmisă modulului de comandă și control care trimite semnalele la motoare. Poziția acestora este măsurată cu ajutorul unui potențiometru și transmisă mediului virtual prin intermediul plăcii de control. Astfel se pune în mișcare sistemul robotic proiectat în mediu virtual, după metoda prezentată în capitolul 3. Acest model virtual îndeplinește toate condițiile de proiectare și funcționare ca ale unui sistem real. În cadrul mediului virtual se măsoară poziția unghiulară a articulațiilor sistemului studiat și cu ajutorul ecuațiilor cinematice directe această poziție unghiulară este transformată în coordonate Carteziene. Aceste coordonate sunt folosite pentru a închide bucla de control și pentru a corecta semnalul de referință în raport cu poziția curentă a sistemului robotic.

Metoda de control în poziție presupune cunoașterea parametrilor cinematici ai robotului și definirea mișcării ce trebuie realizată de acesta. Obiectivul controlerului cinematic este acela de a urmări o traiectorie definită ca o funcție dependentă de timp. Printre dezavantajele unei astfel de metode de control se număra dificultatea modelării unei traiectorii realizabile, limitările și constrângerile sistemului robotic, neadaptarea traiectoriei la schimbările dinamice care se petrec în mediu, etc.

În cadrul experimentului realizat, în realizarea sarcinii ce trebuia îndeplinită de sistemul robotic (strângerea mâinii) nu apăreau modificări dinamice, astfel că rezultatele obținute sunt foarte bune. Erorile de poziționare, la nivelul articulațiilor, erau de maxim , implicând o eroare maxima de poziționare a vârfului degetelor de aproximativ . Metoda de control propusă poate fi aplicată, după cum s-a observat, în aplicații de control real. Problema cea mai mare în implementarea schemei pentru controlul în timp real provenea de la găsirea soluțiilor sistemului de ecuații pentru cinematica inversă, dar această problemă a fost rezolvată, folosindu-se o rețea neuronală, care reducea timpul de furnizare a soluției de la secunde, în cazul rezolvării analitice a sistemului de ecuații, la secunde, în cazul metodei neuronale.

După ce testarea în mediu virtual a controlului mâinii robotice, acționând fiecare articulație a degetelor, a fost experimentat controlul mișcării aceleiași structuri robotice folosind o mână robotică construită de autor și acționată prin tendoane. Acționarea individuală a articulațiilor este imposibilă datorită dimensiunilor ridicate a motoarelor. Fiecare deget al mâinii este acționat de un servomotor prin intermediul unui tendon. Legea de control implementată a fost asemănătoare cu cea folosită pentru experimentul bazat pe metoda proiecției virtuale, cu excepția faptului că pentru controlul mâinii acționată cu tendoane, pentru generarea semnalului de comandă transmis la motor s-a ținut cont și de alungirea tendonului. În urma experimentului bazat pe acționarea cu tendoane s-a observat că mișcarea realizată de degetele mâinii este mai mică decât în cazul acționării independente a articulațiilor degetelor. Eroarea de poziționare obținută în cazul în care articulațiile degetelor erau acționate independent este mai mică decât în cazul acționarii folosind tendoane. Această diferență apare datorită faptului că în generarea semnalului de control nu s-a ținut cont de elasticitatea tendoanelor, acestea fiind considerate a fi rigide.

Cu toate că acționarea mâinilor robotice cu ajutorul tendoanelor complică modelarea cinematică și dinamică, acestea sunt folosite des la mâinile robotice antropomorfe deoarece este dificilă poziționarea motoarelor în articulațiile degetelor. Totodată, folosind acționarea prin tendoane se poate realiza o mână robotică ce realizează mișcări mult mai apropiate de mâna umană.

6. Optimizarea procesului de prehensiune

Scopul roboticii autonome este acela de a construi sisteme care să îndeplinească diverse sarcini fără intervenția omului, în diferite medii care nu au fost construite special pentru roboți. O provocare majoră pentru robotica autonomă provine de la cantitatea mare de incertitudine din mediile reale. Pe de o parte, nu avem toate detaliile legate de mediu: majoritatea detaliilor sunt necunoscute, pozițiile oamenilor și a obiectelor nu pot fi cunoscute dinainte, căile de acces pot fi blocate, etc. Pe de altă parte, informațiile acumulate de la senzori sunt afectate de incertitudine și imprecizie. Calitatea acestor informații este influențată de zgomote, limitarea câmpului vizual, condițiile de observare și de complexitatea procesului de interpretare.

Inteligența artificială și tehnicile euristice au fost folosite de mulți cercetători în domeniul controlului roboților [163-167] și al planificării mișcării. În ceea ce privește apucarea și manipularea obiectelor, preocuparea principală a cercetătorilor a fost realizarea unui mecanism pentru mișcarea mâinii și manevrarea cu dexteritate a degetelor [168-174], aspecte complicate în controlul mâinilor robotice.

În prezent se dorește dezvoltarea unor sisteme robotice cu aplicații în medii dinamice și necunoscute în care omul ar fi pus în pericol, precum locațiile unor calamități naturale sau dezastre nucleare, dar și în diferite domenii, de la treburi gospodărești sau agricultură, până la aplicații militare. În oricare din aceste domenii sistemul robotic trebuie să îndeplinească o serie de sarcini ce implică manipularea și transportarea unor obiecte sau utilizarea unor echipamente și instrumente. De aici apare necesitatea dezvoltării unor sisteme de prehensiune care să reproducă cât mai bine mișcarea mâinii umane [175-179].

O mână robotică antropomorfă are potențialul să apuce obiecte obișnuite de diferite forme [180-183], dar selectarea modalității de apucare a unui obiect este o problemă destul de grea. O serie de lucrări au abordat aceasta problemă dezvoltând algoritmi de sintetizare a apucării la nivel de puncte de contact [184-187]. Acești algoritmi se concentrează pe găsirea unui număr fix de zone de contact fără a ține cont de geometria mâinii. Alte metode au dezvoltat sisteme de prindere pentru un anumit model de mână, reducând problema la alegerea unei prehensiuni cu vârful degetelor [185,186] . Aceste metode sunt utile în manipularea unor anumite tipuri de obiecte, dar nu pot fi aplicate unei game largi de obiecte deoarece nu oferă o prehensiune stabilă datorită faptului că nu este folosită suprafața inferioară a degetelor și nici palma. O modalitate de limitare a numărului mare de posibile configurații ale mâinii constă în folosirea unor forme predefinite pentru apucare. Înainte de a apuca un obiect, oamenii, în mod inconștient, simplifică apucarea alegând una din puținele poziționări ce se potrivesc cu forma obiectului și sarcina de îndeplinit. În literatură există lucrări care au încercat să catalogheze poziționările pentru prehensiune în taxonomii, una din cele mai cunoscute astfel de lucrări fiind [188]. Cutkosky și Wright [189] au extins clasificarea lui Napier [188] adăugând taxonomiile necesare în mediul de producție, studiind modul în care sarcina și geometria obiectului afectează alegerea poziționării pentru prindere. Iberall [190] a analizat diferite taxonomii de prindere și le-a generalizat folosind conceptul de degete virtuale. Stransfield [191] a ales o clasificare simplă și a construit un sistem bazat pe reguli care oferea un set de poziționări de apucare, pornind de la o descriere simplificată a obiectului obținută de la un sistem video.

Algoritmul dezvoltat în această lucrare are ca scop determinarea poziționării pentru apucare în funcție de forma obiectului (vezi descrierea poziționărilor în secțiunea 2). Pentru a demonstra eficacitatea algoritmului s-au ales 3 tipuri de apucare, și anume: apucare cilindrică, apucare sferică și apucare prismatică. Fiecărui tip din cele trei menționate i s-a atribuit un obiect ce definește clasa în care se încadrează obiectele ce pot fi apucate folosind aceste configurații de apucare: cilindru, sferă, respectiv, paralelipiped. Se pornește de la ipoteza că datele din mediu sunt captate de un sistem stereoscopic [192] și un senzor Kinect [193]. Asupra datelor provenite de la aceste surse se aplică un algoritm de detectare a modelelor (template matching) [194] în urma căruia se obține un procentaj de potrivire a obiectului de apucat cu obiectul de referință. Astfel fiecare din cele două surse vor oferi câte 3 valori de potrivire (câte una pentru fiecare clasă de obiecte). Aceste valori reprezintă intrarea pentru algoritmul de decizie bazat pe teoria Dezert-Smarandache (DSmT) [195] pentru fuziunea datelor. Acest algoritm are ca intrare date provenite de la doi sau mai mulți observatori și în prima fază le procesează printr-un procedeu denumit neutrosoficare ce este similar cu procesul de fuzificare. Apoi, datele neutrosoficate ale observatorilor sunt trecute printr-un algoritm ce aplică teoria clasică DSmT [195] pentru a obține un singur set de date asupra stărilor sistemului, combinând valorile neutrosoficate ale observatorilor. Pe acest set de date obținut, se aplică algoritmul de decizie dezvoltat în această lucrare și care ia decizia asupra categoriei din care face parte obiectul țintă al robotului. Această decizie facilitează procesul de detecție – recunoaștere – apucare pe care un braț robotic trebuie să îl urmeze, obținând practic o decizie în timp real ce nu oprește sau întârzie sarcina de îndeplinit a robotului.

În ultimii ani, folosirea mai multor senzori pentru o aplicație și fuziunea datelor provenite de la aceștia este din ce în ce mai răspândită, atât în domenii militare cât și în cele nemilitare. Tehnicile de fuziune a datelor combină informațiile provenite de la diferiți senzori cu scopul de a elimina perturbațiile și de a îmbunătăți precizia comparativ cu situațiile când este folosit un singur senzor [196-200]. Această tehnică funcționează după același principiu folosit de oameni pentru a simți mediul înconjurător. De exemplu, un om nu poate vedea după colț sau prin vegetație, dar cu ajutorul auzului poate detecta eventualele pericole din jur. Pe lângă avantajul statistic câștigat prin combinarea detaliilor legate de un obiect (prin observații redundante), folosirea mai multor tipuri de senzori crește precizia cu care poate fi observat și caracterizat acest obiect (de exemplu, un senzor ultrasonic poate determina distanța până la un obiect, pe când un senzor video poate estima forma acestuia – combinarea acestor două surse oferă două detalii distincte despre același obiect).

Evoluția noilor senzori, progresul tehnicilor de procesare și îmbunătățirea capacităților de procesare a dispozitivelor hardware facilitează din ce în ce mai mult fuziunea datelor în timp real. Ultimele progrese făcute în aria sistemelor de calcul și a celor de detecție oferă abilitatea de a reproduce, hardware și software, capacitățile de fuziune a datelor, a oamenilor și animalelor. Sistemele de fuziune a datelor sunt folosite pentru urmărirea țintelor [201], identificarea automată a țintelor [202], aplicații de raționament automat [203]. Aplicațiile pentru fuziunea datelor sunt larg răspândite, de la cele militare [204] (recunoașterea automată a țintelor, conducerea vehiculelor autonome, detecție la distanță, supravegherea câmpului de luptă, sisteme de detectare automată a pericolelor) până la aplicații nonmilitare (monitorizarea proceselor de producție, întreținerea pe bază de condiții a utilajelor complexe, robotică [205]) și aplicații medicale [206]. Tehnicile de fuziune a datelor preiau elemente din discipline clasice precum procesarea semnalelor digitale, estimare statistică, teoria controlului, inteligența artificială și metode numerice [207-209].

Interpretarea datelor combinate necesită tehnici de raționament automat preluate din domeniul inteligenței artificiale. Scopul sistemelor bazate pe cunoaștere au fost dezvoltate pentru a analiza aspecte precum contextul în care au fost colectate datele, relațiile dintre entitățile observate, gruparea ierarhică a țintelor sau obiectelor și pentru a prezice acțiuni viitoare ale acestor ținte sau entități. Astfel de raționament este întâlnit la oameni, dar tehnicile de raționare automată îl pot reproduce aproximativ. Indiferent de tehnica folosită, pentru un sistem bazat pe cunoaștere sunt necesare 3 elemente: una sau mai multe scheme de raționare, un proces automat de evaluare și o schemă de control. Schemele de raționare sunt tehnici de reprezentare a faptelor, relațiilor logice, cunoștințelor procedurale și incertitudinii. Pentru aceste tehnici, incertitudinea din datele observate și din relațiile logice pot fi reprezentate folosind probabilități, teoria mulțimilor fuzzy [210], intervalele de evidență Demspter-Shafer [211] sau alte metode. Teoria Dezert-Smarandache [195] vine să extindă aceste metode, oferind tehnici avansate de manipulare a incertitudinii (pentru detalii vezi secțiunea 4.2). Scopul dezvoltării sistemelor automate de raționare este acela de a reproduce capabilitățile de raționare a omului prin specificarea regulilor și cadrelor ce definesc situația studiată. Având la dispoziție o bază de informații, este necesar un proces de evaluare pentru a folosi aceste informații. Sunt scheme formale dezvoltate pe logica formală, logica fuzzy, raționament probabilistic, metode bazate pe șabloane, raționament bazat pe cazuri și multe alte tehnici. Fiecare din aceste scheme de raționare au un formalism intern consistent ce descrie modul de utilizare a bazei de cunoștințe pentru a obține concluzia rezultantă. Un sistem automat de raționament are nevoie de o schemă de control pentru a putea îndeplini procesul de gândire. Tehnicile folosite includ metode de căutare, sisteme de menținere a adevărului bazate pe presupuneri și justificări, descompunere ierarhică, teoria controlului, etc. Fiecare din aceste metode au rolul de a controla procesul de evoluție al raționamentului.

6.1 Clasificarea prinderii obiectelor

Mâinile mecanice au fost dezvoltate pentru a oferi roboților abilitatea de a apuca obiecte cu diferite proprietăți geometrice și fizice[212].Pentru a face ca o mână antropomorfă să pară naturală, mișcările ei și tipul de prindere trebuie să se asemene cu cele ale mâinii umane.

În acest sens, taxonomia pozițiilor de prindere pentru mâini umane a fost studiată îndelung și a fost aplicată mâinilor robotice. Au fost luate în considerare 17 categorii diferite de pozițiilor de prindere a mâinii umane. Trebuie, însă, luate în considerate două lucruri importante: în primul rând, categoriile sunt derivate din studiul mâinii umane, care este mult mai flexibilă și capabilă decât orice mână robotică, astfel că taxonomia prinderii la mâna robotică poate fi doar o submulțime simplificată a celei umane. În al doilea rând, studiul comportamentului uman în timpul prinderii reale a obiectelor arată unele diferențe față de ce s-a constatat în urma realizării clasificării [213].

Orice taxonomie propusă este doar un punct de referință pe care ar trebui să îl atingă configurația mâinii robotice. În cele ce urmează sunt prezentate cele mai des utilizate poziții de prindere (extrase din [214]), care ar trebui luate în considerare la dezvoltarea unei mâini robotice capabile:

Putere. Contactul cu obiectele este făcut pe suprafețe mari ale mâinii, incluzând falangele degetelor și palma. La aceste prinderi sunt exercitate forțe mari.

Prindere Sferică: utilizată pentru a prinde obiecte sferice

Prindere Cilindrică: utilizată pentru a prinde obiecte lungi care nu pot fi complet încercuite de mână

Prindere Laterală: degetul mare exercită o forță către marginea laterală a degetului arătător

Precizie: contactul este făcut doar cu vârful degetelor.

Prindere Prismatică (ciupitură): folosită la prinderea obiectelor lungi (cu diametru mic) sau foarte mici. Poate fi făcută cu două până la cinci degete.

Prindere Circulară (tripod): folosită la prinderea obiectelor circulare sau rotunde. Poate fi făcută cu trei, patru sau cinci degete.

Fără apucare:

Cârlig: mâna formează un cârlig pe obiect și forța este exercitată împotriva unei forțe externe (gravitație)

Apăsare buton (indicare)

Împingere (palmă întinsă)

În tabelul 6.1 sunt prezentate activitățile de manipulare pe care le poate face mâna robotică și sunt corelate cu pozițiile de prindere necesare pentru executarea lor [215]:

Tabelul 6.1: Poziția de prindere pentru anumite sarcini

6.2 Detecția obiectelor folosind stereo vision și senzor Kinect

Recunoașterea obiectelor în vederea artificială reprezintă sarcina de a căuta un obiect dat într-o imagine sau o secvență video. Această problemă poate fi privită ca o problemă de învățare. La început sistemul este antrenat cu imagini eșantion ce aparțin clasei de obiecte țintă, acesta învățând să le diferențieze de alte obiecte. Astfel, în momentul când sistemul primește noi imagini, acesta poate „simți” prezența obiectului căutat.

Potrivirea modelelor este o tehnică folosită pentru a cataloga obiectele dintr-o imagine. Un model este o regiune dintr-o imagine, iar scopul este acela de a găsi instanțe ale acestui model într-o imagine mai mare. Tehnicile de potrivire a modelelor reprezintă o abordare clasică pentru problemele de localizare și recunoaștere a unui obiect într-o imagine. Aceste metode sunt folosite în aplicații precum urmărirea obiectelor, compresia imaginilor, corespondențe stereo, segmentarea imaginilor [216] și alte probleme specifice vederii artificiale [217-220].

Recunoașterea obiectelor este foarte importantă pentru un robot ce trebuie să îndeplinească o anumită sarcină. Pentru a-și îndeplini sarcina, un robot trebuie să evite obstacole, să obțină dimensiunea obiectului, să manipuleze obiecte, etc. În cazul manipulării obiectului detectat, robotul trebuie să detecteze forma obiectului, dimensiunile și localizarea acestuia în spațiu. Principalele metode de obținere a informației de adâncime în mediu folosesc camere stereo, scanere laser și camere de adâncime.

Pentru lucrarea realizată s-a considerat că informația din mediu este capturată cu ajutorul unui sistem stereoscopic și a unui senzor Kinect.

Folosirea sistemelor stereoscopice reprezintă o tehnică pasivă de a construi o imagine 3D virtuală a mediului în care se deplasează robotul prin potrivirea caracteristicilor comune a unui set de imagini ale aceleiași scene. Deoarece se lucrează cu imagini, este nevoie de un volum de calcul destul de mare. Informația de adâncime poate fi zgomotoasă în unele cazuri, deoarece metodele depind de textura de pe suprafața obiectelor din mediu și de lumina ambientală.

Kinect este o platformă destul de ușor de achiziționat, ceea ce o face și foarte răspândită. Aceasta folosește un senzor de adâncime bazat pe lumina structurată. Folosind o placă ASIC, senzorul Kinect generează o hartă de adâncime pe 11 biți cu rezoluția 640 x 480 pixeli, generată la 30Hz. Având în vedere prețul dispozitivului, calitatea informațiilor este destul de bună, dar prezintă și dezavantaje, în sensul că imaginile de adâncime conțin zone unde nu s-a putut realiza citirea informațiilor. Această problemă apare de la faptul că unele materiale nu reflectă lumina infraroșie. Când dispozitivul este deplasat rapid, acesta, ca orice altă cameră, înregistrează mișcarea încețoșată, ceea ce duce, de asemenea, la informații lipsă din imagine.

6.3 Algoritmul de decizie

După cum s-a observat în secțiunea 6.1, în funcție de forma obiectului și sarcina de îndeplinit, apucarea se împarte în 8 categorii și anume: prindere sferică, prindere cilindrică, prindere laterală, prindere prismatică, prindere circulară, cârlig, apăsare buton, împingere. Din aceste tipuri de prindere cel mai des folosite sunt prinderile cilindrică și prismatică (vezi tabelul 6.1, secțiunea 6.1) – acestea pot fi folosite în aproape orice situație, precum și prinderea sferică (un caz particular al acestora două). Aceasta din urmă este folosită pentru prinderile de putere, când contactul cu obiectul se realizează atât cu toate falangele degetelor cât și cu palma. De aici apare necesitatea de a clasifica, după formă, obiectele ce trebuie apucate. Datorită faptului că sunt întâlnite mai des, aceste 3 tipuri de prindere au fost luate în considerare pentru problema de fuziune studiată.

Problema de fuziune își propune să facă o clasificare, după formă, a obiectelor de apucat astfel încât acestea să se potrivească cu cele trei tipuri de apucare studiate. Obiectele țintă sunt încadrate în 3 categorii: sferă, paralelipiped și cilindru, fiecărei categorii corespunzându-i o modalitate de prindere [221].

Informațiile sunt oferite de 2 surse (observatori) independente, și anume, un sistem de viziune stereo și un senzor Microsoft Kinect (prezentate în secțiunea 6.2) folosite pentru a scana mediul de lucru al robotului. Folosind informațiile provenite de la fiecare din cele două surse de informații/observatori, se creează câte o imagine 3D virtuală a mediului, din care operatorul uman alege obiectul de apucat, definind astfel sarcina de prehensiune ce trebuie realizată de robot. Imaginea 3D a obiectului de interes, izolat din întreaga scenă, este comparată cu 3 imagini eșantion, captate prin aceleași metode, ce reprezintă o sferă, un paralelipiped, respectiv un cilindru. Ulterior se aplică un algoritm de potrivire a modelelor (template matching) și astfel se încadrează obiectul într-una din cele 3 categorii, cu un anumit procentaj de potrivire. Acest procentaj poate varia în funcție de condițiile în care sunt captate imaginile (iluminare slabă, obiecte din care lumina se reflectă necorespunzător, etc.). Datele furnizate de fiecare senzor sunt apoi procesate individual cu algoritm de neutrosoficare, cu scopul de a obține masele de încredere generalizată pentru fiecare ipoteză ce poate caracteriza starea sistemului. La pasul următor, având masele de încredere calculate, se realizează combinarea datelor provenite de la cele două surse folosind regula clasică DSm de combinare, informațiile obținute în urma combinării sunt apoi deneutrosoficate, în final luându-se decizia de încadrare a obiectului în una din cele 3 categorii menționate mai sus. Întregul proces este reprezentat grafic în fig. 6.1.

Fig. 6.1 Schema generală a algoritmului propus

6.3.1 Logica neutrosofică

O logică în care fiecare propoziție are procentajul de adevăr într-o submulțime , procentajul de nedeterminare într-o submulțime și procentajul de falsitate într-o submulțime se numește logica neutrosofică [222-225].

Fie submulțimi standard sau non-standard ale . se numesc componente neutrosofice și reprezintă valorile de adevăr, nedeterminare, respectiv falsitate când ne referim la neutrosofie, logica neutrosofică, mulțimi neutrosofice, probabilitate neutrosofică, statistica neutrosofică.

6.3.2 Teoria DSm

Teoria Dezert-Smarandache (DSmT) [222-224, 226] poate fi considerată o extindere a teoriei Dempster-Shafer [210] (DST). DSmT permite combinarea informațiilor provenite de la surse diferite și independente sub formă de funcții de încredere. DSmT poate fi folosită pentru rezolvarea problemelor complexe statice sau dinamice de fuziune a informațiilor, depășind cadrul de lucru al DST, în special când diferențele dintre sursele de informații sunt foarte mari.

DSmT începe definind noțiunea de model DSm liber, notat prin și consideră o mulțime de elemente exhaustive , care se pot suprapune. Acest model este liber deoarece nu se fac alte presupuneri asupra ipotezelor. Cât timp modelul DSm liber se îndeplinește, se poate aplica regula asociativă și comutativă de combinare DSm.

Teoria DSm [222,227] se bazează pe definiția laticei Dedekind, cunoscută sub numele de hiper mulțime (hiper power set) a cadrului . În DSmT, este considerat o mulțime a elemente exhaustive fără a introduce alte constrângeri.

6.3.2.1 Notiunea de hiper multime de puteri

Unul din elementele de bază ale teoriei DSm îl constituie noțiunea de hiper mulțime de puteri. Fie o mulțime finită (numită cadru) cu elemente exhaustive. Laticea Dedekind, numită hiper mulțimea de puteri în cadrul DSmT, este definită ca mulțimea tuturor propozițiilor compuse din elementele mulțimii cu operatorii și astfel încât [222-224]:

Dacă , atunci și .

Nici un alt element nu este inclus în cu excepția celor menționate la punctele 1 și 2.

Elementele , din formează mulțimea finită de ipoteze/concepte ce caracterizează problema de fuziune. reprezintă modelul liber DSm și permite lucrul cu concepte fuzzy ce descriu caracterul intrinsec continuu și relativ. Astfel de concepte nu pot fi distinse precis într-o interpretare absolută din cauza adevărului universal inabordabil.

6.3.2.2 Functiile de incredere generalizate

Funcțiile de încredere reprezintă unul din cele mai răspândite formalisme pentru reprezentarea și procesarea incertitudinii.

Pornind de la un cadru general , definim o transformare asociată cu o sursă de informații ca [222-224]:

si

Cantitatea se numește valoare / masa de încredere generalizată (gbba) a lui A.

6.3.2.3 Regula clasica de combinare DSm

Când modelul DSm liber se poate aplica, regula de combinație a două surse independente și ce oferă informații despre același cadru cu funcțiile de încredere și asociate cu gbba și corespund consensului conjunctiv al surselor. Combinarea datelor se face prin formula [195]:

Deoarece este închis sub operatorii și , această nouă regulă de combinare garantează că este o valoare de încredere generalizată, adică . Această regulă de combinare este comutativă și asociativă și poate fi folosită tot timpul pentru fuziunea surselor ce implică concepte fuzzy. Această regulă poate fi extinsă cu ușurință pentru combinarea surse independente de informații [221, 225].

6.3.3 Neutrosoficarea datelor

Fiecare observator furnizează un procentaj de adevăr pentru fiecare stare a sistemului. Mulțimea de stări, , ce caracterizează problema de fuziune[221-224]:

unde .

Pentru determinarea maselor de încredere pentru elementele hipermulțimii s-a dezvoltat un algoritm bazat pe logica neutrosofică. Hipermulțimea se formează după metoda prezentată în secțiunea 6.3.2.1 și este de forma:

Afirmațiile fiecărui observator sunt tratate în termeni de adevăr (T), nedeterminare (I) și falsitate (F), specifici logicii neutrosofice. Datorită faptului că , afirmațiile ce redau falsitatea afirmației nu sunt luate în calcul.

Algoritmul de neutrosoficare are ca intrare probabilitățile de certitudine (adevăr) furnizate de observator despre stările sistemului. Aceste probabilități sunt procesate folosind regulile descrise de fig. 6.2. Dacă diferența dintre probabilitățile de certitudine utilizate la un moment dat în algoritmul de procesare este mai mare de 0.5, atunci se consideră că procentajul de incertitudine între stările comparate este nul, iar probabilitatea ca una din stări să se îndeplinească crește. În cazul în care această diferență nu este peste pragul stabilit, se calculează probabilitatea de incertitudine, folosind formula

unde , și reprezintă probabilitatea de certitudine ca obiectul țintă să fie de categorie „A”, respectiv, probabilitatea de certitudine ca obiectul țintă să facă parte din categoria „B”, iar reprezintă probabilitatea de incertitudine ca obiectul țintă să facă parte din categoria „A” sau „B”. Cu cât punctul determinat de cele două probabilități se apropie de diagonala principală, incertitudinea se apropie de maxim.

Fig. 6.2: Regula de neutrosoficare a datelor provenite de la observatori

Algoritmul software dezvoltat pentru neutrosoficarea datelor este prezentat în Anexa 10.

Din hipermulțimea , se pot determina masele de încredere doar pentru valorile (afirmațiile rezultate în urma interpretării ipotezelor provenite de la un observator) prezentate mai jos, deoarece operația de reprezintă contradicția în teoria DSm și nu se pot calcula valorile de contradicție pentru un singur observator.

Probabilitățile neutrosofice sunt detaliate în Tabelul 6.2

Tabelul 6.2: Probabilitățile neutrosofice

6.3.4 Fuziunea informatiilor

Având determinate masele de încredere pentru elementele hipermulțimii , prezentate în tabelul 6.2, se trece la fuziunea acestora, aplicând regula clasică de combinare DSm, detaliată în secțiunea 6.3.2.3.

Aplicând ecuația (6.1), se obțin următoarele formule pentru:

Valoarea de fuziune pentru certitudinea ca obiectul țintă să fie „sferă”:

Valoarea de fuziune pentru certitudinea ca obiectul țintă să fie „paralelipiped”:

Valoarea de fuziune pentru certitudinea ca obiectul țintă să fie „cilindru”:

Valoarea de fuziune pentru incertitudinea ca obiectul țintă să fie „sferă” sau „cilindru”

Valoarea de fuziune pentru incertitudinea ca obiectul țintă să fie „sferă” sau „cilindru”

Valoarea de fuziune pentru incertitudinea ca obiectul țintă să fie „paralelipiped” sau „cilindru”

Valoarea de fuziune pentru incertitudinea ca obiectul țintă să fie „sferă” sau „paralelipiped” sau „cilindru”

În momentul fuziunii, între informațiile furnizate de cei doi senzori pot apărea situații de contradicție. Acestea sunt incluse în hipermulțimea de puteri și sunt descrise în tabelul 6.3.

Tabelul 6.3: Contradicțiile ce apar între probabilitățile neutrosofice

Valorile de fuziune pentru contradicții se determină astfel:

valoarea de fuziune pentru contradicția dintre probabilitățile de certitudine ca obiectul țintă să fie „sferă” și „paralelipiped”:

valoarea de fuziune pentru contradicția dintre probabilitățile de certitudine ca obiectul țintă să fie „sferă” și „cilindru”:

valoarea de fuziune pentru contradicție dintre probabilitățile de certitudine ca obiectul țintă să fie „paralelipiped” și „cilindru”:

valoarea de fuziune pentru contradicție dintre probabilitatea de certitudine ca obiectul țintă să fie „sferă” și probabilitatea de incertitudine ca obiectul țintă să fie „paralelipiped” sau „cilindru”

valoarea de fuziune pentru contradicție dintre probabilitatea de certitudine ca obiectul țintă să fie „paralelipiped” și probabilitatea de incertitudine ca obiectul țintă să fie „sferă” sau „cilindru”

valoarea de fuziune pentru contradicție dintre probabilitatea de certitudine ca obiectul țintă să fie „cilindru” și probabilitatea de incertitudine ca obiectul țintă să fie „sferă” sau „paralelipiped”

6.3.5 Deneutrosoficarea datelor și luarea deciziei

Valorile de combinare determinate la secțiunea anterioară sunt deneutrosoficate folosind schema logică prezentată în fig. 6.3. Pentru reprezentarea grafică a algoritmului de decizie s-a optat pentru folosirea Rețelelor Petri [228,229], datorită facilitaților pe care le pun la dispoziție, ilustrând foarte bine tranziția între stări. Schema de decizie este destul de complexă, fapt pentru care a fost necesară împărțirea ei pe trei subrețele Petri:

sub_p1 (fig. 6.4) – tratează contradicțiile între probabilitatea de certitudine ca obiectul țintă să fie „sferă” și probabilitatea de incertitudine ca obiectul țintă să fie „paralelipiped” sau „cilindru”, între probabilitatea de certitudine ca obiectul țintă să fie „paralelipiped” și probabilitatea de incertitudine ca obiectul țintă să fie „sferă” sau „cilindru”, respectiv, între probabilitatea de certitudine ca obiectul țintă să fie „cilindru” și probabilitatea de incertitudine ca obiectul țintă să fie „sferă” sau „paralelipiped”;

sub_p2 (fig. 6.5) – tratează contradicțiile între probabilitățile de certitudine ca obiectul țintă să fie „sferă” și „paralelipiped”, între probabilitățile de certitudine ca obiectul țintă să fie „sferă” și „cilindru”, respectiv, între probabilitățile de certitudine ca obiectul țintă să fie „paralelipiped” si „cilindru”;

sub_p3 (fig. 6.6) – tratează incertitudinile ca obiectul țintă să fie „sferă” sau „paralelipiped”, ca obiectul țintă să fie „sferă” sau „cilindru”, respectiv, ca obiectul țintă să fie „paralelipiped” sau „cilindru”.

În fig. 6.3, 6.4, 6.5, 6.6, , respectiv, , reprezintă stări intermediare în cadrul rețelelor Petri.

Fig. 6.3 Algoritmul de decizie

Pentru a nu încărca figurile 6.3, 6.4, 6.5 și 6.6, s-au făcut următoarele notații:

Cu ajutorul algoritmului ilustrat in fig. 6.3 se ia decizia de a încadra obiectul țintă într-una din cele trei categorii, după cum urmează:

Se determină .

dacă , contradicția între probabilitatea de certitudine ca obiectul țintă să fie „sferă” și probabilitatea de incertitudine ca obiectul țintă să fie „paralelipiped” sau „cilindru” se compară cu un prag determinat prin încercări experimentale. Dacă aceasta este mai mare sau egală cu pragul ales, obiectul țintă este sferă.

dacă , contradicția între probabilitatea de certitudine ca obiectul țintă să fie „paralelipiped” și probabilitatea de incertitudine ca obiectul țintă să fie „sferă” sau „cilindru” se compară cu pragul menționat anterior. Dacă aceasta este mai mare sau egală cu pragul ales, obiectul țintă este paralelipiped.

dacă , contradicția între probabilitatea de certitudine ca obiectul țintă să fie „cilindru” și probabilitatea de incertitudine ca obiectul țintă să fie „sferă” sau „paralelipiped” este comparată cu pragul menționat mai sus. Dacă aceasta este mai mare sau egală cu pragul ales, obiectul țintă este cilindru.

Fig. 6.4 Rețea Petri pentru sub_p1

Dacă nici una din cele trei condiții nu este satisfăcută se trece la pasul următor, și:

2. Se determină

dacă , contradicția între probabilitățile de certitudine ca obiectul țintă să fie „sferă” și „paralelipiped” este mai mare de un prag determinat prin încercări experimentale, atunci se verifică dacă . Dacă se îndeplinește condiția, obiectul țintă este sferă. În caz contrar, obiectul țintă este paralelipiped.

dacă , contradicția între probabilitățile de certitudine ca obiectul țintă să fie „sferă” și „cilindru” este mai mare de pragul menționat mai sus, atunci se verifică dacă . Dacă se îndeplinește condiția, obiectul țintă este sferă. În caz contrar, obiectul țintă este cilindru.

dacă , contradicția între probabilitățile de certitudine ca obiectul țintă să fie „paralelipiped” și „cilindru” este mai mare de un prag determinat prin încercări experimentale, atunci se verifica dacă . Dacă se îndeplinește condiția, obiectul tintă este cilindru. În caz contrar, obiectul țintă este paralelipiped.

Fig. 6.5 Rețea Petri pentru sub_p2

Dacă în nici una din situații, contradicția nu este mai mare decât pragul ales, se trece la pasul următor, unde:

3. Se determină

dacă , probabilitatea de incertitudine ca obiectul țintă să fie „sferă” sau „paralelipiped” este mai mare decât un prag determinat prin încercări experimentale, atunci se verifică dacă . Dacă se îndeplinește condiția, obiectul țintă este sferă. În caz contrar, obiectul țintă este paralelipiped.

dacă , probabilitatea de incertitudine ca obiectul țintă să fie „sferă” sau „cilindru” este mai mare decât un prag determinat prin încercări experimentale, atunci se verifică dacă . Dacă se îndeplinește condiția, obiectul țintă este sferă. În caz contrar, obiectul țintă este cilindru.

dacă , probabilitatea de incertitudine ca obiectul țintă să fie „cilindru” sau „paralelipiped” este mai mare decât un prag determinat prin încercări experimentale, atunci se verifică dacă . Dacă se îndeplinește conditia, obiectul țintă este cilindru. În caz contrar, obiectul țintă este sferă.

Fig. 6.6 Rețea Petri pentru sub_p3

În situația în care nici una din ipotezele menționate mai sus nu se îndeplinesc, se trece la pasul următor, unde:

4. Se determină

dacă , obiectul țintă este sferă

dacă , obiectul țintă este paralelipiped.

dacă , obiectul țintă este cilindru.

Algoritmul software dezvoltat pentru neutrosoficarea datelor este prezentat în Anexa 10.

6.4 Interpretarea rezultatelor

După cum a fost menționat și în introducere, scopul principal al acestei lucrări este acela de a determina modalitatea de apucare a obiectelor ce fac subiectul sarcinii de apucare ce trebuie îndeplinită de un robot umanoid, în funcție de forma lor. Aceasta se realizează prin clasificarea obiectelor țintă, în 3 clase principale și anume sferă, paralelipiped, cilindru.

Fig. 6.7 Informațiile oferite de cei doi senzori

Pentru a determina forma obiectelor țintă, mediul de lucru al robotului a fost scanat cu un sistem stereoscopic și cu un senzor Kinect, cu scopul de a crea o imagine 3D a spațiului în care robotul trebuie să îndeplinească sarcina. Din cele două imagini create se selectează obiectul țintă și, apoi, acesta este comparat cu 3 imagini eșantion, ce reprezintă o sferă, un paralelipiped, respectiv, un cilindru. Cu un algoritm de potrivire a modelelor (template matching) se determină procentajul de potrivire între imaginea eșantion și imaginea captată de fiecare senzor în parte (fig. 6.7). Aceste procentaje de potrivire reprezintă valorile furnizate de observatori pentru problema de fuziune. Deoarece s-a dorit testarea și verificarea algoritmului de decizie pentru cât mai multe cazuri, valorile observatorilor au fost simulate utilizând semnale sinusoidale cu frecvență diferită și amplitudine 1 (fig. 6.8). Amplitudinea de 1, reprezintă defapt procentajul maxim de probabilitate pentru ca un anumit tip de obiect să fie regăsit de algoritmul de potrivire a modelelor (template matching). Datorită faptului că semnalele sinusoidale sunt generate în funcție de timp, fiecărui moment de timp îi corespunde un set de date de intrare pentru algoritmul de decizie. Pentru a obține rezultatele prezentate în acest capitol, au fost studiate 1000 de date de intrare.

Asupra acestor date de intrare se aplică un algoritm de neutrosoficare cu scopul obținerii maselor de încredere generalizată pentru fiecare din afirmațiile făcute de un observator, și anume:

Probabilitatea de certitudine ca obiectul țintă să fie „sferă” (fig. 6.8.a,h)

Probabilitatea de certitudine ca obiectul țintă să fie „paralelipiped” (fig. 6.8.b,i)

Probabilitatea de certitudine ca obiectul țintă să fie „cilindru” (fig. 6.8.c,j)

Probabilitatea de incertitudine ca obiectul țintă să fie „sferă” sau „paralelipiped” (fig. 6.8.d,k)

Probabilitatea de incertitudine ca obiectul țintă să fie „sferă” sau „cilindru” (fig. 6.8.e,l)

Probabilitatea de incertitudine ca obiectul țintă să fie „paralelipiped” sau „cilindru” (fig. 6.8.f,m)

Probabilitatea de incertitudine ca obiectul țintă să fie „sferă” sau „paralelipiped” sau „cilindru” (fig. 6.8.g,n)

Fig. 6.8 Mase de încredere generalizate (a-g corespund

observatorului 1, iar h-n observatorului 2)

După ce au fost calculate masele de încredere pentru fiecare afirmație a observatorilor, se trece la fuziunea datelor (fig. 6.9).

Fig. 6.9: Fuziunea datelor

Cu ajutorul maselor de încredere, prezentate în fig. 6.9, determinate folosind algoritmul de neutrosoficare, se determină masele de fuziune, ilustrate grafic în fig. 6.10.

Pe baza acestor valori, folosind schema de decizie (fig. 6.4) detaliată în secțiunea 6.3.5, se ajunge la încadrarea obiectului într-una din cele 3 categorii: sferă, paralelipiped, cilindru. Rezultatul este prezentat în fig. 6.10, unde, pentru valoarea 0, mâna robotică rămâne în configurația de start până în momentul în care se obține o informație clară legată de forma obiectului.

După cum se poate observa în fig. 6.11.c , masele de fuziune pentru certitudine, incertitudine și contradicție sunt minime, excepție făcând valoarea de fuziune pentru incertitudinea ca obiectul țintă să fie sferă sau paralelipiped sau cilindru, , moment în care datele ce provin de la surse sunt identice și nu se contrazic, indecizia fiind maximă,

Fig. 6.10 Mase de fuziune

Fig. 6.11. Decizia luată de algoritm

Prin urmare sistemul nu poate lua o decizie, fapt pentru care mâna robotică își menține poziția de start până în momentul în care știe cu siguranța categoria în care se încadrează obiectul țintă. Această perioadă de indecizie durează secunde. În momentul în care „părerile” senzorilor despre obiectul țintă se schimbă, algoritmul este capabil să ofere o soluție.

Tabelul 6.4: Masele de încredere generalizate, valorile de fuziune

și decizia pentru situațiile analizate

Indecizia mai atinge valori mari la la seturile de date de intrare numărul , , respectiv , în condițiile în care afirmațiile observatorilor sunt apropiate ca valoare cu situația prezentată mai sus:

pentru setul numărul ,

pentru setul numărul , respectiv

pentru setul numărul

În tabelul 6.4 sunt prezentate masele de încredere generalizate, valorile de fuziune și decizia oferită de algoritm în situațiile menționate anterior.

În toate cele trei cazuri, incertitudinea este destul de ridicată, iar algoritmul cere reluarea procesului și păstrează decizia luată la pasul anterior, în cazul de față fiind sfera.

Analizând fig. 6.10.a, pentru setul de date de intrare numărul 408 obiectul este încadrat în categoria cilindru datorită faptului că probabilitatea ca obiectul țintă să fie cilindru este foarte mare, .

Pentru seturile de date de intrare cuprinse în intervalul 430 – 490, unde în fig. 6.10.d contradicția ca obiectul țintă să fie sferă sau paralelipiped este mai mare decât cele ca obiectul țintă să fie sferă sau cilindru, respectiv, cilindru sau paralelipiped, obiectul este încadrat inițial în categoria paralelipiped deoarece probabilitatea ca obiectul țintă să fie paralelipiped este mai mare decât cea ca obiectul țintă să fie sferă, respectiv, cilindru. Această situație se schimbă însă, începând cu setul numărul 490 până la setul 530, când probabilitatea ca obiectul țintă să fie sferă crește, probabilitatea ca obiectul țintă să fie cilindru rămâne scăzută, iar probabilitatea ca obiectul să fie paralelipiped scade sub cea ca obiectul să fie sferă. După ssetul 530 obiectul țintă este încadrat înapoi în categoria paralelipiped deoarece toate cele trei contradicții sunt sub pragul ales, de 0.2, dar certitudinea ca obiectul să fie paralelipiped crește (fig 6.10.a)

6.5 Concluzii

Orice robot, indiferent de scopul pentru care este proiectat, are de îndeplinit anumite sarcini: fie de apucare și manipulare, fie de transport, etc. Pentru a-și duce la capăt cu succes sarcina, robotul trebuie echipat cu o serie de senzori care să îi dea acestuia informații suficiente legate de mediul în care își desfășoară activitatea: camere video, scanere laser, senzori ultrasonici, senzori de distanță, senzori de contact, etc.

În capitolul acesta a fost tratată situația în care robotul este echipat cu un sistem stereoscopic și un senzor Kinect pentru detectarea mediului, iar ca sarcină are de apucat și manipulat un obiect. Cu ajutorul acestor două sisteme se creează 2 imagini 3D ale mediului în care lucrează sistemul, câte una cu informațiile provenite de la fiecare senzor. În aceste imagini se izolează obiectul de interes și acesta este comparat cu 3 imagini eșantion, obținute prin aceleași metode ca imaginile mediului. Cele trei imagini eșantion reprezintă modelul 3D virtual al unei sfere, al unui paralelipiped, respectiv, al unui cilindru. Comparația se realizează cu o metodă de potrivire a modelelor (template matching), iar în urma acestei comparații se obține un procentaj de potrivire pentru fiecare metodă în parte.

Pentru obținerea imaginilor 3D și utilizarea algoritmilor de potrivire a modelelor (template matching), nu s-au realizat aplicații experimentale, ci s-a considerat că acestea pot fi preluate din literatura de specialitate, pentru a ne putea concentra mai bine asupra algoritmilor de decizie.

Subiectul capitolului îl face o problemă de fuziune a datelor cu scopul de a clasifica obiectele din câmpul vizual al unui robot umanoid pentru a îndeplini sarcina de apucare și manipularea unui obiect. S-a dorit încadrarea obiectului țintă într-una din cele 3 categorii, menționate mai sus, pentru ca pe parcursul operației de apropiere de obiectul țintă, mâna robotică să se „pregătească” pentru apucarea obiectului, micșorând astfel timpul necesar efectuării acestei acțiuni.

Sistemul stereoscopic și senzorul Kinect, prezentați în secțiunea 6.2 reprezentau sursele de informații, numiți în lucrare „observatori”, după denumirea din logica neutrosofică. Acești observatori specifică starea în care se regăsește sistemul. Un observator poate specifica 7 stări pentru obiectul căutat.

Cu ajutorul logicii neutrosofice se determină masele de încredere generalizată, pentru fiecare din cele 7 stări. Algoritmul de neutrosoficare se aplică informațiilor provenite de la ambii senzori. S-a optat pentru logica neutrosofică deoarece aceasta extinde logica fuzzy, oferind instrumente de tratare a situațiilor de incertitudine, pe lânga cele de adevăr și falsitate.

Folosind aceste mase de încredere, se calculează masele de fuziune pe baza cărora, folosind regula clasică de combinare DSm, se construiește algoritmul de decizie, prezentat în secțiunea 6.3. Pentru dezvoltarea acestui algoritm de decizie s-a utilizat o rețea Petri. S-a optat pentru utilizarea rețelelor Petri deoarece ele ilustrează cel mai bine starea sistemului și modul de tranziție de la o stare la alta.

Algoritmul de decizie analizează probabilitățile de îndeplinire a tuturor stărilor posibile ce pot apare la fuziunea informațiilor provenite de la cei doi senzori și tratează aceste posibilități astfel încât să se ajungă la o decizie în orice situație.

Tabelul 6.5: Timpul mediu de execuție a algoritmului prezentat

Metoda prezentată poate fi folosită cu succes în aplicații de timp real, aceasta oferind o decizie în aproape toate situațiile, într-un timp foarte scurt, (tabelul 6.5). Algoritmul poate fi extins, astfel încât să trateze informațiile provenite de la mai multe surse, sau să ofere o decizie pornind de la un număr mai mare de stări în care se poate regăsi sistemul analizat. Numărul de surse nu este limitat, și nici cel al stărilor sistemului, dar cu cât acestea sunt mai multe cu atât cantitatea de calcul este mai mare și proiectarea algoritmului de decizie devine o sarcină din ce în ce mai complexă.

În cazul roboților autonomi, aceștia trebuie învățați ce au de făcut și cum să ducă la capăt sarcina de îndeplinit. De aici apare necesitatea dezvoltării unor sisteme inteligente de raționare. Algoritmul dezvoltat în această lucrare poate fi folosit cu succes pentru aplicațiile de identificare a țintelor, de sortare a obiectelor, etichetare a imaginilor, urmărire a mișcării, evitare a obstacolelor, detecție a muchiilor, etc.

Contribuții originale.

În urma studiilor și cercetărilor realizate pe parcursul stagiului doctoral s-au obținut o serie de rezultate originale în domeniul controlului sistemelor de prehensiune pentru roboți și al mâinilor robotice umanoide. Dintre cele mai importante contribuții se pot enumera:

Realizarea unui studiu bibliografic vast și de actualitate în domeniul proiectării și controlului sistemelor de prehensiune pentru roboți și mâini umanoide inteligente care a demonstrat interesul global asupra domeniului tezei de doctorat;

Elaborarea unei metode de proiectare și simulare în mediu virtual a sistemelor de prehensiune pentru roboți și mâini umanoide pentru testarea comportamentului cinematic și dinamic în diferite condiții de operare, rezultând un mediu de simulare complet pentru sisteme robotice, indiferent de complexitatea lor, ce permite studierea unei game largi de legi de control;

Proiectarea unei mâini robotice umanoide ce a fost implementată în mediul de simulare, menționat anterior, cu scopul de a-i studia mișcarea pe parcursul operațiilor de închidere a degetelor, respectiv prindere a unui obiect;

Dezvoltarea unei metode originale de control hibrid forță-poziție pentru controlul sistemelor de prehensiune pentru roboți și mâini umanoide inteligente. Pentru aceasta:

s-au modelat cinematic și dinamic degetele mâinii robotice;

s-au dezvoltat programe software originale pentru modelarea cinematică și dinamică a degetelor mâinii;

s-a dezvoltat o nouă schemă de control hibrid forță-poziție bazată pe rețele neuronale

s-a proiectat și implementat câte o rețea neuronală pentru a rezolva problemele de cinematică inversă, respectiv, dinamică directă;

s-a implementat schema de control în mediul de simulare creat cu scopul de a studia mișcarea mâinii pentru operațiile de închidere a degetelor, respectiv prindere a unui obiect;

s-a dezvoltat un program software original pentru implementarea schemei de control hibrid forță poziție pentru sisteme de prehensiune pentru roboți și mâini umanoide inteligente;

Validarea performanțelor mediului de simulare creat folosind metoda proiecției virtuale:

dezvoltarea unei metode de control cinematic pentru mâna robotică proiectată în mediu virtual

dezvoltarea unui program software pentru implementarea în timp real a schemei de control cinematic, folosind metoda proiecției virtuale

Construirea unui model experimental real al mâinii robotice proiectată în mediul virtual

Dezvoltarea și implementarea unei legi de control în poziție pentru modelul experimental, ce se deosebește de cea dezvoltată la punctul 5 prin faptul că modelul experimental este acționat prin tendoane, și prin urmare modelul matematic este diferit.

Elaborarea unei metode originale de optimizare a procesului de prehensiune ce presupune un algoritm de preconfigurare a mâinii robotice, în funcție de forma obiectului:

dezvoltarea și implementarea software a unei metode de simulare a unei game cât mai largi de posibile informații ce pot proveni de la cei doi senzori referitoare la stările în care se poate găsi mediul de lucru analizat

dezvoltarea și implementarea software a unui algoritm de obținere a valorilor de încredere generalizată, bazat pe logica neutrosofică

dezvoltarea și implementarea software a unui algoritm de obținere a valorilor de fuziune folosind teoria Dezert-Smarandache

dezvoltarea și implementarea software a unui algoritm de decizie ce procesează valorile de fuziune menționate anterior și încadrarea obiectului țintă într-o clasă de referință

Cercetările și studiile realizate pe parcursul stagiului de pregătire doctorală au stat la baza dezvoltării unui număr de 16 lucrări științifice publicate la conferințe și reviste naționale și internaționale, validând astfel rezultatele obținute. Dintre aceste lucrări, una este în curs de publicare în jurnalul Advanced Robotics, care este indexat ISI și are factor de impact 0.569, o lucrare a fost acceptată pentru susținere la conferința ROBOTICS 2014, care este indexată ISI, 6 lucrări sunt indexate BDI, 8 lucrări au fost susținute la conferințe organizate de Academia Română. Din aceste 16 lucrări, 8 lucrări au fost publicate sau sunt în curs de publicare ca prim autor, iar la 8 lucrări am fost co-autor.

Importanța și actualitatea subiectelor de cercetare abordate în lucrare au prezentat interes colectivelor naționale și internaționale de cercetare, aspect dovedit de colaborările realizate cu profesori de prestigiu de la universități și centre de cercetare din țară și din străinătate, precum: Prof. Hongnian YU [15-17] de la Bournemouth University UK, Prof Xianchao Zhao [18] de la Universitatea Shanghai Jiao Tong, Prof. Vladimir Balan [19] de la Universitatea Politehnica din București, Prof. Radu Ioan Munteanu [20] și Prof. Radu Adrian Munteanu [10], de la Universitatea Tehnică din Cluj-Napoca, , Prof. Gabriela Tonț [15], Prof. Mircea Boscoianu [21] de la Academia Forțelor Aeriene „Henri Coandă” Brașov, CS Tudor Sireteanu [22], CS Doina Marin [23], CS Videa Emil [22] de la Institutul de Mecanica Solidelor.

Lista completă a lucrărilor publicate sunt prezentate în cele ce urmează:

Lucrări indexate ISI:

Dănuț Bucur, Luige Vlădăreanu, Hongnian Yu, Xianchao Zhao, Ștefan Dumitru, „Hybrid force-position humanoid hand control in 3d virtual environment”, Acceptat spre publicare Robotics 2014.

Dănuț Bucur. Alexandru Gal, „Robot Hand Grasp Configuration Deciding Algorithm Based on DSmT”, În curs de publicare Advanced Robotics, indexare ISI, factor de impact 0.569

Lucrări indexate BDI:

Vlădăreanu, L., Tont, G., Hongnian Yu, Bucur, D.A., “The petri nets and markov chains approach for the walking robots dynamical stability control”, International Conference on Advanced Mechatronic Systems (ICAMechS), Zhengzhou, China, August 2011, pp. 228 – 233, ISBN: 978-1-4577-1698-0

Ștefan A. Dumitru, Dănuț A. Bucur, Vladimir Balan, Obstacle detection in robot vision using an improved optical low algorithm, The V-th International Conference of Differential Geometry and Dynamical Systems, Bucharest, Romania, October 2011

Ștefan Adrian Dumitru, Dan Bucur, Doina Marin, “Methods and Algorithms for Motion Control of Walking Mobile Robot with Obstacle Avoidance”, Proceedings of the European Computing Conference, Paris, France, April 2011, pp. 404-409, ISBN: 978-960-474-297-4

Dănuț A. Bucur, Ștefan A. Dumitru, “Genetic Algorithm for Walking Robots Motion Optimization”, Recent Researches in System Science, Corfu, Greece, July 2011, pp.364-369, ISBN: 978-1-61804-023-7

Ștefan A. Dumitru, Dănuț A. Bucur, “Walking Robot Method Control Using Artificial Vision”, Recent Researches in System Science, Corfu, Greece, July 2011, pp.370-375, ISBN: 978-1-61804-023-7

Șt.A.Dumitru, D.A.Bucur, M.Boscoianu, L.Vlădăreanu,Intelligent exoskeleton structures for military applications, Latest Advances in Information Science, Circuits and Systems Proceedings of the 13th WSEAS International Conference on Evolutionary Computing (EC12), Iasi, Romania, 13-15 iunie 2012, pp. 122-127, ISSN: 1790-5109, ISBN: 978-1-61804099-2.

Lucrări publicate la Conferințe Naționale:

Dănuț A. BUCUR, Hongnian YU, Luige VLĂDĂREANU, Ștefan A. DUMITRU, “Genetic Algorithm For Walking Robots Power Optimization”, The Annual Symposium of the Institute of Solid Mechanics 2011, Bucharest, Romania

Dănuț A. BUCUR, Hongnian YU, Luige VLĂDĂREANU, Ștefan A. DUMITRU, “Intelligent Control of Walking Mobile Robot with Obstacle Avoidances”, The Annual Symposium of the Institute of Solid Mechanics 2011, Bucharest, Romania

Dănuț A. Bucur, Ștefan A. Dumitru, Luige Vlădăreanu, “Inverse Kinematics For A 3-Dof Planar Manipulator Using Neural Networks”, The Annual Symposium of the Institute of Solid Mechanics 2012, Bucharest, Romania

Ștefan Dumitru, Luige Vlădăreanu, Dan Bucur, „Obstacle Avoidance Intelligent Robot Control Method Based On Optical Flow And Neural”, The Annual Symposium of the Institute of Solid Mechanics 2012, Bucharest, Romania

Dănuț Bucur, Ștefan Dumitru, Luige Vlădăreanu, Radu Adrian Munteanu,” Humanoid robotic hand modeling in virtual environment”, The Annual Symposium of the Institute of Solid Mechanics 2013, Bucharest, Romania.

Dumitru Ștefan, Luige Vlădăreanu, Radu I. Munteanu, Dănuț Bucur, “Obstacle avoidance method based on neutrosophic logic”, The Annual Symposium of the Institute of Solid Mechanics 2013, Bucharest, Romania

Bucur A. D., Dumitru A. Șt. (IMSAR, Bucharest) Humanoid Hand Control in 3D Environment. The Annual Symposium of the Institute of Solid Mechanics 2014, Bucharest, Romania.

Videa E.M., Sireteanu T., Bucur D.A., Dumitru Șt.A. (IMSAR, Bucharest) Designing a set of optimized Stockbridge type dampers for controlling the overhead line vibrations induced by the wind. Part two: Experimental optimization and characterization of some new models. The Annual Symposium of the Institute of Solid Mechanics 2014, Bucharest, Romania.

De asemenea, pe parcursul pregătirii doctorale am fost cooptat pentru a face parte din echipele de cercetare a 2 proiecte internaționale:

Real-time adaptive networked control of rescue robots, acronim RABOT, 2012-2015, 7th Framework Program for Research, Project Marie Curie, International Research Staff Exchange Scheme (IRSES), coordonator: Staffordshire University, UK, parteneri: Institutul de Mecanica Solidelor al Academiei Române, Bournemouth University UK, Shanghai Jiao Tong University CN, Institute of Automation Chinese Academy of Sciences CN, Yanshan University CN, Prof. Hongnian Yu, UK – coordonator proiect, Prof. Luige Vlădăreanu coordonator IMSAR, Dănuț Adrian Bucur – membru în proiectul FP7. Ca membru în echipa de cercetare, mi-au survenit ca sarcini, proiectarea în mediu virtual a robotului de salvare, ce face subiectul de cercetare al proiectului.

Platforma robot versatilă, inteligentă, portabilă cu sisteme de control în rețele adaptive pentru roboți de salvare – VIPRO din programul național PNII, acceptat la finanțare pentru 2014-2016, Parteneri:lista partenerilor, Dănuț Adrian Bucur – membru în proiectul FP7. Ca membru în echipa de cercetare, mi-au survenit ca sarcini, proiectarea în mediu virtual a structurii robotizate, ce face subiectul de cercetare al proiectului.

Concluzii.

Studiul și îmbunătățirea metodelor de control pentru mișcarea sistemelor de prehensiune pentru roboți și mâini umanoide inteligente reprezintă scopul principal al prezentei teze de doctorat. În acest sens s-a realizat un studiu aprofundat al cercetărilor în domeniul structurilor mecanice al sistemelor de prehensiune și cel al controlului acestor structuri.

Contribuțiile aduse prin această lucrare domeniului controlului inteligent, concentrat pe controlul mâinilor umanoide inteligente constau în dezvoltarea unui mediu de simulare pentru controlul acestor sisteme, am propus și testat o metodă de control hibrid forță-poziție, folosind metoda proiecției virtuale am validat performanțele mediului de simulare dezvoltat și am propus o metodă de optimizare a procesului de prehensiune prin selectarea taxonomiei corespunzătoare formei obiectului de prehensat.

Dezvoltarea metodelor de control pentru structurile robotizate, pe lângă abordarea teoretică, presupune și testarea acestora, fapt pentru care este necesar un model experimental al sistemului de controlat. Pentru subiectul abordat în lucrare, am proiectat în mediu virtual o mână robotică antropomorfă ce se aseamănă, din punct de vedere al dimensiunilor, cu mâna umană. Mâna robotică a fost proiectată astfel încât să poată fi realizată fizic folosind tehnologia de imprimare 3D, așadar modelului 3D i s-a atribuit ca material ABS plastic (material folosit de imprimantele 3D) și astfel modelul virtual a căpătat toți parametrii dinamici. Acest aspect permite testarea legilor de control fără a fi necesar un model experimental construit fizic, ce ar implica cheltuieli considerabile. De aici a apărut necesitatea dezvoltării unui mediu de simulare ce permite testarea cu succes a unei game largi de legi de control, singura limitare provenind de la capacitățile sistemului de calcul.

Cu ajutorul acestui mediu de simulare am implementat o schemă de control hibrid forță-poziție pentru controlul mâinii robotice proiectată în mediu virtual. Scopul a fost acela de a studia comportamentul mâinii pe parcursul operațiilor de închidere a degetelor, respectiv, de apucare a unui obiect. Schema de control folosește două rețele neuronale, una pentru a rezolva problema cinematică inversă și cealaltă pentru a rezolva problema dinamică inversă. Prin simulările realizate am dovedit că rețelele neuronale reprezintă o soluție viabilă pentru controlul în timp real. Rezolvarea problemelor de cinematică inversă, respectiv dinamică inversă, se face mult mai repede folosind rețelele neuronale decât prin rezolvarea analitică a sistemelor de ecuații.

Pentru a valida performantele mediului de simulare dezvoltat, folosind metoda proiecției virtuale, am realizat un studiu experimental, implementând o schemă de control cinematic pentru mâna proiectată în mediu virtual. Metoda proiecției virtuale permite testarea legilor de control în timp real, fără a avea sistemul construit fizic. Folosind această tehnică, metoda de control este transmisă la un modul de comandă și control ce transmite semnalul de referință către actuatoare. Cu ajutorul unor senzori se citește poziția la care au ajuns motoarele și informația este transmisă către o interfață virtuală prin care se pune în mișcare modelul proiectat în mediu 3D. De aici sunt măsurate pozițiile articulațiilor sistemului studiat și cu ajutorul lor se închide bucla de control. Diferența între rezultatele obținute prin simulare și rezultatele experimentale este foarte mică, de unde se trage concluzia că mediul de simulare poate fi folosit cu încredere. De asemenea am construit un model experimental pornind de la specificațiile mâinii proiectată în mediu virtual. Diferența între controlul realizat prin metoda proiecției virtuale și cel al modelului experimental provine de la faptul că acesta din urmă este acționat prin tendoane și prin urmare modelul cinematic diferă deoarece trebuie ținut cont de lungimea tendoanelor în generarea semnalului de comandă al motoarelor. În urma experimentului s-a obținut o eroare mai mare decât în situația experimentării cu metoda proiecției virtuale. Această diferență provine de la faptul că, în dezvoltarea modelului de control pentru modelul experimental s-a considerat că tendoanele sunt inelastice. Acționarea prin tendoane, este des întâlnită la mâinile robotice antropomorfe deoarece permite construirea unei structuri care să realizeze mișcări foarte apropiate de cele ale mâinii umane.

În finalul lucrării am propus un algoritm de optimizare a procesului de prehensiune prin configurarea degetelor mâinii în funcție de forma obiectului. Din studiile realizate am observat că fiecărui obiect îi corespunde o taxonomie de prindere ce depinde de forma acestuia. În cadrul metodei propuse, am considerat că mediul de operare al robotului este captat cu un sistem stereoscopic și cu un senzor Kinect. Cu ajutorul datelor provenite de la acești senzori se creau două imagini virtuale 3D ale mediului de lucru. În aceste imagini se izola obiectul țintă și era comparat cu un set de imagini eșantion. Pentru a demonstra funcționarea algoritmului, am ales trei taxonomii de prindere și fiecăreia i-am atribuit o clasă geometrică ce înglobează forma obiectului ce se poate prinde folosind o anumită taxonomie. Ulterior, cu ajutorul unui algoritm de potrivire a modelelor, se obținea un procentaj de potrivire între obiectul țintă și cele trei imagini eșantion. Toate aceste etape (captarea imaginilor din mediu, izolarea obiectului, compararea cu imaginile eșantion) le-am considerat deja dezvoltate în literatura de specialitate, scopul fiind acela de a dezvolta un algoritm de decizie care să proceseze aceste informații. Procentajele de potrivire erau procesate cu un algoritm de neutrosoficare pentru a obține masele de încredere generalizate folosite ca intrare pentru un algoritm ce aplica teoria Dezert-Smarandache. După aplicarea acestei teorii se obțin valori de fuziune pentru fiecare stare posibilă în care se poate găsi sistemul studiat. Pe baza acestor valori de fuziune, cu ajutorul unui algoritm de decizie, dezvoltat de autor, obiectul țintă este încadrat într-una din categoriile căutate, determinându-se astfel taxonomia de prehensiune optimă. Această metodă poate fi folosită cu succes pentru aplicații în timp real, timpul de generare a deciziei fiind foarte scurt.

Importanța și actualitatea subiectelor de cercetare abordate în lucrare au prezentat interes colectivelor naționale și internaționale de cercetare, aspect dovedit de colaborările realizate cu profesori de prestigiu de la universități și centre de cercetare din țară și din străinătate, precum: Prof. Hongnian YU [15-17] de la Bournemouth University UK, Prof Xianchao Zhao [18] de la Universitatea Shanghai Jiao Tong, Prof. Vladimir Balan [19] de la Universitatea Politehnica din București, Prof. Radu Ioan Munteanu [20] și Prof. Radu Adrian Munteanu [10], de la Universitatea Tehnică din Cluj-Napoca, Prof. Gabriela Tonț [15], Prof. Mircea Boscoianu [21] de la Academia Forțelor Aeriene „Henri Coandă” Brașov, CS Tudor Sireteanu [22], CS Doina Marin [23], CS Videa Emil [22] de la Institutul de Mecanica Solidelor.

De asemenea, pe parcursul pregătirii doctorale am fost cooptat pentru a face parte din echipele de cercetare a 2 proiecte internaționale:

Real-time adaptive networked control of rescue robots, acronim RABOT, 2012-2015, 7th Framework Program for Research, Project Marie Curie, International Research Staff Exchange Scheme (IRSES), coordonator: Staffordshire University, UK, parteneri: Institutul de Mecanica Solidelor al Academiei Române, Bournemouth University UK, Shanghai Jiao Tong University CN, Institute of Automation Chinese Academy of Sciences CN, Yanshan University CN, Prof. Hongnian Yu, UK – coordonator proiect, Prof. Luige Vlădăreanu coordonator IMSAR, Dănuț Adrian Bucur – membru în proiectul FP7. Ca membru în echipa de cercetare, mi-au survenit ca sarcini, proiectarea în mediu virtual a robotului de salvare, ce face subiectul de cercetare al proiectului.

Platforma robot versatilă, inteligentă, portabilă cu sisteme de control în rețele adaptive pentru roboți de salvare – VIPRO din programul național PNII, acceptat la finanțare pentru 2014-2016, Director de proiect – Prof.dr.ing. Luige Vlădareanu, Dănuț Adrian Bucur – membru în proiectul FP7. Ca membru în echipa de cercetare, mi-au survenit ca sarcini, proiectarea în mediu virtual a structurii robotizate, ce face subiectul de cercetare al proiectului.

Cercetările prezentate în această lucrare de doctorat pot fi continuate prin modelarea întregului braț robotic și testarea unor legi de control pentru a simula și observa întregul proces de prehensiune și manipulare a obiectelor. De asemenea poate fi dezvoltat un sistem de interacțiune om-mașină pentru a implementa algoritmul de optimizare propus în lucrare, și folosind metoda proiecției virtuale, să se studieze întreg procesul de prehensare și manipulare a unui obiect astfel încât să se obțină un pachet de proceduri pentru ca brațul robotic modelat să poată fi implementat cu ușurința pe orice sistem robotic.

9. Bibliografie

[1] W. Jimmy, G. Gini, Robotic hands: design review and proposal of new design process, World Academy of Science, Engineering and Technology 26 26 (17) (2007) 85–90.

[2] K. Salisbury, Design and control of an articulated hand, in: Proccedings of 1st International Symposium on Design and Synthesis, Tokyo, 1984.

[3] K. Salisbury, J. Craig, Articulated hands: force control and kinematic issues, The International Journal of Robotics Research 1 (1) (1982) 04–17.

[4] L. Zexiang, H. Ping, S. Shankar, Grasping and coordinated manipulation by a multifingered robot hand, The International Journal of Robotics Research 8 (4) (1989) 33–50.

[5] E. AlGallaf, A. Allen, K. Warwick, A survey of multi-fingered robot hands: issues and grasping achievements, Journal of Mechatronics 3 (4) (1993) 465–491.

[6] Kovacs, Fr., Cojocaru, G. – Manipulatoare, roboți și aplicațiile lor industriale, Ed. Facla, Timișoara, 1982

[7] Dudiță, Fl., Diaconescu, D.V. – Optimizarea structurala a mecanismelor, Ed Tehnică, București, 1987

[8] Kato, I. – Mechanical hands ilustrated, Japan, 1977

[9] Mason, M.T., Salisbury, J.K. Jr. – Robot hands and the Mechanics of Manipulation, MIT Press, 1985

[10] Danut Bucur, Stefan Dumitru, Luige Vladareanu, Radu Adrian Munteanu,” Humanoid robotic hand modeling in virtual environment”, The Annual Symposium of the Institute of Solid Mechanics 2013, Bucharest, Romania.

[11] Dănuț Bucur, Luige Vlădăreanu, Hongnian Yu, Xianchao Zhao, Ștefan Dumitru, „Hybrid force-position humanoid hand control in 3d virtual environment”, Acceptat spre publicare Robotics 2014.

[12] Bucur A. D., Dumitru A. Șt. (IMSAR, Bucharest) Humanoid Hand Control in 3D Environment. The Annual Symposium of the Institute of Solid Mechanics 2014, Bucharest, Romania.

[13] Vlădăreanu L., L. M. Velea, R. Munteanu, A. Curaj, S. Cononovici, T. Sireteanu, L. Capitanu, MS Munteanu, Real time control method and device for robot in virtual projection, Patented Invention EU, no. EPO-09464001, 2009

[14] Dănuț Bucur. Alexandru Gal, „Robot Hand Grasp Configuration Deciding Algorithm Based on DSmT”, În curs de publicare Advanced Robotics, indexare ISI, factor de impact 0.569

[15] Vladareanu, L., Tont, G., Hongnian Yu, Bucur, D.A., “The petri nets and markov chains approach for the walking robots dynamical stability control”, International Conference on Advanced Mechatronic Systems (ICAMechS), Zhengzhou, China, August 2011, pp. 228 – 233, ISBN: 978-1-4577-1698-0

[16] Danut A. BUCUR, Hongnian YU, Luige VLĂDĂREANU, Stefan A. DUMITRU, “Genetic Algorithm For Walking Robots Power Optimization”, The Annual Symposium of the Institute of Solid Mechanics 2011, Bucharest, Romania

[17] Danut A. BUCUR, Hongnian YU, Luige VLĂDĂREANU, Stefan A. DUMITRU, “Intelligent Control of Walking Mobile Robot with Obstacle Avoidances”, The Annual Symposium of the Institute of Solid Mechanics 2011, Bucharest, Romania

[18] Dănuț Bucur, Luige Vlădăreanu, Hongnian Yu, Xianchao Zhao, Ștefan Dumitru, „Hybrid force-position humanoid hand control in 3d virtual environment”, Acceptat spre publicare Robotics 2014.

[19] Stefan A. Dumitru, Danut A. Bucur, Vladimir Balan, “Obstacle detection in robot vision using an improved optical flow algorithm”, The V-th International Conference of Differential Geometry and Dynamical Systems, Bucharest, Romania, October 2011

[20] Dumitru Stefan, Luige Vladareanu, Radu I. Munteanu, Danut Bucur, “Obstacle avoidance method based on neutrosophic logic”, The Annual Symposium of the Institute of Solid Mechanics 2013, Bucharest, Romania

[21] St.A.Dumitru, D.A.Bucur, M.Boscoianu, L.Vladareanu,Intelligent exoskeleton structures for military applications, Latest Advances in Information Science, Circuits and Systems Proceedings of the 13th WSEAS International Conference on Evolutionary Computing (EC12), Iasi, Romania, 13-15 iunie 2012, pp. 122-127, ISSN: 1790-5109, ISBN: 978-1-61804099-2.

[22] Videa E.M., Sireteanu T., Bucur D.A., Dumitru Șt.A. (IMSAR, Bucharest) Designing a set of optimized Stockbridge type dampers for controlling the overhead line vibrations induced by the wind. Part two: Experimental optimization and characterization of some new models.

[23] Stefan Adrian Dumitru, Dan Bucur, Doina Marin, “Methods and Algorithms for Motion Control of Walking Mobile Robot with Obstacle Avoidance”, Proceedings of the European Computing Conference, Paris, France, April 2011, pp. 404-409, ISBN: 978-960-474-297-4

[27] Bauer, P., Nouak, S., Winkler, R. – A brief course in Fuzzy Logic and Fuzzy Control, http://www.flll.uni-linz.ac.at/pdw/fuzzy/fuzzy.html

[28] Morris, A. S., Zalzala, A. M. – Neural Networks for Robotic Control: Theory and Applications, Ellis Horwood, 1996

[29] Koza, J. – Genetic Programming, http://www.genetic-programming.com/johnkoza.html

[30] Arimoto, Suguru. "Modeling and Control of Multi-Body Mechanical Systems: Part II Grasping under Rolling Contacts between Arbitrary Shapes." Advances in the Theory of Control, Signals and Systems with Physical Modeling. Springer Berlin Heidelberg, 2011. 17-29

[31] Lippiello, V., Siciliano, B., & Villani, L. (2011, June). A grasping force optimization algorithm with dynamic torque constraints selection for multi-fingered robotic hands. In American Control Conference (ACC), 2011 (pp. 1118-1123). IEEE.

[32] Kenji Tahara, Suguru Arimoto, and Morio Yoshida. Dynamic object manipulation using a virtual frame by a triple soft-fingered robotic hand. In Robotics and Automation (ICRA), 2010 IEEE International Conference on , pages 4322–4327. IEEE, 2010.

[33] Kenji Tahara, Keigo Maruta, Akihiro Kawamura, and Motoji Yamamoto. Externally sensorless dynamic regrasping and manipulation by a triple-fingered robotic hand with torsional fingertip joints. In Robotics and Automation (ICRA), 2012 IEEE International Conference on , pages 3252–3257. IEEE, 2012

[34] Fukui, W.; Kobayashi, F.; Kojima, F.; Nakamoto, H.; Maeda, T.; Imamura, Nobuaki; Sasabe, K.; Shirasawa, H., "Fingertip force and position control using force sensor and tactile sensor for Universal Robot Hand II," Robotic Intelligence In Informationally Structured Space (RiiSS), 2011 IEEE Workshop on , vol., no., pp.43,48, 11-15 April 2011 doi: 10.1109/RIISS.2011.5945785

[35] Hu, Lei, et al. "A Force-Position Control System Based on Soft Tissue under Large Deformation." Advances in Mechanical Engineering 2013 (2013).

[36] Mohajerpoor, R., et al. "A robust adaptive hybrid force/position control scheme of two planar manipulators handling an unknown object interacting with an environment." Proceedings of the Institution of Mechanical Engineers, Part I: Journal of Systems and Control Engineering (2011): 0959651811424251

[37] Bolandi, Hossein, and Amir F. Ehyaei. "Position/Force Control of a Dual Cooperative Manipulator System Based on a Singularly Perturbed Dynamic Model." International Journal of Robotics and Automation 27.1 (2012): 76

[38] Xu, Qingsong. "Design and Smooth Position and Force Switching Control of a Miniature Gripper for Automatic Microhandling." (2014): 1-1

[39] Gal, I. A., Munteanu, R. I., Melinte, O., & Vladareanu, L. (2013, May). A new approach of sliding motion robot control using bond graph. In Advanced Topics in Electrical Engineering (ATEE), 2013 8th International Symposium on (pp. 1-6). IEEE.

[40] Ying, X., & Tengzhou, Y. (2010, December). Simulation and implement of traditional Chinese finger-kneading based on hybrid force position control. In Information Science and Engineering (ICISE), 2010 2nd International Conference on (pp. 5384-5387). IEEE.

[41] Wang, L. (2012, July). Adaptive Jacobian force/position tracking of free-floating manipulators in compliant contact with uncertain environment. In Control Conference (CCC), 2012 31st Chinese (pp. 3137-3142). IEEE.

[42] Deshpande, A. D., Ko, J., Fox, D., & Matsuoka, Y. (2013). Control strategies for the index finger of a tendon-driven hand. The International Journal of Robotics Research, 32(1), 115-128.

[43] ODHNER, Lael U., et al. A compliant, underactuated hand for robust manipulation. The International Journal of Robotics Research, 2014, 33.5: 736-752.

[44] Li, M., Ranzani, T., Sareh, S., Seneviratne, L. D., Dasgupta, P., Wurdemann, H. A., & Althoefer, K. (2014). Multi-fingered haptic palpation utilizing granular jamming stiffness feedback actuators. Smart Materials and Structures, 23(9), 095007.

[45] Cha, Hyo-Jeong, Kyoung Chul Koh, and Byung-Ju Yi. "Stiffness modeling of a soft finger." International Journal of Control, Automation and Systems 12.1 (2014): 111-117.

[46] LI, Er-chao, Zhan-ming LI, and Wei LI. "Fuzzy adaptive impedance control of robot based on vision [J]." Journal of Central South University (Science and Technology) 2 (2011): 023

[47] Pedro, L. M., Fernandes, G., Stucheli, M., Siqueira, A. A., & Caurin, G. A. (2013, November). A robust manipulation strategy based on impedance control parameters changes and smooth trajectories. In Advanced Robotics (ICAR), 2013 16th International Conference on (pp. 1-7). IEEE.

[48] Caccavale, F., Muscio, G., & Pierri, F. (2013, November). Grasp force and object impedance control for arm/hand systems. In Advanced Robotics (ICAR), 2013 16th International Conference on (pp. 1-6). IEEE.

[49] Chen, Z., Lii, N. Y., Wimbock, T., Fan, S., Liu, H., & Albu-Schaffer, A. (2014). EXPERIMENTAL ANALYSIS ON SPATIAL AND CARTESIAN IMPEDANCE CONTROL FOR THE DEXTEROUS DLR/HIT II HAND. International Journal of Robotics and Automation, 29(1).

[50] Antonio Morales, Mario Prats, Javier Felip, Sensors and Methods for the Evaluation of Grasping, Grasping in Robotics Mechanisms and Machine Science Volume 10, 2013, pp 77-104

[51] Romano, J. M., Hsiao, K., Niemeyer, G., Chitta, S., & Kuchenbecker, K. J. (2011). Human-inspired robotic grasp control with tactile sensing. Robotics, IEEE Transactions on, 27(6), 1067-1079.

[52] Tessitore, G., Sinigaglia, C., & Prevete, R. (2013). Hierarchical and multiple hand action representation using temporal postural synergies. Experimental brain research, 225(1), 11-36

[53] Hang, Kaiyu, Johannes A. Stork, and Danica Kragic. "Hierarchical fingertip space for multi-fingered precision grasping." Proceedings of International Conference on Intelligent Robots and Systems (IROS). 2014

[54] Masato Hirose, Kenichi Ogawa – "Honda humanoid robots development", Phil. Trans. R. Soc. A vol. 365 no. 1850, pp 11-19, 2007

[55] Hui-Hua Zhao, Wen-Loong Ma, Michael B. Zeagler, Aaron D. Ames – "Human-Inspired Multi-Contact Locomotion with AMBER2" ACM/IEEE International Conference on Cyber-Physical Systems (ICCPS), pp.199- 210, 2014, doi: 10.1109/ICCPS.2014.6843723

[56] Maziar A. Sharbafi, Katayon Radkhah, Oskar von Stryk, Andre Seyfarth – "Hopping control for the musculoskeletal bipedal robot: BioBiped", 2014 IEEE/RSJ International Conference on Intelligent Robots and Systems, September 14-18, 2014, Palmer House Hilton, Chicago, IL, USA

[57] Teck Chew Wee – "Mechanical design and optimal control of humanoid robot (TPinokio)" , Source: The Journal of Engineering, 2014, 12 pp. DOI: 10.1049/joe.2013.0256, Online ISSN 2051-3305

[58]Thomas Lampe, Lukas D.J. Fiederer, Martin Voelker, Alexander Knorr, Martin Riedmiller, and Tonio Ball. 2014. A brain-computer interface for high-level remote control of an autonomous, reinforcement-learning-based robotic system for reaching and grasping. In Proceedings of the 19th international conference on Intelligent User Interfaces (IUI '14). ACM, New York, NY, USA, 83-88. DOI=10.1145/2557500.2557533 http://doi.acm.org/ 10.1145/2557500.2557533

[59] Li, Miao, et al. "Learning Object-level Impedance Control for Robust Grasping and Dexterous Manipulation." IEEE International Conference on Robotics and Automation (ICRA). No. EPFL-CONF-196594. 2014.

[60] Kalakrishnan, Mrinal, et al. "Learning force control policies for compliant manipulation." Intelligent Robots and Systems (IROS), 2011 IEEE/RSJ International Conference on. IEEE, 2011.

[61] Kawasaki, H.; Nanmo, S.; Mouri, T.; Ueki, S., "Virtual robot teaching for humanoid hand robot using muti-fingered haptic interface," Communications, Computing and Control Applications (CCCA), 2011 International Conference on , pp.1-6, 3-5 March 2011
doi: 10.1109/CCCA.2011.6031431

[62] A Vakanski, I Mantegh, A Irish, F. Janabi-Sharifi – "Trajectory Learning for Robot Programming by Demonstration Using Hidden Markov Model and Dynamic Time Warping" IEEE transactions on systems, man, and cybernetics. Part B, Cybernetics: a publication of the IEEE Systems, Man, and Cybernetics Society (Impact Factor: 3.01). 03/2012; DOI: 10.1109/TSMCB.2012.2185694

[63] Eric L. Sausera, Brenna D. Argalla, Giorgio Mettab, Aude G. Billard – "Iterative learning of grasp adaptation through human corrections" , Robotics and Autonomous Systems 60 (2012) 55–71

[64] A Mörtl, M Lawitzky, A Kucukyilmaz, Metin Sezgin, Cagatay Basdogan, Sandra Hirche "The role of roles: Physical cooperation between humans and robots" The role of roles: Physical cooperation between humans and robots, The International Journal of Robotics Research November 2012 vol. 31 no. 13 1656-1674

[65] JJ Diehl, LM Schmitt, M Villano, CR Crowell – "The clinical use of robots for individuals with Autism Spectrum Disorders: A critical review" Res Autism Spectr Disord. 2012 Jan-Mar; 6(1): 249–262. doi: 10.1016/j.rasd.2011.05.006

[66] S. Ueki, H. Kawasaki, S. Ito, Y. Nishimoto – "Development of a Hand-Assist Robot With Multi-Degrees-of-Freedom for Rehabilitation Therapy" Mechatronics, IEEE/ASME Transactions on (Volume:17 , Issue: 1 ) Page(s): 136 – 146 ISSN :1083-4435 DOI: 10.1109/TMECH.2010.2090353

[67] JL Meza, V Santibáñez, R Soto, M.A. Llama – "Fuzzy Self-Tuning PID Semiglobal Regulator for Robot Manipulators" Industrial Electronics, IEEE Transactions on , vol.59, no.6, pp.2709,2717, June 2012 doi: 10.1109/TIE.2011.2168789

[68] B. Tamadazte, M. Paindavoine, J. Agnus, V. Petrini – "Four D.o.F. Piezoelectric Microgripper Equipped With a Smart CMOS Camera" Microelectromechanical Systems, Journal of , vol.21, no.2, pp.256,258, April 2012 doi: 10.1109/JMEMS.2011.2180363

[69] R Deimel, O Brock – "A compliant hand based on a novel pneumatic actuator" Robotics and Automation (ICRA), 2013 IEEE International Conference on , vol., no., pp.2047,2053, 6-10 May 2013 doi: 10.1109/ICRA.2013.6630851

[70] E. Mackay, H. R. Le, S. Clark, J. A. Williams – "Polymer micro-grippers with an integrated force sensor for biological manipulation" Journal of Micromechanics and Microengineering Volume 23 Number 1 doi:10.1088/0960-1317/23/1/015005

[71] Chaitanya, S.K.; Dhanalakshmi, K., "Position control of shape memory alloy actuated gripper," Sensing Technology (ICST), 2012 Sixth International Conference on , vol., no., pp.359,364, 18-21 Dec. 2012 doi: 10.1109/ICSensT.2012.6461701

[72] Alberto Rodriguez, Matthew T. Mason, Siddhartha S. Srinivasa – "Manipulation Capabilities with Simple Hands" Experimental Robotics Springer Tracts in Advanced Robotics Volume 79, 2014, pp 285-299

[73] Marco Controzzi, Christian Cipriani, Maria Chiara Carrozza – "Design of Artificial Hands: A Review" The Human Hand as an Inspiration for Robot Hand Development Springer Tracts in Advanced Robotics Volume 95, 2014, pp 219-246

[74] M. T. Mason and J. K. Salisbury, Robot hands and the mechanics of manipulation. Cambridge, MA: MIT Press, 1985.

[75] M. R. Cutkosky, Robotic Grasping and Fine Manipulation. Norwell, MA: Kluwer, 1985

[76] G. Wöhlke, “A programming and simulation environment for the Karlsruhe dexterous hand,” J. Robot. Autonom. Syst., vol. 9, pp. 243–262, 1990.

[77] A. Weigl and M. Seitz, “Vision assisted disassembly using a dexterous hand-arm system: An example and experimental results,” in Proc. IFAC Symp. Robot Control, 1994, pp. 314–322

[78] W. Jongkind, “Dexterous gripping in a hazardous environment,” Ph.D. dissertation, Delft Univ. Technol., 1993

[79]C. R. Tischler, A. E. Samuel, and K. H. Hunt, “Dexterous robot fingers with desirable kinematic forms,” Int. J. Robot. Res., vol. 17, no. 9, pp. 996–1012, 1998.

[80] T. Okada, “Object handling system for manual industry,” IEEE Trans. Syst., Man, Cybern., vol. SMC-9, no. 2, 1979.

[81] R. Menzel, K. Woelfl, and F. Pfeiffer, “Grasping with a dexterous robot hand,” in Proc. IFAC Symp. Robot Control, 1994, pp. 303–308.

[82] S. C. Jacobsen, J. E. Wood, D. F. Knutti, and K. B. Biggers, “The Utah-MIT dexterous hand: Work in progress,” Int. J. Robot. Res., vol. 3, no. 4, pp. 21–50, 1984.

[83] L.B. Bridgwater, C.A. Ihrke, M.A. Diftler, M.E. Abdallah – "The Robonaut 2 hand – designed to do work with tools" Robotics and Automation (ICRA), 2012 IEEE International Conference on , vol., no., pp.3425,3430, 14-18 May 2012 doi: 10.1109/ICRA.2012.6224772

[84] M. Grebenstein, M. Chalon, W. Friedl, S. Haddadin, T. Wimböck, G. Hirzinger, and R. Siegwart, "The hand of the DLR Hand Arm System: Designed for interaction", ;presented at I. J. Robotic Res., 2012, pp.1531-1555.

[85] J. Sun, W. Zhang – "A novel coupled and self-adaptive under-actuated multi-fingered hand with gear–rack–slider mechanism" Journal of Manufacturing Systems – J MANUF SYST 01/2012; DOI: 10.1016/j.jmsy.2011.09.001

[86] A Fernandez, JP Gazeau, S Zeghloul, S Lahouar – "Regrasping objects during manipulation tasks by combining genetic algorithms and finger gaiting" Meccanica April 2012, Volume 47, Issue 4, pp 939-950

[87] T. Okada, “Object handling system for manual industry,” IEEE Trans. Syst., Man, Cybern., vol. SMC-9, no. 2, 1979.

[88] R. Fearing, “Simplified grasping and manipulation with dexterous robot hands,” IEEE J. Robot. Automat., vol. RA-2, pp. 188–195, Aug. 1986

[89] J. Dupuis, Z. Fan, and E.D. Goodman, "Evolutionary Design of Both Topologies and Parameters of a Hybrid Dynamical System", ;presented at IEEE Trans. Evolutionary Computation, 2012, pp.391-405.

[90] J. Felip, J. Laaksonen, A. Morales, V. Kyrki – "Manipulation primitives: A paradigm for abstraction and execution of grasping and manipulation tasks" Robotics and Autonomous Systems, 2013, 61.3: 283-296.

[91] R. Paolini, A. Rodriguez, S.S. Srinivasa, M.T. Mason – "A data-driven statistical framework for post-grasp manipulation" The International Journal of Robotics Research April 2014 vol. 33 no. 4 600-615

[92] N. Dantam, M. Stilman – "The Motion Grammar: Analysis of a Linguistic Method for Robot Control" Robotics, IEEE Transactions on , vol.29, no.3, pp.704,718, June 2013 doi: 10.1109/TRO.2013.2239553

[93] D. J. Montana, “The kinematics of contact and grasp,” Int. J. Robot. Res., vol. 7, no. 3, pp. 17–32, 1988

[94] C. Cai and B. Roth, “On the spatial motion of a rigid body with point contact,” in Proc. IEEE Int. Conf. Robotics and Automation, 1987, pp. 686–695.

[95] N. Ulrich, R. Paul, and R. Bajcsy, “A medium-complexity compliant end effector,” in Proc. IEEE Int. Conf. Robotics and Automation, 1989, pp. 434–436.

[96] K. Mirza and D. E. Orin, “Force distribution for power grasp in the digits system,” in CISM-IFToMM Symp. Theory and Practice of Robots and Manipulators, 1990.

[97] Luige Vladareanu, Alexandru Gal, A Multi-Functional Approch of the HFPC Walking Robots, Proceedings of the 15th International Conference on Systems, Corfu Island, Greece, July 14-16, 2011, pg.339-345, ISBN: 978-1-61804-023-7, ISSN: 1792-4235

[98] Victor Vladareanu, Gabriela Tont, Luige Vladareanu, Florentin Smarandache, , “The navigation of mobile robots in non-stationary and non-structured environments”, Inderscience Publishers, Int. J. Advanced Mechatronic Systems, Vol. 5, No. 4, 2013, pg.232- 243, ISSN online: 1756-8420, ISSN print: 1756-8412, ERA\_ID 41210, IJAMechS is listed in: Excellence in Research for Australia: Journal list 2012 , Scopus (Elsevier)

[99] Vladareanu, L., Tont, G., Ion, I., Munteanu, M. S., Mitroi, D., "Walking Robots Dynamic Control Systems on an Uneven Terrain", Advances in Electrical and Computer Engineering, ISSN 1582-7445, e-ISSN 1844-7600, vol. 10, no. 2, pp. 146-153, 2010, doi: 10.4316/AECE.2010.02026

[100] Z. Xu, V. Kumar, E. Todorov, „A low-cost and modular, 20-DOF Anthropomorphic robotic hand: Design, actuation and modelling”, IEEE-RAS International Conference on Humanoid Robots (Humanoids), 2013.

[101] A. Jaffar, M. S. Bahari, C. Y. Low, R. Jaafar, „Design and Control of a Multifingered Anthropomorphic Robotic Hand International”, Journal of Mechanical & Mechatronics Engineering IJMME-IJENS, Vol: 11, No: 04, August 2011

[102] R. Souza, A. Bernardino, J. Santos-Victor, A. Billard, „On the Representation of Anthropomorphic Robot Hands: Shape versus Function, 12th IEEE-RAS International Conference on Humanoid Robots, Nov.29-Dec.1, 2012. Business Innovation Center Osaka, Japan

[103] C. H. Chen, D.S. Naidu, “Hybrid Control Strategies for a Five-finger Robotic Hand”, Biomedical Signal Processing and Control, Elsevier, vol. 8, pp. 382– 390, 2013.

[104] R. Boughdiri , H. Nasser , H. Bezine , N. K. M Sird, A. M. Alimi, A. Naamane, “Dynamic Modeling and Control of a Multi-Fingered Robot Hand for Grasping Task”, Int. Symposium on Robotics and Intelligent Sensors (IRIS), Procedia Engineering, vol. 41, pp. 923–931, 2012.

[105] "History of CAD/CAM". CADAZZ. 2004.

[106] http://www.autodesk.com/products/autodesk-inventor-family/overview

[107] MATHWORKS, SimMechanics Getting Started Guide, 2011

[108] MATHWORKS, SimMechanics Link User’s Guide, 2011

[109] A. Bazaei, M. Moallem, Force transmission through a structurally flexible beam: dynamic modeling and feedback control, IEEE Transactions on Control Systems and Technology 17 (5) (2009) 1245–1256.

[110] A. Bazaei, M. Moallem, Control bandwidth improvement in force control of flexible-link arms by output redefinition, IEEE/ASME Transactions on Mechatronics 99 (2010) 1–7.

[111] F.O. Tellez, A.G. Loukianov, E.N. Sanchez, E.J.B. Corrochano, Decentralized neural identification and control for uncertain nonlinear systems: application to planar robot, Journal of the Franklin Institute 347 (6) (2010) 1015–1034.

[112] Y-H. Chen, X. Zhang, Adaptive robust approximate constraint-following control for mechanical systems, Journal of the Franklin Institute 347 (1) (2010) 69–86.

[113] Luige Vladareanu, Victor Vladareanu, Paul Schiopu, “Hybrid Force-Position Dynamic Control of the Robots Using Fuzzy Applications”, Applied Mechanics and Materials Vol. 245 (2013) pp 15-23©(2013) Trans Tech Publications, Switzerland, ISSN print 1660-9336, web ISSN: 1662-7482, doi:10.4028/www.scientific.net/AMM.245.15

[114] Vladareanu Victor, Schiopu Paul, Vladareanu Luige, “Theory and Application of Extension Hybrid Force-Position Control In Robotics”, U.P.B. Sci. Bull., Series A, ISSN 1223-7027, acceptata pentru publicare in 2014.

[115] Vladareanu L., Capitanu L., „Hybrid Force-Position Systems with Vibration Control for Improvment of Hip Implant Stability” J. of Biomechanics, vol. 45, S279, Elsevier, 2012, ISSN 0021-9290, FI 2,434

[116] Luige Vlădăreanu, Gabriela Tonț, Ion Ion, Victor Vlădăreanu, Daniel Mitroi, Modeling and Hybrid Position-Force Control of Walking Modular Robots, Proceedings of American Conference on Applied Matematics(AMERICAN-MATH ’10), ISBN: 978-960-474-150-2, ISSN: 1790-2769, pp.510-518, 10 pg, Harvard University, .Cambridge, USA, January, 27-29, 2010

[117] N. Ciblak, H. Lipkin, „Design and Analysis of Remote Center of Compliance Structures”, Journal of Robotic Systems,Volume 20, Issue 8, pages 415–427, August 2003

[118] A. Noshadi, M. Mailah, A. Zolfagharian, „Active force control of 3-RRR planar parallel manipulator”, 2nd International Conference on Mechanical and Electrical Technology (ICMET), pp.77-81, Singapore, 2010

[119] K. Sreenath, H.W. Park, I. Poulakakis, J.W. Grizzle, „Embedding active force control within the compliant hybrid zero dynamics to achieve stable, fast running on MABEL”, The International Journal of Robotics Research, vol. 32, no. 3, pp:324-345, 2013

[120] K. Rabenorosoa, C.Clévy, P. Lutz, „Active force control for robotic micro-assembly: Application to guiding tasks”, IEEE International Conference on Robotics and Automation (ICRA), 2010.

[121] L. Vladareanu, „Open architecture systems for the compliance robots control”, WSEAS Transactions on Systems, 5(9), 2243-2249, 2006

[122] L. Vladareanu, I. Ion, E. Diaconescu, G. Tont, L.M. Velea, D. Mitroi, „The hybrid position and force control of robots with compliance function”, Proceedings of the 10th WSEAS international conference on Mathematical and computational methods in science and engineering, pp. 384-389, 2008

[123] J.J. Craig and M. H. Raibert, “A systematic method of hybrid position/force control of a manipulator”, IEEE Computer Software and Applications Conference, vol. 1, (1979), pp.446-451.

[124] J.J. Craig and M.H. Raibert, “Hybrid position/force control of manipulators”, ASME Journal of Dynamic Systems, Measurement and Control, vol. 102, (1981), pp.126-133

[125] H. Zhang and R. P.Paul, "Hybrid Control Of Robot Manipulators," in International Confer-ence on Robotics and Automation, IEEE Computer Society, March 1985. St. Louis, Missouri, pp.602-607.

[126] Duleba I, Opalka M. A comparision of jacobian-based methods of inverse kinematics for serial robot manipulators. Int.J. Appl.Math. Comput.Sci 2013;23(2):373-382.

[127] Featherstone, R.; Orin, D., "Robot dynamics: equations and algorithms," Robotics and Automation, 2000. Proceedings. ICRA '00. IEEE International Conference on , vol.1, pp.826,834 vol.1, 2000

[128] Vidyasagar, M. – Optimal rejection of persistent bounded disturbances, IEEE Trans. Auto. Control, vol. AC-31, no. 6, pp. 527-534, June 1986

[129] Slotine, J.-J.E., Li, W. – On the adaptive control of robot manipulators, Int. J. Robotics Res., vol. 6, no. 3, pp. 147-157, Fall 1987

[130] Ortega, R., Spong, M.W. – Adaptive control of robot manipulators: A tutorial, Automatica, vol. 25, no. 6, pp. 877-888, 1989

[131] Koditschek, D. – Natural motion of robot arms, in Proc. IEEE Conference on Decision and Control, Las Vegas, 1984

[132] Anderson, R., Spong, M. W. – Bilateral teleoperation with time delay, IEEE Trans. Aut. Cont., vol. 34, no. 5, pp. 494-501, May 1989

[133] Chiddarwar, S. S., & Ramesh Babu, N. (2010). Comparison of RBF and MLP neural networks to solve inverse kinematic problem for 6R serial robot by a fusion approach. Engineering applications of artificial intelligence, 23(7), 1083-1092.

[134] Denavit, Jacques; Hartenberg, Richard Scheunemann (1955). "A kinematic notation for lower-pair mechanisms based on matrices". Trans ASME J. Appl. Mech 23: 215–221.

[135] Chiddarwar, S. S., & Ramesh Babu, N. (2010). Comparison of RBF and MLP neural networks to solve inverse kinematic problem for 6R serial robot by a fusion approach. Engineering applications of artificial intelligence, 23(7), 1083-1092.

[136] Glorot, X., & Bengio, Y. (2010). Understanding the difficulty of training deep feedforward neural networks. In International Conference on Artificial Intelligence and Statistics (pp. 249-256).

[137] Nanda, S. K., Panda, S., Subudhi, P. R. S., & Das, R. K. (2012). A novel application of artificial neural network for the solution of inverse kinematics controls of robotic manipulators. International Journal of Intelligent Systems and Applications (IJISA), 4(9), 81

[138] Shabana, Ahmed A. Dynamics of multibody systems. Cambridge university press, 2013.

[139] Meirovitch, Leonard. Methods of analytical dynamics. Courier Dover Publications, 2010

[140] Abdellatif, H., & Heimann, B. (2009). Computational efficient inverse dynamics of 6-DOF fully parallel manipulators by using the Lagrangian formalism. Mechanism and Machine Theory, 44(1), 192-207

[141] Xia, Changliang, Chen Guo, and Tingna Shi. "A neural-network-identifier and fuzzy-controller-based algorithm for dynamic decoupling control of permanent-magnet spherical motor." Industrial Electronics, IEEE Transactions on 57.8 (2010): 2868-2878

[142] http://www.robofun.ro/docs/2010-10-26-DataSheet-FSR400-Layout2.pdf

[143] O.I.Sandru, L.Vladareanu, A.Sandru, Grasping objects with mobile robots, Proceedings of the 9th International Conference on Applications of Electrical Engineering (AEE’10), Penang, Malaysia, pp. 210-215, 2010, ISSN: 1790-5117, ISBN: 978-960-474-171-7.

[144] Luige Vladareanu, “High Precision Positioning Control System for a Nano Micro Manipulators Platform”, The 12th International Conference on Systems Theory and Scientific Computation (ISTASC '12), Istanbul, Turkey August 21-23, 2012, pp. 8, Plenary Lecture

[145] Kino, H., Kikuchi, S., Matsutani, Y., Tahara, K., & Nishiyama, T. (2013). Numerical analysis of feedforward position control for non-pulley musculoskeletal system: a case study of muscular arrangements of a two-link planar system with six muscles. Advanced Robotics, 27(16), 1235-1248

[146] Butler, H. (2011). Position control in lithographic equipment. IEEE Control Systems Magazine, 31(5), 28-47.

[147] Matsutani, Y., Ochi, H., Kino, H., Tahara, K., & Yamamoto, M. (2013, November). Feed-forward positioning of musculoskeletal-like robotic systems with muscular viscosity: Determination of an adequate internal force. In Advanced Robotics and its Social Impacts (ARSO), 2013 IEEE Workshop on (pp. 7-12). IEEE

[148] http://arduino.cc/en/Main/ArduinoBoardMega2560

[149] http://www.robofun.ro/mecanice/servo/servo_medium

[150] Vladareanu L.: Open Architecture Systems for the Position-Force Real Time Robots Control with Compliance Function, Proceedings of the 10th International Conference on SYSTEMS, Vouliagmeni, Athens, Greece, July 10-12, 2006 (pp477-482), ISSN: 1790-5117, ISBN: 960-8457-47-5, cotata ISI (http://worldses.org/indexes/ )

[151] Luige Vladareanu, Mihaela Iliescu, Lucian M. Velea, Daniel Mitroi, The Multi-Tasking Robot Control through Open Architecture Systems, 8th International Conference on SYSTEMS THEORY and SCIENTIFIC COMPUTATION (ISTASC’08) Rhodes, Greece, August 20-22, 2008, pg. 185.191, ISSN: 1790-2769, ISBN: 978-960-6766-96-1, ISI Proceedings

[152] G.Tont, L.Vladareanu, R.A.Munteanu, D.G.Tont, Fuzzy Petri Net-based approach in modelling simultaneous task assignment for robotic system, Recent Advances in Applied Mathematics – Proceedings of the American Conference on Applied Mathematics, Harvard University, Cambridge, USA, January 27-29, 2010, pp. 409-414, ISBN: 978-960-474-150-2, ISSN: 1790-2769

[153] A. Bicchi, “Hands for dextrous manipulation and robust grasping: a difficult road towards simplicity,” IEEE Trans. on Robotics and Automation, vol. 16, no. 6, pp. 652–662, December 2000.

[154] A. De Luca, B. Siciliano, and L. Zollo, “PD control with on-line gravity compensation for robots with elastic joints: Theory and experiments,” Automatica, vol. 41, no. 10, pp. 1809 – 1819, 2005.

[155] B. Rooks, “The harmonious robot,” Industrial Robot: Int. J., vol. 33, pp. 125–130, 2006.

[156] A. Rost and A. Verl, “The quadhelix-drive – an improved rope actuator for robotic applications,” in Proc. IEEE Int. Conf. Robotics and Automation, 2010, pp. 3254 –3259.

[157] R. Balasubramanian and Y. Matsuoka, “Biological stiffness control strategies for the anatomically correct testbed (ACT) hand,” in Robotics and Automation (ICRA), 2008 IEEE International Conference on, May 2008.

[158] M. Vande Weghe, M. Rogers, M. Weissert, and Y. Matsuoka, “The ACT hand: design of the skeletal structure,” in Robotics and Automation, 2004. Proceedings. ICRA ’04. 2004 IEEE International Conference on, vol. 4, apr. 2004, pp. 3375 – 3379.

[159] A. Deshpande, J. Ko, D. Fox, and Y. Matsuoka, “Anatomically correct testbed hand control: Muscle and joint control strategies,” in Robotics and Automation (ICRA), 2009 IEEE International Conference on, May 2009, pp. 4416 –4422

[160] M. Grebenstein and P. van der Smagt, “Antagonism for a highly anthropomorphic hand-arm system,” Advanced Robotics, no. 22, pp. 39–55, 2008.

[161] M. Chalon, T. Wimb¨ock, and G. Hirzinger, “Torque and workspace analysis for flexible tendon driven mechanisms,” in 2010 IEEE ICRA, Anchorage, Alaska, USA, May 3-8 2010, pp. 1175 – 1181.

[162] A. Albu-Sch¨affer, O. Eiberger, M. Grebenstein, S. Haddadin, C. Ott, T. Wimb¨ock, S. Wolf, and G. Hirzinger, “Soft robotics: from torque feedback controlled lightweight robots to intrinsically compliant systems,” IEEE Robotics and Automation Magazine, vol. 15, no. 3, pp. 20–30, 2008.

[163] V. Vladareanu, O. I. Sandru, L. Vladareanu, H. Yu, “Extension Dynamical Stability Control Strategy for the Walking Robots”, International Journal of Technology Management, SKIMA 2012, Inderscience Publisher, 2013, ISSN online: 1741-5276, ISSN print: 0267-5730

[164] L. Vladareanu, G. Tont, I. Ion, L.M. Velea, A. Gal, O.Melinte, 'Fuzzy DynamicModeling forWalking Modular Robot Control', Proceedings of the 9th WSEAS International Conference on Applications of Electrical Engineering (AEE '10), Penang, Malaysia, 2010, pag:163-170, ISBN: 978-960-474-171-7, 8 ISSN: 1790-2769.

[165] K. Kozlowski, W. Kowalczik, 'Motion Control for Formation of Mobile Robots in Environment with Obstacles', Studies in Computational Intelligence, Towards Intelligent Engineering and Information Technology, Volume 243, 2009, Springer, pp. 203-219

[166] T. Szpe, 'Sensor Based Control of an Autonomous Wheeled Mobile Robot', Proceedings from PROSENSE 3rd Seminar Presentations, Institute Joef Stefan, Ljubljana, Slovenia, 2010, pp. 34-37.

[167] C. Pozna, V. Prahoveanu, R.E. Precup, 'A new pattern of knowledge based on experimenting the causal relation', Proceedings of the 14th IEEE International Conference on Intelligent Engineering Systems, Las Palmas, Gran Canaria Spain, May 5-7,2010, pp. 61-66

[168] Z. Xu, V. Kumar, E. Todorov, „A low-cost and modular, 20-DOF Anthropomorphic robotic hand: Design, actuation and modelling”, IEEE-RAS International Conference on Humanoid Robots (Humanoids), 2013.

[169] A. Jaffar, M. S. Bahari, C. Y. Low, R. Jaafar, „Design and Control of a Multifingered Anthropomorphic Robotic Hand International”, Journal of Mechanical & Mechatronics Engineering IJMME-IJENS, Vol: 11, No: 04, August 2011

[170] M. A. Roa , M. J. Argus , D. Leidner , C. Borst and G. Hirzinger „Power grasp planning for anthropomorphic robot hands”, Proc. IEEE Int. Conf. Robot. Autom., pp.663 -569 2012 doi: 10.1109/ICRA.2012.6225068

[171] R. Souza, A. Bernardino, J. Santos-Victor, A. Billard, „On the Representation of Anthropomorphic Robot Hands: Shape versus Function, 12th IEEE-RAS International Conference on Humanoid Robots, Nov.29-Dec.1, 2012. Business Innovation Center Osaka, Japan

[172] R. Boughdiri , H. Nasser , H. Bezine , N. K. M Sird, A. M. Alimi, A. Naamane, “Dynamic Modeling and Control of a Multi-Fingered Robot Hand for Grasping Task”, International Symposium on Robotics and Intelligent Sensors (IRIS), Procedia Engineering, Elsevier, vol. 41, pp. 923–931, 2012.

[173] V. Lippiello, B. Siciliano, L. Villani, “Multi-fingered Grasp Synthesis based on the Object Dynamic Properties”, Robotics and Autonomous Systems, Elsevier, vol. 61, pp. 626–636, 2013.

[174] A. M. Zaid, M. A. Yaqub, „UTHM HAND: Performance of Complete System of Dexterous Anthropomorphic Robotic Hand”, International Symposium on Robotics and Intelligent Sensors (IRIS), Procedia of Engineering, Elsevier, vol. 41, pp. 777-783, 2012.

[175] T. Yoshikawa, „Multifingered robot hands: Control for grasping and manipulation”, Annual Reviews in Control 34.2 (2010): 199-208

[176] Bullock, IM.; Ma, R.R.; Dollar, AM., „A hand-centric classification of human and robot dexterous manipulation”, IEEE Transactions on Haptics, vol.6, no.2, pp.129,144, (2013).

[177] N. Dechev, W. L. Cleghorn, S. Naumann, „Thumb design of an experimental prosthetic hand”, Proceedings of the International Symposium on Robotics and Automation, 2000

[178] R.C. Ormaechea, „Robotic Hands”, Advanced Mechanics in Robotic Systems. Springer London, 2011. 19-39.

[179] A. Kochan, „Shadow delivers first hand”, Industrial Robot Journal, vol. 32, Issue 1, 2005, pp.15-16

[180] A. Bicchi, „Hands for Dexterous Manipulation and Robust Grasping: A Difficult Road Toward Simplicity”, IEEE Transactions on Robotics and Automation, Vol. 16, No. 6, pp. 652-662, 2000.

[181] H. Kawasaki, T. Komatsu, K. Uchiyama, „Dextrous Anthropomorphic Robot Hand with Distributed Tactile Sensor: Gifu Hand II”, IEEE/ASME Trans. on Mechatronics, Vol. 7, No. 3, pp. 296-303, 2002.

[182] H. Liu, P. Meusel, G. Hirzinger, M. Jin, Y. Liu, Z. Xie, „The Modular Multisensory DLR-HIT-Hand: Hardware and Software Architecture”, IEEE/ASME Trans. on Mechatronics, Vol. 13, No. 4, pp. 461-469, 2008.

[183] L. Zollo, S. Roccella, E. Guglielmelli, M. C. Carrozza, P. Dario, „Biomechatronic Design and Control of an Anthropomorphic Artificial Hand for Prosthetic and Robotic Applications”, IEEE/ASME Trans. On Mechatronics, Vol. 12, No. 4, pp. 418-429, 2007.

[184] E. Lopez-Damian, D. Sidobre, R. Alami, „Grasp planning for non-convex objects”, International Symposium on Robotics, Vol. 36, 2005

[185] C. Borst, M. Fischer, G. Hirzinger, „Calculating hand configurations for precision and pinch grasps”, IEEE/RSJ International Conference on Intelligent Robots and Systems, Vol. 2. IEEE, 2002.

[186] A.T Miller et al., „Automatic grasp planning using shape primitives”, IEEE International Conference on Robotics and Automation, Vol. 2., 2003.

[187] D. Ding, Y.-H. Liu, S. Wang, „Computing 3-D optimal form-closure grasps”, Proc. of the 2000 IEEE International Conference on Robotics and Automation, pages 3573–3578, San Fransisco, CA, April 2000

[188] J. Napier, „The prehensile movements of the human hand”, Journal of Bone and Joint Surgery, 38B(4):902–913, November 1956.

[189] M. R. Cutkosky, P. K. Wright, „Modeling manufacturing grips and correlation with the design of robotic hands”, Proc. of the 1986 IEEE International Conference on Robotics and Automation, pages 1533–1539, San Francisco, CA, 1986.

[190] T. Iberall, „Human prehension and dexterous robot hands”, The International Journal of Robotics Research, 16(3):285–299, June 1997

[191] S. A. Stansfield, „Robotic grasping of unknown objects: A knowledge-based approach”, International Journal of Robotics Research, 10(4):314–326, August 1991

[192] X. Lai, H. Wang, Y. Xu, „A Real-time Range Finding System with Binocular Stereo Vision”. Int J Adv Robot Syst, 2012, 9:26. doi: 10.5772/50921

[193] A. Oliver, B. C. Wünsche, S. Kang, B. MacDonald, „Using the Kinect as a Navigation Sensor for Mobile Robotics”, Proceedings of the 27th Conference on Image and Vision Computing New Zealand, pp. 509-514, 2012, ISBN: 978-1-4503-1473-2

[194] I. A. Aljarrah, A. S. Ghorab, I. M. Khater, „Object Recognition System using Template Matching Based on Signature and Principal Component Analysis”, International Journal of Digital Information and Wireless Communications (IJDIWC) 2(2), pp: 156-163, 2012, ISSN 2225-658X

[195] F. Smarandache, J. Dezert, „Applications and Advances of DSmT for Information Fusion”, Vol. 3, American Research Press, Rehoboth, 2009.

[196] B. Khaleghi et al., „Multisensor data fusion: A review of the state-of-the-art”, Information Fusion Volume 14, Issue 1, pp: 28-44, 2013.

[197] D. Hall, J. Llinas, eds. „Multisensor data fusion”, CRC press, 2001.

[198] D. Hall, D. Lee, S.A.H. McMullen, „Mathematical techniques in multisensor data fusion”, Artech House, 2004.

[199] Z. Jian et al., „Data fusion for magnetic sensor based on fuzzy logic theory”, IEEE International Conference on Intelligent Computation Technology and Automation (ICICTA),. Vol. 1., 2011.

[200] R.C. Luo, Y.C. Chou, O. Chen, „Multisensor fusion and integration: algorithms, applications, and future research directions”, IEEE International Conference on Mechatronics and Automation, 2007.

[201] M. Munz, K. Dietmayer, M. Mahlisch, „Generalized fusion of heterogeneous sensor measurements for multi target tracking”, 13th Conference on Information Fusion (FUSION), 2010, pp. 1-8.

[202] Yong Jiang, Hong-Guang Wang, Ning Xi, „Target Object Identification and Location Based on Multi-sensor Fusion”, International Journal of Automation and Smart Technology, vol. 3, no 1, pp. 57 – 67, 2013

[203] D. L. Hall, B. Hellar, M. D. McNeese, „Rethinking the data overload problem: closing the gap between situation assessment and decision-making”, Proceedings of the National Symposium on Sensor Data Fusion, June, 2007

[204] J. Esteban et al., „A review of data fusion models and architectures: towards engineering guidelines”, Neural Computing & Applications, Vol 14, Issue 4, pp: : 273-281, 2005.

[205] A. Chilian, H. Hirschmuller, M. Gorner, „Multisensor data fusion for robust pose estimation of a six-legged walking robot”, IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2011.

[206] B. V. Dasarathy, „Editorial: Information fusion in the realm of medical applications – a bibliographic glimpse at its growing appeal, Information Fusion 13 (1) (2012) pp. 1–9.

[207] Kessler et al., „Functional Description of the Data Fusion Process”, Tech Rep., Office of Naval Technol., Naval Air Development Ctr., Warminster, PA, Jan. 1992

[208] D. L. Hall, R. J. Linn, “Survey of commercial software for multisensor data fusion”, Proc. SPIE Conf. Sensor Fusion and Aerospace Applications, Orlando, FL, Apr. 1991.

[209] F. Wright, “The fusion of multi-source data”, Signal, pp. 39–43, Oct. 1980.

[210] B. R. Gaines, „Fuzzy and Probability Uncertainty Logics”, Information and Control, Volume 38, Issue 2, 1978, pp: 154–169

[211] G. Shafer, A Mathematical Theory of Evidence. Princeton University Press, 1976, vol. 73, no. 363.

[212] A. Sahbani, S. El-Khoury, P. Bidaud, „An Overview of 3D Object Grasp Synthesis Algorithms”, Robotics and Autonomous Systems, vol.60, no.3, pp.326-336, 2012.

[213] R. De Souza, S. El Khoury, A. Billard, „Towards comprehensive capture of human grasping and manipulation skills”, Thirteenth International Symposium on the 3-D Analysis of Human Movement. No. EPFL-CONF-198301. 2014.

[214] I. M. Bullock, A. M. Dollar, „Classifying Human Manipulation Behavior”, 2011 IEEE International Conference on Rehabilitation Robotics Rehab Week Zurich, ETH Zurich Science City, Switzerland, pp:1-6, 2011

[215] A. Morales, P. Azad, T. Asfour, D. Kraft, S. Knoop, R. Dillmann, A. Kargov, Ch. Pylatiuk, S. Schulz, „An anthropomorphic grasping approach for an assistant humanoid robot”, International Symposium of Robotics, 2006

[216] R. Etienne – Cwnmings, P. Pouliquen, M. A. Lewis, „Single chip for imaging, color segmentation, histogramming and template matching”, Electron Lett., vol. 38, no. 4, pp. 172 -174, Feb. (2002).

[217] T. Kawanishi, T. Kurozumi, K. Kashino, S. Takagi, „A Fast Template Matching Algorithm with Adaptive Skipping Using Inner – Subtemplates Distances”, Proc. of the 17th Int. Conf. on Pattern Recognition, vol. 3, pp. 654 – 657, Aug. (2004).

[218] D. Schonfeld, „On the relation of order-statistics filters and template matching: optimal morphological pattern recognition”, IEEE Trans. on Image Process., vol. 9, no. 5, pp. 945-949, May (2000).

[219] M. Gharavi – Alkhansari, „A Fast Globally Optimal Algorithm for Template Matching Using Low – Resolution Pruning”, IEEE Trans. Image Processing, vol. 10, no. 4, pp. 526 – 533, Apr. (2001).

[220] I. Guskov, „Kernel – based Template Alignment”, Proc. of IEEE Computer Society Conf on Computer Vision and Pattern Recognition, pp. 610 – 617, (2006).

[221] A. Gal, L. Vladareanu, H. Yu, „Applications of Neutrosophic Logic Approaches in ”RABOT” Real Time Control”, SISOM 2012 and Session of the Commission of Acoustics, Bucharest, 2013.

[222] F. Smarandache, „Neutrosophy a new branch of Philosophy”, Multi. Val. Logic – Special Issue: Neutrosophy and Neutrosophic Logic, 2002, Vol. 8(3), pp.297-384, ISSN:1023-6627.

[223] J. Dezert, F. Smarandache, „DSmT: A New Paradigm Shift for Information Fusion”, Proceedings of Cogis ’06 Conference, Paris, March 2006.

[224] F. Smarandache, J. Dezert, „Applications and Advances of DSmT for Information Fusion”, Am. Res. Press, Rehoboth, 2004.

[225] F.Smarandache, L.Vlădăreanu, Applications of Neutrosophic Logic to Robotics – An Introduction, The 2011 IEEE International Conference on Granular Computing Kaohsiung, Taiwan, Nov. 8-10, 2011, pp. 607-612, ISBN 978-1-4577-0370-6, IEEE Catalog Number: CFP11GRC-PRT.

[226] F. Smarandache, „A Unifying Field in Logics: Neutrosophic Field, Multiple-Valued Logic / An International Journal”, Vol. 8, No. 3, 385-438, 2002.

[227] F. Smarandache, “Neutrosophy : neutrosophic probability, set, and logic ; analytic synthesis & synthetic analysis”, Gallup, NM : American Research Press, 1998. – 105 p., ISBN 1-87958-563-4.

[228] S. Emadi, F. Shams, „Modeling of component diagrams using Petri Nets, Indian Journal of Science and Technology, Vol. 3 No. 12, pp: 1151 – 1161, 2010, ISSN: 0974- 6846

[229] G.Tont, L.Vladareanu, R.A.Munteanu, D.G.Tont, Fuzzy Petri Net-based approach in modelling simultaneous task assignment for robotic system, Recent Advances in Applied Mathematics – Proceedings of the American Conference on Applied Mathematics, Harvard University, Cambridge, USA, January 27-29, 2010, pp. 409-414, ISBN: 978-960-474-150-2, ISSN: 1790-2769

Anexa 1: Reprezentarea mâinii robotice în mediu CAD

Anexa 2: Proprietățile constructive ale mâinii robotice

Tabelul A2.1 Proprietățile constructive ale mâinii robotice

Anexa 3: Reprezentarea mâinii robotice în mediul de simulare

Anexa 4: Algoritm Maple pentru generarea ecuațiilor cinematice

>

––––––––––––––––––––––––-

Initializare date

––––––––––––––––––––––––-

Tabel parametri Denavit-Hartenberg

––––––––––––––––––––––––-

Construire matrici de transformare

––––––––––––––––––––––––-

Matricea de tranformare de la Origine la End-effector

––––––––––––––––––––––––-

Matricea de pozitionare

––––––––––––––––––––––––-

Anexa 5: Determinarea ecuațiilor dinamice ale degetului mare al mâinii

Ecuațiile dinamice se scriu simbolic sub forma

(A5.1)

unde este matricea parametrilor inerțiali ai degetului studiat și este de dimensiune , este vectorul de dimensiune ce conține parametrii centrifugali și Coriolis, iar este vectorul gravitațional de dimensiune . Elementele matricelor și sunt funcții complexe ce depind de pozițiile tuturor articulațiilor degetului mâinii, iar elementele depind atât de pozițiile articulațiilor cât și de vitezele acestora . , respectiv, , sunt vectori de dimensiune ce reprezintă, pozițiile, vitezele, respectiv, accelerațiile articulațiilor degetului, iar reprezintă numărul de grade de libertate ale degetului.

Pentru a determina elementele matricei se pornește de la formula de calcul a energiei cinetice:

(A5.2)

unde reprezintă masa segmentului , și reprezintă matricele Jacobian ale vitezelor liniare și unghiulare, reprezintă tensorul inerțial al segmentului , reprezintă matricea de transformare a orientarii dintre corpul atașat sistemului de coordonate și sistemul inerțial.

Folosind relația A5.2, se calculează energia cinetică pentru fiecare segment al degetului.

Pentru segmentul 1 al degetului mare, avem:

masa segmentului

matricea Jacobian a vitezelor liniare

(A5.3)

matricea vitezelor unghiulare

tensorul inerțial (generat de mediul de simulare)

Conform relației 4.6, energia cinetică pentru segmentul 1 este

Pentru segmentul 2 al degetului mare, avem:

masa segmentului

matricea Jacobian a vitezelor liniare

(A5.4)

matricea vitezelor unghiulare

tensorul inerțial (generat de mediul de simulare)

Conform relației A5.2, energia cinetică pentru segmentul 2 este

Pentru segmentul 3 al degetului mare, avem:

masa segmentului

matricea Jacobian a vitezelor liniare

(A5.5)

matricea vitezelor unghiulare

tensorul inerțial (generat de mediul de simulare)

Conform relației A5.2, energia cinetică pentru segmentul 3 este

Energia cinetică totală a degetului reprezintă suma energiilor cinetice ale fiecărui segment constructiv:

Energia cinetică mai poate fi scrisă sub formă matriceală astfel:

(A5.7)

Înlocuind

și

în relația A5.7 se obține:

Egalând relațiile A5.6 și A5.7 se obțin elementele matricei inerțiale

Egalitățile , , respectiv , au loc deoarece matricea parametrilor inerțiali este matrice simetrică.

Având determinate elementele matricei inerțiale, se pot determina parametrii centrifugali și Coriolis, folosind formula:

(A5.8)

Matricea se obține din derivatele după timp ale elementelor matricei inerțiale și conține parametrii centrifugali. Această matrice are forma:

unde

Matricea din relatia A5.8 conține parametrii Coriolis și se determină astfel:

unde

Înlocuind și în relația A5.8 se obține

unde

Vectorul gravitațional , din relația A5.1, influențează întreg degetul și se determină ca sumă a vectorilor gravitaționali ce influențează fiecare segment component al degetului:

unde matricele pentru fiecare segment de deget în parte au fost calculate în relațiile A5.3, A5.4 respectiv, A.5.5, reprezintă masele segmentelor, iar vectorul reprezintă axa pe care acționează forța gravitațională asupra segmentului de deget. Vectorul gravitațional este de forma:

unde

Având calculate matricea de inerție , vectorul parametrilor centrifugali și Coriolis , , respectiv, vectorul gravitațional , acestea sunt înlocuite în relația A5.1 și se obține vectorul cuplurilor ce realizează mișcarea degetelor:

unde

Anexa 6: Algoritm Maple pentru generarea ecuațiilor dinamice

>

Calcul Matrice de masa M

Calcul Energie Cinetica K1

–––––––––-

Calcul Energie Cinetica K2

–––––––––-

Calcul Energie Cinetica K3

–––––––––-

Calcul Energie Cinetica Totala K

–––––––––-

Formula Energie Cinetica Totala K din produs matrici

–––––––––-

Calcul coeficienti matrice de inertie M

>

Calcul Forte centrifugale si Coriolis

–––––––––-

Calcul m_ij derivat in functie de timp

>

Calcul vector gravitational

Calcul G1 pt primul segment

–––––––––––––––––-

Calcul G2 pt al doilea segment

–––––––––––––––––-

Calcul G3 pt al treilea segment

–––––––––––––––––-

Calcul G total

Anexa 7: Implementarea schemei de control forță-poziție în mediul de simulare

Fig. A7.2 Detalierea blocului „Panou de control”

Fig. A7.3 Detalierea blocului „Control in timp real al degetelor mâinii robotice”

Anexa 8: Implementarea schemei de control cinematic cu scopul experimentării folosind metoda proiecției virtuale

Fig. A8.2 Detalierea blocului „Control Servomotoare”

Fig. A8.3 Detalierea blocului „Control_Servomotoare_Deget_Mare”

Fig. A8.4 Detalierea blocului „Feedback Servomotoare”

Fig. A8.5 Detalierea blocului „Control_Servomotoare_Deget_Mare”

Anexa 9: Implementarea schemei de control cinematic pentru mâna robotică cu acționări multiple

Fig. A9.3 Detalierea blocului „Control Servomotoare”

Fig. A9.4 Detalierea blocului „Feedback Servomotoare”

Anexa 10: Algoritm Matlab pentru neutrosoficarea datelor provenite de la observatori

function [TBi, TCi, TCu, iCuCi, iCuBi, iCiBi, iTCuCiBi, sum] = Data_Neutrosophication_Computation(pBi, pCi, pCu)

init();

limit_max = getLimitMax();

const = getValue();

dBCi = abs(pBi – pCi);

dBCu = abs(pBi – pCu);

dCiCu = abs(pCi – pCu);

iTCuCiBi = 1-(dBCi + dBCu + dCiCu)/0.25;

if (iTCuCiBi < 0)

iTCuCiBi = 0;

end;

if (pCu < pBi)

TCu_bi = 0;

if (pBi – pCu)>0.5

TBi_cu = 1;

iTCuBi = 0;

else

TBi_cu = (pBi – pCu)/const;

iTCuBi = 1 – TBi_cu;

end;

else

TBi_cu = 0;

if (pCu – pBi)>0.5

TCu_bi = 1;

iTCuBi = 0;

else

TCu_bi = (pCu – pBi)/const;

iTCuBi = 1 – TCu_bi;

end;

end;

if (pCu < pCi)

TCu_ci = 0;

if (pCi – pCu)>0.5

TCi_cu = 1;

iTCuCi = 0;

else

TCi_cu = (pCi – pCu)/const;

iTCuCi = 1 – TCi_cu;

end;

else

TCi_cu = 0;

if (pCu – pCi)>0.5

TCu_ci = 1;

iTCuCi = 0;

else

TCu_ci = (pCu – pCi)/const;

iTCuCi = 1 – TCu_ci;

end;

end;

if (pCi < pBi)

TCi_bi = 0;

if (pBi-pCi)>0.5

TBi_ci = 1;

iTCiBi = 0;

else

TBi_ci = (pBi – pCi)/const;

iTCiBi = 1 – TBi_ci;

end;

else

TBi_ci = 0;

if (pCi-pBi)>0.5

TCi_bi = 1;

iTCiBi = 0;

else

TCi_bi = (pCi – pBi)/const ;

iTCiBi = 1 – TCi_bi;

end;

end;

TCu = (1-iTCuCiBi)*(TCu_ci + TCu_bi)/3;

TCi = (1-iTCuCiBi)*(TCi_bi + TCi_cu)/3;

TBi = (1-iTCuCiBi)*(TBi_ci + TBi_cu)/3;

iCuCi = (1-iTCuCiBi)*iTCuCi/3;

iCuBi = (1-iTCuCiBi)*iTCuBi/3;

iCiBi = (1-iTCuCiBi)*iTCiBi/3;

sum = TCu + TBi + TCi + iCuCi + iCuBi + iCiBi + iTCuCiBi;

Anexa 11: Algoritm Matlab pentru luarea deciziei în urma fuziunii datelor

function [ State ] = Decide_Hand_Grasping_Method( mCu, mBi, mCi, miCuCi, miCuBi, miCiBi, miCuCiBi, mcCuCi, mcCuBi, mcCiBi, mcBi_iCuCi, mcCu_iCiBi, mcCi_iCuBi, Current_State )

State = Current_State;

prag_1 = 0.2;

prag_2 = 0.2;

prag_3 = 0.2;

prag_4 = 0.2;

switch (Maxim(mcBi_iCuCi, mcCu_iCiBi, mcCi_iCuBi))

case '1'

if (mcBi_iCuCi>=prag_1)

State = 1; %Bila

return;

end;

case '2'

if (mcCu_iCiBi>=prag_1)

State = 2; %cub

return;

end;

case '3'

if (mcCi_iCuBi>=prag_1)

State = 3; %cilindru

return;

end;

end;

switch (Maxim(mcCuCi, mcCuBi, mcCiBi))

case '1'

if (mcCuCi>=prag_2)

if (mCu + miCuBi)>(mCi + miCiBi)

State = 2; %cub

return;

else if (mCu + miCuBi)<(mCi + miCiBi)

State = 3; %cilindru

return;

else

State = Current_State;

return;

end;

end;

end;

case '2'

if (mcCuBi>=prag_2)

if (mCu + miCuCi)>(mBi + miCiBi)

State = 2; %cub

return;

else if (mCu + miCuCi)<(mBi + miCiBi)

State = 1; %Bila

return;

else

State = Current_State;

return;

end;

end;

end;

case '3'

if (mcCiBi>=prag_2)

if (mCi + miCuCi)>(mBi + miCuBi)

State = 3; %cilindru

return;

else if (mCi + miCuCi)<(mBi + miCuBi)

State = 1; %Bila

return;

else

State = Current_State;

return;

end;

end;

end;

end;

if (miCuCiBi >= prag_3)

State = Current_State;

return;

end;

switch (Maxim(miCuCi, miCuBi, miCiBi))

case '1'

if (miCuCi>=prag_4)

if (mCu > mCi)

State = 2; %cub

return;

else if (mCu < mCi)

State = 3; %cilindru

return;

else

State = Current_State;

return;

end;

end;

end;

case '2'

if (miCuBi>=prag_4)

if (mCu > mBi)

State = 2; %cub

return;

else if (mCu < mBi)

State = 1;%Bila

return;

else

State = Current_State;

return;

end;

end;

end;

case '3'

if (miCiBi>=prag_4)

if (mCi > mBi)

State = 3; %cilindru

return;

else if (mCi < mBi)

State = 1;%Bila

return;

else

State = Current_State;

return;

end;

end;

end;

end;

switch(Maxim(mCu, mBi, mCi))

case '1'

State = 2; %cub

return;

case '2'

State = 1; %Bila

return;

case '3'

State = 3; %cilindru

return;

end

end

Bibliografie

[1] W. Jimmy, G. Gini, Robotic hands: design review and proposal of new design process, World Academy of Science, Engineering and Technology 26 26 (17) (2007) 85–90.

[2] K. Salisbury, Design and control of an articulated hand, in: Proccedings of 1st International Symposium on Design and Synthesis, Tokyo, 1984.

[3] K. Salisbury, J. Craig, Articulated hands: force control and kinematic issues, The International Journal of Robotics Research 1 (1) (1982) 04–17.

[4] L. Zexiang, H. Ping, S. Shankar, Grasping and coordinated manipulation by a multifingered robot hand, The International Journal of Robotics Research 8 (4) (1989) 33–50.

[5] E. AlGallaf, A. Allen, K. Warwick, A survey of multi-fingered robot hands: issues and grasping achievements, Journal of Mechatronics 3 (4) (1993) 465–491.

[6] Kovacs, Fr., Cojocaru, G. – Manipulatoare, roboți și aplicațiile lor industriale, Ed. Facla, Timișoara, 1982

[7] Dudiță, Fl., Diaconescu, D.V. – Optimizarea structurala a mecanismelor, Ed Tehnică, București, 1987

[8] Kato, I. – Mechanical hands ilustrated, Japan, 1977

[9] Mason, M.T., Salisbury, J.K. Jr. – Robot hands and the Mechanics of Manipulation, MIT Press, 1985

[10] Danut Bucur, Stefan Dumitru, Luige Vladareanu, Radu Adrian Munteanu,” Humanoid robotic hand modeling in virtual environment”, The Annual Symposium of the Institute of Solid Mechanics 2013, Bucharest, Romania.

[11] Dănuț Bucur, Luige Vlădăreanu, Hongnian Yu, Xianchao Zhao, Ștefan Dumitru, „Hybrid force-position humanoid hand control in 3d virtual environment”, Acceptat spre publicare Robotics 2014.

[12] Bucur A. D., Dumitru A. Șt. (IMSAR, Bucharest) Humanoid Hand Control in 3D Environment. The Annual Symposium of the Institute of Solid Mechanics 2014, Bucharest, Romania.

[13] Vlădăreanu L., L. M. Velea, R. Munteanu, A. Curaj, S. Cononovici, T. Sireteanu, L. Capitanu, MS Munteanu, Real time control method and device for robot in virtual projection, Patented Invention EU, no. EPO-09464001, 2009

[14] Dănuț Bucur. Alexandru Gal, „Robot Hand Grasp Configuration Deciding Algorithm Based on DSmT”, În curs de publicare Advanced Robotics, indexare ISI, factor de impact 0.569

[15] Vladareanu, L., Tont, G., Hongnian Yu, Bucur, D.A., “The petri nets and markov chains approach for the walking robots dynamical stability control”, International Conference on Advanced Mechatronic Systems (ICAMechS), Zhengzhou, China, August 2011, pp. 228 – 233, ISBN: 978-1-4577-1698-0

[16] Danut A. BUCUR, Hongnian YU, Luige VLĂDĂREANU, Stefan A. DUMITRU, “Genetic Algorithm For Walking Robots Power Optimization”, The Annual Symposium of the Institute of Solid Mechanics 2011, Bucharest, Romania

[17] Danut A. BUCUR, Hongnian YU, Luige VLĂDĂREANU, Stefan A. DUMITRU, “Intelligent Control of Walking Mobile Robot with Obstacle Avoidances”, The Annual Symposium of the Institute of Solid Mechanics 2011, Bucharest, Romania

[18] Dănuț Bucur, Luige Vlădăreanu, Hongnian Yu, Xianchao Zhao, Ștefan Dumitru, „Hybrid force-position humanoid hand control in 3d virtual environment”, Acceptat spre publicare Robotics 2014.

[19] Stefan A. Dumitru, Danut A. Bucur, Vladimir Balan, “Obstacle detection in robot vision using an improved optical flow algorithm”, The V-th International Conference of Differential Geometry and Dynamical Systems, Bucharest, Romania, October 2011

[20] Dumitru Stefan, Luige Vladareanu, Radu I. Munteanu, Danut Bucur, “Obstacle avoidance method based on neutrosophic logic”, The Annual Symposium of the Institute of Solid Mechanics 2013, Bucharest, Romania

[21] St.A.Dumitru, D.A.Bucur, M.Boscoianu, L.Vladareanu,Intelligent exoskeleton structures for military applications, Latest Advances in Information Science, Circuits and Systems Proceedings of the 13th WSEAS International Conference on Evolutionary Computing (EC12), Iasi, Romania, 13-15 iunie 2012, pp. 122-127, ISSN: 1790-5109, ISBN: 978-1-61804099-2.

[22] Videa E.M., Sireteanu T., Bucur D.A., Dumitru Șt.A. (IMSAR, Bucharest) Designing a set of optimized Stockbridge type dampers for controlling the overhead line vibrations induced by the wind. Part two: Experimental optimization and characterization of some new models.

[23] Stefan Adrian Dumitru, Dan Bucur, Doina Marin, “Methods and Algorithms for Motion Control of Walking Mobile Robot with Obstacle Avoidance”, Proceedings of the European Computing Conference, Paris, France, April 2011, pp. 404-409, ISBN: 978-960-474-297-4

[27] Bauer, P., Nouak, S., Winkler, R. – A brief course in Fuzzy Logic and Fuzzy Control, http://www.flll.uni-linz.ac.at/pdw/fuzzy/fuzzy.html

[28] Morris, A. S., Zalzala, A. M. – Neural Networks for Robotic Control: Theory and Applications, Ellis Horwood, 1996

[29] Koza, J. – Genetic Programming, http://www.genetic-programming.com/johnkoza.html

[30] Arimoto, Suguru. "Modeling and Control of Multi-Body Mechanical Systems: Part II Grasping under Rolling Contacts between Arbitrary Shapes." Advances in the Theory of Control, Signals and Systems with Physical Modeling. Springer Berlin Heidelberg, 2011. 17-29

[31] Lippiello, V., Siciliano, B., & Villani, L. (2011, June). A grasping force optimization algorithm with dynamic torque constraints selection for multi-fingered robotic hands. In American Control Conference (ACC), 2011 (pp. 1118-1123). IEEE.

[32] Kenji Tahara, Suguru Arimoto, and Morio Yoshida. Dynamic object manipulation using a virtual frame by a triple soft-fingered robotic hand. In Robotics and Automation (ICRA), 2010 IEEE International Conference on , pages 4322–4327. IEEE, 2010.

[33] Kenji Tahara, Keigo Maruta, Akihiro Kawamura, and Motoji Yamamoto. Externally sensorless dynamic regrasping and manipulation by a triple-fingered robotic hand with torsional fingertip joints. In Robotics and Automation (ICRA), 2012 IEEE International Conference on , pages 3252–3257. IEEE, 2012

[34] Fukui, W.; Kobayashi, F.; Kojima, F.; Nakamoto, H.; Maeda, T.; Imamura, Nobuaki; Sasabe, K.; Shirasawa, H., "Fingertip force and position control using force sensor and tactile sensor for Universal Robot Hand II," Robotic Intelligence In Informationally Structured Space (RiiSS), 2011 IEEE Workshop on , vol., no., pp.43,48, 11-15 April 2011 doi: 10.1109/RIISS.2011.5945785

[35] Hu, Lei, et al. "A Force-Position Control System Based on Soft Tissue under Large Deformation." Advances in Mechanical Engineering 2013 (2013).

[36] Mohajerpoor, R., et al. "A robust adaptive hybrid force/position control scheme of two planar manipulators handling an unknown object interacting with an environment." Proceedings of the Institution of Mechanical Engineers, Part I: Journal of Systems and Control Engineering (2011): 0959651811424251

[37] Bolandi, Hossein, and Amir F. Ehyaei. "Position/Force Control of a Dual Cooperative Manipulator System Based on a Singularly Perturbed Dynamic Model." International Journal of Robotics and Automation 27.1 (2012): 76

[38] Xu, Qingsong. "Design and Smooth Position and Force Switching Control of a Miniature Gripper for Automatic Microhandling." (2014): 1-1

[39] Gal, I. A., Munteanu, R. I., Melinte, O., & Vladareanu, L. (2013, May). A new approach of sliding motion robot control using bond graph. In Advanced Topics in Electrical Engineering (ATEE), 2013 8th International Symposium on (pp. 1-6). IEEE.

[40] Ying, X., & Tengzhou, Y. (2010, December). Simulation and implement of traditional Chinese finger-kneading based on hybrid force position control. In Information Science and Engineering (ICISE), 2010 2nd International Conference on (pp. 5384-5387). IEEE.

[41] Wang, L. (2012, July). Adaptive Jacobian force/position tracking of free-floating manipulators in compliant contact with uncertain environment. In Control Conference (CCC), 2012 31st Chinese (pp. 3137-3142). IEEE.

[42] Deshpande, A. D., Ko, J., Fox, D., & Matsuoka, Y. (2013). Control strategies for the index finger of a tendon-driven hand. The International Journal of Robotics Research, 32(1), 115-128.

[43] ODHNER, Lael U., et al. A compliant, underactuated hand for robust manipulation. The International Journal of Robotics Research, 2014, 33.5: 736-752.

[44] Li, M., Ranzani, T., Sareh, S., Seneviratne, L. D., Dasgupta, P., Wurdemann, H. A., & Althoefer, K. (2014). Multi-fingered haptic palpation utilizing granular jamming stiffness feedback actuators. Smart Materials and Structures, 23(9), 095007.

[45] Cha, Hyo-Jeong, Kyoung Chul Koh, and Byung-Ju Yi. "Stiffness modeling of a soft finger." International Journal of Control, Automation and Systems 12.1 (2014): 111-117.

[46] LI, Er-chao, Zhan-ming LI, and Wei LI. "Fuzzy adaptive impedance control of robot based on vision [J]." Journal of Central South University (Science and Technology) 2 (2011): 023

[47] Pedro, L. M., Fernandes, G., Stucheli, M., Siqueira, A. A., & Caurin, G. A. (2013, November). A robust manipulation strategy based on impedance control parameters changes and smooth trajectories. In Advanced Robotics (ICAR), 2013 16th International Conference on (pp. 1-7). IEEE.

[48] Caccavale, F., Muscio, G., & Pierri, F. (2013, November). Grasp force and object impedance control for arm/hand systems. In Advanced Robotics (ICAR), 2013 16th International Conference on (pp. 1-6). IEEE.

[49] Chen, Z., Lii, N. Y., Wimbock, T., Fan, S., Liu, H., & Albu-Schaffer, A. (2014). EXPERIMENTAL ANALYSIS ON SPATIAL AND CARTESIAN IMPEDANCE CONTROL FOR THE DEXTEROUS DLR/HIT II HAND. International Journal of Robotics and Automation, 29(1).

[50] Antonio Morales, Mario Prats, Javier Felip, Sensors and Methods for the Evaluation of Grasping, Grasping in Robotics Mechanisms and Machine Science Volume 10, 2013, pp 77-104

[51] Romano, J. M., Hsiao, K., Niemeyer, G., Chitta, S., & Kuchenbecker, K. J. (2011). Human-inspired robotic grasp control with tactile sensing. Robotics, IEEE Transactions on, 27(6), 1067-1079.

[52] Tessitore, G., Sinigaglia, C., & Prevete, R. (2013). Hierarchical and multiple hand action representation using temporal postural synergies. Experimental brain research, 225(1), 11-36

[53] Hang, Kaiyu, Johannes A. Stork, and Danica Kragic. "Hierarchical fingertip space for multi-fingered precision grasping." Proceedings of International Conference on Intelligent Robots and Systems (IROS). 2014

[54] Masato Hirose, Kenichi Ogawa – "Honda humanoid robots development", Phil. Trans. R. Soc. A vol. 365 no. 1850, pp 11-19, 2007

[55] Hui-Hua Zhao, Wen-Loong Ma, Michael B. Zeagler, Aaron D. Ames – "Human-Inspired Multi-Contact Locomotion with AMBER2" ACM/IEEE International Conference on Cyber-Physical Systems (ICCPS), pp.199- 210, 2014, doi: 10.1109/ICCPS.2014.6843723

[56] Maziar A. Sharbafi, Katayon Radkhah, Oskar von Stryk, Andre Seyfarth – "Hopping control for the musculoskeletal bipedal robot: BioBiped", 2014 IEEE/RSJ International Conference on Intelligent Robots and Systems, September 14-18, 2014, Palmer House Hilton, Chicago, IL, USA

[57] Teck Chew Wee – "Mechanical design and optimal control of humanoid robot (TPinokio)" , Source: The Journal of Engineering, 2014, 12 pp. DOI: 10.1049/joe.2013.0256, Online ISSN 2051-3305

[58]Thomas Lampe, Lukas D.J. Fiederer, Martin Voelker, Alexander Knorr, Martin Riedmiller, and Tonio Ball. 2014. A brain-computer interface for high-level remote control of an autonomous, reinforcement-learning-based robotic system for reaching and grasping. In Proceedings of the 19th international conference on Intelligent User Interfaces (IUI '14). ACM, New York, NY, USA, 83-88. DOI=10.1145/2557500.2557533 http://doi.acm.org/ 10.1145/2557500.2557533

[59] Li, Miao, et al. "Learning Object-level Impedance Control for Robust Grasping and Dexterous Manipulation." IEEE International Conference on Robotics and Automation (ICRA). No. EPFL-CONF-196594. 2014.

[60] Kalakrishnan, Mrinal, et al. "Learning force control policies for compliant manipulation." Intelligent Robots and Systems (IROS), 2011 IEEE/RSJ International Conference on. IEEE, 2011.

[61] Kawasaki, H.; Nanmo, S.; Mouri, T.; Ueki, S., "Virtual robot teaching for humanoid hand robot using muti-fingered haptic interface," Communications, Computing and Control Applications (CCCA), 2011 International Conference on , pp.1-6, 3-5 March 2011
doi: 10.1109/CCCA.2011.6031431

[62] A Vakanski, I Mantegh, A Irish, F. Janabi-Sharifi – "Trajectory Learning for Robot Programming by Demonstration Using Hidden Markov Model and Dynamic Time Warping" IEEE transactions on systems, man, and cybernetics. Part B, Cybernetics: a publication of the IEEE Systems, Man, and Cybernetics Society (Impact Factor: 3.01). 03/2012; DOI: 10.1109/TSMCB.2012.2185694

[63] Eric L. Sausera, Brenna D. Argalla, Giorgio Mettab, Aude G. Billard – "Iterative learning of grasp adaptation through human corrections" , Robotics and Autonomous Systems 60 (2012) 55–71

[64] A Mörtl, M Lawitzky, A Kucukyilmaz, Metin Sezgin, Cagatay Basdogan, Sandra Hirche "The role of roles: Physical cooperation between humans and robots" The role of roles: Physical cooperation between humans and robots, The International Journal of Robotics Research November 2012 vol. 31 no. 13 1656-1674

[65] JJ Diehl, LM Schmitt, M Villano, CR Crowell – "The clinical use of robots for individuals with Autism Spectrum Disorders: A critical review" Res Autism Spectr Disord. 2012 Jan-Mar; 6(1): 249–262. doi: 10.1016/j.rasd.2011.05.006

[66] S. Ueki, H. Kawasaki, S. Ito, Y. Nishimoto – "Development of a Hand-Assist Robot With Multi-Degrees-of-Freedom for Rehabilitation Therapy" Mechatronics, IEEE/ASME Transactions on (Volume:17 , Issue: 1 ) Page(s): 136 – 146 ISSN :1083-4435 DOI: 10.1109/TMECH.2010.2090353

[67] JL Meza, V Santibáñez, R Soto, M.A. Llama – "Fuzzy Self-Tuning PID Semiglobal Regulator for Robot Manipulators" Industrial Electronics, IEEE Transactions on , vol.59, no.6, pp.2709,2717, June 2012 doi: 10.1109/TIE.2011.2168789

[68] B. Tamadazte, M. Paindavoine, J. Agnus, V. Petrini – "Four D.o.F. Piezoelectric Microgripper Equipped With a Smart CMOS Camera" Microelectromechanical Systems, Journal of , vol.21, no.2, pp.256,258, April 2012 doi: 10.1109/JMEMS.2011.2180363

[69] R Deimel, O Brock – "A compliant hand based on a novel pneumatic actuator" Robotics and Automation (ICRA), 2013 IEEE International Conference on , vol., no., pp.2047,2053, 6-10 May 2013 doi: 10.1109/ICRA.2013.6630851

[70] E. Mackay, H. R. Le, S. Clark, J. A. Williams – "Polymer micro-grippers with an integrated force sensor for biological manipulation" Journal of Micromechanics and Microengineering Volume 23 Number 1 doi:10.1088/0960-1317/23/1/015005

[71] Chaitanya, S.K.; Dhanalakshmi, K., "Position control of shape memory alloy actuated gripper," Sensing Technology (ICST), 2012 Sixth International Conference on , vol., no., pp.359,364, 18-21 Dec. 2012 doi: 10.1109/ICSensT.2012.6461701

[72] Alberto Rodriguez, Matthew T. Mason, Siddhartha S. Srinivasa – "Manipulation Capabilities with Simple Hands" Experimental Robotics Springer Tracts in Advanced Robotics Volume 79, 2014, pp 285-299

[73] Marco Controzzi, Christian Cipriani, Maria Chiara Carrozza – "Design of Artificial Hands: A Review" The Human Hand as an Inspiration for Robot Hand Development Springer Tracts in Advanced Robotics Volume 95, 2014, pp 219-246

[74] M. T. Mason and J. K. Salisbury, Robot hands and the mechanics of manipulation. Cambridge, MA: MIT Press, 1985.

[75] M. R. Cutkosky, Robotic Grasping and Fine Manipulation. Norwell, MA: Kluwer, 1985

[76] G. Wöhlke, “A programming and simulation environment for the Karlsruhe dexterous hand,” J. Robot. Autonom. Syst., vol. 9, pp. 243–262, 1990.

[77] A. Weigl and M. Seitz, “Vision assisted disassembly using a dexterous hand-arm system: An example and experimental results,” in Proc. IFAC Symp. Robot Control, 1994, pp. 314–322

[78] W. Jongkind, “Dexterous gripping in a hazardous environment,” Ph.D. dissertation, Delft Univ. Technol., 1993

[79]C. R. Tischler, A. E. Samuel, and K. H. Hunt, “Dexterous robot fingers with desirable kinematic forms,” Int. J. Robot. Res., vol. 17, no. 9, pp. 996–1012, 1998.

[80] T. Okada, “Object handling system for manual industry,” IEEE Trans. Syst., Man, Cybern., vol. SMC-9, no. 2, 1979.

[81] R. Menzel, K. Woelfl, and F. Pfeiffer, “Grasping with a dexterous robot hand,” in Proc. IFAC Symp. Robot Control, 1994, pp. 303–308.

[82] S. C. Jacobsen, J. E. Wood, D. F. Knutti, and K. B. Biggers, “The Utah-MIT dexterous hand: Work in progress,” Int. J. Robot. Res., vol. 3, no. 4, pp. 21–50, 1984.

[83] L.B. Bridgwater, C.A. Ihrke, M.A. Diftler, M.E. Abdallah – "The Robonaut 2 hand – designed to do work with tools" Robotics and Automation (ICRA), 2012 IEEE International Conference on , vol., no., pp.3425,3430, 14-18 May 2012 doi: 10.1109/ICRA.2012.6224772

[84] M. Grebenstein, M. Chalon, W. Friedl, S. Haddadin, T. Wimböck, G. Hirzinger, and R. Siegwart, "The hand of the DLR Hand Arm System: Designed for interaction", ;presented at I. J. Robotic Res., 2012, pp.1531-1555.

[85] J. Sun, W. Zhang – "A novel coupled and self-adaptive under-actuated multi-fingered hand with gear–rack–slider mechanism" Journal of Manufacturing Systems – J MANUF SYST 01/2012; DOI: 10.1016/j.jmsy.2011.09.001

[86] A Fernandez, JP Gazeau, S Zeghloul, S Lahouar – "Regrasping objects during manipulation tasks by combining genetic algorithms and finger gaiting" Meccanica April 2012, Volume 47, Issue 4, pp 939-950

[87] T. Okada, “Object handling system for manual industry,” IEEE Trans. Syst., Man, Cybern., vol. SMC-9, no. 2, 1979.

[88] R. Fearing, “Simplified grasping and manipulation with dexterous robot hands,” IEEE J. Robot. Automat., vol. RA-2, pp. 188–195, Aug. 1986

[89] J. Dupuis, Z. Fan, and E.D. Goodman, "Evolutionary Design of Both Topologies and Parameters of a Hybrid Dynamical System", ;presented at IEEE Trans. Evolutionary Computation, 2012, pp.391-405.

[90] J. Felip, J. Laaksonen, A. Morales, V. Kyrki – "Manipulation primitives: A paradigm for abstraction and execution of grasping and manipulation tasks" Robotics and Autonomous Systems, 2013, 61.3: 283-296.

[91] R. Paolini, A. Rodriguez, S.S. Srinivasa, M.T. Mason – "A data-driven statistical framework for post-grasp manipulation" The International Journal of Robotics Research April 2014 vol. 33 no. 4 600-615

[92] N. Dantam, M. Stilman – "The Motion Grammar: Analysis of a Linguistic Method for Robot Control" Robotics, IEEE Transactions on , vol.29, no.3, pp.704,718, June 2013 doi: 10.1109/TRO.2013.2239553

[93] D. J. Montana, “The kinematics of contact and grasp,” Int. J. Robot. Res., vol. 7, no. 3, pp. 17–32, 1988

[94] C. Cai and B. Roth, “On the spatial motion of a rigid body with point contact,” in Proc. IEEE Int. Conf. Robotics and Automation, 1987, pp. 686–695.

[95] N. Ulrich, R. Paul, and R. Bajcsy, “A medium-complexity compliant end effector,” in Proc. IEEE Int. Conf. Robotics and Automation, 1989, pp. 434–436.

[96] K. Mirza and D. E. Orin, “Force distribution for power grasp in the digits system,” in CISM-IFToMM Symp. Theory and Practice of Robots and Manipulators, 1990.

[97] Luige Vladareanu, Alexandru Gal, A Multi-Functional Approch of the HFPC Walking Robots, Proceedings of the 15th International Conference on Systems, Corfu Island, Greece, July 14-16, 2011, pg.339-345, ISBN: 978-1-61804-023-7, ISSN: 1792-4235

[98] Victor Vladareanu, Gabriela Tont, Luige Vladareanu, Florentin Smarandache, , “The navigation of mobile robots in non-stationary and non-structured environments”, Inderscience Publishers, Int. J. Advanced Mechatronic Systems, Vol. 5, No. 4, 2013, pg.232- 243, ISSN online: 1756-8420, ISSN print: 1756-8412, ERA\_ID 41210, IJAMechS is listed in: Excellence in Research for Australia: Journal list 2012 , Scopus (Elsevier)

[99] Vladareanu, L., Tont, G., Ion, I., Munteanu, M. S., Mitroi, D., "Walking Robots Dynamic Control Systems on an Uneven Terrain", Advances in Electrical and Computer Engineering, ISSN 1582-7445, e-ISSN 1844-7600, vol. 10, no. 2, pp. 146-153, 2010, doi: 10.4316/AECE.2010.02026

[100] Z. Xu, V. Kumar, E. Todorov, „A low-cost and modular, 20-DOF Anthropomorphic robotic hand: Design, actuation and modelling”, IEEE-RAS International Conference on Humanoid Robots (Humanoids), 2013.

[101] A. Jaffar, M. S. Bahari, C. Y. Low, R. Jaafar, „Design and Control of a Multifingered Anthropomorphic Robotic Hand International”, Journal of Mechanical & Mechatronics Engineering IJMME-IJENS, Vol: 11, No: 04, August 2011

[102] R. Souza, A. Bernardino, J. Santos-Victor, A. Billard, „On the Representation of Anthropomorphic Robot Hands: Shape versus Function, 12th IEEE-RAS International Conference on Humanoid Robots, Nov.29-Dec.1, 2012. Business Innovation Center Osaka, Japan

[103] C. H. Chen, D.S. Naidu, “Hybrid Control Strategies for a Five-finger Robotic Hand”, Biomedical Signal Processing and Control, Elsevier, vol. 8, pp. 382– 390, 2013.

[104] R. Boughdiri , H. Nasser , H. Bezine , N. K. M Sird, A. M. Alimi, A. Naamane, “Dynamic Modeling and Control of a Multi-Fingered Robot Hand for Grasping Task”, Int. Symposium on Robotics and Intelligent Sensors (IRIS), Procedia Engineering, vol. 41, pp. 923–931, 2012.

[105] "History of CAD/CAM". CADAZZ. 2004.

[106] http://www.autodesk.com/products/autodesk-inventor-family/overview

[107] MATHWORKS, SimMechanics Getting Started Guide, 2011

[108] MATHWORKS, SimMechanics Link User’s Guide, 2011

[109] A. Bazaei, M. Moallem, Force transmission through a structurally flexible beam: dynamic modeling and feedback control, IEEE Transactions on Control Systems and Technology 17 (5) (2009) 1245–1256.

[110] A. Bazaei, M. Moallem, Control bandwidth improvement in force control of flexible-link arms by output redefinition, IEEE/ASME Transactions on Mechatronics 99 (2010) 1–7.

[111] F.O. Tellez, A.G. Loukianov, E.N. Sanchez, E.J.B. Corrochano, Decentralized neural identification and control for uncertain nonlinear systems: application to planar robot, Journal of the Franklin Institute 347 (6) (2010) 1015–1034.

[112] Y-H. Chen, X. Zhang, Adaptive robust approximate constraint-following control for mechanical systems, Journal of the Franklin Institute 347 (1) (2010) 69–86.

[113] Luige Vladareanu, Victor Vladareanu, Paul Schiopu, “Hybrid Force-Position Dynamic Control of the Robots Using Fuzzy Applications”, Applied Mechanics and Materials Vol. 245 (2013) pp 15-23©(2013) Trans Tech Publications, Switzerland, ISSN print 1660-9336, web ISSN: 1662-7482, doi:10.4028/www.scientific.net/AMM.245.15

[114] Vladareanu Victor, Schiopu Paul, Vladareanu Luige, “Theory and Application of Extension Hybrid Force-Position Control In Robotics”, U.P.B. Sci. Bull., Series A, ISSN 1223-7027, acceptata pentru publicare in 2014.

[115] Vladareanu L., Capitanu L., „Hybrid Force-Position Systems with Vibration Control for Improvment of Hip Implant Stability” J. of Biomechanics, vol. 45, S279, Elsevier, 2012, ISSN 0021-9290, FI 2,434

[116] Luige Vlădăreanu, Gabriela Tonț, Ion Ion, Victor Vlădăreanu, Daniel Mitroi, Modeling and Hybrid Position-Force Control of Walking Modular Robots, Proceedings of American Conference on Applied Matematics(AMERICAN-MATH ’10), ISBN: 978-960-474-150-2, ISSN: 1790-2769, pp.510-518, 10 pg, Harvard University, .Cambridge, USA, January, 27-29, 2010

[117] N. Ciblak, H. Lipkin, „Design and Analysis of Remote Center of Compliance Structures”, Journal of Robotic Systems,Volume 20, Issue 8, pages 415–427, August 2003

[118] A. Noshadi, M. Mailah, A. Zolfagharian, „Active force control of 3-RRR planar parallel manipulator”, 2nd International Conference on Mechanical and Electrical Technology (ICMET), pp.77-81, Singapore, 2010

[119] K. Sreenath, H.W. Park, I. Poulakakis, J.W. Grizzle, „Embedding active force control within the compliant hybrid zero dynamics to achieve stable, fast running on MABEL”, The International Journal of Robotics Research, vol. 32, no. 3, pp:324-345, 2013

[120] K. Rabenorosoa, C.Clévy, P. Lutz, „Active force control for robotic micro-assembly: Application to guiding tasks”, IEEE International Conference on Robotics and Automation (ICRA), 2010.

[121] L. Vladareanu, „Open architecture systems for the compliance robots control”, WSEAS Transactions on Systems, 5(9), 2243-2249, 2006

[122] L. Vladareanu, I. Ion, E. Diaconescu, G. Tont, L.M. Velea, D. Mitroi, „The hybrid position and force control of robots with compliance function”, Proceedings of the 10th WSEAS international conference on Mathematical and computational methods in science and engineering, pp. 384-389, 2008

[123] J.J. Craig and M. H. Raibert, “A systematic method of hybrid position/force control of a manipulator”, IEEE Computer Software and Applications Conference, vol. 1, (1979), pp.446-451.

[124] J.J. Craig and M.H. Raibert, “Hybrid position/force control of manipulators”, ASME Journal of Dynamic Systems, Measurement and Control, vol. 102, (1981), pp.126-133

[125] H. Zhang and R. P.Paul, "Hybrid Control Of Robot Manipulators," in International Confer-ence on Robotics and Automation, IEEE Computer Society, March 1985. St. Louis, Missouri, pp.602-607.

[126] Duleba I, Opalka M. A comparision of jacobian-based methods of inverse kinematics for serial robot manipulators. Int.J. Appl.Math. Comput.Sci 2013;23(2):373-382.

[127] Featherstone, R.; Orin, D., "Robot dynamics: equations and algorithms," Robotics and Automation, 2000. Proceedings. ICRA '00. IEEE International Conference on , vol.1, pp.826,834 vol.1, 2000

[128] Vidyasagar, M. – Optimal rejection of persistent bounded disturbances, IEEE Trans. Auto. Control, vol. AC-31, no. 6, pp. 527-534, June 1986

[129] Slotine, J.-J.E., Li, W. – On the adaptive control of robot manipulators, Int. J. Robotics Res., vol. 6, no. 3, pp. 147-157, Fall 1987

[130] Ortega, R., Spong, M.W. – Adaptive control of robot manipulators: A tutorial, Automatica, vol. 25, no. 6, pp. 877-888, 1989

[131] Koditschek, D. – Natural motion of robot arms, in Proc. IEEE Conference on Decision and Control, Las Vegas, 1984

[132] Anderson, R., Spong, M. W. – Bilateral teleoperation with time delay, IEEE Trans. Aut. Cont., vol. 34, no. 5, pp. 494-501, May 1989

[133] Chiddarwar, S. S., & Ramesh Babu, N. (2010). Comparison of RBF and MLP neural networks to solve inverse kinematic problem for 6R serial robot by a fusion approach. Engineering applications of artificial intelligence, 23(7), 1083-1092.

[134] Denavit, Jacques; Hartenberg, Richard Scheunemann (1955). "A kinematic notation for lower-pair mechanisms based on matrices". Trans ASME J. Appl. Mech 23: 215–221.

[135] Chiddarwar, S. S., & Ramesh Babu, N. (2010). Comparison of RBF and MLP neural networks to solve inverse kinematic problem for 6R serial robot by a fusion approach. Engineering applications of artificial intelligence, 23(7), 1083-1092.

[136] Glorot, X., & Bengio, Y. (2010). Understanding the difficulty of training deep feedforward neural networks. In International Conference on Artificial Intelligence and Statistics (pp. 249-256).

[137] Nanda, S. K., Panda, S., Subudhi, P. R. S., & Das, R. K. (2012). A novel application of artificial neural network for the solution of inverse kinematics controls of robotic manipulators. International Journal of Intelligent Systems and Applications (IJISA), 4(9), 81

[138] Shabana, Ahmed A. Dynamics of multibody systems. Cambridge university press, 2013.

[139] Meirovitch, Leonard. Methods of analytical dynamics. Courier Dover Publications, 2010

[140] Abdellatif, H., & Heimann, B. (2009). Computational efficient inverse dynamics of 6-DOF fully parallel manipulators by using the Lagrangian formalism. Mechanism and Machine Theory, 44(1), 192-207

[141] Xia, Changliang, Chen Guo, and Tingna Shi. "A neural-network-identifier and fuzzy-controller-based algorithm for dynamic decoupling control of permanent-magnet spherical motor." Industrial Electronics, IEEE Transactions on 57.8 (2010): 2868-2878

[142] http://www.robofun.ro/docs/2010-10-26-DataSheet-FSR400-Layout2.pdf

[143] O.I.Sandru, L.Vladareanu, A.Sandru, Grasping objects with mobile robots, Proceedings of the 9th International Conference on Applications of Electrical Engineering (AEE’10), Penang, Malaysia, pp. 210-215, 2010, ISSN: 1790-5117, ISBN: 978-960-474-171-7.

[144] Luige Vladareanu, “High Precision Positioning Control System for a Nano Micro Manipulators Platform”, The 12th International Conference on Systems Theory and Scientific Computation (ISTASC '12), Istanbul, Turkey August 21-23, 2012, pp. 8, Plenary Lecture

[145] Kino, H., Kikuchi, S., Matsutani, Y., Tahara, K., & Nishiyama, T. (2013). Numerical analysis of feedforward position control for non-pulley musculoskeletal system: a case study of muscular arrangements of a two-link planar system with six muscles. Advanced Robotics, 27(16), 1235-1248

[146] Butler, H. (2011). Position control in lithographic equipment. IEEE Control Systems Magazine, 31(5), 28-47.

[147] Matsutani, Y., Ochi, H., Kino, H., Tahara, K., & Yamamoto, M. (2013, November). Feed-forward positioning of musculoskeletal-like robotic systems with muscular viscosity: Determination of an adequate internal force. In Advanced Robotics and its Social Impacts (ARSO), 2013 IEEE Workshop on (pp. 7-12). IEEE

[148] http://arduino.cc/en/Main/ArduinoBoardMega2560

[149] http://www.robofun.ro/mecanice/servo/servo_medium

[150] Vladareanu L.: Open Architecture Systems for the Position-Force Real Time Robots Control with Compliance Function, Proceedings of the 10th International Conference on SYSTEMS, Vouliagmeni, Athens, Greece, July 10-12, 2006 (pp477-482), ISSN: 1790-5117, ISBN: 960-8457-47-5, cotata ISI (http://worldses.org/indexes/ )

[151] Luige Vladareanu, Mihaela Iliescu, Lucian M. Velea, Daniel Mitroi, The Multi-Tasking Robot Control through Open Architecture Systems, 8th International Conference on SYSTEMS THEORY and SCIENTIFIC COMPUTATION (ISTASC’08) Rhodes, Greece, August 20-22, 2008, pg. 185.191, ISSN: 1790-2769, ISBN: 978-960-6766-96-1, ISI Proceedings

[152] G.Tont, L.Vladareanu, R.A.Munteanu, D.G.Tont, Fuzzy Petri Net-based approach in modelling simultaneous task assignment for robotic system, Recent Advances in Applied Mathematics – Proceedings of the American Conference on Applied Mathematics, Harvard University, Cambridge, USA, January 27-29, 2010, pp. 409-414, ISBN: 978-960-474-150-2, ISSN: 1790-2769

[153] A. Bicchi, “Hands for dextrous manipulation and robust grasping: a difficult road towards simplicity,” IEEE Trans. on Robotics and Automation, vol. 16, no. 6, pp. 652–662, December 2000.

[154] A. De Luca, B. Siciliano, and L. Zollo, “PD control with on-line gravity compensation for robots with elastic joints: Theory and experiments,” Automatica, vol. 41, no. 10, pp. 1809 – 1819, 2005.

[155] B. Rooks, “The harmonious robot,” Industrial Robot: Int. J., vol. 33, pp. 125–130, 2006.

[156] A. Rost and A. Verl, “The quadhelix-drive – an improved rope actuator for robotic applications,” in Proc. IEEE Int. Conf. Robotics and Automation, 2010, pp. 3254 –3259.

[157] R. Balasubramanian and Y. Matsuoka, “Biological stiffness control strategies for the anatomically correct testbed (ACT) hand,” in Robotics and Automation (ICRA), 2008 IEEE International Conference on, May 2008.

[158] M. Vande Weghe, M. Rogers, M. Weissert, and Y. Matsuoka, “The ACT hand: design of the skeletal structure,” in Robotics and Automation, 2004. Proceedings. ICRA ’04. 2004 IEEE International Conference on, vol. 4, apr. 2004, pp. 3375 – 3379.

[159] A. Deshpande, J. Ko, D. Fox, and Y. Matsuoka, “Anatomically correct testbed hand control: Muscle and joint control strategies,” in Robotics and Automation (ICRA), 2009 IEEE International Conference on, May 2009, pp. 4416 –4422

[160] M. Grebenstein and P. van der Smagt, “Antagonism for a highly anthropomorphic hand-arm system,” Advanced Robotics, no. 22, pp. 39–55, 2008.

[161] M. Chalon, T. Wimb¨ock, and G. Hirzinger, “Torque and workspace analysis for flexible tendon driven mechanisms,” in 2010 IEEE ICRA, Anchorage, Alaska, USA, May 3-8 2010, pp. 1175 – 1181.

[162] A. Albu-Sch¨affer, O. Eiberger, M. Grebenstein, S. Haddadin, C. Ott, T. Wimb¨ock, S. Wolf, and G. Hirzinger, “Soft robotics: from torque feedback controlled lightweight robots to intrinsically compliant systems,” IEEE Robotics and Automation Magazine, vol. 15, no. 3, pp. 20–30, 2008.

[163] V. Vladareanu, O. I. Sandru, L. Vladareanu, H. Yu, “Extension Dynamical Stability Control Strategy for the Walking Robots”, International Journal of Technology Management, SKIMA 2012, Inderscience Publisher, 2013, ISSN online: 1741-5276, ISSN print: 0267-5730

[164] L. Vladareanu, G. Tont, I. Ion, L.M. Velea, A. Gal, O.Melinte, 'Fuzzy DynamicModeling forWalking Modular Robot Control', Proceedings of the 9th WSEAS International Conference on Applications of Electrical Engineering (AEE '10), Penang, Malaysia, 2010, pag:163-170, ISBN: 978-960-474-171-7, 8 ISSN: 1790-2769.

[165] K. Kozlowski, W. Kowalczik, 'Motion Control for Formation of Mobile Robots in Environment with Obstacles', Studies in Computational Intelligence, Towards Intelligent Engineering and Information Technology, Volume 243, 2009, Springer, pp. 203-219

[166] T. Szpe, 'Sensor Based Control of an Autonomous Wheeled Mobile Robot', Proceedings from PROSENSE 3rd Seminar Presentations, Institute Joef Stefan, Ljubljana, Slovenia, 2010, pp. 34-37.

[167] C. Pozna, V. Prahoveanu, R.E. Precup, 'A new pattern of knowledge based on experimenting the causal relation', Proceedings of the 14th IEEE International Conference on Intelligent Engineering Systems, Las Palmas, Gran Canaria Spain, May 5-7,2010, pp. 61-66

[168] Z. Xu, V. Kumar, E. Todorov, „A low-cost and modular, 20-DOF Anthropomorphic robotic hand: Design, actuation and modelling”, IEEE-RAS International Conference on Humanoid Robots (Humanoids), 2013.

[169] A. Jaffar, M. S. Bahari, C. Y. Low, R. Jaafar, „Design and Control of a Multifingered Anthropomorphic Robotic Hand International”, Journal of Mechanical & Mechatronics Engineering IJMME-IJENS, Vol: 11, No: 04, August 2011

[170] M. A. Roa , M. J. Argus , D. Leidner , C. Borst and G. Hirzinger „Power grasp planning for anthropomorphic robot hands”, Proc. IEEE Int. Conf. Robot. Autom., pp.663 -569 2012 doi: 10.1109/ICRA.2012.6225068

[171] R. Souza, A. Bernardino, J. Santos-Victor, A. Billard, „On the Representation of Anthropomorphic Robot Hands: Shape versus Function, 12th IEEE-RAS International Conference on Humanoid Robots, Nov.29-Dec.1, 2012. Business Innovation Center Osaka, Japan

[172] R. Boughdiri , H. Nasser , H. Bezine , N. K. M Sird, A. M. Alimi, A. Naamane, “Dynamic Modeling and Control of a Multi-Fingered Robot Hand for Grasping Task”, International Symposium on Robotics and Intelligent Sensors (IRIS), Procedia Engineering, Elsevier, vol. 41, pp. 923–931, 2012.

[173] V. Lippiello, B. Siciliano, L. Villani, “Multi-fingered Grasp Synthesis based on the Object Dynamic Properties”, Robotics and Autonomous Systems, Elsevier, vol. 61, pp. 626–636, 2013.

[174] A. M. Zaid, M. A. Yaqub, „UTHM HAND: Performance of Complete System of Dexterous Anthropomorphic Robotic Hand”, International Symposium on Robotics and Intelligent Sensors (IRIS), Procedia of Engineering, Elsevier, vol. 41, pp. 777-783, 2012.

[175] T. Yoshikawa, „Multifingered robot hands: Control for grasping and manipulation”, Annual Reviews in Control 34.2 (2010): 199-208

[176] Bullock, IM.; Ma, R.R.; Dollar, AM., „A hand-centric classification of human and robot dexterous manipulation”, IEEE Transactions on Haptics, vol.6, no.2, pp.129,144, (2013).

[177] N. Dechev, W. L. Cleghorn, S. Naumann, „Thumb design of an experimental prosthetic hand”, Proceedings of the International Symposium on Robotics and Automation, 2000

[178] R.C. Ormaechea, „Robotic Hands”, Advanced Mechanics in Robotic Systems. Springer London, 2011. 19-39.

[179] A. Kochan, „Shadow delivers first hand”, Industrial Robot Journal, vol. 32, Issue 1, 2005, pp.15-16

[180] A. Bicchi, „Hands for Dexterous Manipulation and Robust Grasping: A Difficult Road Toward Simplicity”, IEEE Transactions on Robotics and Automation, Vol. 16, No. 6, pp. 652-662, 2000.

[181] H. Kawasaki, T. Komatsu, K. Uchiyama, „Dextrous Anthropomorphic Robot Hand with Distributed Tactile Sensor: Gifu Hand II”, IEEE/ASME Trans. on Mechatronics, Vol. 7, No. 3, pp. 296-303, 2002.

[182] H. Liu, P. Meusel, G. Hirzinger, M. Jin, Y. Liu, Z. Xie, „The Modular Multisensory DLR-HIT-Hand: Hardware and Software Architecture”, IEEE/ASME Trans. on Mechatronics, Vol. 13, No. 4, pp. 461-469, 2008.

[183] L. Zollo, S. Roccella, E. Guglielmelli, M. C. Carrozza, P. Dario, „Biomechatronic Design and Control of an Anthropomorphic Artificial Hand for Prosthetic and Robotic Applications”, IEEE/ASME Trans. On Mechatronics, Vol. 12, No. 4, pp. 418-429, 2007.

[184] E. Lopez-Damian, D. Sidobre, R. Alami, „Grasp planning for non-convex objects”, International Symposium on Robotics, Vol. 36, 2005

[185] C. Borst, M. Fischer, G. Hirzinger, „Calculating hand configurations for precision and pinch grasps”, IEEE/RSJ International Conference on Intelligent Robots and Systems, Vol. 2. IEEE, 2002.

[186] A.T Miller et al., „Automatic grasp planning using shape primitives”, IEEE International Conference on Robotics and Automation, Vol. 2., 2003.

[187] D. Ding, Y.-H. Liu, S. Wang, „Computing 3-D optimal form-closure grasps”, Proc. of the 2000 IEEE International Conference on Robotics and Automation, pages 3573–3578, San Fransisco, CA, April 2000

[188] J. Napier, „The prehensile movements of the human hand”, Journal of Bone and Joint Surgery, 38B(4):902–913, November 1956.

[189] M. R. Cutkosky, P. K. Wright, „Modeling manufacturing grips and correlation with the design of robotic hands”, Proc. of the 1986 IEEE International Conference on Robotics and Automation, pages 1533–1539, San Francisco, CA, 1986.

[190] T. Iberall, „Human prehension and dexterous robot hands”, The International Journal of Robotics Research, 16(3):285–299, June 1997

[191] S. A. Stansfield, „Robotic grasping of unknown objects: A knowledge-based approach”, International Journal of Robotics Research, 10(4):314–326, August 1991

[192] X. Lai, H. Wang, Y. Xu, „A Real-time Range Finding System with Binocular Stereo Vision”. Int J Adv Robot Syst, 2012, 9:26. doi: 10.5772/50921

[193] A. Oliver, B. C. Wünsche, S. Kang, B. MacDonald, „Using the Kinect as a Navigation Sensor for Mobile Robotics”, Proceedings of the 27th Conference on Image and Vision Computing New Zealand, pp. 509-514, 2012, ISBN: 978-1-4503-1473-2

[194] I. A. Aljarrah, A. S. Ghorab, I. M. Khater, „Object Recognition System using Template Matching Based on Signature and Principal Component Analysis”, International Journal of Digital Information and Wireless Communications (IJDIWC) 2(2), pp: 156-163, 2012, ISSN 2225-658X

[195] F. Smarandache, J. Dezert, „Applications and Advances of DSmT for Information Fusion”, Vol. 3, American Research Press, Rehoboth, 2009.

[196] B. Khaleghi et al., „Multisensor data fusion: A review of the state-of-the-art”, Information Fusion Volume 14, Issue 1, pp: 28-44, 2013.

[197] D. Hall, J. Llinas, eds. „Multisensor data fusion”, CRC press, 2001.

[198] D. Hall, D. Lee, S.A.H. McMullen, „Mathematical techniques in multisensor data fusion”, Artech House, 2004.

[199] Z. Jian et al., „Data fusion for magnetic sensor based on fuzzy logic theory”, IEEE International Conference on Intelligent Computation Technology and Automation (ICICTA),. Vol. 1., 2011.

[200] R.C. Luo, Y.C. Chou, O. Chen, „Multisensor fusion and integration: algorithms, applications, and future research directions”, IEEE International Conference on Mechatronics and Automation, 2007.

[201] M. Munz, K. Dietmayer, M. Mahlisch, „Generalized fusion of heterogeneous sensor measurements for multi target tracking”, 13th Conference on Information Fusion (FUSION), 2010, pp. 1-8.

[202] Yong Jiang, Hong-Guang Wang, Ning Xi, „Target Object Identification and Location Based on Multi-sensor Fusion”, International Journal of Automation and Smart Technology, vol. 3, no 1, pp. 57 – 67, 2013

[203] D. L. Hall, B. Hellar, M. D. McNeese, „Rethinking the data overload problem: closing the gap between situation assessment and decision-making”, Proceedings of the National Symposium on Sensor Data Fusion, June, 2007

[204] J. Esteban et al., „A review of data fusion models and architectures: towards engineering guidelines”, Neural Computing & Applications, Vol 14, Issue 4, pp: : 273-281, 2005.

[205] A. Chilian, H. Hirschmuller, M. Gorner, „Multisensor data fusion for robust pose estimation of a six-legged walking robot”, IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2011.

[206] B. V. Dasarathy, „Editorial: Information fusion in the realm of medical applications – a bibliographic glimpse at its growing appeal, Information Fusion 13 (1) (2012) pp. 1–9.

[207] Kessler et al., „Functional Description of the Data Fusion Process”, Tech Rep., Office of Naval Technol., Naval Air Development Ctr., Warminster, PA, Jan. 1992

[208] D. L. Hall, R. J. Linn, “Survey of commercial software for multisensor data fusion”, Proc. SPIE Conf. Sensor Fusion and Aerospace Applications, Orlando, FL, Apr. 1991.

[209] F. Wright, “The fusion of multi-source data”, Signal, pp. 39–43, Oct. 1980.

[210] B. R. Gaines, „Fuzzy and Probability Uncertainty Logics”, Information and Control, Volume 38, Issue 2, 1978, pp: 154–169

[211] G. Shafer, A Mathematical Theory of Evidence. Princeton University Press, 1976, vol. 73, no. 363.

[212] A. Sahbani, S. El-Khoury, P. Bidaud, „An Overview of 3D Object Grasp Synthesis Algorithms”, Robotics and Autonomous Systems, vol.60, no.3, pp.326-336, 2012.

[213] R. De Souza, S. El Khoury, A. Billard, „Towards comprehensive capture of human grasping and manipulation skills”, Thirteenth International Symposium on the 3-D Analysis of Human Movement. No. EPFL-CONF-198301. 2014.

[214] I. M. Bullock, A. M. Dollar, „Classifying Human Manipulation Behavior”, 2011 IEEE International Conference on Rehabilitation Robotics Rehab Week Zurich, ETH Zurich Science City, Switzerland, pp:1-6, 2011

[215] A. Morales, P. Azad, T. Asfour, D. Kraft, S. Knoop, R. Dillmann, A. Kargov, Ch. Pylatiuk, S. Schulz, „An anthropomorphic grasping approach for an assistant humanoid robot”, International Symposium of Robotics, 2006

[216] R. Etienne – Cwnmings, P. Pouliquen, M. A. Lewis, „Single chip for imaging, color segmentation, histogramming and template matching”, Electron Lett., vol. 38, no. 4, pp. 172 -174, Feb. (2002).

[217] T. Kawanishi, T. Kurozumi, K. Kashino, S. Takagi, „A Fast Template Matching Algorithm with Adaptive Skipping Using Inner – Subtemplates Distances”, Proc. of the 17th Int. Conf. on Pattern Recognition, vol. 3, pp. 654 – 657, Aug. (2004).

[218] D. Schonfeld, „On the relation of order-statistics filters and template matching: optimal morphological pattern recognition”, IEEE Trans. on Image Process., vol. 9, no. 5, pp. 945-949, May (2000).

[219] M. Gharavi – Alkhansari, „A Fast Globally Optimal Algorithm for Template Matching Using Low – Resolution Pruning”, IEEE Trans. Image Processing, vol. 10, no. 4, pp. 526 – 533, Apr. (2001).

[220] I. Guskov, „Kernel – based Template Alignment”, Proc. of IEEE Computer Society Conf on Computer Vision and Pattern Recognition, pp. 610 – 617, (2006).

[221] A. Gal, L. Vladareanu, H. Yu, „Applications of Neutrosophic Logic Approaches in ”RABOT” Real Time Control”, SISOM 2012 and Session of the Commission of Acoustics, Bucharest, 2013.

[222] F. Smarandache, „Neutrosophy a new branch of Philosophy”, Multi. Val. Logic – Special Issue: Neutrosophy and Neutrosophic Logic, 2002, Vol. 8(3), pp.297-384, ISSN:1023-6627.

[223] J. Dezert, F. Smarandache, „DSmT: A New Paradigm Shift for Information Fusion”, Proceedings of Cogis ’06 Conference, Paris, March 2006.

[224] F. Smarandache, J. Dezert, „Applications and Advances of DSmT for Information Fusion”, Am. Res. Press, Rehoboth, 2004.

[225] F.Smarandache, L.Vlădăreanu, Applications of Neutrosophic Logic to Robotics – An Introduction, The 2011 IEEE International Conference on Granular Computing Kaohsiung, Taiwan, Nov. 8-10, 2011, pp. 607-612, ISBN 978-1-4577-0370-6, IEEE Catalog Number: CFP11GRC-PRT.

[226] F. Smarandache, „A Unifying Field in Logics: Neutrosophic Field, Multiple-Valued Logic / An International Journal”, Vol. 8, No. 3, 385-438, 2002.

[227] F. Smarandache, “Neutrosophy : neutrosophic probability, set, and logic ; analytic synthesis & synthetic analysis”, Gallup, NM : American Research Press, 1998. – 105 p., ISBN 1-87958-563-4.

[228] S. Emadi, F. Shams, „Modeling of component diagrams using Petri Nets, Indian Journal of Science and Technology, Vol. 3 No. 12, pp: 1151 – 1161, 2010, ISSN: 0974- 6846

[229] G.Tont, L.Vladareanu, R.A.Munteanu, D.G.Tont, Fuzzy Petri Net-based approach in modelling simultaneous task assignment for robotic system, Recent Advances in Applied Mathematics – Proceedings of the American Conference on Applied Mathematics, Harvard University, Cambridge, USA, January 27-29, 2010, pp. 409-414, ISBN: 978-960-474-150-2, ISSN: 1790-2769

Anexa 1: Reprezentarea mâinii robotice în mediu CAD

Anexa 2: Proprietățile constructive ale mâinii robotice

Tabelul A2.1 Proprietățile constructive ale mâinii robotice

Anexa 3: Reprezentarea mâinii robotice în mediul de simulare

Anexa 4: Algoritm Maple pentru generarea ecuațiilor cinematice

>

––––––––––––––––––––––––-

Initializare date

––––––––––––––––––––––––-

Tabel parametri Denavit-Hartenberg

––––––––––––––––––––––––-

Construire matrici de transformare

––––––––––––––––––––––––-

Matricea de tranformare de la Origine la End-effector

––––––––––––––––––––––––-

Matricea de pozitionare

––––––––––––––––––––––––-

Anexa 5: Determinarea ecuațiilor dinamice ale degetului mare al mâinii

Ecuațiile dinamice se scriu simbolic sub forma

(A5.1)

unde este matricea parametrilor inerțiali ai degetului studiat și este de dimensiune , este vectorul de dimensiune ce conține parametrii centrifugali și Coriolis, iar este vectorul gravitațional de dimensiune . Elementele matricelor și sunt funcții complexe ce depind de pozițiile tuturor articulațiilor degetului mâinii, iar elementele depind atât de pozițiile articulațiilor cât și de vitezele acestora . , respectiv, , sunt vectori de dimensiune ce reprezintă, pozițiile, vitezele, respectiv, accelerațiile articulațiilor degetului, iar reprezintă numărul de grade de libertate ale degetului.

Pentru a determina elementele matricei se pornește de la formula de calcul a energiei cinetice:

(A5.2)

unde reprezintă masa segmentului , și reprezintă matricele Jacobian ale vitezelor liniare și unghiulare, reprezintă tensorul inerțial al segmentului , reprezintă matricea de transformare a orientarii dintre corpul atașat sistemului de coordonate și sistemul inerțial.

Folosind relația A5.2, se calculează energia cinetică pentru fiecare segment al degetului.

Pentru segmentul 1 al degetului mare, avem:

masa segmentului

matricea Jacobian a vitezelor liniare

(A5.3)

matricea vitezelor unghiulare

tensorul inerțial (generat de mediul de simulare)

Conform relației 4.6, energia cinetică pentru segmentul 1 este

Pentru segmentul 2 al degetului mare, avem:

masa segmentului

matricea Jacobian a vitezelor liniare

(A5.4)

matricea vitezelor unghiulare

tensorul inerțial (generat de mediul de simulare)

Conform relației A5.2, energia cinetică pentru segmentul 2 este

Pentru segmentul 3 al degetului mare, avem:

masa segmentului

matricea Jacobian a vitezelor liniare

(A5.5)

matricea vitezelor unghiulare

tensorul inerțial (generat de mediul de simulare)

Conform relației A5.2, energia cinetică pentru segmentul 3 este

Energia cinetică totală a degetului reprezintă suma energiilor cinetice ale fiecărui segment constructiv:

Energia cinetică mai poate fi scrisă sub formă matriceală astfel:

(A5.7)

Înlocuind

și

în relația A5.7 se obține:

Egalând relațiile A5.6 și A5.7 se obțin elementele matricei inerțiale

Egalitățile , , respectiv , au loc deoarece matricea parametrilor inerțiali este matrice simetrică.

Având determinate elementele matricei inerțiale, se pot determina parametrii centrifugali și Coriolis, folosind formula:

(A5.8)

Matricea se obține din derivatele după timp ale elementelor matricei inerțiale și conține parametrii centrifugali. Această matrice are forma:

unde

Matricea din relatia A5.8 conține parametrii Coriolis și se determină astfel:

unde

Înlocuind și în relația A5.8 se obține

unde

Vectorul gravitațional , din relația A5.1, influențează întreg degetul și se determină ca sumă a vectorilor gravitaționali ce influențează fiecare segment component al degetului:

unde matricele pentru fiecare segment de deget în parte au fost calculate în relațiile A5.3, A5.4 respectiv, A.5.5, reprezintă masele segmentelor, iar vectorul reprezintă axa pe care acționează forța gravitațională asupra segmentului de deget. Vectorul gravitațional este de forma:

unde

Având calculate matricea de inerție , vectorul parametrilor centrifugali și Coriolis , , respectiv, vectorul gravitațional , acestea sunt înlocuite în relația A5.1 și se obține vectorul cuplurilor ce realizează mișcarea degetelor:

unde

Anexa 6: Algoritm Maple pentru generarea ecuațiilor dinamice

>

Calcul Matrice de masa M

Calcul Energie Cinetica K1

–––––––––-

Calcul Energie Cinetica K2

–––––––––-

Calcul Energie Cinetica K3

–––––––––-

Calcul Energie Cinetica Totala K

–––––––––-

Formula Energie Cinetica Totala K din produs matrici

–––––––––-

Calcul coeficienti matrice de inertie M

>

Calcul Forte centrifugale si Coriolis

–––––––––-

Calcul m_ij derivat in functie de timp

>

Calcul vector gravitational

Calcul G1 pt primul segment

–––––––––––––––––-

Calcul G2 pt al doilea segment

–––––––––––––––––-

Calcul G3 pt al treilea segment

–––––––––––––––––-

Calcul G total

Anexa 7: Implementarea schemei de control forță-poziție în mediul de simulare

Fig. A7.2 Detalierea blocului „Panou de control”

Fig. A7.3 Detalierea blocului „Control in timp real al degetelor mâinii robotice”

Anexa 8: Implementarea schemei de control cinematic cu scopul experimentării folosind metoda proiecției virtuale

Fig. A8.2 Detalierea blocului „Control Servomotoare”

Fig. A8.3 Detalierea blocului „Control_Servomotoare_Deget_Mare”

Fig. A8.4 Detalierea blocului „Feedback Servomotoare”

Fig. A8.5 Detalierea blocului „Control_Servomotoare_Deget_Mare”

Anexa 9: Implementarea schemei de control cinematic pentru mâna robotică cu acționări multiple

Fig. A9.3 Detalierea blocului „Control Servomotoare”

Fig. A9.4 Detalierea blocului „Feedback Servomotoare”

Anexa 10: Algoritm Matlab pentru neutrosoficarea datelor provenite de la observatori

function [TBi, TCi, TCu, iCuCi, iCuBi, iCiBi, iTCuCiBi, sum] = Data_Neutrosophication_Computation(pBi, pCi, pCu)

init();

limit_max = getLimitMax();

const = getValue();

dBCi = abs(pBi – pCi);

dBCu = abs(pBi – pCu);

dCiCu = abs(pCi – pCu);

iTCuCiBi = 1-(dBCi + dBCu + dCiCu)/0.25;

if (iTCuCiBi < 0)

iTCuCiBi = 0;

end;

if (pCu < pBi)

TCu_bi = 0;

if (pBi – pCu)>0.5

TBi_cu = 1;

iTCuBi = 0;

else

TBi_cu = (pBi – pCu)/const;

iTCuBi = 1 – TBi_cu;

end;

else

TBi_cu = 0;

if (pCu – pBi)>0.5

TCu_bi = 1;

iTCuBi = 0;

else

TCu_bi = (pCu – pBi)/const;

iTCuBi = 1 – TCu_bi;

end;

end;

if (pCu < pCi)

TCu_ci = 0;

if (pCi – pCu)>0.5

TCi_cu = 1;

iTCuCi = 0;

else

TCi_cu = (pCi – pCu)/const;

iTCuCi = 1 – TCi_cu;

end;

else

TCi_cu = 0;

if (pCu – pCi)>0.5

TCu_ci = 1;

iTCuCi = 0;

else

TCu_ci = (pCu – pCi)/const;

iTCuCi = 1 – TCu_ci;

end;

end;

if (pCi < pBi)

TCi_bi = 0;

if (pBi-pCi)>0.5

TBi_ci = 1;

iTCiBi = 0;

else

TBi_ci = (pBi – pCi)/const;

iTCiBi = 1 – TBi_ci;

end;

else

TBi_ci = 0;

if (pCi-pBi)>0.5

TCi_bi = 1;

iTCiBi = 0;

else

TCi_bi = (pCi – pBi)/const ;

iTCiBi = 1 – TCi_bi;

end;

end;

TCu = (1-iTCuCiBi)*(TCu_ci + TCu_bi)/3;

TCi = (1-iTCuCiBi)*(TCi_bi + TCi_cu)/3;

TBi = (1-iTCuCiBi)*(TBi_ci + TBi_cu)/3;

iCuCi = (1-iTCuCiBi)*iTCuCi/3;

iCuBi = (1-iTCuCiBi)*iTCuBi/3;

iCiBi = (1-iTCuCiBi)*iTCiBi/3;

sum = TCu + TBi + TCi + iCuCi + iCuBi + iCiBi + iTCuCiBi;

Anexa 11: Algoritm Matlab pentru luarea deciziei în urma fuziunii datelor

function [ State ] = Decide_Hand_Grasping_Method( mCu, mBi, mCi, miCuCi, miCuBi, miCiBi, miCuCiBi, mcCuCi, mcCuBi, mcCiBi, mcBi_iCuCi, mcCu_iCiBi, mcCi_iCuBi, Current_State )

State = Current_State;

prag_1 = 0.2;

prag_2 = 0.2;

prag_3 = 0.2;

prag_4 = 0.2;

switch (Maxim(mcBi_iCuCi, mcCu_iCiBi, mcCi_iCuBi))

case '1'

if (mcBi_iCuCi>=prag_1)

State = 1; %Bila

return;

end;

case '2'

if (mcCu_iCiBi>=prag_1)

State = 2; %cub

return;

end;

case '3'

if (mcCi_iCuBi>=prag_1)

State = 3; %cilindru

return;

end;

end;

switch (Maxim(mcCuCi, mcCuBi, mcCiBi))

case '1'

if (mcCuCi>=prag_2)

if (mCu + miCuBi)>(mCi + miCiBi)

State = 2; %cub

return;

else if (mCu + miCuBi)<(mCi + miCiBi)

State = 3; %cilindru

return;

else

State = Current_State;

return;

end;

end;

end;

case '2'

if (mcCuBi>=prag_2)

if (mCu + miCuCi)>(mBi + miCiBi)

State = 2; %cub

return;

else if (mCu + miCuCi)<(mBi + miCiBi)

State = 1; %Bila

return;

else

State = Current_State;

return;

end;

end;

end;

case '3'

if (mcCiBi>=prag_2)

if (mCi + miCuCi)>(mBi + miCuBi)

State = 3; %cilindru

return;

else if (mCi + miCuCi)<(mBi + miCuBi)

State = 1; %Bila

return;

else

State = Current_State;

return;

end;

end;

end;

end;

if (miCuCiBi >= prag_3)

State = Current_State;

return;

end;

switch (Maxim(miCuCi, miCuBi, miCiBi))

case '1'

if (miCuCi>=prag_4)

if (mCu > mCi)

State = 2; %cub

return;

else if (mCu < mCi)

State = 3; %cilindru

return;

else

State = Current_State;

return;

end;

end;

end;

case '2'

if (miCuBi>=prag_4)

if (mCu > mBi)

State = 2; %cub

return;

else if (mCu < mBi)

State = 1;%Bila

return;

else

State = Current_State;

return;

end;

end;

end;

case '3'

if (miCiBi>=prag_4)

if (mCi > mBi)

State = 3; %cilindru

return;

else if (mCi < mBi)

State = 1;%Bila

return;

else

State = Current_State;

return;

end;

end;

end;

end;

switch(Maxim(mCu, mBi, mCi))

case '1'

State = 2; %cub

return;

case '2'

State = 1; %Bila

return;

case '3'

State = 3; %cilindru

return;

end

end