CONTROLE DE POSIÇÃO DE UM MANIPULADOR ROBÓTICO UTILIZANDO SENSORES
INERCIAIS E ELETROMIOGRAFIA
GABRIELA L. REIS, MARCOS A. ABDALLA JR., JOÃO D. NOLASCO, LUIS F. F. SOUZA,
MÁRCIO F. S. BARROSO, EDUARDO B. PEREIRA
Laboratório de Controle e Instrumentação, Programa de Pós-Graduação em Engenharia Elétrica,
Universidade Federal de São João del-Rei
Praça Frei Orlando, 170, Centro, São João del-Rei, Minas Gerais, CEP: 36307-352.
E-mails: [email protected],[email protected],
[email protected], [email protected], [email protected], [email protected]
Abstract This paper presents the design of a human machine interface for controlling of a robotic manipulator with two de-
grees of freedom, using inertial sensors and electromyogram. The inertial system developed is a strap that contains three triaxial sensors: a gyroscope, an accelerometer and a magnetometer. The data fusion from these sensors was made using the Kalman Fil-
ter and Complementary Filter. To control the manipulator, mounted with pieces of kit parts LEGO® Mindstorms model, a fuzzy
controller was implemented. Experimental results are presented which show the quality of the implemented filters and developed electromyography and performance of the implemented controller.
Keywords Inertial Sensors, Electromyography, Fuzzy Control, Robotic Manipulator, Kalman Filter, Complementary Filter.
Resumo Este trabalho apresenta o projeto de uma interface homem máquina para o controle de posição de um manipulador robótico com dois graus de liberdade, utilizando sensores inerciais e eletromiografia. O sistema inercial desenvolvido é uma pul-
seira que contém três sensores triaxiais: um giroscópio, um acelerômetro e um magnetômetro. A fusão dos dados destes sensores
foi feita utilizando o Filtro de Kalman e o Filtro Complementar. Para o controle do manipulador, montado com peças do kit LEGO® modelo Mindstorms, foi implementado um controlador fuzzy. Resultados experimentais são apresentados, os quais mos-
tram a qualidade dos filtros implementados e do eletromiógrafo desenvolvido e o desempenho do controlador implementado.
Palavras-chave Sensores Inerciais, Eletromiografia, Controle Fuzzy, Manipulador Robótico, Filtro de Kalman, Filtro Com-
plementar.
1 Introdução
Atualmente, é grande o número de pessoas com
deficiência motora e de idosos que precisam de auxí-
lio para a realização de atividades cotidianas. Segun-
do o último CENSO realizado no Brasil em 2010,
“considerando a população residente no país, 23,9%
possuíam pelo menos uma das deficiências investi-
gadas: visual, auditiva, motora e mental ou intelectu-
al” (Oliveira, 2012). A deficiência motora apresentou
a segunda maior ocorrência, afetando 7% da popula-
ção. Dentre os motivos relacionados a esse tipo de
deficiência podem-se destacar problemas de má
formação, acidentes de trânsito, acidentes de traba-
lho, erros médicos e complicações no parto.
A fim de auxiliar pessoas com deficiência moto-
ra na realização de suas atividades, diversas pesqui-
sas têm sido realizadas na área de reabilitação huma-
na. Com o avanço da tecnologia, espera-se que os
robôs possam ser úteis no ambiente domiciliar ou de
trabalho para estas pessoas (Garcia, et al. 2007).
Além disso, têm-se desenvolvido próteses cada vez
mais semelhantes aos membros humanos tanto em
sua aparência física como nas técnicas de controle
que vêm sendo desenvolvidas (Hioki, et al. 2011,
Yong, et al. 2011). Neste contexto, uma técnica que
vem se mostrando bastante promissora para utiliza-
ção em próteses e robôs teleoperados é a eletromio-
grafia.
A eletromiografia é o estudo das funções muscu-
lares por meio da investigação do sinal elétrico pro-
veniente da musculatura quando ocorre uma contra-
ção de um músculo (Webster, et al. 2011). Este sinal
eletromiográfico (EMG) pode ser medido na superfí-
cie da pele ou nas camadas internas dos músculos e a
análise e processamento deste sinal permite classifi-
car o tipo de movimento relacionado a ele. Desta
forma, uma pessoa amputada, que tenha perdido a
mão ou o braço pode controlar uma prótese de forma
similar ao controle feito com o membro original,
desde que o sistema nervoso central e uma parte do
músculo que atua neste membro estejam preservados
(Li, et al. 2010).
Embora possa ser utilizado para medir os movi-
mentos do braço e da mão e existam diversas técni-
cas que podem ser aplicadas na análise do sinal EMG
(Reaz, et al. 2006), o número de eletrodos necessá-
rios, o posicionamento destes eletrodos e a classifi-
cação do gesto realizado é uma tarefa bastante com-
plexa. Por isso, alguns trabalhos como (Wolf,et. al.
2013) e (Cannan and Hu, 2012) têm utilizado senso-
res de medida inercial como o acelerômetro, giroscó-
pio e o magnetômetro, juntamente com o EMG para
simplificar esse processo. É comum nos trabalhos
que utilizam esta combinação, o uso dos sensores
inerciais para medir o movimento do braço e/ou do
antebraço, e o uso do EMG para identificar os gestos
realizados pela mão.
Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014
1514
Além disso, outras características tornam o EMG
e o uso de sensores inerciais extremamente viáveis.
Com o desenvolvimento da tecnologia estes sensores
passaram a ser produzidos em tamanho menor e com
menor consumo de potência, tornando viável sua
aplicação em dispositivos que funcionam à bateria.
Desta forma, trata-se de uma tecnologia portátil, fácil
de usar e não-invasiva. Essas características aliadas
aos bons resultados obtidos pela análise do movi-
mento humano por meio do EMG e de sensores iner-
ciais tornaram a sua utilização interessante também
para outras áreas como na fisioterapia (Dyer, et al.
2013), no estudo de patologias (Go, et al. 2014) e em
técnicas de treinamento desportivo (Croft and Ribei-
ro, 2013).
Tendo em vista todos esses aspectos, neste traba-
lho, foi desenvolvido um sistema constituído por
uma interface homem máquina, sensores inerciais e
um eletromiógrafo para o controle de um manipula-
dor robótico com dois graus de liberdade (guinada e
arfagem) e com um efetuador em forma de pinça
capaz de imitar os movimentos da mão de abrir e
fechar. As aplicações dos conceitos relacionados a
este sistema são inúmeras, mas a ideia principal é
que ele possa ser utilizado, com as devidas adapta-
ções, tanto por pessoas com deficiência, no auxílio à
realização de suas atividades, como para pessoas sem
deficiência no controle de robôs teleoperados em
ambientes inóspitos.
2 Propósito
Como mostra a Figura 1, o desenvolvimento
deste trabalho apresenta três etapas básicas: constru-
ção do sistema de sensoriamento analógico e conver-
são A/D, processamento dos sinais e controle do
manipulador robótico.
Figura 1: Diagrama do sistema desenvolvido.
Na primeira etapa, foi construído um eletromió-
grafo de baixo custo e um sistema inercial para medir
as posições angulares de guinada (yaw) e arfagem
(pitch), contendo um acelerômetro, um giroscópio e
um magnetômetro triaxiais. A aquisição dos sinais
provenientes destes sensores foi feita por meio do
Arduino UNO, um microcontrolador com hardware
de código aberto, que possui uma programação fácil,
prática e cujo custo não é proibitivo.
A próxima etapa foi o processamento dos sinais
adquiridos, utilizando os softwares MATLAB® para
análise dos sinais e calibração do sistema off-line e
LabVIEW®
para o processamento dos sinais em
tempo real, pelo Arduino. Para a classificação do
EMG que determina os estados mão aberta e mão
fechada, foi utilizada a média dos valores obtidos a
cada dez amostras coletadas. Para determinar as
posições angulares para o controle das juntas do
manipulador robótico foram utilizados o Filtro Com-
plementar e o Filtro de Kalman, por meio dos quais
foi possível fazer a fusão dos dados dos sensores
inerciais.
O manipulador utilizado neste trabalho é o robô
mostrado na Figura 2, montado com peças do kit
LEGO®
modelo Mindistorms. Tais robôs são com-
postos de blocos do tipo LEGO®, com unidades de
processamento, partes móveis e de instrumentação
que podem ser acopladas das mais diversas formas
(Ferrari et al. 2002).
Figura 2: Manipulador robótico utilizado neste trabalho.
Na última etapa do trabalho, foi implementado o
controlador fuzzy para o controle das juntas 1 e 2 do
robô que correspondem aos movimentos de guinada
e arfagem respectivamente. No efetuador optou-se
por utilizar um controlador on-off para a realização
dos movimentos de abrir e fechar.
3 Sistema Inercial
Sistemas inerciais são sistemas que medem mo-
vimento linear e/ou angular. Neste trabalho, o siste-
ma inercial desenvolvido é constituído por três sen-
sores de tecnologia MEMs (Micro-Electro-
Mechanical Systems) triaxiais: um acelerômetro
MMA7361, um giroscópio L3G4200D e um magne-
tômetro HMC5883, como mostra a Figura 3. Estes
sensores apresentam tamanho menor, em uma escala
milimétrica, com menor custo e com menor consumo
de potência. Para conexão dos sensores ao Arduino
UNO foi usado um conector RJ45. Como mostra a
Figura 3, o sistema de coordenadas padrão industrial
“NED” (North, East, Down) foi utilizado.
Figura 3: Sistema inercial desenvolvido (à esquerda) e o sistema de coordenadas NED (à direita).
Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014
1515
3.1 Giroscópio
O giroscópio é um sensor que mede velocidade
angular. Integrando a velocidade angular medida em
cada eixo em relação ao tempo é possível obter a
posição angular a partir de uma referência. Para in-
tervalos de tempo pequenos, a integral numérica
pode ser aproximada pela Equação (1). Em que é a
posição angular no instante , é o intervalo de
tempo considerado e é a velocidade angular no
instante .
3.2 Acelerômetro
O acelerômetro mede aceleração linear, bem
como a aceleração da gravidade, cuja força relacio-
nada é denominada força G, em que 1g equivale a
9,8m/s2. Em casos nos quais o sistema está submetido
apenas à aceleração da gravidade, este sensor pode
ser usado como um inclinômetro, por meio do qual
os ângulos de arfagem ( ) e rolamento ( ) podem ser
calculados pelas Equações (2) e (3), respectivamente.
( √ ) (2)
( √ ) (3)
3.3 Magnetômetro
O ângulo de guinada ( ) pode ser obtido por
meio do magnetômetro, um sensor que funciona
como uma bússola e que mede campo magnético. Se
a placa onde o sensor está acoplado permanecer
plana, é possível medir o ângulo de guinada pelo
arco tangente da relação dos dois eixos horizontais.
Entretanto, nesta aplicação isso não acontece, sendo
necessário fazer uma compensação da inclinação do
sensor. Esta compensação pode ser feita por meio
dos ângulos de inclinação obtidos por meio do acele-
rômetro, aplicando-se as Equações (4), (5) e (6).
(4)
+ + (5)
(6)
Para a utilização destas equações, é necessário
obter os dados do acelerômetro e do magnetômetro
de acordo com o sistema de coordenadas citado ante-
riormente e os sensores devem estar devidamente
alinhados. Além disso, outro procedimento muito
importante é a calibração do magnetômetro. Este
sensor deve apresentar os mesmos ganhos para os
três eixos, de forma que realizando rotações arbitrá-
rias em torno dos eixos do sensor, os valores coleta-
dos devem formar uma esfera cujo centro apresenta
valores nulos, como mostra a Figura 4, em que é
possível verificar a calibração realizada neste traba-
lho.
3.4 Fusão dos dados dos sensores
Embora seja possível medir a posição angular
nos três eixos utilizando apenas o giroscópio, este
sensor apresenta drift, ou seja, o valor de offset varia
com o tempo, além disso, o cálculo das posições
angulares por meio do giroscópio é susceptível a
erros devido à integração de ruídos de baixa frequên-
cia. Por outro lado, o acelerômetro apresenta valores
instáveis, sendo esta instabilidade acentuada em altas
frequências e, como o magnetômetro, precisa das
medidas do acelerômetro para corrigir a sua inclina-
ção, a medição do ângulo de guinada por meio deste
sensor também apresentará instabilidade para altas
frequências.
Figura 4: Magnetômetro HMC5883 calibrado.
Por isso, muitos trabalhos têm optado pelo uso
dos três sensores para medir posição angular nos três
eixos, por meio de filtros que fazem a fusão dos
dados provenientes destes sensores. Os principais
filtros utilizados são o Filtro Complementar e o Filtro
de Kalman.
Filtro Complementar
O Filtro Complementar faz a fusão dos dados
dos sensores considerando os espectros de frequência
mais confiáveis de cada um, por meio de dois filtros
digitais, um passa-baixas e o outro passa-altas, como
mostra a Figura 5.
Figura 5: Diagrama esquemático do Filtro Complementar.
A função para o cálculo da posição angular de
arfagem no domínio da frequência aplicando-se os
dois filtros digitais é mostrada na Equação (7), em
que a frequência de corte dos filtros, é a posição
de rolagem calculada pelos dados do acelerômetro e
é a velocidade angular de arfagem medida pelo
giroscópio.
Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014
1516
A Equação (8) mostra a mesma função, porém
no domínio do tempo discreto, em que é o instante
de tempo. Nota-se pela Equação (8) que este filtro é
de fácil implementação, sendo necessário definir
apenas o valor de , cuja relação com a frequência de
corte dos filtros digitais é dada pela Equação (9).
Para o cálculo das posições de rolagem e guinada
utiliza-se a mesma equação, porém nesta última os
dados do magnetômetro são utilizados.
(
)⁄
Filtro de Kalman
O Filtro de Kalman é essencialmente um conjun-
to de equações matemáticas que implementam um
estimador de estados conhecido como “preditor-
corretor”. Este filtro é empregado no sentido de ten-
tar estimar o estado de um processo contro-
lado em instantes discretos de tempo, que pode ser
representado pelas Equações (10) e (11), equações de
processo e de medição, respectivamente.
Neste trabalho, é o vetor das posições angula-
res do sistema nos três eixos, é o vetor das veloci-
dades angulares nos três eixos obtidas por meio do
giroscópio, é a matriz de transição de estados, é
a matriz que modela a entrada associada ( , é o
vetor de medidas, é a matriz que modela os estados
associados à medição que são provenientes dos dados
do acelerômetro e do magnetômetro, é o ruído de
processo e é o ruído de medição. As Equações
(12) e (13) são as equações de processo e de medição
obtidas para o sistema inercial proposto.
[
] [
] [
] [
] [
]
[
] [
] [
]
Quando algumas condições são satisfeitas, o fil-
tro de Kalman minimiza a covariância do erro esti-
mado, sendo assim um estimador ótimo. A Figura 6
mostra o diagrama do Filtro de Kalman para fazer a
fusão dos dados do acelerômetro e do giroscópio, a
fim de estimar as posições angulares de arfagem e
rolagem e a fusão dos dados do magnetômetro e do
giroscópio para estimar o ângulo de guinada.
Figura 6: Estrutura do Filtro de Kalman utilizado.
Na Figura 6, tem-se que ̂
é a estimativa a pri-
ori do vetor , é a matriz de covariância do erro,
é o ganho de Kalman , é a matriz de covariância
do ruído de processo e R é a matriz de covariância do
ruído de medição. Para e foram dados valores
nulos.
4 O Eletromiógrafo
O eletromiógrafo de um canal desenvolvido nes-
te trabalho é constituído de três eletrodos de superfí-
cie e de um circuito para aquisição, amplificação,
filtragem e retificação do sinal captado. Um dos
eletrodos é usado como referência e os outros dois
foram utilizados para captar o potencial elétrico pro-
veniente da contração muscular, dado pela diferença
de potencial destes dois eletrodos. A disposição dos
eletrodos no antebraço foi feita conforme mostra a
Figura 7.
Figura 7: Disposição dos eletrodos no antebraço.
Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014
1517
O circuito do eletromiógrafo possui quatro eta-
pas. A primeira etapa consiste na aquisição do sinal
eletromiográfico, na qual foi utilizado o amplificador
de instrumentação INA 126, com um ganho .
Nas demais etapas, foi utilizado um amplificador
TL072 em cada uma.
Na segunda etapa, o sinal obtido na fase de
aquisição foi amplificado, com um ganho e
posteriormente foi colocado um capacitor de aco-
plamento para filtrar a componente DC do sinal,
removendo erros de offset, seguido de um filtro ativo
passa-altas, com frequência de corte de para
eliminar ruído de baixa frequência.
A retificação do sinal foi feita na terceira etapa,
por meio de um retificador de onda completa. Na
quarta e última etapa foi utilizado um filtro passa-
baixas de para suavizar o sinal seguido de um
amplificador inversor com ganho ajustável. A partir
daí, o sinal de saída positivo foi então coletado por
meio do Arduino UNO. Devido à utilização do Ar-
duino UNO a alimentação do circuito foi feita em
5 Controle Fuzzy
Neste trabalho optou-se pelo controle fuzzy de-
vido ao fato deste controlador possuir uma fase de
elaboração do projeto simples, não sendo necessário
utilizar equações matemáticas complexas ou tabelas,
tarefas estas que consomem grande parte do tempo
de projeto em outras técnicas de controle que as
utilizam. O diagrama mostrado na Figura 8 mostra a
estratégia utilizada neste tipo de controlador.
Figura 8: Processos de um controlador fuzzy.
A interface de fuzzificação recebe os valores de
entrada, por meio dos quais é possível determinar os
termos linguísticos e os graus de pertinência dos
conjuntos nebulosos de entrada. Em controladores
fuzzy de caráter geral como o apresentado aqui, as
variáveis de entrada são usualmente o erro (e), gera-
do a partir da diferença entre o sinal de referência e a
saída da planta, e a variação do erro (de), que consis-
te no erro atual menos o erro no instante anterior.
As ações de controle, decorrentes de um conjun-
to de termos linguísticos associados às variáveis de
entrada, são obtidas por métodos de inferência, base-
ados em regras do tipo se antecedente... então conse-
quente com o objetivo de produzir uma saída fuzzy
que será utilizada para fins de cálculo da variável de
saída para o processo. Para isto, é necessário que o
projetista conheça o comportamento do sistema a ser
controlado e saiba quais ações devem ser tomadas
em face das diversas condições que as variáveis de
entrada possam assumir.
Uma vez definida a saída fuzzy, é necessário
transformá-la em uma saída real que será enviada
para o sistema. Esta etapa, denominada defuzzifica-
cão, pode ser feita através de vários métodos, dentre
eles estão o centro dos máximos, média dos máximos
e o centro de massa.
5 Resultados
5.1 Sistema Inercial
Uma vez construído o sistema inercial e calibra-
dos os sensores, foram implementados os filtros de
Kalman e Complementar, descritos no tópico 3.4.
Para o Filtro Complementar, a partir de testes, verifi-
cou-se que um valor de menor que 0,9 não reduz
significativamente as oscilações provenientes do
acelerômetro. Após vários testes, decidiu-se por
utilizar o valor , por apresentar melhores
resultados dentre os valores testados.
Para o Filtro de Kalman, as matrizes de covari-
ância do ruído de medição ( e covariância do ruído
de processo ( também foram obtidas empiricamen-
te, sendo definidas por matrizes diagonais 3x3, cujos
elementos são e .
A Figura 9 mostra um teste feito variando-se o
ângulo de guinada entre -45º e 45º aproximadamente.
A Figura 11 mostra um teste semelhante, porém
variando-se o ângulo de arfagem. As Figuras 10 e 12
apresentam a região circulada mostrada nas Figuras 9
e 11, respectivamente.
Nos testes realizados, foi simulado o valor que o
giroscópio apresentaria para a posição angular utili-
zando a Equação (1) caso a posição anterior utilizada
nesta Equação, não fosse obtida apenas pela medição
deste sensor. Nota-se pelas Figuras 9 e 11 que com o
tempo, os valores simulados para as medições feitas
apenas utilizando o giroscópio, embora não apresen-
tem oscilação, distanciam-se do valor correto, acu-
mulando erros.
Figura 9: Teste experimental variando-se a posição angular de guinada.
Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014
1518
Figura 10: Resultado do experimento mostrado na Figura 9 ampli-ado.
Figura 11: Teste experimental variando-se a posição angular de
arfagem.
Figura 12: Resultado do experimento mostrado na Figura 11
ampliado.
Por outro lado, os valores calculados apenas pe-
los dados do acelerômetro e do magnetômetro apre-
sentaram oscilação. Pelas Figuras 10 e 12, é possível
notar que ambos os filtros corrigiram as limitações
observadas pelo uso dos três sensores separadamente
e apresentaram resultados bem próximos, sendo estes
resultados bastante satisfatórios, pois apresentaram
uma oscilação muito pequena e mesmo em testes
realizados em um período de tempo maior, a resposta
dos dois filtros não acumulou erros.
5.2 Eletromiógrafo
Os testes com o eletromiógrafo foram feitos
apenas com indivíduos sem deficiência. Para a reali-
zação dos testes foi criada uma interface em LabVI-
EW®, contendo um LED que liga e desliga a cada 5
segundos. O LED ligado indica que o indivíduo deve
fechar a mão, por outro lado, o LED desligado indica
que o indivíduo deve manter a mão aberta. A Figura
13 mostra dois testes realizados com o mesmo indi-
víduo, sendo que no primeiro teste pediu-se que fosse
feito um maior esforço ao fechar a mão.
Na Figura 13, nota-se que pelo eletromiógrafo
construído é possível separar os estados mão aberta e
mão fechada utilizando a média dos valores a cada
10 amostras. Após o teste, esse valor foi utilizado
para enviar um comando de fechar ou abrir o efetua-
dor do manipulador, por meio de um controlador on-
off. Foi observado que para detectar corretamente o
estado da mão é necessário que o indivíduo faça um
pequeno esforço e mantenha-se concentrado.
Figura 13: Ensaios com o eletromiógrafo para um indivíduo.
5.3 Controle Fuzzy
O controle fuzzy foi implementado por meio do
software LabVIEW®
que contém blocos de progra-
mação específicos para o robô LEGO®. O diagrama
de blocos que representa o controlador fuzzy utiliza-
do é mostrado na Figura 14.
Figura 14: Planta com controlador fuzzy
As entradas do controlador são dadas pelo erro
(e), ou seja, a posição angular desejada menos a
posição angular medida pelo encoder, e a variação do
erro (de). A saída do controlador consiste num sinal
que proporciona o movimento do motor, que pode
variar entre 0 e 127, valores estes que correspondem
Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014
1519
a um valor de tensão a ser aplicado no motor que
pode ser no máximo de 9V. As funções de pertinên-
cia de fuzzificação, que foram as mesmas para as
duas juntas, podem ser vistas na Figura 15.
Figura 15: Fuzzificação das entradas e e de do controlador fuzzy
proposto para as juntas 1 e 2.
As funções de pertinência para classificar a vari-
ável de saída foram definidas como MN (Muito Ne-
gativo), N (Negativo), Z (Zero), P (Positivo) e MP
(Muito Positivo). A Tabela 1 mostra as regras de
inferência propostas para os controladores implemen-
tados em ambas as juntas.
Tabela 1. Regras de inferência dos controladores fuzzy
e
de N Z P
N MN N Z
Z N Z P
P Z P MP
Por fim, foram definidas as funções de pertinên-
cia referentes à defuzzificação. Neste caso, os limites
do grau de pertinência estabelecidos foram diferentes
para cada junta. As Figuras 16 e 17 mostram as fun-
ções para o processo de defuzzificação dos controla-
dores propostos para as juntas 1 e 2, respectivamente.
O ajuste fino do controlador, foi feito definindo-se o
ganho mostrado no diagrama da Figura 14 como
sendo K = 10.
Figura 16: Defuzzificação da saída do controlador proposto para a junta 1.
Figura 17: Defuzzificação da saída do controlador proposto para a
junta 2.
A Tabela 2 mostra valores obtidos por meio dos
testes realizados para as juntas 1 e 2, bem como o
máximo erro obtido para os valores testados para
cada junta. A saída representa os valores medidos
para a posição angular das juntas em regime perma-
nente, dada uma referência ao sistema de controle
fuzzy implementado. Nota-se pela Tabela 2 que os
controladores implementados apresentaram um erro
menor que 1º, para os valores testados.
Tabela 2. Valores obtidos pela implementação do controlador
fuzzy no sistema real.
Junta 1 Junta 2
Referência Saída Referência Saída
90º 90,668º 90º 90,549º
45º 45,725º 60º 59,121º
0º 0,416º 45º 45,275º
-45º -44,598º 0º 0º
-90º -89,541º -45º -44,097º
Erro máximo = 0,725º Erro máximo = 0,903º
A Figura 18 mostra o gráfico do desempenho
dos controladores fuzzy implementados nas juntas 1
e 2 para diferentes valores de offset.
Figura 18. Desempenho dos controladores fuzzy no sistema real.
(--) Referência e (-) Saída.
4 Conclusão
Este trabalho apresentou o projeto de um sistema
para o controle de posição de um manipulador robó-
Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014
1520
tico com dois graus de liberdade, utilizando sensores
inerciais e eletromiografia.
No sistema inercial proposto foram implementa-
dos o Filtro de Kalman e o Filtro Complementar. Nos
testes realizados ambos os filtros apresentaram resul-
tados bem aproximados, o que indica que para apli-
cações que requerem uma menor precisão o Filtro
Complementar pode ser uma alternativa melhor por
apresentar uma fase de implementação mais simples.
Porém, em aplicações mais complexas o uso do Fil-
tro de Kalman pode ser o mais indicado.
O eletromiógrafo desenvolvido também apresen-
tou os resultados esperados, distinguindo os estados
mão aberta e mão fechada. Porém, o uso de outros
métodos para processamento do sinal e de mais um
canal pode ser uma alternativa futura para que não
seja necessário a aplicação de um certo esforço por
parte do indivíduo ao fechar a mão e para que o mo-
vimento da mão não seja confundido com o movi-
mento do pulso, o que pode acontecer.
Outro ponto a ser destacado no trabalho é a sim-
plicidade do controlador fuzzy que surpreende pelos
resultados apresentados, os quais qualificam estes
tipos de controladores para aplicações de uso geral,
onde pequenos desvios não comprometem a eficiên-
cia do sistema de controle.
Para trabalhos futuros, pretende-se aumentar o
grau de complexidade do sistema, acrescentando
mais dois graus de liberdade, tanto para o manipula-
dor quanto para o sistema inercial desenvolvido, a
fim de que os movimentos do braço também possam
ser medidos. Outras formas de definir os parâmetros
dos filtros serão estudadas a fim de se obter melhores
resultados. Além disso, será feito o estudo de outros
tipos de controladores, visando um melhor desempe-
nho para aplicações mais complexas.
Agradecimentos
À Fundação de Amparo à Pesquisa do Estado de
Minas Gerais (FAPEMIG) e ao Conselho Nacional
de Desenvolvimento Científico e Tecnológico
(CNPQ) pelo apoio financeiro, à Universidade Fede-
ral de São João del-Rei (UFSJ) pelo apoio logístico e
infraestrutura física e ao Programa de Mestrado em
Engenharia Elétrica (PPGEL).
Referências Bibliográficas
Cannan, J. and Hu, H. (2012). A Multi-Sensor
Armband based on Muscle and Motion
Measurements. Robotics and Biomimetics
(ROBIO), 2012, Conference Proceedings. IEEE
International Conference on, p. 1098-1103.
Croft, H. and Ribeiro, D. C. (2013). Developing and
applying a tri-axial accelerometer sensor for
measuring real time kayak cadence. Procedia
Engineering, Elsevier, 60(1), p.16-21.
Dyer, C. A. E.; Harris, N. D. and Jenkin, E.;
Langley-Johnson, C.; Lewis, R.; Taylor, G. J.;
Gruffydd-Jones, K. (2013). Activity levels after
pulmonary rehabilitation – what really happens?
Physiotherapy, Elsevier, 99(3), p. 228-232.
Ferrari, M.; Ferrari, G.; and Hempel, R. (2002).
Building Robots With Lego Mindstorms. United
States of America: Syngress Publishing.
Garcia, E. Jimenez, M. A.; Santos, P. G. and
Armada, M. (2007). The Evolution of Robotics
Research: From Industrial Robotics to Field and
Service Robotics. Robotics & Automation
Magazine, IEEE, 14(1), p. 90-103.
Go, S. A.; Coleman-Wood, K. and Kaufman, K. R.
(2014). Frequency analysis of lower extremity
electromyography signals for the quantitative
diagnosis of dystonia. Electromyography and
Kinesiology. Elsevier, 24(1), p.31-36.
Hioki, M.; Ebisawa, S; Sakaeda, H.; Mouri, T.;
Nakagawa, S.; Uchida, Y. and Kawasaki, H.
(2011). Design and Control of Electromyogram
Prosthetic Hand with High Grasping Force. In:
Robotics and Biomimetics (ROBIO), 2011,
Conference Proceedings. IEEE International
Conference on, p. 1128-1133.
Li, G.; Shultz, A. E. and Kuiken, T. A. (2010).
Quantifying Pattern Recognition - Based
Myoelectric Control of Multifunctional
Transradial Prostheses. Neural Systems and
Rehabilitation Engineering, IEEE, 18(2), p. 185-
192.
Oliveira, L. M. B. (2012). Cartilha do Censo 2010:
Pessoas com Deficiência. Disponível em:
http://www.pessoacomdeficiencia.gov.br/app/sit
es/default/files/publicacoes/cartilha-censo-2010-
pessoas-com-deficienciareduzido.pdf. Acesso
em: 22 de janeiro de 2014.
Reaz, M. B. I.; Hussain, M. S. and Mohd-Yasin, F.
(2006). Techniques of EMG signal analysis:
detection, processing, classification and
applications. Biological Procedures Online, 8(1),
p. 11-35.
Yong, C. Y.; Chew, K. M.; Mahmood, N. H.;
Sudirman, R. and Omar, C. (2011).
Development and Measurement Properties of
Prosthetics Users’ Survey. Business,
Engineering and Industrial Applications
(ISBEIA), 2011 IEEE Symposium on, p. 533-
538.
Webster, J. G.; Clark Jr, J. W.; Neuman, M. R.;
Olson, W. H; Peura, R. A.; Primiano Jr, F. P.;
Siedband, M. P. and Wheeler, L. A. (2011).
Medical Instrumentation Application and
Design. United States of America: John Wiley &
Sons, 4th ed., 675p.
Wolf, M. T.; Assad C.; Vernacchia, M. T.; Fromm, J.
and Jethani, H. L. (2013). Gesture-Based Robot
Control with Variable Autonomy from the JPL
BioSleeve. Robotics and Automation (ICRA),
2013, Conference Proceedings. IEEE
International Conference on, p. 1160-1165.
Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014
1521
Top Related