Identificación de articulación blanda para brazo robótico mediante redes neuronales

• Toribio, Andrea ^[1] ; Relaño, Carlos ^[1] ; Monje, Concepcion A. ^[1] ; Martínez de la Casa, Santiago ^[1] ; Balaguer, Carlos ^[1]
  1. [1] Universidad Carlos III de Madrid

     Universidad Carlos III de Madrid

     Madrid, España

     
• Localización: XLIII Jornadas de Automática: libro de actas: 7, 8 y 9 de septiembre de 2022, Logroño (La Rioja) / coord. por Carlos Balaguer Bernaldo de Quirós, José Manuel Andújar Márquez, Ramón Costa Castelló, C. Ocampo-Martínez, Juan Jesús Fernández Lozano, Matilde Santos Peñas, José Simó, Montserrat Gil Martínez, José Luis Calvo Rolle, Raúl Marín, Eduardo Rocón de Lima, Elisabet Estévez Estévez, Pedro Jesús Cabrera Santana, David Muñoz de la Peña Sequedo, José Luis Guzmán Sánchez, José Luis Pitarch Pérez, Óscar Reinoso García, Óscar Déniz Suárez, Emilio Jiménez Macías, Vanesa Loureiro-Vázquez, 2022, ISBN 978-84-9749-841-8, págs. 843-850
• Idioma: español
• Títulos paralelos:
  • Soft joint identification for a robotic arm using neural networks
• Enlaces
  • Texto completo
• Resumen
  • español

    La robótica blanda es una rama con gran potencial en el campo de la robótica actual. Presenta grandes ventajas frente a la antigua perspectiva rígida. Sin embargo, su desarrollo se ve limitado por la complejidad del modelado, identificación y control de estos sistemas, debido entre otros factores a su no linealidad. Es en este contexto, donde el uso de redes neuronales, capaces de adaptarse al comportamiento de sistemas muy variados independientemente del conocimiento disponible de los mismos, adquiere relevancia. En el presente trabajo se analiza la identificación de una articulación robótica blanda mediante redes neuronales, comparando los resultados frente a los obtenidos a través de la identificación mediante funciones de transferencia.

  • English

    Soft robotics is a branch with great potential in the field of robotics today. It has great advantages over the old rigid perspective. However, its development is limited by the complexity of modelling, identification and control of these systems, due, among other factors, to their non-linearity. It is in this context that the use of neural networks, capable of adapting to a wide variety of systems, regardless of the knowledge available about them, is relevant. This paper analyses the identification of a soft robotic joint by means of neural networks, comparing the results with those obtained by means of transfer function identification.