MODELADO NO PARAMÉTRICO DE ROBOT SCARA 3-GDL UTILIZANDO REDES NEURONALES RECURRENTES

• Autores: Hernández Díaz, Julio, Iparraguirre Monzón, Mauricio, Montenegro Castro, Carlos, Alva Alcántara, Josmell, Manzano Ramos, Edgar
• Formato: artículo
• Fecha de Publicación: 2021
• Institución: Universidad Nacional del Altiplano
• Repositorio: Revistas - Universidad Nacional de Altiplano
• Lenguaje: español
• OAI Identifier: oai:revistas.unap.edu.pe/epg:article/3502
• Enlace del recurso: https://revistas.unap.edu.pe/epg/index.php/investigaciones/article/view/3502
• Nivel de acceso: acceso abierto
• Materia: RNN, SCARA, CoppeliaSim, modelado no paramétrico, Python.

Los robots SCARA (Selective Compliance Assembly Robot Arm) se utilizan para trabajos de paletizado ya que son adecuados para el montaje y el posicionamiento en plano. En este artículo, nuestro objetivo es obtener un modelo dinámico de un robot SCARA de 3GDL haciendo uso de redes neuronales recurrentes (RNN). A partir de los antecedentes, se optó por utilizar un modelamiento no paramétrico, para evitar las pérdidas de algunas características del modelo obtenido tales como la fricción y el desgaste en los actuadores con tal de mejorar la precisión del robot. El flujo de datos se obtendrá a partir del simulador robótico CoppeliaSim. Luego, se deben tener los datos de entrada y salida para la red neuronal, efectuar un preprocesamiento y normalización de los datos para el entrenamiento. Se hará uso de las librerías existentes en el lenguaje de programación de alto nivel Python para desarrollar un algoritmo de identificación por redes neuronales recurrentes basado en el tipo de aprendizaje por retropropagación. Además, se realizará la validación y prueba correspondiente. Como producto final se espera tener un modelo que pueda representar el sistema físico con gran precisión, de tal forma que se puedan diseñar estrategias de control con buen rendimiento.