fx x x x - uis

63

>>

MODELADO 3D DE PIEzAS PARA CONSTRUCCIÓN DE ROBOTS MODULARES PARA EL PROGRAMA UIS INGÉNIUM

Nicolás Fernando Beltrán Garavito

Jorge Hernando Ramón Suárez

INTRODUCCIÓN

La sociedad cambiante actual demanda soluciones ági-les, creativas y oportunas, lo que exige mentes inno-vadoras y el trabajo en equipos interdisciplinarios. [1]

La Vicerrectoría de Investigación y Extensión de la Universidad Industrial de Santander, en su ánimo de promover la creatividad, la inventiva y el espíritu in-novador entre los estudiantes, planteó el programa Ingénium, que propone retos de los que se esperan soluciones únicas, atractivas y con alto potencial en el aporte a la sociedad. [2]

Dentro del programa Ingénium, se planteó el reto Elec-trónica Funcional, coordinado con el apoyo de los gru-pos Girod1, ERA2 y CPS3.

Como requisito inicial, se planteó la fabricación de pla-taformas modulares de fácil armado, y que permitieran enseñar y cumplir con requisitos básicos de robótica móvil, como manejo de sensores, control de motores, programación de tareas, planeación de trayectorias, etc. Estas plataformas modulares fueron diseñadas con base en especificaciones técnicas, tanto propias del reto, como implícitas en los componentes comerciales que han de utilizarse. El software utilizado para el di-seño de las plataformas fue SolidWorks 2010 [3], en el que fue necesario modelar algunos de los componen-tes comerciales para la verificación de especificaciones y la ultimación de detalles.

ESPECIfICACIONES INICIALES DE DISEñO

El reto sería llevado a cabo en una pista con las siguien-tes características básicas:

• Elevaciones de hasta 30º

• Giros de hasta 120º

1 Grupo de Investigación en Robótica de Servicio y Diseño Industrial

2 Grupo Estudiantil Electrónica y Robótica Aplicada

3 Grupo de Investigación en Conectividad y Procesamiento de Señal

• Ancho en secciones cerradas de 20 a 25 cm

• Pasos a desnivel de hasta 1 cm

• Superficie de MDF

Componentes comerciales contemplados dentro del diseño de las plataformas modulares:

• Servomotores HS311

• Sensores réflex CNY70

• Sensores infrarrojos GP2Y0D340K

• Sensores infrarrojos IS471FE

• Rueda de apoyo Ballcaster Tamiya

• Sistema de tracción oruga Tamiya

Componentes para diseñar en SolidWorks2010

• Chasís modular con tres variantes de forma

• Carcasas para los controles remotos

• Carcasas para el módulo de procesamiento y po-tencia del robot

• Carcasas para los sensores

Por conocimiento previo del material y su aplicabili-dad, se utilizarán láminas de acrílico de 120 cm x 80 cm con 3 mm y 5 mm de espesor para la fabricación de los componentes diseñados, lo que permite que el diseño sea cortado directamente con tecnología láser desde un software CAD. El uso de acrílico y la búsqueda de que los componentes sean tratados como módulos im-plica que las piezas sean acopladas y no pegadas, y que sea necesario el diseño de los empalmes entre piezas.

DISEñO DE PIEzAS

Haciendo uso del Software SolidWorks2010, y tenien-do como base los bosquejos iniciales a mano y los com-ponentes comerciales que han de utilizarse, se proce-dió a diseñar cada una de las partes que conformarían los robots.

Inicialmente, se generaron los modelos de los servo-motores HS311 para calcular correctamente sus posi-ciones y tamaños dentro de los robots. Igualmente, se modelaron las partes que conforman la rueda de apo-yo Ballcaster. Todas las dimensiones de estos elemen-tos comerciales fueron caracterizadas por medición directa con un calibrador milimétrico, por no disponer de datos directos y exactos por parte de los fabrican-tes. Los modelados finales se pueden observar en las figuras 1,2,3 y 4, con medidas en milímetros.

MEMORIAS DEL DIPLOMADO 2011

62

CONCLUSIONES

El anterior trabajo muestra que para cada una de las funciones tratadas los parámetros introducidos para la realización de estos métodos son propios de cada función, de tal forma que no se pueden generalizar los parámetros que garanticen una excelente respuesta; por lo tanto, será criterio y responsabilidad del usua-rio verificar cada prueba hecha a cada función y de-terminar cuándo el método, bajo ciertos parámetros, converge y ofrece unas respuestas similares. Con esta interfaz, se quiere facilitar de cierta forma esta tarea, porque permite guardar los datos ingresados y de esta manera compararlos. Además, el programa ofrece la posibilidad de cambiar valores u otros parámetros sin necesidad de hacer una búsqueda exhaustiva en un có-digo. Tampoco es necesario que el usuario tenga cier-to conocimiento del tema porque con ingresar bien la función este puede variar a gusto los parámetros.

En el criterio de parada del PSO siempre se utilizo un número determinado de iteraciones. Por medio de la desviación estándar, no se tiene una clara convergen-cia entre prueba y prueba; por lo tanto, se requiere un estudio más detallado de cómo seleccionar un valor de desviación suficientemente confiable para que este ofrezca una confortable respuesta.

Al comparar las graficas de la media de la población entre los dos métodos, se puede observar que, para los algoritmos genéticos, se preserva la aleatoriedad de la población, con los que se garantiza de cierta for-ma su diversidad. Por otro lado, en el PSO se observa que a medida que aumentan las iteraciones, la pobla-ción tiende a generar una alta convergencia. En ciertos casos puede que no sea lo apropiado porque abre la posibilidad a la población de caer en un mínimo local y que no se explore adecuadamente el espacio de bús-queda.

Referencias

[1] PINO DE LOS REYES, Víctor Hermides y MONDOL ROMERO, Alan Óscar. Algoritmos genéticos con codificación real en la optimización de funciones de una variable real, Centro Universitario de las Tunas (Cult), Las Tunas, mayo 2009.

[2] [En línea] Disponible en: http://www.sc.ehu.es/ccwbayes/docen-cia/mmcc/docs/temageneticos.pdf

[3] KURI, Ángel, algoritmos genéticos. Centro de Investigación en Computación. Mayo de 2000.

[4] RUSSELL C, Eberhart y YUHUI, Shi, particle swarm optimization: developments, applications and resources. 2001.

[5] Particle swarm optimization [En línea] Disponible en: http://en.wikipedia.org/w/index.php?oldid=418108247

[6] JACO F. Schutte.The particle swarm optimization algorithm. 2005

[7] HAN HUANG, HU QIN, ZHIFENG HAO, ANDREW LIM. Example-based learning particle swarm optimization for continuous optimi-zation. 2010

[8] DÍAZ, A., et al. Optimización heurística y redes neuronales. Ma-drid, Paraninfo, 1999.

[9] MARCIN MOLGA, CZESŁAW SMUTNICKI. Test functions for opti-mization needs, 2005.

Autores:

Joan Salomón Galvis AparicioIngeniero civilUniversidad Industrial de [email protected]

Óscar Javier Begambre CarrilloIngeniero civil, magíster en ingeniería civil, doctor en ingeniería civilProfesor de la Escuela de Ingeniería CivilGrupo de Investigación en Materiales y Estructuras de Construcción INMEUniversidad Industrial de [email protected]

MeMorias del diploMado 2010 - 2011

61

>>

X3min: - 2.048; X3max: 2,048

X4min: - 2.048; X4max: 2,048

El criterio de parada fue el de número de iteraciones. Estos datos y criterio de parada corresponden a una serie de pruebas que se hicieron para alcanzar los valores propuestos de mínimos óptimos de la misma función. [9]

Test area is usually restricted to hypercube -2.048

ix 2.048, i = 1,…,n. Its global minimum equal f(x) = 0 is obtainable for ix = 0, i = 1, …, n.

Resultados cuatro (4) dimensiones:

Optimal : -0.0547289

Position : 1,00763 1,01032 1,01328 1,02674

Time:Hours

0

Minutes8

Seconds4

figura 21. Resultados en cuatro dimensiones

figura 22. Media de la población y del mejor individuo

Nota: De las 15 pruebas realizadas, se seleccionó la mejor para este último caso.

RESUMEN DE TABLAS

Parámetros finales

Tabla 1. Algoritmos genéticos con codificación real

Algoritmosgenéticosconcodificaciónreal

Dimensión Pobla-ción

Generacio-nes

Función 1 1 20 1000Función 2 2 30 1000Función 3 3 20 1500Función 4 4 20 1000

Probabilidad de cruce

Probabilidad de mu-tación

Función 1 0,85 0,1Función 2 0,85 0,1Función 3 0,85 0,1Función 4 0,85 0,1

Selección Cruce Mutación

Función 1 Ruleta BLX-alpha No uni-forme

Función 2 Ruleta BLX-alpha No uni-forme

Función 3 Torneo Aritmético No uni-forme

Función 4 Torneo Aritmético No uni-forme

Tabla 2. Enjambre de partículas PSO

EnjambredepartículasPSO

Dimensión Población Generaciones

Función 1 1 20 800

Función 2 2 20 800

Función 3 3 100 1000

Función 4 4 200 5000

Parámetro cognitivo

Paráme-tro social Inercia inicial

Función 1 0,85 0,85 0,7

Función 2 0,85 0,85 0,7

Función 3 0,7 0,85 0,5

Función 4 0,85 0,85 0,9


60

figura 17. Gráfica de la media de la población y del mejor individuo

figura 18. Gráfica de F(x1, x2)

• función 3 [9]: Rastrigin’s function

2

110 [ 10cos(2 )]

n

i ii

f x n x x

(10)

Para este problema se proponen los siguientes datos:

Número de dimensiones: 3

Número de partículas: 100

Número de iteraciones: 1000

Parámetro cognitivo C1: 0,7

Parámetro social C2: 0,85

Inercia inicial w: 0,5

X1min: - 5.12; X1max: 5,12

X2min: - 5.12; X2max: 5,12

X3min: - 5.12; X3max: 5,12

El criterio de parada fue el de número de iteraciones. Estos datos y criterio de parada corresponden a una serie de pruebas que se hicieron para alcanzar los valores propuestos de mínimos óptimos de la misma función. [9]

Test area is usually restricted to hypercube -5.12

ix 5.12, i = 1,…,n. Its global minimum equal f(x) = 0 is obtainable for ix = 0, i = 1, …, n.

Resultados tres (3) dimensiones:

Optimal : 4.54977e-005

Position : 3.40497e-009 -0.000478167 -2.62455e-005

Time:Hours

0

Minutes1

Seconds-21

figura 19. Resultados en tres dimensiones

figura 20. Gráfica de la media de la población y del mejor individuo

• función 4 [9]: Rosenbrock’s valley

1 22 2

11

[100 (1 ) ]n

i i ii

f x x x x

(11)

Para este problema se proponen los siguientes datos:

Número de dimensiones: 4

Número de partículas: 200

Número de iteraciones: 5000

Parámetro cognitivo C1: 0,85

Parámetro social C2: 0,85

Inercia inicial w: 0,9

X1min: - 2,048; X1max: 2,048

X2min: - 2,048; X2max: 2,048


63

>>

MODELADO 3D DE PIEzAS PARA CONSTRUCCIÓN DE ROBOTS MODULARES PARA EL PROGRAMA UIS INGÉNIUM

Nicolás Fernando Beltrán Garavito

Jorge Hernando Ramón Suárez

INTRODUCCIÓN

La sociedad cambiante actual demanda soluciones ági-les, creativas y oportunas, lo que exige mentes inno-vadoras y el trabajo en equipos interdisciplinarios. [1]

La Vicerrectoría de Investigación y Extensión de la Universidad Industrial de Santander, en su ánimo de promover la creatividad, la inventiva y el espíritu in-novador entre los estudiantes, planteó el programa Ingénium, que propone retos de los que se esperan soluciones únicas, atractivas y con alto potencial en el aporte a la sociedad. [2]

Dentro del programa Ingénium, se planteó el reto Elec-trónica Funcional, coordinado con el apoyo de los gru-pos Girod1, ERA2 y CPS3.

Como requisito inicial, se planteó la fabricación de pla-taformas modulares de fácil armado, y que permitieran enseñar y cumplir con requisitos básicos de robótica móvil, como manejo de sensores, control de motores, programación de tareas, planeación de trayectorias, etc. Estas plataformas modulares fueron diseñadas con base en especificaciones técnicas, tanto propias del reto, como implícitas en los componentes comerciales que han de utilizarse. El software utilizado para el di-seño de las plataformas fue SolidWorks 2010 [3], en el que fue necesario modelar algunos de los componen-tes comerciales para la verificación de especificaciones y la ultimación de detalles.

ESPECIfICACIONES INICIALES DE DISEñO

El reto sería llevado a cabo en una pista con las siguien-tes características básicas:

• Elevaciones de hasta 30º

• Giros de hasta 120º

1 Grupo de Investigación en Robótica de Servicio y Diseño Industrial

2 Grupo Estudiantil Electrónica y Robótica Aplicada

3 Grupo de Investigación en Conectividad y Procesamiento de Señal

• Ancho en secciones cerradas de 20 a 25 cm

• Pasos a desnivel de hasta 1 cm

• Superficie de MDF

Componentes comerciales contemplados dentro del diseño de las plataformas modulares:

• Servomotores HS311

• Sensores réflex CNY70

• Sensores infrarrojos GP2Y0D340K

• Sensores infrarrojos IS471FE

• Rueda de apoyo Ballcaster Tamiya

• Sistema de tracción oruga Tamiya

Componentes para diseñar en SolidWorks2010

• Chasís modular con tres variantes de forma

• Carcasas para los controles remotos

• Carcasas para el módulo de procesamiento y po-tencia del robot

• Carcasas para los sensores

Por conocimiento previo del material y su aplicabili-dad, se utilizarán láminas de acrílico de 120 cm x 80 cm con 3 mm y 5 mm de espesor para la fabricación de los componentes diseñados, lo que permite que el diseño sea cortado directamente con tecnología láser desde un software CAD. El uso de acrílico y la búsqueda de que los componentes sean tratados como módulos im-plica que las piezas sean acopladas y no pegadas, y que sea necesario el diseño de los empalmes entre piezas.

DISEñO DE PIEzAS

Haciendo uso del Software SolidWorks2010, y tenien-do como base los bosquejos iniciales a mano y los com-ponentes comerciales que han de utilizarse, se proce-dió a diseñar cada una de las partes que conformarían los robots.

Inicialmente, se generaron los modelos de los servo-motores HS311 para calcular correctamente sus posi-ciones y tamaños dentro de los robots. Igualmente, se modelaron las partes que conforman la rueda de apo-yo Ballcaster. Todas las dimensiones de estos elemen-tos comerciales fueron caracterizadas por medición directa con un calibrador milimétrico, por no disponer de datos directos y exactos por parte de los fabrican-tes. Los modelados finales se pueden observar en las figuras 1,2,3 y 4, con medidas en milímetros.


62

CONCLUSIONES

El anterior trabajo muestra que para cada una de las funciones tratadas los parámetros introducidos para la realización de estos métodos son propios de cada función, de tal forma que no se pueden generalizar los parámetros que garanticen una excelente respuesta; por lo tanto, será criterio y responsabilidad del usua-rio verificar cada prueba hecha a cada función y de-terminar cuándo el método, bajo ciertos parámetros, converge y ofrece unas respuestas similares. Con esta interfaz, se quiere facilitar de cierta forma esta tarea, porque permite guardar los datos ingresados y de esta manera compararlos. Además, el programa ofrece la posibilidad de cambiar valores u otros parámetros sin necesidad de hacer una búsqueda exhaustiva en un có-digo. Tampoco es necesario que el usuario tenga cier-to conocimiento del tema porque con ingresar bien la función este puede variar a gusto los parámetros.

En el criterio de parada del PSO siempre se utilizo un número determinado de iteraciones. Por medio de la desviación estándar, no se tiene una clara convergen-cia entre prueba y prueba; por lo tanto, se requiere un estudio más detallado de cómo seleccionar un valor de desviación suficientemente confiable para que este ofrezca una confortable respuesta.

Al comparar las graficas de la media de la población entre los dos métodos, se puede observar que, para los algoritmos genéticos, se preserva la aleatoriedad de la población, con los que se garantiza de cierta for-ma su diversidad. Por otro lado, en el PSO se observa que a medida que aumentan las iteraciones, la pobla-ción tiende a generar una alta convergencia. En ciertos casos puede que no sea lo apropiado porque abre la posibilidad a la población de caer en un mínimo local y que no se explore adecuadamente el espacio de bús-queda.

Referencias

[1] PINO DE LOS REYES, Víctor Hermides y MONDOL ROMERO, Alan Óscar. Algoritmos genéticos con codificación real en la optimización de funciones de una variable real, Centro Universitario de las Tunas (Cult), Las Tunas, mayo 2009.

[2] [En línea] Disponible en: http://www.sc.ehu.es/ccwbayes/docen-cia/mmcc/docs/temageneticos.pdf

[3] KURI, Ángel, algoritmos genéticos. Centro de Investigación en Computación. Mayo de 2000.

[4] RUSSELL C, Eberhart y YUHUI, Shi, particle swarm optimization: developments, applications and resources. 2001.

[5] Particle swarm optimization [En línea] Disponible en: http://en.wikipedia.org/w/index.php?oldid=418108247

[6] JACO F. Schutte.The particle swarm optimization algorithm. 2005

[7] HAN HUANG, HU QIN, ZHIFENG HAO, ANDREW LIM. Example-based learning particle swarm optimization for continuous optimi-zation. 2010

[8] DÍAZ, A., et al. Optimización heurística y redes neuronales. Ma-drid, Paraninfo, 1999.

[9] MARCIN MOLGA, CZESŁAW SMUTNICKI. Test functions for opti-mization needs, 2005.

Autores:

Joan Salomón Galvis AparicioIngeniero civilUniversidad Industrial de [email protected]

Óscar Javier Begambre CarrilloIngeniero civil, magíster en ingeniería civil, doctor en ingeniería civilProfesor de la Escuela de Ingeniería CivilGrupo de Investigación en Materiales y Estructuras de Construcción INMEUniversidad Industrial de [email protected]


67

>>

figura 12. Modelo de triciclo

• Cuatro por cuatro (4x4). Este tipo de plataforma se caracteriza por usar cuatro ruedas motrices. A di-ferencia del triciclo, es una plataforma mucho más estable; sin embargo, presenta el inconveniente de que su centro de giro depende de la distribución de peso dentro del robot. Así mismo, el giro depende de la fricción del suelo con las llantas, limitando el deslizamiento del robot en el momento de girar. Este tipo de plataforma puede sortear obstáculos, como pendientes y desniveles de poca altura.

figura 13. Modelo 4x4

• Oruga. Es la versión mejorada del 4x4. Tiene un sis-tema de cadenas que le permiten sortear práctica-mente cualquier obstáculo, además de tener una mayor área de contacto con la superficie, lo que le permite tener una adherencia sin igual. Dentro de los inconvenientes está la baja velocidad adqui-rida, pues las pérdidas por fricción son considera-bles; es decir, en un sistema 4x4 será mucho más rápido que el tipo oruga, pero no tendrá la máxima capacidad para subir pendientes.

• Trapecio. Es una variación del sistema 4x4, con la diferencia de que las ruedas delanteras están más próximas al centro, lo que permite que el carro

presente más estabilidad al desplazarse en línea recta; así mismo, reforzar esta cualidad hace que en los giros tenga más pérdidas por fricción, lo que dificulta estas acciones.

figura 14. Modelo trapecio

• Circular. Es una variación del tipo triciclo. La dife-rencia principal radica en la simplicidad del chasís, que la convierte en la más liviana y mejora su ve-locidad de desplazamiento; pero, así mismo, es la más inestable de todas por su tamaño, que no es ideal cuando hay rampas o desniveles muy pro-nunciados.

figura 15. Modelo circular

Implementación final

Las diferentes piezas fueron cortadas con tecnología lá-ser, directamente de la lámina de acrílico, lo que permi-te obtener una precisión milimétrica en los acabados. Sin embargo, por cuestiones fuera del alcance del pre-sente trabajo, las carcasas del control remoto, los sen-sores y el módulo de procesamiento no pudieron ser ensamblados, y fue necesario manufacturar otras; sin embargo, la concepción y las medidas iniciales fueron utilizadas para tal fin. La figura 16 muestra un modelo tipo oruga implementado con las piezas finales corta-das y el módulo de procesamiento manufacturado.


66

Al igual que con los chasises de los robots, era necesa-rio hacer las carcasas para el control remoto, el módulo de procesamiento y potencia del robot, y empaquetar los sensores. Para esta etapa, el diseño base se tomó de las tarjetas de circuito impreso que delimitaban la posición de las antenas, los pulsadores, los diodos LED y demás elementos electrónicos. Igualmente, se debie-ron calcular el espacio y la forma de instalación de las baterías para hacerlas de fácil acceso al momento del reemplazo.

figura 8. Carcasa para el módulo de procesamiento y

potencia del robot

figura 9. Carcasa para el control remoto

figura 10. Carcasa para el par de sensores réflex

CNY70

Para los diseños, también se tuvieron en cuenta facto-res como:

• Tamaños de las ruedas

• Conservación del centro de masa

• Espacios para asegurar elementos mediante torni-llería

• Orden de armado de modelos

• Circuitos y elementos como pulsadores, leds, etc.

Análisis general

Dado el requisito inicial por parte del reto INGÉNIUM, el análisis estuvo centrado en el manejo de espacios, el cálculo de las piezas y los elementos de soporte. Sin embargo, se aprovechó la herramienta SolidWorks para asegurar centros de masa y para realizar unos simples análisis de fuerza, como el que se ve en la fi-gura 11, en que se aplican 100N a la pieza superior del modelo 4x4. Estos análisis determinaron, como era de esperarse, que para el peso total del modelo y las fuer-zas a las que se sometería el modelo la resistencia del material es óptima.

figura 11. Análisis de resistencia a pieza superior del

modelo 4x4

RESULTADOS

Modelos posibles de armado

• Triciclo. Consta de dos ruedas motrices y un so-porte de tipo rueda libre. Es la plataforma robótica más sencilla de construir; sin embargo, es una pla-taforma que solo sirve en terrenos planos o con pocas inclinaciones. Adicionalmente, el uso de la rueda libre dificulta algunos tipos de maniobras, como paso entre dos desniveles.


65

>>

figura 5. Dimensiones básicas del chasís de los robots

figura 6. Dimensiones del soporte del servomotor

figura 7. Dimensiones del soporte lateral para oruga

Tamiya

Utilizando el modelo del servomotor HS311, se calcula-ron las distancias mínimas de partes esenciales, como el soporte del mismo servomotor, las caras superior e inferior de cada uno de los tipos de chasís y los sopor-tes laterales para los sistemas de oruga.


64

figura 1. Dimensiones del servomotor HS311figura 2. Modelo 3D del

servomotor HS311

figura 4. Modelo 3D de la Ballcaster Tamiya

figura 3. Dimensiones del soporte base de la Ballcaster

Tamiya


67

>>

figura 12. Modelo de triciclo

• Cuatro por cuatro (4x4). Este tipo de plataforma se caracteriza por usar cuatro ruedas motrices. A di-ferencia del triciclo, es una plataforma mucho más estable; sin embargo, presenta el inconveniente de que su centro de giro depende de la distribución de peso dentro del robot. Así mismo, el giro depende de la fricción del suelo con las llantas, limitando el deslizamiento del robot en el momento de girar. Este tipo de plataforma puede sortear obstáculos, como pendientes y desniveles de poca altura.

figura 13. Modelo 4x4

• Oruga. Es la versión mejorada del 4x4. Tiene un sis-tema de cadenas que le permiten sortear práctica-mente cualquier obstáculo, además de tener una mayor área de contacto con la superficie, lo que le permite tener una adherencia sin igual. Dentro de los inconvenientes está la baja velocidad adqui-rida, pues las pérdidas por fricción son considera-bles; es decir, en un sistema 4x4 será mucho más rápido que el tipo oruga, pero no tendrá la máxima capacidad para subir pendientes.

• Trapecio. Es una variación del sistema 4x4, con la diferencia de que las ruedas delanteras están más próximas al centro, lo que permite que el carro

presente más estabilidad al desplazarse en línea recta; así mismo, reforzar esta cualidad hace que en los giros tenga más pérdidas por fricción, lo que dificulta estas acciones.

figura 14. Modelo trapecio

• Circular. Es una variación del tipo triciclo. La dife-rencia principal radica en la simplicidad del chasís, que la convierte en la más liviana y mejora su ve-locidad de desplazamiento; pero, así mismo, es la más inestable de todas por su tamaño, que no es ideal cuando hay rampas o desniveles muy pro-nunciados.

figura 15. Modelo circular

Implementación final

Las diferentes piezas fueron cortadas con tecnología lá-ser, directamente de la lámina de acrílico, lo que permi-te obtener una precisión milimétrica en los acabados. Sin embargo, por cuestiones fuera del alcance del pre-sente trabajo, las carcasas del control remoto, los sen-sores y el módulo de procesamiento no pudieron ser ensamblados, y fue necesario manufacturar otras; sin embargo, la concepción y las medidas iniciales fueron utilizadas para tal fin. La figura 16 muestra un modelo tipo oruga implementado con las piezas finales corta-das y el módulo de procesamiento manufacturado.


66

Al igual que con los chasises de los robots, era necesa-rio hacer las carcasas para el control remoto, el módulo de procesamiento y potencia del robot, y empaquetar los sensores. Para esta etapa, el diseño base se tomó de las tarjetas de circuito impreso que delimitaban la posición de las antenas, los pulsadores, los diodos LED y demás elementos electrónicos. Igualmente, se debie-ron calcular el espacio y la forma de instalación de las baterías para hacerlas de fácil acceso al momento del reemplazo.

figura 8. Carcasa para el módulo de procesamiento y

potencia del robot

figura 9. Carcasa para el control remoto

figura 10. Carcasa para el par de sensores réflex

CNY70

Para los diseños, también se tuvieron en cuenta facto-res como:

• Tamaños de las ruedas

• Conservación del centro de masa

• Espacios para asegurar elementos mediante torni-llería

• Orden de armado de modelos

• Circuitos y elementos como pulsadores, leds, etc.

Análisis general

Dado el requisito inicial por parte del reto INGÉNIUM, el análisis estuvo centrado en el manejo de espacios, el cálculo de las piezas y los elementos de soporte. Sin embargo, se aprovechó la herramienta SolidWorks para asegurar centros de masa y para realizar unos simples análisis de fuerza, como el que se ve en la fi-gura 11, en que se aplican 100N a la pieza superior del modelo 4x4. Estos análisis determinaron, como era de esperarse, que para el peso total del modelo y las fuer-zas a las que se sometería el modelo la resistencia del material es óptima.

figura 11. Análisis de resistencia a pieza superior del

modelo 4x4

RESULTADOS

Modelos posibles de armado

• Triciclo. Consta de dos ruedas motrices y un so-porte de tipo rueda libre. Es la plataforma robótica más sencilla de construir; sin embargo, es una pla-taforma que solo sirve en terrenos planos o con pocas inclinaciones. Adicionalmente, el uso de la rueda libre dificulta algunos tipos de maniobras, como paso entre dos desniveles.


fx x x x - uis

Documents