Use este identificador para citar ou linkar para este item: http://www.repositorio.ufc.br/handle/riufc/18323
Título: Algoritmos de aprendizagem para aproximação da cinemática inversa de robôs manipuladores: um estudo comparativo
Título(s) alternativo(s): Algoritmos de aprendizado de máquinas para aproximação da cinemática inversa de robôs manipuladores: um estudo comparativo
Título em inglês: Machine learning algorithms for inverse kinematics approximation of robot manipulators: a comparative study
Autor(es): Melo, Davyd Bandeira de
Orientador(es): Barreto, Guilherme de Alencar
Palavras-chave: Teleinformática
Rede neurais
Máquinas - Apredizagem
Cinemática
Data do documento: 6-Jul-2015
Citação: MELO, D. B. (2015)
Resumo: Nesta dissertação são reportados os resultados de um amplo estudo comparativo envolvendo sete algoritmos de aprendizado de máquinas aplicados à tarefa de aproximação do modelo cinemático inverso de 3 robôs manipuladores (planar, PUMA 560 e Motoman HP6). Os algoritmos avaliados são os seguintes: Perceptron Multicamadas (MLP), Máquina de Aprendizado Extremo (ELM), Regressão de Mínimos Quadrados via Vetores-Suporte (LS-SVR), Máquina de Aprendizado Mínimo (MLM), Processos Gaussianos (PG), Sistema de Inferência Fuzzy Baseado em Rede Adaptativa (ANFIS) e Mapeamento Linear Local (LLM). Estes algoritmos são avaliados quanto à acurácia na estimação dos ângulos das juntas dos robôs manipuladores em experimentos envolvendo a geração de vários tipos de trajetórias no volume de trabalho dos referidos robôs. Uma avaliação abrangente do desempenho de cada algoritmo é feito com base na análise dos resíduos e testes de hipóteses são executados para verificar se há diferenças significativas entre os desempenhos dos melhores algoritmos.
Abstract: In this dissertation it is reported the results of a comprehensive comparative study involving seven machine learning algorithms applied to the task of approximating the inverse kinematic model of 3 robotic arms (planar, PUMA 560 and Motoman HP6). The evaluated algorithm are the following ones: Multilayer Perceptron (MLP), Extreme Learning Machine (ELM), Least Squares Support Vector Regression (LS-SVR), Minimal Learning Machine (MLM), Gaussian Processes (GP), Adaptive Network-Based Fuzzy Inference Systems (ANFIS) and Local Linear Mapping (LLM). Each algorithm is evaluated with respect to its accuracy in estimating the joint angles given the cartesian coordinates which comprise end-effector trajectories within the robot workspace. A comprehensive evaluation of the performances of the aforementioned algorithms is carried out based on correlation analysis of the residuals. Finally, hypothesis testing procedures are also executed in order to verifying if there are significant differences in performance among the best algorithms.
Descrição: MELO, D. B. Algoritmos de aprendizagem para aproximação da cinemática inversa de robôs manipuladores: um estudo comparativo. 2015. 133 f. Dissertação (Mestrado em Engenharia de Teleinformática) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2015.
URI: http://www.repositorio.ufc.br/handle/riufc/18323
Aparece nas coleções:DETE - Dissertações defendidas na UFC

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2015_dis_dbmelo.pdf3,34 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.