Modelo de aprendizado de máquina informado por física de um manipulador paralelo com elos flexíveis para controle

• Processo: 24/07967-9
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de agosto de 2024
• Data de Término da vigência: 31 de julho de 2025
• Área de conhecimento: Engenharias - Engenharia Mecânica - Projetos de Máquinas
• Pesquisador responsável: Maira Martins da Silva
• Beneficiário: Tony Jun Tanaka
• Instituição Sede: Escola de Engenharia de São Carlos (EESC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Aprendizado computacional Manipuladores robóticos Sistemas de controle Treinamento Modelagem dinâmica
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Manipuladores robóticos | Sistemas de Controle | Treinamento | Modelagem Dinâmica

Resumo

Algumas formas de obter modelos dinâmicos para o controle de manipuladores flexíveis e paralelos são o dos multiplicadores de Lagrange e elementos finitos; no entanto, eles não são adequados para qualquer tipo de sistema. Em alguns casos, esses métodos acabam sendo lento demais para realizar o controle, pois o modelo gerado é de larga escala. Dessa forma, um método diferente de obter modelos dinâmicos deve ser usado, e uma alternativa é o modelo de aprendizado de máquina informado por física. Esse método necessita um número menor de dados do que redes neurais profundas para funcionar devido à imposição de leis físicas, que geram informações adicionais. Além disso, ele é capaz de integrar dados ruidosos e modelos matemáticos para gerar resultados simples e rápidos de se fazer controle. Com isso, os objetivos dessa pesquisa são: estudo de um manipulador para formação de modelo no software MSC Adams, validação desse modelo, estudo da literatura de aprendizado de máquina informado por física, decisão da estrutura do metamodelo, coleta de dados, treinamento do modelo, investigação e identificação de limitações. O manipulador robótico planar com elos flexíveis que será estudado foi desenvolvido e construído na EESC-USP (FAPESP2018/21336-0). Os resultados dessa pesquisa auxiliarão no entendimento do funcionamento desse novo tipo de aprendizado de máquina e sistemas com juntas paralelas e elos flexíveis.