Applied MRAC with Inverse Kinematics for Marine Weld Inspection Robot

Abstract

OceanTech's sveisinspeksjonsrobot er bygget slik at det er nødvendig å kontrollere fem frihetsgrader for å utføre inspeksjonen. Dette er mulig å håndtere i praksis, men oppleves som tungvint. Noen av justeringene fører til uønskede forskyvninger av sensoren. Målet med denne studien er å foreslå en kontroller som er i stand til å håndtere den ulineære dynamikken til roboten, og utvikle en passende invers kinematikk. Dette burde resultere i jevnere bevegelser og forenkle inspeksjonen for operatøren For å løse problem to, blir dynamikken til roboten modellert ved å anvende Lagrange formuleringen, deretter legge til dempningseffekt for å gjøre den mer realistisk. Model referanse adaptiv kontroll (MRAK) metoden funnet i Slotine et al. (1991) viste seg å være godt egnet til å håndtere mekaniske systemer som dette. I tillegg gir dette kontroll alternativet en mulighet til å inkludere invers kinematikken på en ryddig måte. Invers kinematikken ble utledet ved å undersøke roboten, inspeksjonsprosedyren og identifisere hva den mest intuitive outputen vil være og definere dem med et sett med nye tilstander. (x=f(q)) Siden systemet kun er kompatibelt med de originale tilstandene, må funksjonen inverteres slik at de nye tilstandene kan brukes til å utrykke de originale (q=f^(-1)(x)) Symbolske beregninger ble utført vha. Maple, simuleringer ble utført vha. MATLAB, og Python ble brukt til å konvertere syntaxer mellom de to programmene, og for å ekstrahere viktige elementer av kontrolleren. Autodesk Design Review gav tilgang til en 3D-modell av roboten, og ble brukt til å hente geometrisk data. Modellen, kontrolleren og invers kinematikken ble sammenkoblet i Simulink for å undersøke effekten av invers kinematikken og kontrollerens evne til å spore. Resultatene er presentert gjennom to simuleringer. En med posisjon- og en annen med hastighetsreferanse. Posisjonsreferansen er ment som input for en autonom drift, mens hastighetsreferansen er bedre egnet for manuelt bruk. Inputen påført systemet er valgt på en slik måte at invers kinematikken blir demonstrert. Den uforstyrrede effekten av invers kinematikken blir synligjort av de ønskede tilstandene. Banene til de ønskede tilstandsbanene viser at de uønskede forskyvningene av proben som førte til vanskeligheter, ble fjernet, og dermed gav en løsning til det første problemet. Modellen som ble utviklet gjennom dette studiet mangler den kaotiske påvirkningen som kan forventes på marine installasjoner. Dette vil heller bli sett på som en forstyrrelse kontrolleren må avvise i praksis. I tillegg har roboten selvlåsende mekanisme som ikke har blitt inkludert i modellen. Kontrolleren som ble utviklet er i god overenstemmelse med den utviklede modellen og konvergerer på en tilfredsstillende måte med lite anstrengelse for tuning. I praksis vil den optimale sammensetning av skaleringsverdier være avhengig av feedback kvalitet, aktuator utstyr og påvirkningen til eksterne forstyrrelser. På grunn av dette vil anstrengelser for å finne den optimale sammensetning av skaleringsverdier være uproduktivt. Derfor viser resultatene konvergens innen rimelig tid. Plottene viser at invers kinematikken medfører en ekstra utfordring for kontrolleren

OceanTech's weld inspection robot is designed in such a way that it is necessary to control five degrees of freedom in order to carry out the inspection. This is manageable in practice, but cumbersome. Some of the adjustments lead to unwanted displacements of the sensor device. The specific aim of this study is to suggest a controller capable of handling the nonlinear dynamics of the robot and develop appropriate inverse kinematics. This should result in smoother motions and ease the inspection for the operator. To solve problem two, the dynamics of the robot is modeled by applying Lagrangian formulation and adding a dampening effect for more realism. The model reference adaptive control (MRAC) scheme found in \cite{slotine1991applied} was found well suited for managing mechanical systems such as these. In addition, the reference model that the MRAC option requires, offers a neat opportunity to include the inverse kinematics. The inverse kinematics are found by examining the robot and inspection procedure and identify what the most intuitive output would be and define it with new states. (x=f(q)). As only the original states are compatible with the system, the function will have to be inverted so that the new states can be used to express the original states (q=f^(-1)(x)) Symbolic computations are handled by Maple, simulations are performed by MATLAB, while Python is used to convert syntax between the two software, and to extract crucial parts of the control law. Autodesk Design Review allow access to a 3D model of the robot and can be used to retrieve geometric data. The model, controller and inverse kinematics are connected in Simulink in order to test the effect of the inverse kinematics and the controllers tracking ability. The results are expressed through two simulations. One with position- and another with velocity reference. The position reference is intended as input for an autonomous mode, whereas the velocity reference is suited as input for manual use. The input exerted on the system is chosen in such a way that the inverse kinematics are demonstrated. The undisturbed effect of the inverse kinematics is revealed by the desired states. The trajectories of the desired states show that the unwanted displacements of the probe that was causing difficulties are removed, thus solving the first problem. The model derived through this study lack the chaotic environmental impact that can be expected at a marine installation. This will rather be regarded as a disturbance that the controller will have to reject in practice. In addition, the robot has a self-locking feature that has not been included in the model. The controller that was developed agrees with the derived model, and converged in a pleasant rate, with little tuning efforts. In practice the optimal set of gains depend on feedback quality, actuator equipment and the impact of external disturbances. For this reason, the effort of finding the optimal set of gain values for the simulated system would be in vain. Hence the results display convergence of the states in a reasonable time. The plots reveal that the inverse kinematics poses as an obstacle for the tracking.