The continuous growth of the production and use of industrial robots has required over the years, with the rise of new applications, to develop methods to guarantee their safety. Therefore, the need has been created for new algorithmic approaches to guarantee the execution of the task assigned to the manipulator, without any risk for the safety of human operators and surrounding equipment. This thesis proposes a genetic algorithm for the offline generation of a trajectory for a six-axis manipulator with collision avoidance during braking. Indeed, the solution requires that, even in the event of any category 1 stop (possible cause of deviation from the programmed path) recorded during the execution of the path, there are no collisions with the static components of the robot working cell. By means of a tool (Realistic Controller Simulation, RCS) for the automatic generation of the trajectory sampled from a set of movement instructions, the parameters of the latter are optimized by a genetic algorithm that guides the evolution of the solution. This is possible by associating to the single trajectory an index of goodness inversely proportional to the travel time and to the number of collisions recorded along the path. This last parameter is calculated using the GJK algorithm (Gilbert-Johnson-Keerthi), which computes the distances between the volumes swept by the links (modelled as capsules) and the cell components (convex hulls) during a stopping maneuver. The results of the simulations show that it is possible to improve the performances of the algorithm, using the experimental data on the distances traveled during a braking, rather than the conservative ones obtained according to ISO standards. Further optimization is possible by deciding a set of obstacles to be monitored for the collision due to the emergency stop and a set that does not require this test.

La continua crescita della produzione e dell'impiego dei robot industriali ha richiesto nel corso degli anni che, con la nascita di nuove applicazioni, si sviluppassero anche metodi per garantirne la sicurezza. Si è creata, quindi, la necessità di nuovi approcci algoritmici garanti di un'esecuzione del task assegnato al manipolatore priva di rischi per l'incolumità di persone e attrezzature circostanti. La presente tesi propone un algoritmo genetico per la generazione offline di una traiettoria di un manipolatore a sei assi con controllo di collisione in frenata. La soluzione prevede infatti che, anche a fronte di eventuali stop di categoria 1 (possibile causa di deviazione dal percorso programmato) registratisi durante l'esecuzione del percorso, non si verifichino collisioni con i componenti statici della cella di lavoro del robot. Avendo a disposizione uno strumento (Realistic Controller Simulation, RCS) per la generazione automatica della traiettoria campionata a partire da un set di istruzioni di movimento, l'algoritmo genetico guida l'evoluzione della soluzione ottimizzando i parametri di queste ultime. Ciò è possibile associando alla singola traiettoria un indice di bontà inversamente proporzionale al tempo di percorrenza e al numero di collisioni registratisi lungo il percorso. In particolare, quest'ultimo parametro è calcolato sfruttando l'algoritmo GJK (Gilbert-Johnson-Keerthi) per il calcolo delle distanze tra i volumi spazzati dai link (modellati come capsule) in frenata e dei componenti della cella (inviluppi convessi). I risultati delle simulazioni mostrano che è possibile migliorare le performance dell'algoritmo utilizzando i dati sperimentali sulle distanze percorse in frenata a seguito di uno stop di categoria 1, piuttosto che quelli conservativi ricavati secondo norme ISO. Un'ulteriore ottimizzazione è possibile distinguendo gli ostacoli da monitorare per la collisione dovuta all'arresto di emergenza da quelli per i quali quest'ultima è ammissibile.

Algoritmo genetico per il motion planning di un manipolatore a sei assi con controllo di collisione in frenata

CESTARO, FEDERICO;ALEO, GIOVANNI
2017/2018

Abstract

The continuous growth of the production and use of industrial robots has required over the years, with the rise of new applications, to develop methods to guarantee their safety. Therefore, the need has been created for new algorithmic approaches to guarantee the execution of the task assigned to the manipulator, without any risk for the safety of human operators and surrounding equipment. This thesis proposes a genetic algorithm for the offline generation of a trajectory for a six-axis manipulator with collision avoidance during braking. Indeed, the solution requires that, even in the event of any category 1 stop (possible cause of deviation from the programmed path) recorded during the execution of the path, there are no collisions with the static components of the robot working cell. By means of a tool (Realistic Controller Simulation, RCS) for the automatic generation of the trajectory sampled from a set of movement instructions, the parameters of the latter are optimized by a genetic algorithm that guides the evolution of the solution. This is possible by associating to the single trajectory an index of goodness inversely proportional to the travel time and to the number of collisions recorded along the path. This last parameter is calculated using the GJK algorithm (Gilbert-Johnson-Keerthi), which computes the distances between the volumes swept by the links (modelled as capsules) and the cell components (convex hulls) during a stopping maneuver. The results of the simulations show that it is possible to improve the performances of the algorithm, using the experimental data on the distances traveled during a braking, rather than the conservative ones obtained according to ISO standards. Further optimization is possible by deciding a set of obstacles to be monitored for the collision due to the emergency stop and a set that does not require this test.
MARCONI, MATTIA
ROCCO, PAOLO
ING - Scuola di Ingegneria Industriale e dell'Informazione
16-apr-2019
2017/2018
La continua crescita della produzione e dell'impiego dei robot industriali ha richiesto nel corso degli anni che, con la nascita di nuove applicazioni, si sviluppassero anche metodi per garantirne la sicurezza. Si è creata, quindi, la necessità di nuovi approcci algoritmici garanti di un'esecuzione del task assegnato al manipolatore priva di rischi per l'incolumità di persone e attrezzature circostanti. La presente tesi propone un algoritmo genetico per la generazione offline di una traiettoria di un manipolatore a sei assi con controllo di collisione in frenata. La soluzione prevede infatti che, anche a fronte di eventuali stop di categoria 1 (possibile causa di deviazione dal percorso programmato) registratisi durante l'esecuzione del percorso, non si verifichino collisioni con i componenti statici della cella di lavoro del robot. Avendo a disposizione uno strumento (Realistic Controller Simulation, RCS) per la generazione automatica della traiettoria campionata a partire da un set di istruzioni di movimento, l'algoritmo genetico guida l'evoluzione della soluzione ottimizzando i parametri di queste ultime. Ciò è possibile associando alla singola traiettoria un indice di bontà inversamente proporzionale al tempo di percorrenza e al numero di collisioni registratisi lungo il percorso. In particolare, quest'ultimo parametro è calcolato sfruttando l'algoritmo GJK (Gilbert-Johnson-Keerthi) per il calcolo delle distanze tra i volumi spazzati dai link (modellati come capsule) in frenata e dei componenti della cella (inviluppi convessi). I risultati delle simulazioni mostrano che è possibile migliorare le performance dell'algoritmo utilizzando i dati sperimentali sulle distanze percorse in frenata a seguito di uno stop di categoria 1, piuttosto che quelli conservativi ricavati secondo norme ISO. Un'ulteriore ottimizzazione è possibile distinguendo gli ostacoli da monitorare per la collisione dovuta all'arresto di emergenza da quelli per i quali quest'ultima è ammissibile.
Tesi di laurea Magistrale
File allegati
File Dimensione Formato  
Tesi_Federico_Cestaro_Giovanni_Aleo.pdf

non accessibile

Descrizione: Testo della tesi
Dimensione 9.28 MB
Formato Adobe PDF
9.28 MB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/147998