SlideShare a Scribd company logo
1 of 38
UMA ABORDAGEM COMPARATIVA ENTRE
MICROCONTROLADORES: ARDUINO MEGA X
ARDUINO DUE APLICADOS NO CONTROLE DE SOCCER
ROBOTS
Jusoan Mór, Everson Siqueira, Cristiano Steffens, Paulo
Evald, Vinícius de Oliveira, Silvia Botelho, Rodrigo Azzolin
Universidade Federal do Rio Grande – FURG
Centro de Ciências Computacionais – C3
O Futebol de Robôs
3
Método de Controle
4
Estrutura Física dos Robôs
• Quatro motores
brushless CC
5
Objetivo
• Comparar a Arquitetura dos
Microcontroladores Arduino MEGA x Arduino
DUE
• Observar o Desempenho dos
Microcontroladores Processando os
Controladores PI, PI-RLS e RMAC, Utilizados
nos Robôs
6
Modelagem da Planta
7
Modelagem da Planta
8
• Parâmetros elétricos:
VR = Tensão de entrada
Ra = Resistência de armadura
ia = Corrente de armadura
La = Indutância de armadura
Vb = Tensão contra
eletromotriz
Kb = Constante de velocidade
⍵ = Velocidade angular
Modelagem da Planta
9
• Parâmetros mecânicos:
Tg = Torque gerado
Km = Coeficiente de torque
Tt = Torque total
Td = Torque de distúrbio
J = Constante de inércia
b = Coeficiente de atrito
mecânico
Modelagem da Planta
10
Modelagem da Planta
• Aplicando lei de Kirchhoff na malha do motor
• Encontra-se a relação entre o sistema elétrico e o mecânico
• Para descobrir a relação de corrente de armadura e
velocidade angular do motor
11
Modelagem da Planta
• Então é estabelecida a associação entre
tensão na armadura com velocidade angular
• Por fim aplica-se a transformada de Laplace
12
Modelagem da Planta
• Substituindo os parâmetros
13
Controlador Proporcional Integral - PI
• Controlador clássico e largamente utilizado
• Velocidade do motor é medida e comparada
com a velocidade da referência, gerando um
erro
• Ganhos: Kp = 12 Ki = 250
14
Controlador Proporcional Integral - PI
15
Algoritmo RLS
• Algoritmo Recursivo dos Mínimos
Quadráticos - RLS
• Permite obter a identificação de sistemas de
qualquer ordem
• Quanto maior a ordem do sistema, maior é o
custo computacional
16
Equações do RLS
17
Equações do RLS
18
Equações do RLS
19
Controlador PI-RLS
20
Controlador RMRAC
• Controlador Adaptativo Robusto por Modelo
de Referência
• Possui modelo de referência com o mesmo
grau da planta desejada
–Define resposta desejada para a saída da planta
• Erro e1 utilizado pelo algoritmo para ajustar
os parâmetros do controlador
21
Controlador RMRAC
• Modelo de referência: ⍵n = 50 ξ = 0,7
• Planta completa
–Parte modelada
22
Controlador RMRAC
• Ganhos adaptativos
• Erro e1
• Lei de controle
• Algoritmo de adaptação
23
Controlador RMRAC
• Parâmetros iniciais:
24
Controlador RMRAC
25
Arduino MEGA
26
Microcontrolador ATmega2560
Tensão de Operação 5V
Pinos Digitais de Entrada e Saída 54 (dos quais 15 fornecem Saida
PWM)
Entrada de Pinos Analógicos 16
Corrente por Pino de Entrada e
Saída
40mA
Corrente por pino de 3.3V pin 50mA
Memória Flash 256Kb dos quais 8 KB são usados
por bootloader
SRAM 8KB
EEPROM 4KB
Velocidade de Clock 16MHz
Arduino DUE
27
Microcontrolador AT91SAM3X8E
Tensão de Operação 3.3V
Pinos Digitais de Entrada e Saida 54 (dos quais 12 fornecem Saida
PWM)
Entrada de Pinos Analógicos 12
Corrente por Pino de Entrada e
Saida
800mA
Corrente por pino de 3.3V pin 800mA
Memória Flash 512Kb
SRAM 96KB
EEPROM Não possui
Velocidade de Clock 84 MHz
Resultados
• Aquisição de dados via Osciloscópio
• Tempo de Interrupção 1ms
–MEGA:msTimer2.h; DUE: dueTimer.h
• Flag de contagem
28
Processamento do Controle PI
DUE
MEGA
29
Processamento do Controle PI-RLS
DUE
MEGA
30
Processamento do Controle RMRAC
DUE
MEGA
31
Conclusão
•Controladores Adaptativos Exigem Alto Poder
de Processamento
•Arduino DUE Consegue Executar em um Tempo
Menor os Códigos de Controle se Comparado ao
Arduino MEGA
•O Controlador RMRAC Necessita de Muita
Capacidade de Processamento para sua Execução
•Alteração do Microcontrolador é Fundamental
para o Futuro dos Robôs
32
Referências
• Robocup. (2015, Maio) RoboCup Brasil - Site
Oficial. [Online]. Disponível:
http://www.robocup.org.br
• Furgobol. (2015, Maio) Furgbol - Small Size
Team - Robocup, Desenvolvido pelo Centro
de Ciências Computacionais - C3. [Online].
Disponível: http://www.furgbol.c3.furg.br
33
Referências
• A. Simpkins and E. Todorov, “Position
Estimation and Control of Compact BLDC
Motors Based on Analog Linear Hall Effect
Sensors”, 2010 American Control Conference
Marriot Waterfront, Baltimore, MD, USA
June-30-July 02, 2010.
• R. Siegwart, I.R. Nourbakhsh, “Introduction
Autonomous Mobile Robots”, The MIT Press
(2004). P.97, 2004.
34
Referências
•F.-J. Lin. "Robust speed-controlled induction-
motor drive using EKF and RLS estimators".
Electric Power Applications, IEEE Proceedings -
Vol.143, Issue: 3. 2002.
•J. Bernat and S. Stepien. "Application of
optimal current driver for the torque control
of BLDC motor". Archives of Electrical
Engineering vol. 60(2), pp. 149-158 (2011).
35
Referências
• P. A. Ioannou and K. S.Tsakalis, "A robust
direct adaptive controller". IEEE Transactions
on Automatic Control, AC-31, no. 11.
Pg.1033-1043, nov. 1986.
• Arduino. (2015, Maio) Site oficial ©2015
Arduino. [Online]. Disponível:
http://www.arduino.cc/en/Main/arduinoBoa
rdDue.
36
Referências
• J. L. Mór, E. B. Siqueira, V. M. de Oliveira e R.
Z. Azzolin, "Controle de Velocidade de Motor
BLDC Utilizando RMRAC". 8° Seminário de
Eletrônica de Potência e Controle - Sepoc,
Universidade Federal de Santa Maria, Rio
Grande do Sul, Brasil, 2014.
37
UMA ABORDAGEM COMPARATIVA ENTRE
MICROCONTROLADORES: ARDUINO MEGA X
ARDUINO DUE APLICADOS NO CONTROLE DE SOCCER
ROBOTS
Jusoan Mór, Everson Siqueira, Cristiano Steffens, Paulo
Evald, Vinícius de Oliveira, Silvia Botelho, Rodrigo Azzolin
Universidade Federal do Rio Grande – FURG
Centro de Ciências Computacionais – C3

More Related Content

Similar to UMA ABORDAGEM COMPARATIVA ENTRE MICROCONTROLADORES: ARDUINO MEGA X ARDUINO DUE APLICADOS NO CONTROLE DE SOCCER ROBOTS

PLM-Summit 2014 | 8-9 abril | Apresentação 03/14 | Clayton Ferraz | GM Brasil
PLM-Summit 2014 | 8-9 abril | Apresentação 03/14 | Clayton Ferraz | GM BrasilPLM-Summit 2014 | 8-9 abril | Apresentação 03/14 | Clayton Ferraz | GM Brasil
PLM-Summit 2014 | 8-9 abril | Apresentação 03/14 | Clayton Ferraz | GM BrasilCADWARE-TECHNOLOGY
 
Controlador pid-digital-para-posicionamento-de-servomotor-cc
Controlador pid-digital-para-posicionamento-de-servomotor-ccControlador pid-digital-para-posicionamento-de-servomotor-cc
Controlador pid-digital-para-posicionamento-de-servomotor-ccRicardo Ceide
 
Banner - III Mostra de Ciência e Tecnologia - Pedro Victor Gomes
Banner - III Mostra de Ciência e Tecnologia - Pedro Victor GomesBanner - III Mostra de Ciência e Tecnologia - Pedro Victor Gomes
Banner - III Mostra de Ciência e Tecnologia - Pedro Victor GomesPedro Victor Gomes Cabral de Brito
 
Sensor para monitoramento de umidade do solo utilizando energia solar
Sensor para monitoramento de umidade do solo utilizando energia solarSensor para monitoramento de umidade do solo utilizando energia solar
Sensor para monitoramento de umidade do solo utilizando energia solarMatheus Souza
 
Curso clp siemens
Curso clp siemensCurso clp siemens
Curso clp siemensSENAI SP
 
Curso de Inverno 2014 - Simuladores de Satélite
Curso de Inverno 2014 - Simuladores de SatéliteCurso de Inverno 2014 - Simuladores de Satélite
Curso de Inverno 2014 - Simuladores de SatéliteChristopher Cerqueira
 
17.ago safira 15.00_427_aeselpa
17.ago safira 15.00_427_aeselpa17.ago safira 15.00_427_aeselpa
17.ago safira 15.00_427_aeselpaitgfiles
 
Project presentation: Low-cost Autonomous Navigation System Based on Optical ...
Project presentation: Low-cost Autonomous Navigation System Based on Optical ...Project presentation: Low-cost Autonomous Navigation System Based on Optical ...
Project presentation: Low-cost Autonomous Navigation System Based on Optical ...Michel Meneses
 
Grupo de Robótica do Instituto Federal de São Paulo
Grupo de Robótica do Instituto Federal de São PauloGrupo de Robótica do Instituto Federal de São Paulo
Grupo de Robótica do Instituto Federal de São PauloHenrique Dória
 
A Automação dos Processos na Gestão de Performance das Aplicações por Gilbert...
A Automação dos Processos na Gestão de Performance das Aplicações por Gilbert...A Automação dos Processos na Gestão de Performance das Aplicações por Gilbert...
A Automação dos Processos na Gestão de Performance das Aplicações por Gilbert...Joao Galdino Mello de Souza
 
[PRJ32][Christopher] Aula 14 – controle
[PRJ32][Christopher] Aula 14 – controle[PRJ32][Christopher] Aula 14 – controle
[PRJ32][Christopher] Aula 14 – controleChristopher Cerqueira
 
Modernização da cogeração - Reguladores de velocidade, Automação e proteção e...
Modernização da cogeração - Reguladores de velocidade, Automação e proteção e...Modernização da cogeração - Reguladores de velocidade, Automação e proteção e...
Modernização da cogeração - Reguladores de velocidade, Automação e proteção e...Marcelo Balbino
 

Similar to UMA ABORDAGEM COMPARATIVA ENTRE MICROCONTROLADORES: ARDUINO MEGA X ARDUINO DUE APLICADOS NO CONTROLE DE SOCCER ROBOTS (20)

Artigo final 2
Artigo final 2Artigo final 2
Artigo final 2
 
PLM-Summit 2014 | 8-9 abril | Apresentação 03/14 | Clayton Ferraz | GM Brasil
PLM-Summit 2014 | 8-9 abril | Apresentação 03/14 | Clayton Ferraz | GM BrasilPLM-Summit 2014 | 8-9 abril | Apresentação 03/14 | Clayton Ferraz | GM Brasil
PLM-Summit 2014 | 8-9 abril | Apresentação 03/14 | Clayton Ferraz | GM Brasil
 
Controlador pid-digital-para-posicionamento-de-servomotor-cc
Controlador pid-digital-para-posicionamento-de-servomotor-ccControlador pid-digital-para-posicionamento-de-servomotor-cc
Controlador pid-digital-para-posicionamento-de-servomotor-cc
 
Banner - III Mostra de Ciência e Tecnologia - Pedro Victor Gomes
Banner - III Mostra de Ciência e Tecnologia - Pedro Victor GomesBanner - III Mostra de Ciência e Tecnologia - Pedro Victor Gomes
Banner - III Mostra de Ciência e Tecnologia - Pedro Victor Gomes
 
Robotica - Artigo1
Robotica - Artigo1Robotica - Artigo1
Robotica - Artigo1
 
Questinário 2 de automação industrial
Questinário 2 de automação industrialQuestinário 2 de automação industrial
Questinário 2 de automação industrial
 
Sensor para monitoramento de umidade do solo utilizando energia solar
Sensor para monitoramento de umidade do solo utilizando energia solarSensor para monitoramento de umidade do solo utilizando energia solar
Sensor para monitoramento de umidade do solo utilizando energia solar
 
Curso clp siemens
Curso clp siemensCurso clp siemens
Curso clp siemens
 
Curso clp siemens
Curso clp siemensCurso clp siemens
Curso clp siemens
 
Curso de Inverno 2014 - Simuladores de Satélite
Curso de Inverno 2014 - Simuladores de SatéliteCurso de Inverno 2014 - Simuladores de Satélite
Curso de Inverno 2014 - Simuladores de Satélite
 
17.ago safira 15.00_427_aeselpa
17.ago safira 15.00_427_aeselpa17.ago safira 15.00_427_aeselpa
17.ago safira 15.00_427_aeselpa
 
Sistemas Supervisórios
Sistemas SupervisóriosSistemas Supervisórios
Sistemas Supervisórios
 
Sbai2003
Sbai2003Sbai2003
Sbai2003
 
Project presentation: Low-cost Autonomous Navigation System Based on Optical ...
Project presentation: Low-cost Autonomous Navigation System Based on Optical ...Project presentation: Low-cost Autonomous Navigation System Based on Optical ...
Project presentation: Low-cost Autonomous Navigation System Based on Optical ...
 
Grupo de Robótica do Instituto Federal de São Paulo
Grupo de Robótica do Instituto Federal de São PauloGrupo de Robótica do Instituto Federal de São Paulo
Grupo de Robótica do Instituto Federal de São Paulo
 
A Automação dos Processos na Gestão de Performance das Aplicações por Gilbert...
A Automação dos Processos na Gestão de Performance das Aplicações por Gilbert...A Automação dos Processos na Gestão de Performance das Aplicações por Gilbert...
A Automação dos Processos na Gestão de Performance das Aplicações por Gilbert...
 
Medição Usando Cloud Computing
Medição Usando Cloud ComputingMedição Usando Cloud Computing
Medição Usando Cloud Computing
 
[PRJ32][Christopher] Aula 14 – controle
[PRJ32][Christopher] Aula 14 – controle[PRJ32][Christopher] Aula 14 – controle
[PRJ32][Christopher] Aula 14 – controle
 
Modernização da cogeração - Reguladores de velocidade, Automação e proteção e...
Modernização da cogeração - Reguladores de velocidade, Automação e proteção e...Modernização da cogeração - Reguladores de velocidade, Automação e proteção e...
Modernização da cogeração - Reguladores de velocidade, Automação e proteção e...
 
Cof03 0553
Cof03 0553Cof03 0553
Cof03 0553
 

More from Cristiano Rafael Steffens

CONVOLUTIONAL NEURAL NETWORKS: The workhorse of image and video
CONVOLUTIONAL NEURAL NETWORKS: The workhorse of image and videoCONVOLUTIONAL NEURAL NETWORKS: The workhorse of image and video
CONVOLUTIONAL NEURAL NETWORKS: The workhorse of image and videoCristiano Rafael Steffens
 
A pipelined approach to deal with image distortion in computer vision - BRACI...
A pipelined approach to deal with image distortion in computer vision - BRACI...A pipelined approach to deal with image distortion in computer vision - BRACI...
A pipelined approach to deal with image distortion in computer vision - BRACI...Cristiano Rafael Steffens
 
A CNN BASED MODEL TO RESTORE ILL EXPOSED IMAGES
A CNN BASED MODEL TO RESTORE ILL EXPOSED IMAGESA CNN BASED MODEL TO RESTORE ILL EXPOSED IMAGES
A CNN BASED MODEL TO RESTORE ILL EXPOSED IMAGESCristiano Rafael Steffens
 
Can Exposure, Noise and Compression affect Image Recognition? An Assessment o...
Can Exposure, Noise and Compression affect Image Recognition? An Assessment o...Can Exposure, Noise and Compression affect Image Recognition? An Assessment o...
Can Exposure, Noise and Compression affect Image Recognition? An Assessment o...Cristiano Rafael Steffens
 
MODELAGEM DAS DINÂMICAS DA FORMAÇÃO DA GOTA E TRANSFERÊNCIA DE MASSA EM PROCE...
MODELAGEM DAS DINÂMICAS DA FORMAÇÃO DA GOTA E TRANSFERÊNCIA DE MASSA EM PROCE...MODELAGEM DAS DINÂMICAS DA FORMAÇÃO DA GOTA E TRANSFERÊNCIA DE MASSA EM PROCE...
MODELAGEM DAS DINÂMICAS DA FORMAÇÃO DA GOTA E TRANSFERÊNCIA DE MASSA EM PROCE...Cristiano Rafael Steffens
 
FPGA-based sensor integration and communication protocols for automated
FPGA-based sensor integration and communication protocols for automatedFPGA-based sensor integration and communication protocols for automated
FPGA-based sensor integration and communication protocols for automatedCristiano Rafael Steffens
 
Lars 2016 A Texture Driven Approach for Visible Spectrum Fire Detection
Lars 2016 A Texture Driven Approach for Visible Spectrum Fire DetectionLars 2016 A Texture Driven Approach for Visible Spectrum Fire Detection
Lars 2016 A Texture Driven Approach for Visible Spectrum Fire DetectionCristiano Rafael Steffens
 
ICRA 2016 - Interactive section Presentation
ICRA 2016 - Interactive section PresentationICRA 2016 - Interactive section Presentation
ICRA 2016 - Interactive section PresentationCristiano Rafael Steffens
 
Vision-Based System for Welding Groove Measurements for Robotic Welding Appli...
Vision-Based System for Welding Groove Measurements for Robotic Welding Appli...Vision-Based System for Welding Groove Measurements for Robotic Welding Appli...
Vision-Based System for Welding Groove Measurements for Robotic Welding Appli...Cristiano Rafael Steffens
 
Simpósio Unicruz: OpenCV + Python (parte 1)
Simpósio Unicruz: OpenCV + Python (parte 1)Simpósio Unicruz: OpenCV + Python (parte 1)
Simpósio Unicruz: OpenCV + Python (parte 1)Cristiano Rafael Steffens
 
Welding Groove Mapping: Image Acquisition and Processing on Shiny Surfaces - ...
Welding Groove Mapping: Image Acquisition and Processing on Shiny Surfaces - ...Welding Groove Mapping: Image Acquisition and Processing on Shiny Surfaces - ...
Welding Groove Mapping: Image Acquisition and Processing on Shiny Surfaces - ...Cristiano Rafael Steffens
 
Automated control module based on VBM for shipyard welding applications: Stud...
Automated control module based on VBM for shipyard welding applications: Stud...Automated control module based on VBM for shipyard welding applications: Stud...
Automated control module based on VBM for shipyard welding applications: Stud...Cristiano Rafael Steffens
 
An Unconstrained Dataset for Non-stationary Video Based Fire Detection
An Unconstrained Dataset for Non-stationary Video Based Fire DetectionAn Unconstrained Dataset for Non-stationary Video Based Fire Detection
An Unconstrained Dataset for Non-stationary Video Based Fire DetectionCristiano Rafael Steffens
 
Introdução ao processamento de imagens com OpenCV (cont)
Introdução ao processamento de imagens com OpenCV (cont)Introdução ao processamento de imagens com OpenCV (cont)
Introdução ao processamento de imagens com OpenCV (cont)Cristiano Rafael Steffens
 
Um Sistema De Detecção De Fogo Baseado Em Vídeo
Um Sistema De Detecção De Fogo Baseado Em VídeoUm Sistema De Detecção De Fogo Baseado Em Vídeo
Um Sistema De Detecção De Fogo Baseado Em VídeoCristiano Rafael Steffens
 
Um sistema de detecção de chamas utilizando RF e SVM (Short Version)
Um sistema de detecção de chamas utilizando RF e SVM (Short Version)Um sistema de detecção de chamas utilizando RF e SVM (Short Version)
Um sistema de detecção de chamas utilizando RF e SVM (Short Version)Cristiano Rafael Steffens
 

More from Cristiano Rafael Steffens (20)

CONVOLUTIONAL NEURAL NETWORKS: The workhorse of image and video
CONVOLUTIONAL NEURAL NETWORKS: The workhorse of image and videoCONVOLUTIONAL NEURAL NETWORKS: The workhorse of image and video
CONVOLUTIONAL NEURAL NETWORKS: The workhorse of image and video
 
A pipelined approach to deal with image distortion in computer vision - BRACI...
A pipelined approach to deal with image distortion in computer vision - BRACI...A pipelined approach to deal with image distortion in computer vision - BRACI...
A pipelined approach to deal with image distortion in computer vision - BRACI...
 
A CNN BASED MODEL TO RESTORE ILL EXPOSED IMAGES
A CNN BASED MODEL TO RESTORE ILL EXPOSED IMAGESA CNN BASED MODEL TO RESTORE ILL EXPOSED IMAGES
A CNN BASED MODEL TO RESTORE ILL EXPOSED IMAGES
 
Can Exposure, Noise and Compression affect Image Recognition? An Assessment o...
Can Exposure, Noise and Compression affect Image Recognition? An Assessment o...Can Exposure, Noise and Compression affect Image Recognition? An Assessment o...
Can Exposure, Noise and Compression affect Image Recognition? An Assessment o...
 
MODELAGEM DAS DINÂMICAS DA FORMAÇÃO DA GOTA E TRANSFERÊNCIA DE MASSA EM PROCE...
MODELAGEM DAS DINÂMICAS DA FORMAÇÃO DA GOTA E TRANSFERÊNCIA DE MASSA EM PROCE...MODELAGEM DAS DINÂMICAS DA FORMAÇÃO DA GOTA E TRANSFERÊNCIA DE MASSA EM PROCE...
MODELAGEM DAS DINÂMICAS DA FORMAÇÃO DA GOTA E TRANSFERÊNCIA DE MASSA EM PROCE...
 
FPGA-based sensor integration and communication protocols for automated
FPGA-based sensor integration and communication protocols for automatedFPGA-based sensor integration and communication protocols for automated
FPGA-based sensor integration and communication protocols for automated
 
Lars 2016 A Texture Driven Approach for Visible Spectrum Fire Detection
Lars 2016 A Texture Driven Approach for Visible Spectrum Fire DetectionLars 2016 A Texture Driven Approach for Visible Spectrum Fire Detection
Lars 2016 A Texture Driven Approach for Visible Spectrum Fire Detection
 
Php Math and arrays
Php Math and arraysPhp Math and arrays
Php Math and arrays
 
ICRA 2016 - Interactive section Presentation
ICRA 2016 - Interactive section PresentationICRA 2016 - Interactive section Presentation
ICRA 2016 - Interactive section Presentation
 
Vision-Based System for Welding Groove Measurements for Robotic Welding Appli...
Vision-Based System for Welding Groove Measurements for Robotic Welding Appli...Vision-Based System for Welding Groove Measurements for Robotic Welding Appli...
Vision-Based System for Welding Groove Measurements for Robotic Welding Appli...
 
Simpósio Unicruz: OpenCV + Python (parte 1)
Simpósio Unicruz: OpenCV + Python (parte 1)Simpósio Unicruz: OpenCV + Python (parte 1)
Simpósio Unicruz: OpenCV + Python (parte 1)
 
Welding Groove Mapping: Image Acquisition and Processing on Shiny Surfaces - ...
Welding Groove Mapping: Image Acquisition and Processing on Shiny Surfaces - ...Welding Groove Mapping: Image Acquisition and Processing on Shiny Surfaces - ...
Welding Groove Mapping: Image Acquisition and Processing on Shiny Surfaces - ...
 
Automated control module based on VBM for shipyard welding applications: Stud...
Automated control module based on VBM for shipyard welding applications: Stud...Automated control module based on VBM for shipyard welding applications: Stud...
Automated control module based on VBM for shipyard welding applications: Stud...
 
An Unconstrained Dataset for Non-stationary Video Based Fire Detection
An Unconstrained Dataset for Non-stationary Video Based Fire DetectionAn Unconstrained Dataset for Non-stationary Video Based Fire Detection
An Unconstrained Dataset for Non-stationary Video Based Fire Detection
 
Introdução ao processamento de imagens com OpenCV (cont)
Introdução ao processamento de imagens com OpenCV (cont)Introdução ao processamento de imagens com OpenCV (cont)
Introdução ao processamento de imagens com OpenCV (cont)
 
Introdução OpenCV (Pt-Br) com exemplos
Introdução OpenCV (Pt-Br) com exemplosIntrodução OpenCV (Pt-Br) com exemplos
Introdução OpenCV (Pt-Br) com exemplos
 
Um Sistema De Detecção De Fogo Baseado Em Vídeo
Um Sistema De Detecção De Fogo Baseado Em VídeoUm Sistema De Detecção De Fogo Baseado Em Vídeo
Um Sistema De Detecção De Fogo Baseado Em Vídeo
 
Um sistema de detecção de chamas utilizando RF e SVM (Short Version)
Um sistema de detecção de chamas utilizando RF e SVM (Short Version)Um sistema de detecção de chamas utilizando RF e SVM (Short Version)
Um sistema de detecção de chamas utilizando RF e SVM (Short Version)
 
G xserver curso-actualizgxxev1
G xserver curso-actualizgxxev1G xserver curso-actualizgxxev1
G xserver curso-actualizgxxev1
 
20 pratico cursogxxbr
20 pratico cursogxxbr20 pratico cursogxxbr
20 pratico cursogxxbr
 

UMA ABORDAGEM COMPARATIVA ENTRE MICROCONTROLADORES: ARDUINO MEGA X ARDUINO DUE APLICADOS NO CONTROLE DE SOCCER ROBOTS

  • 1.
  • 2. UMA ABORDAGEM COMPARATIVA ENTRE MICROCONTROLADORES: ARDUINO MEGA X ARDUINO DUE APLICADOS NO CONTROLE DE SOCCER ROBOTS Jusoan Mór, Everson Siqueira, Cristiano Steffens, Paulo Evald, Vinícius de Oliveira, Silvia Botelho, Rodrigo Azzolin Universidade Federal do Rio Grande – FURG Centro de Ciências Computacionais – C3
  • 3. O Futebol de Robôs 3
  • 5. Estrutura Física dos Robôs • Quatro motores brushless CC 5
  • 6. Objetivo • Comparar a Arquitetura dos Microcontroladores Arduino MEGA x Arduino DUE • Observar o Desempenho dos Microcontroladores Processando os Controladores PI, PI-RLS e RMAC, Utilizados nos Robôs 6
  • 8. Modelagem da Planta 8 • Parâmetros elétricos: VR = Tensão de entrada Ra = Resistência de armadura ia = Corrente de armadura La = Indutância de armadura Vb = Tensão contra eletromotriz Kb = Constante de velocidade ⍵ = Velocidade angular
  • 9. Modelagem da Planta 9 • Parâmetros mecânicos: Tg = Torque gerado Km = Coeficiente de torque Tt = Torque total Td = Torque de distúrbio J = Constante de inércia b = Coeficiente de atrito mecânico
  • 11. Modelagem da Planta • Aplicando lei de Kirchhoff na malha do motor • Encontra-se a relação entre o sistema elétrico e o mecânico • Para descobrir a relação de corrente de armadura e velocidade angular do motor 11
  • 12. Modelagem da Planta • Então é estabelecida a associação entre tensão na armadura com velocidade angular • Por fim aplica-se a transformada de Laplace 12
  • 13. Modelagem da Planta • Substituindo os parâmetros 13
  • 14. Controlador Proporcional Integral - PI • Controlador clássico e largamente utilizado • Velocidade do motor é medida e comparada com a velocidade da referência, gerando um erro • Ganhos: Kp = 12 Ki = 250 14
  • 16. Algoritmo RLS • Algoritmo Recursivo dos Mínimos Quadráticos - RLS • Permite obter a identificação de sistemas de qualquer ordem • Quanto maior a ordem do sistema, maior é o custo computacional 16
  • 21. Controlador RMRAC • Controlador Adaptativo Robusto por Modelo de Referência • Possui modelo de referência com o mesmo grau da planta desejada –Define resposta desejada para a saída da planta • Erro e1 utilizado pelo algoritmo para ajustar os parâmetros do controlador 21
  • 22. Controlador RMRAC • Modelo de referência: ⍵n = 50 ξ = 0,7 • Planta completa –Parte modelada 22
  • 23. Controlador RMRAC • Ganhos adaptativos • Erro e1 • Lei de controle • Algoritmo de adaptação 23
  • 26. Arduino MEGA 26 Microcontrolador ATmega2560 Tensão de Operação 5V Pinos Digitais de Entrada e Saída 54 (dos quais 15 fornecem Saida PWM) Entrada de Pinos Analógicos 16 Corrente por Pino de Entrada e Saída 40mA Corrente por pino de 3.3V pin 50mA Memória Flash 256Kb dos quais 8 KB são usados por bootloader SRAM 8KB EEPROM 4KB Velocidade de Clock 16MHz
  • 27. Arduino DUE 27 Microcontrolador AT91SAM3X8E Tensão de Operação 3.3V Pinos Digitais de Entrada e Saida 54 (dos quais 12 fornecem Saida PWM) Entrada de Pinos Analógicos 12 Corrente por Pino de Entrada e Saida 800mA Corrente por pino de 3.3V pin 800mA Memória Flash 512Kb SRAM 96KB EEPROM Não possui Velocidade de Clock 84 MHz
  • 28. Resultados • Aquisição de dados via Osciloscópio • Tempo de Interrupção 1ms –MEGA:msTimer2.h; DUE: dueTimer.h • Flag de contagem 28
  • 29. Processamento do Controle PI DUE MEGA 29
  • 30. Processamento do Controle PI-RLS DUE MEGA 30
  • 31. Processamento do Controle RMRAC DUE MEGA 31
  • 32. Conclusão •Controladores Adaptativos Exigem Alto Poder de Processamento •Arduino DUE Consegue Executar em um Tempo Menor os Códigos de Controle se Comparado ao Arduino MEGA •O Controlador RMRAC Necessita de Muita Capacidade de Processamento para sua Execução •Alteração do Microcontrolador é Fundamental para o Futuro dos Robôs 32
  • 33. Referências • Robocup. (2015, Maio) RoboCup Brasil - Site Oficial. [Online]. Disponível: http://www.robocup.org.br • Furgobol. (2015, Maio) Furgbol - Small Size Team - Robocup, Desenvolvido pelo Centro de Ciências Computacionais - C3. [Online]. Disponível: http://www.furgbol.c3.furg.br 33
  • 34. Referências • A. Simpkins and E. Todorov, “Position Estimation and Control of Compact BLDC Motors Based on Analog Linear Hall Effect Sensors”, 2010 American Control Conference Marriot Waterfront, Baltimore, MD, USA June-30-July 02, 2010. • R. Siegwart, I.R. Nourbakhsh, “Introduction Autonomous Mobile Robots”, The MIT Press (2004). P.97, 2004. 34
  • 35. Referências •F.-J. Lin. "Robust speed-controlled induction- motor drive using EKF and RLS estimators". Electric Power Applications, IEEE Proceedings - Vol.143, Issue: 3. 2002. •J. Bernat and S. Stepien. "Application of optimal current driver for the torque control of BLDC motor". Archives of Electrical Engineering vol. 60(2), pp. 149-158 (2011). 35
  • 36. Referências • P. A. Ioannou and K. S.Tsakalis, "A robust direct adaptive controller". IEEE Transactions on Automatic Control, AC-31, no. 11. Pg.1033-1043, nov. 1986. • Arduino. (2015, Maio) Site oficial ©2015 Arduino. [Online]. Disponível: http://www.arduino.cc/en/Main/arduinoBoa rdDue. 36
  • 37. Referências • J. L. Mór, E. B. Siqueira, V. M. de Oliveira e R. Z. Azzolin, "Controle de Velocidade de Motor BLDC Utilizando RMRAC". 8° Seminário de Eletrônica de Potência e Controle - Sepoc, Universidade Federal de Santa Maria, Rio Grande do Sul, Brasil, 2014. 37
  • 38. UMA ABORDAGEM COMPARATIVA ENTRE MICROCONTROLADORES: ARDUINO MEGA X ARDUINO DUE APLICADOS NO CONTROLE DE SOCCER ROBOTS Jusoan Mór, Everson Siqueira, Cristiano Steffens, Paulo Evald, Vinícius de Oliveira, Silvia Botelho, Rodrigo Azzolin Universidade Federal do Rio Grande – FURG Centro de Ciências Computacionais – C3