Roberto Guida
Sviluppo di un modello high-fidelity del robot UR5 a fini diagnostici e prognostici = Development of a high-fidelity model of the UR5 robot for diagnostic and prognostic purposes.
Rel. Massimo Sorli, Stefano Mauro, Andrea Raviola, Andrea De Martin. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Meccanica, 2020
|
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (9MB) | Preview |
Abstract: |
L’obiettivo del presente lavoro di tesi è quello di proporre una metodologia di modellazione dei robot manipolatori volta alla diagnostica ed alla prognostica model based. I robot manipolatori presentano infatti, in pochissime occasioni, delle failure che ne causino l’arresto, ma in determinate applicazioni è necessario mantenere un certo livello di precisione, affidabilità e sicurezza, ad esempio nell’ambito della robotica collaborativa. Tale penuria di dati spinge l’interesse verso la creazione di un modello del robot in modo da poter simulare e testare eventuali algoritmi di prognostica e diagnostica. In particolare si è utilizzato come caso di studio il robot manipolatore UR5 della Universal Robots™. Tale esemplare di robot è presente all’interno del Dipartimento di Ingegneria Meccanica e Aerospaziale del Politecnico di Torino. Analizzando il sistema fisico reale è necessario suddividerlo in diversi sottosistemi all’interno dei quali iniettare i diversi guasti che possono presentarsi durante il funzionamento del robot. Per ciascun sottosistema è necessario definirne un modello matematico che presenti degli input ed output ben definiti in modo da rendere l’intero modello modulare e sempre migliorabile. L’intero modello viene implementato all’interno di MATLAB Simulink/Simscape Multibody™. Tutti i parametri, dinamici e cinematici, sono ricavati dalle informazioni fornite dall’azienda produttrice, dalla letteratura precedente e dal robot stesso. In particolare sarà necessario utilizzare una prova come prova di identificazione dei parametri incogniti e delle ulteriori prove volte alla validazione del modello. In tal maniera è possibile verificare la contezza dei risultati forniti dal modello e quindi la sua effettiva applicabilità in campo diagnostico e prognostico. |
---|---|
Relatori: | Massimo Sorli, Stefano Mauro, Andrea Raviola, Andrea De Martin |
Anno accademico: | 2020/21 |
Tipo di pubblicazione: | Elettronica |
Numero di pagine: | 112 |
Soggetti: | |
Corso di laurea: | Corso di laurea magistrale in Ingegneria Meccanica |
Classe di laurea: | Nuovo ordinamento > Laurea magistrale > LM-33 - INGEGNERIA MECCANICA |
Aziende collaboratrici: | NON SPECIFICATO |
URI: | http://webthesis.biblio.polito.it/id/eprint/16939 |
Modifica (riservato agli operatori) |