Please use this identifier to cite or link to this item:
http://repositorio.ufc.br/handle/riufc/62182
Type: | TCC |
Title: | Predição dos arranques mínimos de um manipulador robótico utilizando aprendizado de máquina para aplicações em cirurgias médicas |
Authors: | Silva, Guilherme Carvalho da |
Advisor: | Reis, Laurinda Lúcia Nogueira dos |
Co-advisor: | Souza, Darielson Araújo de |
Keywords: | Robôs;Trajetórias;Arranques;Modelagem;RNA;Machine learning;Cirurgias médicas |
Issue Date: | 2021 |
Citation: | SILVA, Guilherme Carvalho da. Predição dos arranques mínimos de um manipulador robótico utilizando aprendizado de máquina para aplicações em cirurgias médicas. 2021. 49 f. Monografia (Graduação em Engenharia Elétrica) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2021. |
Abstract in Brazilian Portuguese: | A utilização de robôs para realização de tarefas automatizadas e/ou repetitivas vem se expandindo para fora do âmbito industrial, sendo esses utilizados atualmente em áreas como produção agrícola, setores de serviços e hospitalares: para garantir que a performance do robô seja a melhor possível, criou-se o campo de estudo focado em otimização de planejamento de trajetórias. Um dos maiores problemas enfrentados nesse campo é a modelagem dos arranques mínimos para que possa-se operar os robôs sem que estes entrem em ressonância e, consequentemente, sofram desgastes em seus componentes: porém, esse processo de modelagem comumente utiliza algoritmos de otimização, como Particle Swarm Optmization (PSO) e Natural Language Processing (NLP). Neste trabalho são avaliados métodos de modelagem, como Redes Neurais Artificiais (RNA) e algoritmos de Machine Learning, para determinar os arranques mínimos de um manipulador robótico com aplicação em cirurgias médicas, montado em uma simulação. O objetivo deste trabalho é comprovar que métodos mais simples e menos custosos computacionalmente podem ser utilizados para este. |
Abstract: | The usage of robots to perform automated and/or repetitive tasks has been expanding beyond the industrial scope, and these are currently used in areas such as agricultural production, service sectors and hospitals: to ensure that the robot’s performance is the best possible, the field of study focused on trajectory planning optimization was created. One of the biggest problems faced in this field is the modeling of minimum jerks so that robots can be operated without them going into resonance and, consequently, suffering wear in their components: however, this modeling process commonly uses optimization algorithms, such as PSO and NLP. In this work, modeling methods, such as Artificial Neural Networks (ANN) and Machine Learning algorithms, are evaluated to determine the minimum jerks of a robotic manipulator with application in medical surgery, assembled in a simulation. The focus of this work is to prove that simpler and less computationally costly methods can be used for this purpose, with results as good as or better than those of the methods currently used. |
URI: | http://www.repositorio.ufc.br/handle/riufc/62182 |
Appears in Collections: | ENGENHARIA ELÉTRICA - Monografias |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
2021_tcc_gcsilva.pdf | 2,1 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.