Co-Simulation and Comparative Control Analysis of a 3-DOF Serial Manipulator Using MSC ADAMS and MATLAB

Resumen Técnico: Cosimulación y Análisis Comparativo de Control de un Manipulador Serial de 3 GDL

Planteamiento del Problema
El despliegue efectivo de manipuladores seriales en la robótica industrial requiere un modelado riguroso de los comportamientos cinemáticos y dinámicos, junto con estrategias de control sofisticadas para asegurar un seguimiento de trayectoria preciso y la rechazo de perturbaciones. Sin embargo, las no linealidades inherentes, el acoplamiento inercial y las fuerzas de Coriolis y centrífugas dependientes de la velocidad en sistemas de múltiples grados de libertad (GDL) presentan desafíos significativos para el diseño de controladores. Los controladores Proporcional-Integral-Derivativo (PID) convencionales, aunque ubicuos debido a su simplicidad, a menudo dependen de ganancias fijas que luchan por adaptarse a las condiciones operativas variables y a las cargas dinámicas. Además, el desarrollo de sistemas de control robustos tradicionalmente depende del prototipado físico, lo cual es costoso y consume mucho tiempo. Este estudio aborda la necesidad de un entorno de prototipado virtual de alta fidelidad y una estrategia de control adaptativa capaz de gestionar la compleja dinámica de un manipulador serial planar de 3 GDL.

Metodología
La investigación emplea un marco de cosimulación integral que integra MSC ADAMS para el modelado de dinámica de cuerpos múltiples y MATLAB/Simulink para el diseño del sistema de control. La metodología avanza a través de cuatro etapas primarias:

1. Modelado Mecánico: Se modeló un manipulador serial planar de 3 GDL, compuesto por seis eslabones rígidos y seis juntas de revolución, en MSC ADAMS. A los componentes se les asignaron propiedades de material de acero (densidad: $7.801 \times 10^{-6}$ kg/mm³, Módulo de Young: $2.07 \times 10^5$ N/mm²). Los parámetros inerciales, incluyendo la masa y los momentos de inercia, fueron calculados automáticamente por ADAMS basándose en los volúmenes geométricos.
2. Formulación Cinemática y Dinámica:
   • Cinemática: Se utilizó la convención de Denavit-Hartenberg (D-H) para derivar las ecuaciones cinemáticas directas e inversas, mapeando los desplazamientos de las articulaciones a la pose del efector final y viceversa.
   • Dinámica: Se utilizó la formulación de Euler-Lagrange para derivar las ecuaciones de movimiento, contabilizando explícitamente la matriz de inercia definida positiva simétrica y los términos no lineales que representan los efectos de Coriolis, centrífugos y gravitatorios.
3. Marco de Cosimulación: El modelo mecánico de ADAMS fue exportado a MATLAB/Simulink mediante la interfaz ADAMS/Control. Esto creó un entorno unificado donde Simulink implementó los algoritmos de control (operando a 1 kHz) mientras que ADAMS resolvió la dinámica física (en intervalos de 100 μs). La interfaz intercambió entradas de torque de las articulaciones y salidas de posición/velocidad de las articulaciones.
4. Diseño de la Estrategia de Control: Se diseñaron y compararon dos controladores:
   • PID Convencional: Un controlador PID de ganancia fija ajustado para cada articulación.
   • Fuzzy-PID Adaptativo: Un controlador híbrido que emplea un sistema de inferencia difusa para programar dinámicamente las ganancias PID ($K_p, K_i, K_d$) en tiempo real basándose en el error de seguimiento ($e$) y su derivada ($\Delta e$). El sistema de lógica difusa utilizó siete funciones de membresía gaussianas para las entradas y salidas de tipo singleton/entero para los ajustes de ganancia.

Contribuciones Clave

• Prototipado Virtual Integrado: El estudio establece un flujo de trabajo de cosimulación robusto que valida los modelos cinemáticos y dinámicos teóricos frente a simulaciones de cuerpos múltiples de alta fidelidad, demostrando la viabilidad del prototipado virtual para reducir los costos de desarrollo y acelerar los ciclos de diseño.
• Implementación de Control Adaptativo: El artículo detalla el diseño e implementación de un controlador Fuzzy-PID diseñado específicamente para la dinámica no lineal de un manipulador de 3 GDL, utilizando la programación de ganancias en tiempo real para compensar el acoplamiento inercial y las cargas variables.
• Análisis de Desempeño Comparativo: Se proporciona una evaluación cuantitativa rigurosa, comparando los controladores PID de ganancia fija y el Fuzzy-PID adaptativo a través de múltiples métricas de desempeño, incluyendo el error de seguimiento de la articulación, el sobreimpulso, el tiempo de asentamiento y la precisión de posicionamiento del efector final.

Resultados
Los resultados de la simulación indican que el controlador Fuzzy-PID adaptativo supera significativamente al controlador PID convencional:

• Precisión de Seguimiento: El controlador Fuzzy-PID logró una reducción del 67% en el error de seguimiento de la articulación en comparación con el controlador PID. Específicamente, el Error Cuadrático Medio (RMSE) para la Articulación 1 cayó de 0.36° a 0.12°.
• Respuesta Transitoria: El enfoque Fuzzy-PID redujo el sobreimpulso en un 78% en promedio. Para la Articulación 1, el sobreimpulso disminuyó de 37.3% (PID) a 8.2%. La Articulación 3 vio la eliminación total del sobreimpulso (0% vs. 1.4%).
• Tiempo de Asentamiento: Se observó una mejora promedio del 64% en el tiempo de asentamiento en todas las articulaciones. Por ejemplo, el tiempo de asentamiento de la Articulación 1 mejoró de 0.275 s a 0.098 s.
• Precisión del Efector Final: El controlador Fuzzy-PID mantuvo la precisión de posicionamiento del efector final dentro de ±0.25 mm a lo largo de trayectorias complejas, mientras que el controlador PID exhibió desviaciones de hasta ±0.82 mm.

Significancia y Reivindicaciones
El artículo sostiene que la metodología propuesta valida los modelos teóricos derivados mediante los métodos D-H y de Lagrange, como lo evidencia la estrecha correlación entre las predicciones analíticas y los resultados de la simulación. El estudio subraya las ventajas significativas del prototipado virtual, estimando una reducción del 40–60% en los costos de desarrollo y un acortamiento de los ciclos de iteración de diseño de semanas a días.

Los autores afirman que el controlador Fuzzy-PID adaptativo proporciona una robustez y un rendimiento superiores para sistemas robóticos no lineales al compensar eficazmente el acoplamiento dinámico y las variaciones inerciales que desafían a los controladores de ganancia fija. La investigación concluye que este marco de cosimulación ofrece una base práctica y rentable para el diseño y la optimación de sistemas robóticos industriales, sugiriendo trabajos futuros para manipuladores espaciales y la integración de factores avanzados como la flexibilidad de las articulaciones y las perturbaciones externas.