LOGIN / Acesse o sistema

Esqueceu sua senha? Redefina aqui.

Ainda não possui uma conta? Cadastre-se aqui!

REDEFINIR SENHA

Insira o endereço de email associado à sua conta que enviaremos um link de redefinição de senha para você.

Ainda não possui uma conta? Cadastre-se aqui!

Este conteúdo é exclusivo para membros ABCM

Inscreva-se e faça parte da comunidade

CADASTRE-SE

Tem uma conta?

Torne-se um membros ABCM

Veja algumas vantagens em se manter como nosso Associado:

Acesso regular ao JBSMSE
Boletim de notícias ABCM
Acesso livre aos Anais de Eventos
Possibilidade de concorrer às Bolsas de Iniciação Científica da ABCM.
Descontos nos eventos promovidos pela ABCM e pelas entidades com as quais mmantém acordo de cooperação.
Estudantes de gradução serão isentos no primeiro ano de afiliação.
10% de desconto para o Associado que pagar anuidade anntes de completar os 12 meses da última anuidade paga.
Desconto na compra dos livros da ABCM, entre eles: "Engenharia de Dutos" e "Escoamento Multifásico".
CADASTRE-SE SEGUIR PARA O VIDEO >

Tem uma conta?

Eventos Anais de eventos

Anais de eventos

DINAME 2023

XIX International Symposium on Dynamic Problems of Mechanics

Physics Informed Machine Learning for Path Planning of Space Robots

Submission Author: Rogerio Santos , SP
Co-Authors: Rogerio Santos, Ijar DA FONSECA, Domingos Rade
Presenter: Rogerio Santos

doi://10.26678/ABCM.DINAME2023.DIN2023-0030

 

Abstract

The present study concerns a specific characteristic of the autonomy of space robots, namely the ability to plan the movement of the manipulators in the presence of uncertainties that affect the position of the target, normally due to the dynamic characteristics of the equipment. A physics informed machine learning strategy for the computation of the inverse kinematics of a space robot is proposed. The effects of satellite and manipulator dynamics are taken into account. The performance of the methodology is discussed as the amount of historical data increases. It is found that in some cases the machine learning algorithm is able to calculate the inverse kinematics with great precision. In general, its use results in a significant improvement on the process convergence.

Keywords

Support vector machine, Inverse Kinematics, uncertainty quantification, berthing, Space Robotics

 

DOWNLOAD PDF

 

‹ voltar para anais de eventos ABCM