Univerza v Ljubljani

Fakulteta za elektrotehniko

ROBOTSKI MEHANIZMI in HAPTIČNI ROBOTI

SEMINAR IZ ROBOTIKE IN MERJENJ

Ljubljana, januar 2014

Študenti FE Grega Eržen Beti Fajdiga Primož Flander Primož Glavač Rok Goljat Nejc Krajnik Katja Pretnar

Mentorji Robotski menahizmi Haptični roboti Denis Forte, IJS Luka Ambrožič, FE Matjaž Mihelj, FE Tadej Petrič, IJS Janez Podobnik, FE Grega Logar, FE Jan Babič, IJS Seminar iz robotike in merjenj Matej Žontar, SIQ Urban Pompe, LPKF d.o.o. Franci Klun, Kolektor Group Matjaž Preložnik, Etra d.o.o. Igor Pušnik, FE Miran Rudman, Krka d.d. Erih Arko, YASKAWA SLOVENIJA d.o.o. Jure Pucelj, YASKAWA SLOVENIJA d.o.o.

Predavatelji Marko Munih Jadran Lenarčič Janko Drnovšek Matjaž Mihelj

UVOD V pričujoči brošuri so zbrani povzetki štirinajstih študentskih raziskovalnih nalog. Polovica nalog je bila opravljena v okviru praktičnih vaj pri predmetih Robotski mehanizmi in Haptični roboti, druga polovica nalog pa pri Seminarju robotika in merjenja. Tehniški študijski programi na evropskih univerzah so pogosto veliko bolj usmerjeni v praktično samostojno delo študentov, kot to velja za naše programe. V Laboratoriju za robotiko in v Laboratoriju za metrologijo in kakovost se po najboljših močeh trudimo, da bi takšen način poučevanja vpeljali tudi za naše študente. Tako se naši študentje s projektnim delom srečajo že v prvem letniku podiplomskega študija, pri čemer jih čim bolj poskušamo uvesti v samostojno delo. Zaradi specifičnih zahtev za robotske mehanizme večina projektov poteka v Laboratoriju za robotiko na Fakulteti za elektrotehniko v sodelovanju Raziskovalnim odsekom za avtomatiko, biokibernetiko in robotiko na Institutu Jožef Stefan. Da bi zagotovili dovolj zanimivih aplikativnih projektov, pa smo se v sodelujočih laboratorijih odločili, da se za izvedbo projektnih nalog pri Seminarju iz robotike in merjenj povežemo z zunanjimi sodelavci. Nastala je mreža visoko tehnoloških inštitucij, predvsem podjetij, na katerih študentje opravljajo praktične vaje. Študenti si na ta način lahko prosto izberejo smer robotike oziroma merjenj, ki jih najbolj zanima – bodisi predvsem raziskovalno usmerjeno ali pa bolj aplikativno. Vzpostavijo pa tudi prve stike z morebitnimi kasnejšimi delodajalci, ki študente spoznajo še pred zaključkom študija. Na tem mestu se želimo še posebej zahvaliti vsem mentorjem za skrbno vodenje svojih varovancev. Matjaž Mihelj, Marko Munih, Janko Drnovšek in Jadran Lenarčič

ROBOTSKI MEHANIZMI in HAPTIČNI ROBOTI

Uporaba Gaussove regresije pri učenju robotov

Grega Eržen, Denis Forte 1Fakulteta za elektrotehniko, Univerza v Ljubljani, Tržaška c. 25, 1000 Ljubljana

2 Institut »Jožef Stefan3«, Jamova 39, 1000 Ljubljana Odsek za avtomatiko, biokibernetiko in robotiko

E-pošta: grega.erzo@gmail.com

Using Gaussian process for robot learning

Robot can face a vast number of different types of tasks or situations on which the proper response is expected. Intelligent robots cannot be programmed in advance for all possible situations, but they should be able to generalize the response based on acquired knowledge. Robot must be able, through the statistic methods on the acquired data, generating useful responses in situations for which the robot has not been specifically instructed how to response. The paper describes using Gaussian process regression as a statistic method for robot learning. The method creates the model and estimates the parameters of generalization of the acquired motor knowledge. The goal is to grab a ball in random position. New action is generalized by applying Gaussian process regression and the goal of movement, which is provided with robot 3D stereo vision. If the ball position is out of reach, the robot generates proper walk structure and approach the ball in such manner that the ball is in the reaching position. 1 Uvod Naša naloga je bila programirati humanoidnega robota HOAP-3 (slika 1), da s pomočjo Gaussove regresije posplošuje gibanje desne roke od začetne do katerokoli končne točke v njegovem delovnem območju[1].

Slika 1. Humanoidni robot HOAP-3

Strojno(robotsko) učenje je področje umetne inteligence, ki za učenje uporablja statistične metode, ki na podlagi učne možice podatkov zgradijo nek globalen model funkcije, ki preslika vhodne podatke v nek želeni

izhod. Za našo nalogo smo za statistično obdelavo uporabili Gaussovo regresijo[2]. Učno množico naučenih podatkov je predstavljalo 140 trajektoriji s ciljnimi točkami enakomerno porazdeljenimi po celotnem delovnem območju robotove desne roke v oddaljenosti približno 5 cm. Trajektorije so bile ustvarjene s fizičnim pomikom roke robota in merjenjem kotov štirih sklepov na roki. S posploševanjem robot izvede gib desne roki, ki ga predhodno nismo naučili, z enako obliko trajektorije, kot jo imajo naučeni gibi. V primeru, da je predmet izven dosega desne roke robota, se robot do predmeta sprehodi. Robot izračuna oddaljenost predmeta s pomočjo stereo vida in sestavi hojo iz vnaprej pripravljenih trajektorij za posamezne dele hoje tako, da se približa predmetu.

2 Gaussov regresijski proces Gaussovi procesi so primer verjetnostnega modeliranja z verjetnostnim napovedovanjem izhodov. Modeli na osnovi Gaussovih procesov imajo zanimivo in za vodenje uporabno lastnost, da model poleg vrednosti izhoda napoveduje tudi zaupanje v to vrednost[2]. Če izberemo nekaj poljubnih vhodov in jim definiramo izhode (slika 2), bo Gaussova regresija posplošila te podatke, ustvarila funkcijo med njimi in ocenila varianco te funkcije. Največja varianca je v območjih z manj testnimi točkami in tam, kjer so testne točke bolj oddaljene od aproksimacije (slika 2).

Slika 2. Primer delovanja Gaussove regresije v dvodimenzionalnem prostoru

Do posplošitve pridemo preko naslednjega postopka. Preko enačbe (1) izračunamo korelacijsko matriko,

( ) ijnjid

D

dfij xxl

K δσσ 2221

2

21exp +

−−= ∑ =

(1)

za izračun katere potrebujemo še parametre (σ, δ, l), ki pa jih dobimo iz učne množice. Ko imamo izračunano kovariančno matriko K(X,X) lahko izračunamo predikcijo izhoda pri novi vhodni točki X*(2). ( )[ ] yIXXKXXKXY n

12,)*,(*)( −+= σ (2)

3 Zapis trajektorij DMP (Dynamic Movement Primitive) je metoda za predstavitev gibanj, ki temelji na nelinearnem dinamičnem sistemu[3]. Ena najpomembnejših prednosti DMP-jev je ta, da niso direktno odvisni od časa.

( )( ) )(.

xfzygz zz +−−= βατ (3)

zy =.

τ (4) Za zapis trajektorije tako uporabimo sistem enačb (3) in (4), ki ga lahko uporabimo za aproksimacijo diskretnih gibov različnih oblik[4]. Preden zajete podatke trajektorij podamo Gaussovi regresiji, jih moramo malce preoblikovati. Shranjene trajektorije smo tako zakodirali z nelinearnimi dinamičnimi sistemi (DMP-ji) in jih aproksimirali s 25 primerno uteženimi radialnimi baznimi funkcijami. Število uteži je bilo eksperimentalno določeno, glede na kompleksnost in dolžino učnih trajektorij.

4 Posploševanje z Gaussovo regresijo Dobljeno polje uteži se uporabi pri v Gaussovi regresiji pri izračunu uteži za trajektorije, ki sežejo v katerokoli točko v delovnem območju desne roke robota, pri čemer uteži določajo obliko trenutne trajektorije, le ta pa ima podobno obliko kot predhodno naučene trajektorije. Gaussova regresija prav tako posploši funkcijo, ki preslika končne vrednosti trajektorij v zunanjih koordinatah, ocenjene s strojnim vidom, v polje končnih vrednosti roke robota v notranjih koordinatah. Prav tako ji podamo tudi polje časovnih trajanj posameznih učnih gibov in tako se lahko za vse vmesne trajektorije s posploševanjem določi ustrezen čas izvedbe posameznega giba. Ko robot, s pomočjo strojnega vida, oceni pozicijo predmeta v zunanjih koordinatah, Gaussova regresija na podlagi posploševanja izračuna končno pozicijo robotske dlani v notranjih koordinatah, 25 uteži za želeni gib seganja in primeren čas trajanja tega giba. To so tako imenovani DMP parametri, ki opisujejo želeno

trajektorijo(enačbi (3) in (4)), glede na novo ciljno točko. Ko te parametre podamo nelinearnemu dinamičnemu sistemu, ga integriramo z Eulerjevo integracijo in izhod uporabimo za vodenje. Kot izhod dobimo časovni vektor in vektor vrednosti v posameznem sklepu v določenem časovnem trenutku. Robot premakne roko po želeni trajektoriji in ko pride v stik s premetom ga zgrabi. Sedaj smo želeli, da roko skupaj s predmetom vrne v začetni položaj prijemanja. V ta namen smo zgradili trajektorijo povratnega giba, ki je enaka trajektoriji seganja, vendar je vrstni red pošiljanja vrednosti sklepov robotu ravno obrnjen.

5 Hoja Robot oceni razdaljo do predmeta z stereo vidom, nato pa z vnaprej od proizvajalca podanimi trajektorijami za začetni korak, vmesni korak, končni korak, obrat v levo in obrat v desno, sestavi in izvrši tako hojo, da se približa predmetu tako, da je predmet v delovnem območju njegove desne roke. Robot uporablja nedinamično stabilno hojo, kar pomeni, da je robot stabilen in ostaja v ravnotežju tudi med korakom. Robot v funkciji iskanja, stoji drugače kot v funkciji hoje, zato je bilo potrebno, v izogib sunkovitih gibov, sprogramirati funkcijo prehoda, kar poskrbi za gladek prehod med stanji

6 Zaključek V članku je predstavljeno, kako smo implementirali avtomatsko generiranje primerne trajektorije glede na poljuben položaj predmeta v prostoru. Seveda mora biti zraven tudi prisoten sistem, s katerim robot pridobi pozicijo predmeta, se predmetu približa, ga zgrabi in vrne roko v začetni položaj.

Literatura [1] D. Forte, A. Ude, A. Kos, »Robot Learning by Gaussian

Process Regression”, Proceedings of the 2010 IEEE 19th International Workshop on Robotics in Alpe-Adria-Danube Region, Hungary, str. 303-308, 2010

[2] C.E. Rasmussen, C. Williams, »Gaussian Process for Machine Learning«, Cambridge, MA: MIT Press, 2006

[3] S. Schaal, P. Mohajerianm, A. Ijspeert, »Dynamics system vs. optimal control – a unifying view«, Progress in Brain Research, vol. 165. 6, str. 425-445, 2007

[4] A. Gams, A. Ude, »Generalization of Example Movements with Dynamic Systems«, 9th IEEE-RAS International Conference on Humanoid Robots, 2009

Merilni sistemi za preučevanje biomehanskih parametrov in

podpornega lika človeka pri vstajanju in hoji

Beti Fajdiga1, Luka Ambrožič

1

1Fakulteta za elektrotehniko, Univerza v Ljubljani, Tržaška c. 25, 1000 Ljubljana

E-pošta: beti.fajdiga@gmail.com

Measuring systems for the study of

biomechanical parameters and supporting

polygon of man when getting up and

walking Study includes the monitoring of the stability of man

during walking with observing of the point Center of

Pressure and supporting polygon during phase of single

support using famous algorithm, which states that point

COP must remain within the boundaries of support

polygon. If so, one is stable, otherwise one will fall. The

experiment also includes moderation of the point COP

with known Center of Mass of mobile platform KUKA

youBot.

1 Uvod

Spremljanje parametrov podpore je pomembno pri

humanoidih in eksoskeletnih robotih. Naloga

eksperimenta je bila merjenje točke COP (»Center of

Pressure« - središče pritiska), podpornega lika človeka

in s tem povezano stopnjo stabilnosti. Podporni lik

človeka je bil merjen s pomočjo podpornega poligona,

točka pritiska pa s pomočjo štirih senzorjev sile (2

senzorja robotskega zapestja in 2 pritiskovni plošči).

Z raziskovanjem stabilnosti so znanstveniki začeli že

zelo zgodaj, ne le za humanoidne robote, ampak za

kakršnokoli vrsto mobilnih sistemov (vozila na kolesih,

štirinožne robote,…). Za določitev parametra stabilnosti

pa se je tekom raziskav razvilo več različnih metod:

točka FRI (»Foot-rotation indicator« - kazalec rotacije

stopala) [1], za dinamične razmere prirejen kriterij za

točko COM (»Center of Mass« - težišče) imenovana

XcoM (ekstrapoliran položaj težišča mase) [2], metoda

NDESM (numerična dinamična stopnja energijske

stabilnosti) – upoštevamo tudi dinamične efekte [3],

točki COM in COP, točka ZMP (»zero-moment point« -

točka ničtega momenta) [4], itd.

2 Naloga in izvedba

Glavna naloga je bila sledenje podpornemu liku človeka

in točki središča pritiska (COP) med hojo. S pomočjo

teh dveh biomehanskih parametrov lahko določimo

stabilnost človeškega mehanizma. Dokler se točka COP

nahaja znotraj podpornega lika je človek stabilen, ko je

točka na črti podpornega lika pa je človek na meji

stabilnosti.

Pri izvajanju eksperimenta so bili uporabljeni

naslednji eksperimentalni sistemi: podporni poligon

(Slika 1), pritiskovne plošče, senzorji robotskega

zapestja, sistem Optotrak. Sistem pritiskovnih plošč

zajema 18 senzorskih kontaktnih plošč, kjer ima vsaka

256 senzorjev, ki delujejo na principu membranske

tipkovnice (stikala v matrični konfiguraciji). S

posameznimi ploščami komuniciramo z

mikrokrmilnikom preko I2C komunikacije. Merilna

podlaga je dimenzij 1080x2080 mm. Skupaj ima

merilna površina 96x48 tipk, kar nam da ločljivost

zaznavanja večjo od 2,5 cm [6-7]. Podatki se iz

mikrokrmilnika pošiljajo na računalnik, kjer se v

programu Matlab obdelajo v primerno obliko za prikaz

in za izračun podpornega lika človeka. Iz vrnjenih

koordinat točk pritiska se lahko izračuna konveksni

podporni lik z vgrajeno funkcijo convhull v Matlabu. Pri

tem je potrebno biti pozoren na kolinearnost točk in za

to uvesti posebno rešitev.

Pritiskovne plošče vračajo sile in navore v vseh treh

smereh lokalnega koordinatnega sistema. Merilno

območje plošč je od 0 do 2 t, kar povzroča problem pri

merjenju manjših sil za predmete do 100 kg (velika

nihanja vrednosti). Za izračun COP so potrebne le sile v

globalnem koordinatnem sistemu. Pritiskovna plošča

meri sile na dveh ogliščih podpornega poligona.

Slika 1. Podporni poligon, pritiskovne plošče in senzorji

robotskega zapestja.

Uporabljena sta bila tudi senzorja robotskega zapestja

JR3 45E 15A nameščena na nogi oglišč podpornega

poligona, ki vračajo sile in navore v lastnem

koordinatnem sistemu [5].

Sistem Optotrak je namenjen določanju pozicije

infrardečih markerjev v prostoru. Markerji so nameščeni

na opazovano telo, uporabnik pa lahko tako spremlja

pozicijo tega telesa v prostoru. Sistem je uporabljen v

drugem delu eksperimenta pri umerjanju točke COP na

podpornem poligonu s pomočjo obteženega mobilnega

robota KUKA youBot.

2.1 Enačbe in slike

Točka COP je izračunana s pomočjo ravnotežja navorov

po enačbah (1) [1]. Ker se z-komponenta glede na

definiran koordinatni sistem ne spreminja in se vse

dogaja v x-y ravnini, ni potreben izračun vseh treh

komponent točke COP.

1 2 3 4

1 1 2 2 3 3 4 4

R

R R

R

Ry Rxx y

Rz Rz

F F F F F

M COP F

M R F R F R F R F

M MCOP COP

F F

(1)

Podporni poligon in točka COP se izrisujeta na istem

grafu, kar omogoča sprotno sledenje stabilnosti in

takojšen vizualni prikaz uporabniku. Primer meritve

točke centra pritiska in podpornega poligona pri hoji

prikazuje slika 2.

Slika 2. Prikaz meritve podpornega lika in točke COP pri hoji.

Opazno je, da je točka COP znotraj podpornega

poligona stopala, le pri prehajanju iz ene noge na drugo

potuje med stopali, kar je pričakovano.

Točko centra pritiska je potrebno umeriti oz. preveriti

kako natančen je izdelan algoritem. Eksperiment je bil

izveden s pomočjo mobilnega robota KUKA youBot, na

katerega je bila dodatno nameščena še 10 kg utež. S

pomočjo senzorja robotskega zapestja je bila po metodi

ravnotežja momentov v stacionarnem stanju izračunana

točka COP in ustrezno transformirana v lokalni

koordinatni sistem robota. Ta koordinatni sistem je bil

določen s pomočjo 3 markerjev in sistema Optotrak. To

je omogočalo transformacijo v globalni koordinatni

sistem podpornega poligona s pomočjo znane pozicije

robota določene s sistemom Optotrak in markerji

nameščenimi na robot in sam podporni poligon.

Ujemanje obeh meritev točk COP je največje pri

najmanjši y-koordinati in se linearno povečuje z

oddaljenostjo od roba, kjer so nameščene pritiskovne

plošče (Slika 3). Napako povzroča nestabilna vrednost

sil pridobljenih s pritiskovnih plošč, zaradi njihovega

širokega območja delovanja (0 do 2 t).

Slika 3. Absolutna napaka točke pozicije COP.

3 Zaključek

Pri meritvah stabilnosti človeka med hojo je bila

uporabljena metoda točke centra pritiska COP, ki se

mora nahajati znotraj podpornega lika. Spremljana je

točka COP in merilni poligon med fazo enojne podpore

(Slika 2). Ugotovljeno je tudi bilo, da imajo pritiskovne

plošče zelo veliko šuma pri merjenju majhnih sil zaradi

svojega širokega območja delovanja, kar kvari izračun

točke COP. Boljše rezultate bi bilo mogoče dobiti s

predhodno obtežitvijo pritiskovnih plošč (cca. 100 kg).

Literatura

[1] A. Goswami, “Postural stability of biped robots

and the foot-rotation indicator (fri) point,”

International Journal of Robotics Research, vol.

18, no. 6, str. 523 - 533, 1999.

[2] A. Hof, M. Gazendam, in W. Sinke, “The

condition for dynamic stability, ” Journal of

Biomechanics, vol. 38, no. 1, str. 1 - 8, 2005.

[3] E. Garcia in P. G. de Santos, “A new dynamic

stability margin for walking machines, ” v 11-th

International Conf on Advanced Robotics

ICAR'03, Coimbra, Portugal, 2003.

[4] P. Sardain in G. Bessonnet, “Forces acting on a

biped robot center of pressure – zero

moment point,” IEEE Transactions on Systems,

Man and Cybernetics, vol. 34, no. 5, str. 630 –

637, sep. 2004.

[5] Datasheet JR3 45E 15A,

https://docs.google.com/viewer?url=http%3A%2F

%2Fwww.jr3.com%2Fdocuments%2Ffiles%2Fdra

wings%2F4873F.pdf, (4.11.2013).

[6] B. Zupan, »Merilni sistem za analizo stabilnosti

večnožne opore«, magistrsko delo, Fakulteta za

elektrotehniko, Ljubljana, 2011.

[7] M. Riccobon, »Vgrajeni sistem za zajem in

posredovanje podatkov s senzorskih kontaktnih

plošč«, diplomsko delo, Fakulteta za

elektrotehniko, Ljubljana, april 2012.

Merjenje volumna tekočine na podlagi razlike tlakov

Primož Flander, Matjaž Mihelj

Fakulteta za elektrotehniko, Univerza v Ljubljani, Tržaška c. 25, 1000 Ljubljana E-pošta: primoz.flander@gmail.com

Measuring the volume of a liquid on the

basis of difference in pressure

The bio-analytical laboratories demand a correct and precise pipetting in order to ensure repeatable and reliable measurements. Different pipetting techniques among individuals can lead to different measurement results. Because of that, the pipetting systems are becoming more and more automatized, which brings many advantages, including a higher degree of repeatability and reliability. In this assignment, the workings of the MEMS pressure sensors, MCB 1700 evaluation boards, the pipettes, and xyz positioning system has been studied. We have developed an application that enables repeatable pipetting of desired volumes. Two pressure sensors were used to measure volumes, with the help of which the captured volume was determined with the volume determination program. It was established that the volume cannot be precisely determined through the measurement of volume on the basis of the difference in pressure. The developed application fits the set goals, despite a few of its shortcomings. The main shortcoming of the application is imprecise pressure measurement with a lot of noise. Better pressure sensors and optimisation of the volume determination program are proposed.

1 Uvod Splošno znano je, da so netočnosti pipetiranih volumnov največji vir napak. Na rezultate meritev vplivajo temperatura, nadmorska višina in viskoznost tekočin. Ustrezen pristop je opredelitev kritičnih točk pipetiranja in zmanjševanje vpliva človeške napake s pomočjo avtomatizacije procesa [1]. Boljšo ponovljivost in avtomatizacijo meritev dosežemo z uporabo elektronskih pipet. Študije so pokazale, da boljše elektronske pipete omogočajo zajem volumnov 1µl z napako manjšo od 0.5% [2]. Pipete se v kombinaciji z mikro roboti uporabljajo tudi operacije bioloških celic in za manipulacijo z zelo majhnimi predmeti, kjer prevzamejo vlogo prijemala [3]. Avtomatizacijo pipetiranja smo poskušali v seminarski nalogi realizirati tudi mi. Seminarska naloga je zahtevala razvoj aplikacije za avtomatsko pipetiranje želenih volumnov. Naloga sistema za pozicioniranje in krmiljenje pipete je bila

pipeto postaviti v položaj za zajemanje volumna, zajeti želen volumen in pipeto izprazniti na želeni lokaciji. Merjenje volumna smo realizirali s pomočjo dveh senzorjev tlaka, na podlagi katerih smo z ustreznim algoritmom izračunali volumen zajete tekočine.

2 Uporabljena strojna in programska oprema

2.1 Razvojna plošča Keil MCB1700 in programski paket µVision

Razvojna plošča MCB1700 (slika 1) nam omogoča razvoj in testiranje uporabniških programov. V kombinaciji z razvojno ploščo smo uporabljali programski paket µVision, ki nam omogoča preprosto programiranje in razhroščevanje.

Slika 1. Razvojna plošča MCB1700 [4]

2.2 Pipeta Finnpipette F1

Omogoča zanesljivo, ponovljivo in veliko učinkovitost pipetiranja z napako manjšo od 0.8%. (slika 2). Nastavljamo lahko volumen od 10 do 100µl.

Slika 2. Pipeta Finnpipete F1 [5]

2.3 Senzor tlaka LPS331AP

LPS331AP (slika 3) je ultra kompakten piezoelektrični senzor absolutnega tlaka zgrajen na MEMS [6] tehnologiji. Omogoča merjenje tlaka v območju od 260 do 1260 mbar-a z ločljivostjo 0,02 mbar-a. Omogoča I2C in SPI komunikacijo.

Slika 3. Senzor tlaka LPS331AP [7]

2.4 Sistem za pozicioniranje

Omogoča natančno pozicicioniranje pipete v želeno lego s pomočjo štirih servomotorjev. Štirje so namenjeni xyz pozicioniranju in rotaciji mize, peti pa za upravljanje z pipeto (slika 4). Servomotorje krmilimo z razvojno ploščo s pomočjo pulzno-širinske modulacije.

Slika 4. Sistem za xyz pozicioniranje

3 Razvoj aplikacije

3.1 Priključitev vhodnih in izhodnih enot

V prvi fazi razvoja smo na razvojno ploščo MCB1700 preko I2C vodila priključili dva senzorja tlaka LPS331AP. Krmilnik servomotorjev, preko katerega smo s pomočjo pulzno-širinske modulacije krmilili posamezne motorje je bil že priključen. Za pozicioniranje pipete smo uporabili tipke, ki so se nahajale na razvojni plošči.

3.2 Program za premikanje in merjenje volumna pipete

Program za pozicioniranje pipete smo razvili s pomočjo programskega paketa µVision. Program nam je omogočal začetno kalibracijo, premikanje pipete in upravljanje pipete s pomočjo tipk na razvojni plošči. S pomočjo informacije iz senzorjev tlaka je program izračunaval volumen zajete tekočine.

4 Delovanje aplikacije Ob zagonu najprej kalibriramo sistem za pozicioniranje, da se postavi v začetno lego. Ko sprožimo program, iz rezervoarja zajame določen volumen tekočine ter ga pipetira na izbrano lokacijo, ki je določena v programu. Volumen, ki ga pipeta ob pipetiranju zajame nastavimo na pipeti sami. S pomočjo izračunanega volumna iz senzorjev tlaka, ki sta nameščena eden v pipeti, drugi pa prosto v prostoru, lahko preverimo ali se izračunan volumen in nastavljen volumen pipete ujemata.

5 Zaključek Razvita aplikacija ustreza zastavljenim ciljem, vendar je za izboljšave še veliko prostora. Glavna pomankljivost aplikacije je nenatančno merjenje tlakov z veliko šuma. Predlagamo boljše senzorje tlaka in optimizacijo programa za določanje volumna. Razviti princip merjenja volumna s pomočjo razlike tlakov lahko s pridom uporabljamo še v veliko drugih aplikacijah.

Literatura [1] K. Pandya, C. A. Ray, L. Brunner, J. Wang, J. W. Lee, in

B. DeSilva, “Strategies to minimize variability and bias associated with manual pipetting in ligand binding assays to assure data quality of protein therapeutic quantification,” J. Pharm. Biomed. Anal., vol. 53, no. 3, str. 623–630, Nov. 2010.

[2] H. H. Nishi, “Mechanized, direct digital-control pipette for automation of ultramicro chemical analyses.,” Clin. Chem., vol. 18, no. 8, str. 771–4, 1972.

[3] W. Zesch, M. Brunner, in A. Weber, “Vacuum tool for handling microobjects with a NanoRobot,” in , 1997 IEEE International Conference on Robotics and Automation, 1997. Proceedings, 1997, vol. 2, str. 1761–1766 vol.2.

[4] “Razvojna plošča MCB1700,” http://www.keil.com/mcb1700/. (dostop: januar, 2014)

[5] “Pipeta Finnpipette F1,” http://www.thermoscientific.com. (dostop: januar, 2014)

[6] D. C. Abeysinghe, S. Dasgupta, J. T. Boyd, in H. E. Jackson, “A novel MEMS pressure sensor fabricated on an optical fiber,” IEEE Photonics Technol. Lett., vol. 13, no. 9, str. 993–995, 2001.

[7] “Senzor tlaka LPS331AP,” http://www.st.com/web/catalog/sense_power/FM89/SC1316/PF251601. (dostop: januar, 2014)

Vodenje žoge z robotom Kuka LWR

Primož Glavač1, Tadej Petrič

2

1Fakulteta za elektrotehniko, Univerza v Ljubljani, Tržaška c. 25, 1000 Ljubljana

2 Institut Jožef Štefan, Jamova c. 39, 1000 Ljubljana

E-pošta: glavac.primoz@gmail.com

Bouncing ball with robot Kuka LWR

Bouncing ball with robot is real-time dynamic problem,

where most important tasks are synchronization on

basic frequency of ball, and compensating external

variables (horizontal and vertical position of ball). We

solved this with non-linear oscillators, which are

extremely fast and satisfy our precision conditions.

1 Uvod

V tem članku vam bomo predstavili vodenje oziroma

odbijanje žoge s robotom. Če želimo odbijati žogo

potrebujemo v realnem času informacijo trenutnega

položaja žoge, frekvenco žoge ter kakšno fazo zamika

potrebuje robot, da bo ravno v pravem času odbil žogo.

Zato smo nalogo razdelili v dve pod-nalogi: iskanje

lastne frekvence žoge ter učenje robota udarca žoge

[1],[2].

Ker je odbijanje žoge ponavljajoči se gib, smo prvo

pod-nalogo rešili z uporabo nelinearnih oscilatorjev v

katere pripeljemo vhodni signal, v našem primeru je to

vertikalna pozicija žoge [3]. Drugo pod-nalogo pa smo

rešili na način, da lahko v programu preklapljamo med

načinoma »delovanje« in »učenje«, kjer pri slednjem

dovoljujemo, da robot zgolj kompenzira gravitacijo, za

premikanje pa je potrebna zunanja sila (človek).

2 Izvedba

2.1 Naloga

Naša naloga je bila razdeljena v več pod-nalog, in sicer

zajem vhodnih podatkov žoge s pomočjo robotskega

vida, pripraviti algoritem za enostavno učenje robota,

pripraviti računalniško simulacijo ter preizkus delovanja

eksperimenta na realnem robotu.

2.2 Eksperimentalni sistem

Eksperimentalni sistem zajema programska orodja ter

fizične naprave. Slednje so: kamera za zajem robotskega

vida s 120 Hz osveževanjem, visoko odbojna enobarvna

žoga, robot Kuka LWR (Slika 1) v povezavi s

računalnikom ter prirejeno prijemalo/odbijalo za

odbijanje žoge. Uporabili smo naslednja programska

orodja: Matlab Simulink, za izvajanje algoritma

vodenja, Robo Works za simuliranje in testiranje

aplikacije ter program DBall za robotski vid.

Slika 1. Robot Kuka LWR odbija žogo.

2.3 Algoritem vodenja

Odbijanje žoge je ponavljajoč oziroma periodičen

problem, posledično je trajektorija roke/robota za vsako

periodo enaka s korekcijami (zamik levo, zamik desno,

močnejši zamah, nižja točka odboja … ). Tako

dinamičen proces nas prisili v uporabo metod, ki so

sposobne potrebne podatke oziroma trajektorijo

izračunavati v realnem času. Slednje nam je uspelo z

uporabo nelinearnih oscilatorjev.

Slika 2. Del sheme algoritma – oscilator z vhodi in izhodi.

Naloga oscilatorja je, da poišče »osnovno frekvenco

sistema«, to je v našem primeru frekvenca s katero se

žoga odbija od tal. Na sliki 2 lahko vidimo, da so vhodi

v oscilator trenutna pozicija žoge, trenutna pozicija

vrha robota, nastavljiv parameter togosti oziroma

podajnosti robota ter vklopljeno/izklopljeno učenje

oscilatorja.[4] Na podlagi slednjih podatkov, se

oscilator poskuša sinhronizirati na frekvenco žogo, z

upoštevanjem faze zamika pa »lovimo« najoptimalnejši

trenutek za odboj žoge. Oscilator vrača vertikalno

koordinato robotskega vrha. Zaradi že prej omenjenih

potrebnih korekcij je potrebno upoštevati tudi premik

žoge v horizontalnih smereh (več v poglavju 2.4).

2.4 Robotski vid

Za zajem pozicije žoge smo nadgradili že obstoječ

program Dball za zajem podatkov iz kamere (T. Petrič,

2013). Na sliki izberemo točko oz. področje katero

pozicijo želimo pošiljati naprej. Algoritem deluje na

osnovi barve področja, ki ga označimo. Posledično je

potreba po enobarvni žogi. Ker kamera zazna

spremembo v barvi že zgolj ob drugačni osvetlitvi

prostora, smo algoritem spremenili tako, da omogoča

nastavitev barvnega spektra, kateri je še zadovoljiv za

pravilno zaznavo žoge. Program nato pošlje koordinato

x in y preko UDP protokola.

Zaradi uporabe samo eno kamere, globine ne

moremo zaznavati, posledično nimamo informacije o

ordinatni osi, gledano iz perspektive robotskega vrha.

Rešitvi sta dve: uporaba dveh kamer s poznano vmesno

razdaljo ali sprememba algoritma zaznavanja žoge in

sicer na način, da računamo površino žoge. Kamera

zaznava žogo kot krog, kar pomeni, da različna

oddaljenost žoge od kamere vpliva na različen premer

kroga. V praksi se je izkazalo, da potrebe po slednjih

metodah ni, oziroma bi jih uporabili pri izboljšanju

rezultatov.

2.5 Simulacija

Zaradi varnostnih razlogov ter prezasedenosti robota

smo testirali našo aplikacijo najprej s simulacijo.

Uporabili sem programski paket Robo Works, slednji

ima dobro podporo s okoljem Matlab Simulink, kar se je

odražalo v relativno enostavni implementaciji. Potrebno

je bilo upoštevati gravitacijo ter zgraditi model žoge.

Slika 3. Spodnji sinusni signal je vhodni, zgornji sinusni signal pa je izhodni signal iz oscilatorja.

2.6 Izvedba eksperimenta na realnem robotu

Pri izvedbi na realnem robotu smo najprej v shemi

dodali limite, ki ob prehitrih gibih slednjega ustavijo.

Prvi preizkusi so pokazali, da je robot prepočasen in

pretog za takšno nalogo. Togost smo nato rešili s

dodatno peno na prijemalu/odbijalu, hitrost robota pa s

kombinacijo nastavitev in spremembam parametrov

močnostnega krmilnika. Robot je posledično deloval

hitreje, vendar na meji zmogljivosti, kar se je odražalo

tudi v pogostih varnostnih zaustavitvah.

3 Zaključek

Spoznali smo da odbijanje žoge ni trivialen problem,

kljub temu, da ga človek opravlja brez večjih naporov.

Na Kukinem LWR robotu, nam je uspelo odbiti žogo

vsaj petnajstkrat zapovrstjo. Pri tem je bila uporabljena

lahka visoko-odbojna žoga.

Rezultat bi lahko še izboljšali s bolj podajnim

prijemalom/odbijalom, z zamenjavo robota z močnejšim

in hitrejšim ter uporabo dvojnega robotskega vida (angl.

stereo vision).

Literatura

[1] A. Gams, T. Petric, A. Ude, in L. Zlajpah,

“Performing Periodic Tasks: On-Line Learning,

Adaptation and Synchronization with External

Signals,” The Future of Humanoid Robots -

Research and Applications, R. Zaier, Ed. InTech,

2012.

[2] T. Petrič, A. Gams, A. J. Ijspeert, in L. Žlajpah,

“On-line frequency adaptation and movement

imitation for rhythmic robotic tasks,” Int. J. Robot.

Res., vol. 30, no. 14, str. 1775–1788, 2011.

[3] L. Righetti in A. J. Ijspeert, “Programmable central

pattern generators: an application to biped

locomotion control,” Proceedings 2006 IEEE

International Conference on Robotics and

Automation, 2006, str.. 1585–1590.

[4] A. J. Ijspeert, “Central pattern generators for

locomotion control in animals and robots: A

review,” Neural Netw., vol. 21, no. 4, str. 642–653,

2008.

Vodenje KUKA youBot z robotskim vidom

Rok Goljat, Janez Podobnik

Fakulteta za elektrotehniko, Univerza v Ljubljani, Tržaška c. 25, 1000 Ljubljana

E-pošta: rok.goljat@gmail.com

Guiding KUKA youBot using robot vision

For this project, an existing code for robot vision had to

be upgraded, to improve precision of estimating the

pose of the robot. The robot was fitted with seven cyan

colored markers which were then being detected using a

ceiling mounted camera.

The algorithm had to successfully estimate the

orientation of the platform, and the position of the base

of the robot arm. This was done by finding a

transformation matrix between the recognized markers

and a fixed reference.

The marker recognition was done in MATLAB with

the use of image processing toolbox. Lighting

represented a major problem, so a user interface was

implemented to help in successful marker recognition.

1 Uvod

KUKA youBot je majhen mobilni robot s pet-osno

robotsko roko in dvoprstim prijemalom. Naloga je

zahtevala izboljšavo trenutnega algoritma določanja

lege robota. Sledenje je bilo zagotovljeno s pomočjo

barvnih oznak.

Browning in Veloso sta se lotila zaznavanja barvnih

oznak tako, da so za vsak slikovni element ocenili

verjetnost, kateri barvi pripada. Hkrati bi se algoritem

tudi prilagajal spremembam svetlosti okolja [1].

Kim in sodelavci so se lotili zaznave objektov tako,

da so najprej sliko normalizirali, ter se s tem znebili

vpliva neenakomerne osvetlitve objekta [2]. Nato so na

podlagi barve iz slike izluščili vse možne kandidate za

objekt ter nato z naprednimi algoritmi določili pravega.

Pylkko je vpeljal koncept zaznave barve objekta s

pomočjo “Color Judge” algoritma, ki vsakemu

slikovnemu elementu glede na njegovo barvo dodeli

oznako [3].

2 Določanje lege mobilne platforme

2.1 Obdelava slike

V našem primeru je bilo uporabljenih 7 okroglih

turkiznih oznak, od tega so bili trije uporabljeni že v

prejšnji verziji, štirje manjši pa so bili dodani naknadno.

Kamera na stropu zajema sliko velikosti 1280x720

svetlobnih elementov, vsak okvir pa se nato obdela, da

zaznamo vse vidne oznake. Najprej se naredi primerjava

med rdečim in modrim kanalom, kar nam da sivinsko

sliko. Rdeči in modri kanal sta izbrana zato, ker bo tu

največja razlika pri turkizni barvi. Slika se nato zgladi,

da se zmanjša šum, potem pa se spremeni še kontrast

slike. To povzroči, da najsvetlejši elementi, ki v idealnih

pogojih predstavljajo oznake, postanejo še svetlejši,

ostali deli slike pa se še potemnijo. Zatem se slika še

pretvori v binarno, kjer bela področja predstavljajo

oznake in morebiten šum. Na takšni binarni sliki se z

uporabo filtra odstranijo elementi, ki imajo število

slikovnih elementov pod nekim določenim pragom, za

ostale elemente pa se izračuna središče, ploščina in

ekscentričnost. Na podlagi teh podatkov se nato lahko

določi kateri elementi predstavljajo oznake, in kateri

šum.

Tabela 1. Okvirne 8-bitne vrednosti rdečega, zelenega in

modrega kanala turkizne oznake pri različnih osvetlitvah

Osvetlitev R G B

Prevladuje naravna svetloba

Prevladujejo luči

20

50

170

110

240

170

2.2 Določanje lege

Ko imamo uspešno razpoznane vse barvne oznake in

določena njihova središča, jih je potrebno še pravilno

razporediti, ker funkcija za izračun transformacijske

matrike zahteva korespondenčne pare točk. Najprej

lahko na podlagi velikosti določimo prvotne tri oznake.

Na podlagi oddaljenosti od teh treh oznak lahko

določimo še ostale štiri, ki so bile naknadno dodane.

Za izračun transformacijske matrike sta uporabljeni

dve različni funkciji. Prva računa afino aproksimacijsko

matriko (1), ko je zaznanih več kot tri oznak, druga pa

izračuna togo matriko preslikave (2), ko so zaznane

samo tri oznake. V obeh primerih z dobljeno matriko

preslikamo referenčni center, kar nam da iskani center

Slika 1. Primerjava slike, kjer prevladuje naravna svetloba

(svetlejši del) in kjer prevladujejo luči (temnejši del)

baze roke (3). S pomočjo oznak A in C pa lahko

izračunamo še orientacijo mobilne platforme.

'

'

'

'

'

'

1000

000

000

0001

000

0001

22

12

12

11

y

yy

xy

x

yx

xx

yx

yyyxy

xxyxx

yx

yyyxy

xxyxx

t

a

a

t

a

a

y

x (1)

cossin'

sincos'

sin

cos

''''

''''

2112

2211

yxyt

yxxt

aa

aa

yyxxyyxx

xyyxxyyxarctg

y

x

(2)

11001

1

2221

1211

yr

xr

y

x

y

x

C

C

taa

taa

C

C(3)

V enačbah spremenljivke x in y predstavljata x in y

koordinate centrov zaznanih oznak, x' in y' pa

referenčne točke. Spremenljivke a in t predstavljajo

elemente transformacijske matrike, ki preslika točko

referenčnega centra v iskani center.

Naslednji okvir se nato obreže, tako da iz celotne

slike izluščimo samo nek določen del v okolici prej

izračunanega centra. V primeru, da tudi tu pride do

napake, pa se naslednji okvir ne obreže, ampak se zopet

obdela celotna slika. Na ta način se cikel pospeši, ker se

obdeluje manjša slika, zmanjša pa se tudi možnost

napake.

2.3 Določanje referenčnih točk

Referenčne točke določi uporabnik z ročnim

označevanjem centrov barvnih oznak. Določiti jih je

potrebno takrat, ko je baza robotske roke čim bolj v

središču vidnega polja kamere, saj je tam popačenje

najmanjše.

Ker je center baze roke težko natančno določiti

ročno, je bil uporabljen algoritem po Pratt-ovi metodi,

ki množici točk izračuna najbolj prilegajoč krog in vrne

središče tega kroga [4][5]. Ker je baza robotske roke

okrogla in različne barve kot mobilna platforma, je zato

precej lažje določiti robne točke kot pa sam center.

3 Zaključek

Natančnost določanja lege je bila uspešno izboljšana.

Izdelan je bil tudi uporabniški vmesnik, preko katerega

lahko uporabnik določa referenčne točke, spreminja

parametre, obdelava slike in na zaslonu opazuje njihov

vpliv. Dodan je tudi gumb, s katerim lahko osvežimo

začetni položaj kock. To nam koristi v primeru, če so

bile kocke premaknjene med samo aplikacijo.

Literatura

[1] Browning, B. in Veloso, M. M., “Real-time, adaptive

color-based robot vision”., v IROS, IEEE, str. 3871-3876,

2005.

[2] Kim, S., S. Lee, S. Kim in J. Lee, “Object Tracking of

Mobile Robot using Moving Color and Shape

Information for the aged walking”., International Journal

of Advanced Science and Technology, vol.3, str. 293-297,

2009.

[3] Pylkko, H., Riekki, J. in Röning, J., “Real-Time Color-

Based Tracking via a Marker Interface. ”, v ICRA , IEEE,

str. 1214-1219, 2001.

[4] Pratt V., “Direct least-squares fitting of algebraic surfaces,

Computer Graphics”, vol. 21, str. 145-152 1987.

[5] Chernov N., “Circle Fit (Pratt method) ”,

http://www.mathworks.com/matlabcentral/fileexchange/2

2643-circle-fit-pratt-method , 18.12.2013

Slika 2. Prikaz postavitve oznak (A-G). X predstavlja iskani

center baze robotske roke.

Merilni sistem za preučevanje smučarskih skokov

Nejc Krajnik1, Grega Logar2

1Fakulteta za elektrotehniko, Univerza v Ljubljani, Tržaška c. 25, 1000 Ljubljana E-pošta: nejc.krajnik7@gmail.com

Measuring system for analyzing ski jumps

Ski jumping is a very popular sport. The sport itself has been a subject of studies for many different scientists from different profession. The focus has mainly been on phases of the jump and safety. Most studies come from countries where ski jumping is more developed and popular.

Biomechanic researches can be used for training improvement and better preparation of ski jumpers. For this purpose a receiver and two light sensors (for the detection of kickback) were added to a pre-made system, which include 7 inertial metric units (IME) for kinematic measurements. Using the whole system we can measure a ski jumper’s kinematics, calculate his takeoff speed and divide the jump into specific phases. In this article we will mainly deal with light sensors and the detection of kickback.

1 Uvod

Smučarski skoki so priljubljena športna panoga. S smučarskimi skoki in njihovim preučevanjem se je do sedaj ukvarjalo že precej različnih raziskovalcev iz različnih področji. Ukvarjali so se predvsem s preučevanjem posameznih delov skoka in varnostjo [1][2]. Večina študij prihaja iz držav, kjer so smučarski skoki tudi najbolj razviti.

Biomehanske raziskave lahko uporabimo za izboljšanje treningov in s tem izboljšamo pripravljenost skakalcev. V ta namen smo že izdelanemu sistem, ki vsebuje 7 inercialnih merilnih enot (IME) za merjenje kinematike dodali še oddajnik in dva svetlobna senzorja, ki služita zaznavi odskoka skakalca [3]. Komunikacija med njimi poteka brezžično. S pomočjo celotnega sistema lahko izmerimo kinematiko skakalca, izmerimo njegovo odskočno hitrost ter razdelimo celoten skok na posamezne faze. V tem članku se bomo posvetili predvsem svetlobnima senzorjema in zaznavi odskoka skakalca.

2 Delo

2.1 Sistem

Sistem je sestavljen iz treh glavnih delov: 7 inercialnih merilnih enot (IME), ki so pritrjene na skakalca. Glavnega sprejemnika s pomočjo katerega sinhroniziramo IME za zajem podatkov ter po končanem merjenju poberemo vse izmerjene podatke iz microSD kartic. Priključen je na računalnik preko

katerega vodimo celotno merjeneje [3]. Tretji del sistema je sestavljen iz dveh svetlobnih senzorjev priklučenih na enoto z oddajnikom. Napajan je s 15 V baterijo. V vezju sta dva napetosna regulatorja. LM7812 za napajanje senzorjev z 12 V in drugi LM7805 za napajanje oddajnika s 5 V.

Slika 1: Blokovna shema sistema s svetlobnima senzorjema.

Senzorja sta preko optocouplerja 4N32 povezana na vezje ki mu pravimo oddajnik. Oddajnik je del sistema s katerega IME pošljemo števec ob času ko skakalec prečka prvega izmed senzorjev in nov števec ko skakalec prečka drugi senzor. Sestavljen je iz mikrokontrolerja Atmega, ki skrbi za generiranje števca in komunikacijo med senzorjema ter AT86RF230. AT86RF230 je del oddajnika, ki brezžično komunicira z IME. Na Atmegi teče tudi programski del zaznave.

Slika 2: Blokovna shema oddajnika.

Vzorčenje poteka s 400 Hz, kar je enako vzorčenju na IME. Ko skakalec prečka senzor, oddajnik na vse IME, ki so pritrjene nanj pošlje števec, ki je bil aktualen v času prečkanja. IME vse te podatke zapiše na microSD kartico. Enako zaporedje sledi tudi za drugi senzor. Zaradi samih povezav in zato ker signal od oddajnika do IME potuje po zraku, je v rezultatu prisotna določena zakasnitev. Le ta je bila izmerjena s pomočjo osciloskopa in navadno znaša okoli 2 ms.

Hitrost skakalca izračunamo po enačbi (1). Za čas t uporabimo razliko števcev, ki jih dobimo s pomočjo naših senzorjev. Za razdaljo med senzorjema s pa moramo biti pozorni že pri namestitvi senzorjev in izmeriti razdaljo med njima. tsv / (1)

2.2 Rezultati

Meritve, ki so zajete v analizo, so bile opravljene 31.12.2013 v Planici na srednje veliki skakalnici K-95, HS-104, pri temperaturi okoli 0 stopinj celzija in v brezveterju [4].

Slika 3: Lokacija senzorjev (1) in oddajnika (2) na skakalnici.

Senzorja sta bila postavljena na razdalji 9 m v konfiguraciji, ki je razvidna iz Slike 3. Končni senzor je bil postavljen povsem na rob odskočne mize. Skakalec, ki je bil opremljen z IME je opravil šest skokov. Po prenosu vseh podatkov iz microSD kartic na računalnik in obdelavi s pomočjo programa Matlab dobimo končne rezultate.

Na Sliki 4 je prikazan potek šestega skoka. Na x osi je čas, na y osi pa φs, φGis, φb, φk, Vs. φs predstavlja kot med smučmi in horizintom, φGis predstavlja kot med smučmi in golenjo, φb predstavlja kot v bokih, φk nam pove kot v kolenu, Vs pa predstavlja kot med smučama pri V-slogu. Na grafu sta z dvema horizontalnima črtama prikazana tudi časa signalov iz svetlobnih senzorjev. Prva (rdeča) črta nam pove čas proženja prvega senzorja, druga (zelena) nam pove čas proženja drugega senzorja. Drugi senzor postavimo povsem na konec odskočne mize, tako da se proži točno ob optimalnem času odskoka skakalca.

S pomočjo enačbe (1), poznano razdaljo s = 9 m in poznanim časom t med posameznimi prožitvami senzorja, ki je pri šestem skoku znašala 0,4075 s, dobimo hitrost skakalca pri odskoku 79,5 km/h.

Slika 4: Graf poteka skoka.

3 Zaključek

Projekt je obsegal izdelavo sistema za detekcijo odskoka skakalca, preizkus sistema in analizo skoka z njegovo pomočjo. Sistem je bil izdelan in uspešno preizkušen. Z njegovo pomočjo lahko določimo trenutek odriva, hitrost skakalca in skok časovno razdelimo na posamezne faze.

Literatura

[1] J. Chardonnens, J. Favre, B. Le Callennec, F. Cuendet, G. Gremion, in K. Aminian, “Automatic measurement of key ski jumping phases and temporal events with a wearable system,” J. Sports Sci., vol. 30, no. 1, str. 53–61, 2012.

[2] W. Müller, “Determinants of ski-jump performance and implications for health, safety and fairness,” Sports Med. Auckl. NZ, vol. 39, no. 2, str. 85–106, 2009.

[3] Grega Logar, “Merilni sistem za preučevanje biomehanike smucarskih skokov,” Fakulteta za elektrotehniko, Ljubljana, Diploma, Sep. 2013.

[4] “Velikanka, Planica,” Skisprungschanzen-Archiv » skisprungschanzen.com. [Online]. Available: http://www.skisprungschanzen.com/DE/Schanzen/SLO-Slowenien/Planica/0476-Velikanka/. [Dostopano]: 08-Jan-2014].

Modeliranje in analiza clovekovega gibanja v okolju OpenSim

Katja Pretnar1, Jan Babic21Fakulteta za elektrotehniko, Univerza v Ljubljani, Tržaška 25, 1000 Ljubljana

2Institut Jožef Stefan, Jamova 39, 1000 LjubljanaE-pošta: ajtak.pretnar@gmail.com

Human Movement Modeling and Analysesusing OpenSim

The goal of our experiment was to investigate an alter-native approach for human movement analysis. We usedOpenSim, an open source software for biomechanical mod-eling and simulation.

With motion capture system, we recorded 7 differenttrials of a healthy subject (our focus were the lower ex-tremities) and compute various quantities for the exper-iment (joint angles, generalized forces at each joint andindividual muscle forces at each instant in time). Thispaper points out few problems that we encountered dur-ing the usage of OpenSim, but all in all we realized thatOpenSim has a lot to offer; from uncovering the princi-ples that govern normal movement to designing an effec-tive treatment for movement disorders.

1 UvodOpenSim je odprtokodni program, namenjen modelira-nju, simulaciji in analizi mišicno-skeletnega sistema. Pro-gram je bil zasnovan leta 2007 na univerzi Stanford [1],velika skupnost strokovnjakov s celotnega sveta pa skrbiza njegov stalni razvoj.

Osnova vsake analize v programu OpenSim je modelopazovanega objekta, ki je zgrajen na podlagi diferenci-alnih enacb, ki opisujejo dinamiko segmentov, mišic tergeometrijo telesa. Naslednji korak pri analizi je izracunsimuliranega gibanja, ki kar najbolje posnema eksperi-mentalno zajete podatke. Nadaljnja analiza nam omo-goca ocenitev parametrov, ki jih ne moremo neposrednoizmeriti, npr. obremenitve v sklepih ali akcije posame-znih mišic oz. njihov prispevek h gibanju [2]. Programnam je lahko v pomoc pri kompleksnejših nalogah (na-crtovanju zdravljenja bolezenskih stanj, simulaciji kirur-ških posegov, oblikovanju protez, simulaciji gibanja hu-manoidnih robotov inp. [3]).

Študij cloveškega gibanja je predmet raziskav števil-nih znanstvenikov. Namen programskega paketa Open-Sim je osvetliti zakonitosti in razmere pri cloveškem gi-banju, dolgorocni cilj pa je sposobnost nacrtovanja zdra-vljenja ob upoštevanju specificnih lastnosti vsakega po-sameznika. Kljub velikemu napredku v tej smeri, znan-stvenike caka še veliko izzivov [3].

2 MetodeOpazovali smo sedem razlicnih gibanj spodnje ekstremi-tete. Opazovana oseba (moški spol, 29 let, 185 cm, 80 kg)je na zacetku vsakega manevra mirovala, nato pa izvedlapet ponovitev osnovnega giba pri dveh hitrostih (pocasioziroma hitro); krcenje kolenskega sklepa, zamah celo-tne noge in posnemanje gibanja nog pri prsnem plava-nju. Dodatno smo opazovali še navpicni skok. Gibanjesmo posneli z dvema kamerama sistema 3D Investigatorpri frekvenci zajemanja 100 Hz. Desno spodnjo ekstre-miteto merjenje osebe smo opremili z osmimi aktivnimimarkerji (slika 1).

Slika 1: Postavitev osmih markerjev. Levo slika iz okolja Open-Sim, desno pripadajoci markerji realne meritve.

Zbrane podatke smo s pomocjo programa First Princi-ples shranili v datoteke *.c3d. Te smo nato uvozili v oko-lje Matlab s pomocjo orodja b-tk Biomechanical Tool-Kit [4]. Podatke smo interpolirali, transformirali in jihshranili v datoteke *.trc. Pri tem nam je bila v pomocže pripravljena koda iz [5]. Iz OpenSim knjižnice smouporabili model spodnje ekstremitete “SeparateLegs”, zanekatere analize pa model “Gait2354_Simbody”. Virtu-alne markerje smo na model namestili tako, kot so bilinamešceni med samim eksperimentom.

Genericni model smo najprej skalirali, nato pa za vsakgib izracunali inverzno kinematiko, inverzno dinamiko,za krajše odseke pa izvedli tudi staticno optimizacijo.

3 RezultatiRezultat dela v OpenSimu-u so datoteke, ki za vsak ca-sovni trenutek vsebujejo podatke o spremenljivkah v skle-pih (koti, navori) oz. mišicah (aktivacije, vrednost mišic-nih akcij). V tem razdelku se bomo osredotocili le narezultate, ki smo jih dobili pri analizi skoka (slika 2).

Slika 2: Analiza skoka - 1. graf: koti, 2. graf: navori (pri obehpikcasta crta predstavlja kolk, druga koleno), 3. graf: aktivacijadveh mišic (pikcasta crta predstavlja zadnjo stegensko, polna pamišico mec).

Prvi graf slike 2 prikazuje kote v kolku in kolenu.Razberemo, da je oseba trikrat skocila (vsak skok sesta-vlja odriv iz pocepa, nato let v iztegnjenem položaju - kotise znova približajo nicelnim vrednostim - in pristanek vpocep). Na koncu se oseba znova vrne v zacetno lego.

Sredinski graf prikazuje navore v kolku in kolenu prienakem manevru. Opazimo, da imajo navori ves cas nekovrednost, le v fazi leta "oscilirajo". Formulacija inverznedinamike zahteva za izracun popolnih navorov tudi po-datek o sili interakcije. OpenSim uporabniku omogocauvoz meritev pritiskovne plošce, cesar pa naš eksperi-ment ni meril. Dobljeni navori so tako le posledica gi-banja in niso povsem regularni. Tabelo maksimalnih na-vorov po iznosu za vsak posnet gib prikazuje tabela 1.

Tretji graf na sliki 2 prikazuje mišicno aktivacijo dvehmišic; zadnje stegenske (Long Head Biceps Femoris) inmišice mec (Soleus). Graf prikazuje aktivacijo le za prviskok (drugacna casovna baza kot pri zgornjih dveh gra-fih). Pogled na graf dovoljuje grobo oceno o tem, kateramišica je aktivna v posamezni fazi skoka, npr. v fazi od-riva je bolj aktivna mišica Soleus, v fazi leta in pristankapa zadnja stegenska.

Tabela 1: Maksimalne vrednosti navorov [Nm].

sklep gib krc. kol. zamah plav. gib skokkoleno 20 10 15 30kolk 25 40 30 80

4 RazpravaOpenSim nam na dokaj enostaven nacin ponudi celo vrstoanaliz, vseeno pa uporaba zahteva nekaj casa in truda.

Program ne sprejema standardnih formatov, zato morauporabnik sam pripraviti ustrezne datoteke. Na podobnosituacijo naletimo, ce bi želeli izracunane podatke obde-lati v kakem drugem programu - potrebna je pretvorba iztipa datoteke *.sto.

Drugi vecji problem pa nastopi pred vsakim racun-skim algoritmom. Takrat mora uporabnik izbrati nemaloparametrov oz. dolociti uteži vhodnih podatkov. To po-sredno vpliva na kakovost rezultatov - kar program zabe-leži kot napako, primer spodaj:(t=9.99): marker error: RMS=0.0150045Vsak korak je torej iterativen. Uporabnik najprej grobooceni parametre (potrebno je razumevanje posameznihprispevkov), nastavitve pa lahko enostavno shrani v da-toteke *.xml za kasnejšo uporabo. Temu sledi vec iteracijfinega nastavljanja in rocnih popravkov v iskanju zado-voljivo majhne koncne napake. V [3] so že razmišljaliv smeri algoritmov, ki bi samodejno poiskali optimalnevrednosti.

Pri spoznavanju s programom OpenSim smo ugoto-vili, da le ta predstavlja alternativni pristop k analizi clo-vekovega gibanja. Za bolj kompleksne študije bi moralivkljuciti vec izmerjenih podatkov (npr. podatke priti-skovne plošce, signale EMG ali pa vrednosti sklepnih ko-ordinat, izracunanih v kakem drugem programu, morebitibi zgradili lastne mišicno-skeletne modele inp.). Vseka-kor nam OpenSim ponuja veliko možnosti.

Literatura[1] S. L. Delp, "OpenSim: Open-Source Software to

Create and Analyze Dynamic Simulations of Mo-vement,"IEEE Transactions on Biomedical Engine-ering,vol. 54, 2007.

[2] A. Seth in M. Sherman, "OpenSim: a musculoskele-tal modeling and simulation framework for in sillicoinvestigations and exchange", Symposium on HumanBody Dynamics, 2011

[3] A. J. Reinbolt in A. Seth, " Simulation of human mo-vement: applications using OpenSim", Symposiumon Human Body Dynamics, 2011

[4] b-tk Biomechanical Toolkit,https://code.google.com/p/b-tk/

[5] T. W. Dorn, "Gait Extract Toolbox for Matlab, Ver-sion 1.71", 2008

SEMINAR IZ ROBOTIKE IN MERJENJ

Merjenje odvodnih tokov pri medicinski opremi

Grega Eržen, Matej Žontar 1Fakulteta za elektrotehniko, Univerza v Ljubljani, Tržaška c. 25, 1000 Ljubljana

2SIQ Ljubljana, Tržaška c 2, 1000 Ljubljana E-pošta: grega.erzo@gmail.com

Measurement of leakage current in electric

medical equipment

Electric current is harmful for human body and have many effects as we will see later in the paper. Because electric medical equipment is normally in contact with human body or at least in close range, this area of safety must be and indeed is strictly regulated by safety standards. In this paper we will go through correct steps and methods in measurement of leakage current in medical equipment. There are different types of leakage current, earth leakage, touch current, patient leakage current and patient auxiliary current. And beyond that, there are different allowable values of patient leakage current in difference of medical equipment and types of applied part. 1 Uvod Glavna lastnost, ki loči električno medicinsko opremo od ostale električne opreme je v načinu uporabe. Medicinsko opremo se uporablja v neposredni bližini človeškega telesa, če ne celo v stiku s človeškim telesom, zato mora biti in tudi je, to področje zelo dobro uravnavano z varnostnimi predpisi. Električni tok ima mnogo nevarnih učinkov na človeško telo, čigar velikost nevarnosti je odvisno od več dejavnikov. Nevarnost za električni šok je še posebej velik pri medicinski opremi, ki je velikokrat v stiku s človeškim telesom in se pacient ne zaveda nevarnosti Medicinska oprema je, glede na stopnjo zaščite pred električnim udarom in vrsto dela namenjenega za pritrditev na pacienta, razdeljena na skupine. Za vsako skupin je v varnostnih standardih naveden način testiranja in vrednost še dovoljenih tokov.

2 Vpliv električnega toka na človeško telo Voda, ki predstavlja 70 % človeškega telesa, je dober prevodnik električnega toka. Vendar tok skozi človeško telo ne teče neovirano. Telo se prevajanju upira in predstavlja električno upornost, zaradi česar se pri prevajanju električnega toka sprošča toplota, ki predstavlja eno glavnih nevarnosti za človeško telo (slika 1)[1]. Druga nevarnost, ki jo povzroča električni tok, so motnje v delovanju živčnega sistema. Te motnje privedejo do mišičnih krčev, kar je posebej nevarno, ker

nam dovolj velik tok, onemogoči da prekinemo stik z nevarno opremo. Stopnja nevarnosti je odvisna od različnih dejavnosti, velikost toka, trajanje, smer, napetost, frekvenca. Velikost toka - Večji tok predstavlja večjo nevarnost, zaradi večje energije, ki se sprošča. Ker je velikost toka, po Ohmovem zakonu, sorazmerna z napetostjo in ker je upornost človeškega telesa ostaja, je večja napetost neposredno povezana z večjim tokom. Trajanje - Daljša kot je izpostavitev toku, večja je verjetnost za večje posledice. Smer toka - Za človeka je najbolj nevarno, če električni tok prepotuje telo preko srčne mišice, kar lahko privede, do odpovedi srca. Frekvenca - Večje frekvence toka povzročajo večje opekline, vendar zmanjšuje globino penetracije.

Slika 1: Opeklina zaradi električnega toka

3 Medicinska oprema Medicinska oprema so ali električni instrument, stroj ali sistem, ki se uporablja v medicinske namene (slika 2). Glede na vrsto zaščite pred električnim udarom, se podobno kot ostala električna oprema delijo na : -razred I. Prisoten zaščitni vodnik za varovanje pred električnim udarom. -razred II. Zaščitni vodnik ni prisoten, zaščita je zagotovljena z dodatno izolacijo. -opremo z notranjim napajanjem. Zaščitni vodnik ni prisoten, zaščitna je prav tako zagotovljena z dodatno izolacijo glede stopnjo zaščite pred električnim udarom pa na: -B-tip. Osnovna zaščita, ki zagotavlja primerno stopnjo zaščite glede na dopustne vrednosti uhajavih tokov. -BF-tip. Aplikacijski del opreme je ločen po načinu F (floating-lebdeč), to je dvignjen od zemlje.

-CF-tip. Oprema z največjo stopnjo zaščite in je edina primerna za neposredno srčno aplikacijo.

Slika 2: Primer medicinske opreme za aplikativnim delom, ki je v stiku s pacientom – ultrazvok

4 Odvodni tok Električni odvodni tokovi v elektromedicinskem aparatu so sledeči[2]: -Ozemljitveni odvodni tok teče iz glavnega dela aparata, ki je prevodni zvezi z napajalnim omrežjem, skozi ali prek izolacije v zaščitnoozemljiveni vodnik. -Okrovni odvodni tok teče iz okrova ali njegovega dela skozi zunanjo prevodno zvezo, ki pa ni zaščitnoozemljitveni vodnik, v zemljo ali druge dele okrova -Pacientski odvodni tok teče iz aplikacijskega dela prek pacienta v zemljo -Zunanji pacientski odvodni tok teče prek izoliranega aplikacijskega dela v zemljo, pri čemer slednji izvira iz napetosti, ki se je nezaželena pojavila na pacientu iz zunanjega izvora

5 Testiranje medicinske opreme Medicinsko električno opremo testiramo v skladu z varnostnimi standardi[2],[3]. Opremo testiramo v vseh možnih stanjih in načinih delovanja. Zadostiti moramo naslednjim pogojem: -naprave testiramo v temperaturnem in vlažno stabilnem prostoru -normalno delovanja in delovanje v okvari -testiramo delovanje pri obeh polaritetah napajanja -najvišja specificirana napajalna frekvenca -napajalna napetost je enaka 110 % specificirane napajalne napetosti Opremo testiramo za vse vrste odvodnih tokov, najprej za ozemeljski odvodni tok, nato za okrovni odvodni tok, način meritve pacientskega odvodnega toka pa je odvisna od tipa naprave, tipa aplikacijskega dela ter prisotnosti dela za priklop senzorjev ali aktuatorjev

6 Limitne vrednosti odvodnih tokov Limitne vrednosti so definirane v standardu IEC60601, ki definira metodologijo merjenja, kot tudi še dovoljeno vrednost posameznih odvodnih tokov. Limitne vrednosti segajo od 10 mV pa do 10 μV. Pri preverjanju limitnih vrednosti moramo upoštevati tudi merilno negotovost(4).

7 Uporaba merilnika HIOKI 3156 Za meritve smo uporabili merilnik Hioki 3156, ki je namenjen za testiranje opreme za različne odvodne tokove. Merilnik že sam po sebi vsa potrebna merilna vezja, uporabnik pa se pri meritvi sam odloča, odvisno kakšno opremo testira, katero merilno vezje bo uporabil. Preden začnemo s testiranjem instrument priključimo na omrežje, z enim kablom napajamo sam instrument z drugim kablom pa priskrbimo za napajanje opreme, ki jo testiramo. Drugi kabel priključimo preko izolacijskega transformatorja, ki nam napajalno napetost pretvori na 110 % nazivne napetosti testirane opreme. Za nastavljanje merilnega vezja in limitnih vrednosti uporabimo zaslon na dotik instrumenta. Za merjenje tokov pa uporabljamo sonde, ki so uporabne tako za merjenje kot za dovajanje napetosti na območje vhodov in izhodov, odvisno od načina merjenja.

8 Zaključek Nevarnost električnega šoka je pri medicinski opremi še posebej velika zaradi neposredne bližine in dejstva, da je oprema namenjena reševanju življenj in ne sme povzročati dodatne nevarnosti. Oprema mora biti zato, dobro preizkušena in mora zadoščati strogim varnostnim standardom. Vse zahteve za izvedbo meritev, limitne vrednosti, druge posebnosti glede merjenj odvodnih tokov pri medicinski električni opremi in primer izvedenega testnega merjenja opreme smo združili v delu, ki smo ga poimenovali Measurement of leakage current in medical equipment in bo priloženo na predstavitvi.

Literatura

[1] Kralj A.: Osnove medicinske elektrotehnike, Ljubljana: DDU Univerzum, 1983.

[2] Medical electrical equipment – Part 1: General requirements for safety, IEC60601-1, 1999 [3] Methods of measuring touch current and protective conductor current, IEC60990, 1999. [4] EA-4/02 - Expressions of the Uncertainty of Measurements in Calibration, www.european-accreditation.org/pdf/EA-4-02M.pdf, 2013

Kompleksni laserski viri za medicinske in industrijske

aplikacije

Beti Fajdiga1, Urban Pompe

2

1Fakulteta za elektrotehniko, Univerza v Ljubljani, Tržaška c. 25, 1000 Ljubljana

2 LPKF Laser & Electronics d.o.o., Polica 33, 4202 Naklo

E-pošta: beti.fajdiga@gmail.com

Complex laser sources for medical and

industrial applications The main goal of the experiment was to find out where

is the main source of movements during bonding of the

mirror. Measurements were taken with two different

devices: autocollimator and He-Ne laser in three

points: on the robotic mechanism, on the gripper and

between fingers of the gripper. The experiment showed

that only the optical component between fingers of the

gripper is moving.

1 Uvod

Prvotna naloga tega seminarja je bila študija

izvedljivosti robotizacije proizvodnje diodno črpanih

trdninskih laserjev (DPSSL). Ker trenutno proizvodnja

laserjev poteka ročno, kar je zelo zamudno, si podjetja

želijo to avtomatizirati. Pri tem so pomembni naslednji

parametri: ponovljivost in ločljivost robota (velikost

koraka premika), ustrezna povratna zanka s kamerami

ter primeren način pritrjevanja optičnih komponent na

ohišje laserskega vira (lepljenje, spajkanje). Na izvedbo

zastavljene naloge vplivajo tudi togost, sila in način

prijemanja zrcala.

Med prvimi poizkusi je bilo ugotovljeno, da se optična

komponenta med pritrjevanjem premakne. Vzrok za to

je lahko v prstih prijemala, samem prijemalu in

robotskem mehanizmu. V ta namen sta bila uporabljena

dva He-Ne laserja in avtokolimator za opazovanje

posameznih segmentov med pritrjevanjem zrcala.

2 Eksperimentalni sistem

Celoten eksperimentalni sistem, ki ga prikazuje slika 1,

je zgrajen iz robotskega manipulatorja Epson PS3 AS00

z zadovoljivo ločljivostjo 0,002° in ponovljivostjo

pozicije ±0,03 mm, robotskega pnevmatskega prijemala

Robohand RP-50PM ter prstov za prijemanje optične

komponente, laserski vir s pripadajočim ohišjem in UV

svetilka za polimerizacijo lepila ter dozirnik za nanos

lepila. Del eksperimenta je tudi merilni sistem, ki sta ga

sestavljala dva He-Ne laserja, avtokolimator in dve

kameri ter pripadajoče optične komponente.

Robotski mehanizem predstavlja šest-osni robot

antropomorfne konfiguracije. Pomembni parametri

robota za ta eksperiment so ločljivost in ponovljivost

orientacije, ki pa žal ni podana, kljub temu robot ustreza

zahtevam za uspešno pozicioniranje optičnih

komponent.

Pnevmatsko prijemalo omogoča prijemanje optičnih

komponent z večjo silo od električnega prijemala. Pri

tem je sila prijemanja proporcionalna tlaku. Največja

sila znaša 107 N pri tlaku 7 bar.

Prsti prijemala veliko prispevajo k uspešnosti

pozicioniranja in ohranjanja pozicije med lepljenjem

zrcala. Uporabljeni prsti so omogočali prijem po obliki,

ki naj bi onemogočala premik zrcala med prsti, ko je

prijemalo zaprto.

Slika 1. Postavitev eksperimentalnega sistema.

UV svetilka omogoča polimerizacijo lepila

uporabljenega za pritrjevanje optične komponente.

He-Ne laser z valovno dolžino 633 nm je uporabljen v

kombinaciji s polprepustnim zrcalom, ki omogoča

opazovanje odboja laserskega žarka s kamero. Z enim

laserjem smo opazovali premike zrcala znotraj prstov

prijemala, z drugim pa premike prijemala.

Avtokolimator omogoča merjenje horizontalnih in

vertikalnih premikov velikosti 5 µrad. Sestavljajo ga vir

koherentne svetlobe, leče znotraj avtokolimatorja za

usmerjanje žarka, polprepustno zrcalo in CCD senzor,

ki zaznava odklone opazovanega zrcala (Slika 2).

Slika 2. Zgradba avtokolimatorja.

Za dobro meritev z avtokolimatorjem je potrebno

zagotoviti ustrezne delovne pogoje, ki vključujejo

ustrezno ambientno svetlobo (čim manj svetlobe) in

ustrezno velikost zrcal za merjenje odboja (uporabljeno

okroglo zrcalo velikosti 1 in=2,5 cm).

Slika 3. Merjenje odklona žarka.

2.1 Rezultati meritev

Avtokolimator vključuje uporabniški vmesnik (Slika 3),

ki uporabniku omogoča izvajanje meritev. Pred

začetkom izvajanja meritev je najprej potrebno umeriti

avtokolimator na neskončno točko ostrenja. Na

opazovano telo mora biti nameščeno zrcalo primerne

velikosti in s pomočjo laserskega žarka na

avtokolimatorju nastavljena smer opazovanja, kar je

nujno zaradi ozkega vidnega polja avtokolimatorja. V

uporabniškem vmesniku se nastavljata še hitrost

zajemanja podatkov in ojačenje signala [1].

Pri poskusu so bile opravljene tri meritve z isto

postavitvijo eksperimentalnega sistema, ki so pripeljale

do ugotovitve, da se vsi premiki zgodijo le znotraj

prstov. To pomeni, da se med lepljenjem robotski

mehanizem in prsti prijemala ne premaknejo, premakne

se le zrcalo, ki ga lepimo. Rezultate ene od meritev

prikazuje Tabela 1, kjer so meritve izvedene s hitrostjo

zajemanja 1/50 s in ojačenjem 18,8 dB.

Slika 4. Slika odbojnega žarka na kameri.

Slika 4 prikazuje odboj žarka na kameri, kjer opazujemo

premik centra kroga izpisanega v milimetrih, zato

moramo premik preračunati v mikroradiane (1) [3], da

ga lahko primerjamo z meritvami pridobljenimi s

pomočjo avtokolimatorja.

2

d

f (1)

Razdalja f govori o oddaljenosti kamere od mesta

odboja. Pri meritvah premika prijemala je ta razdalja

f=130 cm, rezultate meritve pa prikazuje tabela 2.

Meritve zrcala znotraj prstov prikazuje tabela 3, razdalja

znaša f=118 cm.

Tabela 1. Rezultati meritev premikov robota.

stanje x [µrad] y [µrad] R [µrad]

Pred

poskusom

-0,001 0,002 0,003

Po poskusu 0,005 -0,002 0,005

Tabela 2. Rezultati meritev premikov prijemala.

stanje x [µrad] y [µrad] R [µrad]

Pred

poskusom

-62 -45 76,6

Po poskusu -56,2 -37,3 67,5

Tabela 3. Rezultati meritev premikov zrcala med prsti.

stanje x [µrad] y [µrad] R [µrad]

Pred

poskusom

-197,5 74,6 211,1

Po poskusu -190,3 580 610,4

3 Zaključek

S pomočjo izvedenih meritev je bilo ugotovljeno, da se

premiki dogajajo le znotraj prstov prijemala pri

lepljenju optične komponente na ohišje laserja. Tako sta

izločena faktorja premika robotskega mehanizma in

premika prijemala. Posebno pozornost v nadaljnji študiji

bo zato potrebno posvetiti izdelavi primernega prijemala

[2]. Minimalna premika pri meritvi robota in prijemala

sta posledica šuma in ločljivosti izbrane merilne

naprave.

Literatura

[1] User manual: »AutoCollimator USB 2013.pdf«.

[2] Fraunhofer, »Assembly solutions for micro-optical

systems«,http://www.ipt.fraunhofer.de/content/dam/ipt/en

/documents/210_06%20Assembly%20Solutions.pdf,

(12.12.2013).

[3] Autocollimators,

http://www.trioptics.com/test_equipment/autocollimators/

description.php, (5.1.2013).

Aplikativna uporaba robota za pobiranje neurejenih izdelkov z uporabo strojnega vida

Primož Flander1, Franci Klun2 1Fakulteta za elektrotehniko, Univerza v Ljubljani, Tržaška c. 25, 1000 Ljubljana

2 Kolektor Group d.o.o., Vojkova 10, 5280 Idrija E-pošta: primoz.flander@gmail.com

Applicative robot use for imperfect product collection with the use of computer vision

Nowadays, robotics no longer presents only a vision for the future, but is increasingly a part of the present and a condition for successful economy. Robots undoubtedly increase competitiveness, productivity, responsiveness, repeatability, precision, the quality of the products and reduce the loss. In this assignment, the workings of the ABB robotic manipulators, Cognex computer vision cameras and RS-232 communication interface were examined. An application that enables the collection of imperfect products with a robotic manipulator and computer vision has been developed. We have established that even though the development of such an application is quick, it is very time-consuming to develop a robust and optimised application. The developed application fits the set goals, despite a few shortcomings. The main shortcoming is the fact that the camera is mounted on the top of robot and thus demands the robot be moved to the capture position prior to the capture of the image. We propose a stationary camera inside the working space. 1 Uvod Velika večina instaliranih robotov deluje v proizvodnji, kjer lahko delovno okolje prilagodimo robotu. V aplikacijah, kjer se okolja in pozicioniranja objektov ne da tako natančno zagotoviti, se roboti niso razširili, razlog za to pa je v pomanjkanju senzorskih sposobnosti komercialnih robotov. Eden izmed uporabnih robotskih senzorjev je vid, ki omogoča brezkontaktno merjenje okolice. Danes so na voljo robotski krmilniki različnih proizvajalcev s povsem integriranimi video sistemi, kjer sta operaciji vizualnega zaznavanja in manipulacije povezani odprtozančno, saj kamera najprej »pogleda«, robot pa nato opravi gib. Natančnost vodenja je tako direktno pogojena z natančnostjo video senzorja in robotskega manipulatorja. Tak način vodenja smo uporabljali tudi mi. Seminarska naloga je zahtevala razvoj aplikacije za avtomatsko pobiranje neurejenih izdelkov s pomočjo

strojnega vida. Naloga robota je bila s pomočjo strojnega vida zaznati lego predmeta na odlagalnem mestu ter izračunati pozicijo in orientacijo. Robot je nato s prijemalom predmet pobral z odlagalnega mesta in izvedel postopek paletiranja. Seminarska naloga je praktični primer razvoja aplikacije za industrijsko uporabo. 2 Uporabljena strojna in programska

oprema

2.1 Robotski manipulator ABB IRB 2600

V aplikaciji je bil uporabljen ABB-jev 6-osni robot IRB 2600 (slika 1), krmiljen s krmilnikom IRC5 [1]. Zasnova robota je optimizirana za aplikacije kot so: varjenje, paletizacijo in pakiranje.

Slika 1. Robotski manipulator IRB 2600

2.2 Programski paket ABB Robot Studio

Robot Studio z vgrajenim virtualnim kontrolerjem omogoča simulacijo, optimizacijo in programiranje robotov (slika 2). Omogoča realistične simulacije robotov, kadar robotskega manipulatorja nimamo na voljo [3].

Slika 2. Robotski manipulator IRB 2600 [1]

2.3 Kamera Cognex IS7402

Kamera omogoča samodejno ostrenje, hiter zajem slike, integrirano osvetlitev v kompaktnem robustnem IP67 ohišju (slika 3). Podpira ethernet, serijsko komunikacijo in digitalne vhode in izhode [2].

Slika 3. Kamera IS7402

2.4 Programski paket Cognex In-sight [2]

Omogoča hiter, enostaven in zanesljiv razvoj aplikacije za strojni vid. S pomočjo funkcij za avtomatsko iskanje lastnosti predmetov, in samodejne optimizacije parametrov zelo skrajšamo postopek razvoja (slika 4).

Slika 4. Program In-sight - detekcija predmeta

3 Razvoj aplikacije

3.1 Realizacija programa za strojni vid

Program za detekcijo predmetov na odlagalnem mestu smo razvili s pomočjo programa In-sight in kamere IS7402. Postopek razvoja je obsegal kalibracijo, izbiro

usreznega algoritma za detekcijo predmetov in vzpostavitev komunikacije z robotom. Robot je s kamero komuniciral s pomočjo serijske komunikacije (RS-232). 3.2 Programiranje robota za nalogo paletizacije

Naloga robota je bila paletizacija predmetov [4]. Prvi korak razvoja je bil definiranje koordinatnih sistemov kamere, palete in odlagalnega mesta. Postopek paletizacije smo izvedli s pomočjo programiranja v Robot Studiu v kombinaciji z “učno enoto robota“ za vnos točk v prostoru. Razvit program omogoča enostavno prilagodljivost.

4 Delovanje aplikacije Robot se najprej iz začetne lege pomakne v pozicijo za zajem slike. Kamera detektira predmet in posreduje informacijo o legi predmeta robotu. Robot sedaj pozna lego predmeta, zato se pomakne v lego za prijem predmeta. Robot s pomočjo prijemala pobere predmet in ga odloži na ustrezno mesto v paleti. Če predmet ni detektiran, sistem za strojni vid posreduje napako in postopek paletizacije se zaustavi. S tem je preprečeno nepredvidljivo obnašanje robota.

5 Zaključek Razvita aplikacija ustreza zastavljenim ciljem, vendar je za izboljšave še veliko prostora. Prva izbolšava bi bila fiksno vpeta kamera v prostoru, druga pa robustnejši program za strojni vid.

Literatura [1] “Robotski manipulatorji ABB,”

http://new.abb.com/products/robotic. (dostop: januar, 2014)

[2] “Oprema za strojni vid Cognex,” http://www.cognex.com/industrial-sensor-checker.aspx?langtype=2057. (dostop: januar, 2014)

[3] D. Rukav, “Modeliranje proizvodnih sistemov z robot studio ABB,“ diplomsko delo, Fakulteta za strojništvo, 2012.

[4] R. Logar, “Uporaba računalniškega vida pri robotskem prijemanju,“ Ljubljana, 2004.

Robotska linija za krivljenje jeklenih palic

Primož Glavač1, Matjaž Preložnik

2

1Fakulteta za elektrotehniko, Univerza v Ljubljani, Tržaška c. 25, 1000 Ljubljana

2 Etra d.o.o, Bukovžlak 101, 3000 Celje

E-pošta: glavac.primoz@gmail.com

Instructions and Template

Nowadays we can not imagine industry without robots

and automation, particularly in routine and dangerous

processes. In this article, we will present you an

automated line for cutting and bending steel bars, which

are used in gear rings for automobile engines flywheels.

1 Uvod

Dandanes si industrije brez avtomatizacije in robotov ne

morem več predstavljati. Le ti opravijo levji delež dela

predvsem pri rutinskih procesih. V članku, vam bomo

predstavili avtomatizirano linijo za razrez in krivljenje

jeklenih palic, katerih končni produkt so zobati obroči

za avtomobilske vztrajnike motorjev.

2 Izvedba

2.1 Naloga

Naša glavna naloga je bila spisati algoritem za zlaganje

polizdelkov v zabojnik s največjim možnim

izkoristkom. Ker se je naloga pokazala za zahtevno smo

le to razdelili na več manjših. In sicer: proučiti možnosti

zaznave višine zabojnika, najoptimalnejša izvedba

samodejnega določanja višine odložišča polizdelka,

vzpostaviti komunikacijo med roboti in krmilniki ter

spisati varnostno politiko linije oz. del le te.

2.2 Delovanje in osnovni podatki o liniji

Robotska linija se uporablja za krivljenje jeklenih palic

v zobate obroče. Zaradi vse višjih avtomobilskih

standardov so strogo določene tolerance, katerih se

mora proizvajalec držati. Od vseh toleranc, je bila nam

najpomembnejša toleranca premera obroča, in sicer

mora biti manjša od 1 mm (premeri obročev variirajo od

150 mm do 600 mm ).

Robotska linija je sestavljena iz zalogovnika dolgih

jeklenih palic (6-9 m), podajalca, ki razvrsti in poravna

vsako palico, tekočega traku, za transport palic, žage, za

razrez palic na določeno dolžino, prvega robota, ki

vstavlja razrezane palice v prvi ali drugi krivilni stroj ter

drugega robota, ki pobere zakrivljene palice iz krivilnih

strojev in jih zloži v zaboj.

Slika 1. Zalogovnik jeklenih palic.

2.3 Komunikacija

Linija vsebuje več krmilnikov: krmilnik žage, krmilnike

oz. regulatorje motorjev, krmilnik robotov ter glavni

krmilnik linije – Siemens S300. Med seboj

komunicirajo preko protokola PROFIBUS.

Kljub standardiziranemu protokolu, smo imeli

težave s komunikacijo vseh naprav. Problem smo rešili

s nadgradnjo krmilniške programske opreme ter

prestavitvijo kanalov za komunikacijo stran od kanalov,

kjer so položeni visoko napetostni kabli.

2.4 Algoritem pobiranja polizdelkov

Naloga drugega robota je sestavljena iz dveh pod-nalog.

In sicer prva pod-naloga je pobiranje polizdelkov iz

krivilnega stroja. Ker se premeri obročev spreminjajo

glede ne zahteve naročnikov, ni trivialno določeno, na

kateri poziciji pobiramo obroče. Problem smo rešili

računsko in sicer ob vsakem obroču (znana dolžina

obroča oziroma obseg), izračunavamo polmer le tega,

posledično preračunamo kje bi se rob obroča naj

nahajal. Trke preprečujemo s programsko opremo za

zaznavanje trkov (angl. collision detection). Več v

poglavju 2.7.

2.5 Algoritem paletizacije

Slednjega problema smo se lotili sistematično. Tako

smo v prvi fazi robota naučili s vnaprej določenimi

točkami, kam naj odlaga polizdelke. Zaradi premajhne

dinamičnosti sistema, je le ta deloval dobro samo dokler

zunanji vplivi (vibracije, človek) niso prestavili

zabojnika.

V drugi fazi smo obročem virtualno očrtali kvadrat s

dodanim dodatnim varnostnim odmikom (5 mm) [1],[2].

Nato smo glede na dimenzije zabojnika, preračunali

optimalnejšo rešitev kako postavljati obroče, vertikalno

ali horizontalno glede na zabojnik. Na sliki 2 je prikazan

sistem odlaganja izdelkov. Eden izmed problemov, ki se

je na tem mestu pojavil, je kako prijeti izdelek, da se pri

odlaganju ne bomo zaleteli v steno. Problem smo rešili

tako, da smo zabojnik razdelili na več con. Robot

odlaga obroče po vrsti, posledično zmeraj ve, v katero

cono ga odlaga, kar pomeni, da pri tem uporablja

različne podprograme, ki poskrbijo da ne pride do trka s

zabojem. S conami rešimo tudi problem, ko v zabojnik

zlagamo manjše obroče in jih gre posledično več vanj.

V tem primeru robot osrednjo cono razširi, stranske

cone ob steni pa ostanejo tam kjer so [3].

Slika 2. Prikaz odlaganja obročev v zabojnik.

2.6 Določanje višine odložišča polizdelka

Na začetku je bila ideja, da bi višino odložišča obroča

zaznavali s pomočjo zaznavanja trkov (angl. collision

detection), vendar se je pokazala ideja kot zamudna ter

problematična iz stališča obrabe oz. deformacije

prijemala.

Tako smo problem rešili računsko, in sicer smo

upoštevali vhodni parameter debeline obroča. Robotski

program tako pozna začetno višino zaboja, nato pa ob

vsakem ciklu poveča oz. zmanjša višino odložišča.

Rešitev se je pokazala kot delujoča.

2.7 Varnostna politika

Kljub temu, da je celotna robotska linija zaščitena s

varnostno ograjo, je varnostna politika izrednega

pomena. Zato smo ji namenili kar tretjino časa (zaradi

pomanjkanja prostora se bom osredotočil na robotski

del).

Kot že omenjeno, varnostna ograja fizično ločuje

delovni prostor robota ter delovni prostor človeka. Ob

kakršnikoli odpovedi oz. pregledu, je sicer možno priti

do robotov, ampak so na vratih optični senzorji, ki ob

prekinjenem žarku krmilniku sporočijo, da naj gre v

zasilno zaustavitev. Kot naslednji varnostni ukrep smo

program na robotu tako spremenili, da deluje

sekvenčno, in sicer smo dodali varnostne signale z

negativno logiko (ob prekinjeni žici se na krmilniku

pojavi logična 1). Fanuc omogoča dodatni nakup

programskih rešitev, med njimi je tudi programska

oprema za zaznavanje trkov (angl. collision detection)

[4]. Tudi to smo implementirali v program, kot dodatno

varnostno rešitev, ki bi ob morebitnem trku s oviro

varnostno zaustavilo linijo. Poskrbeli smo tudi za

varnostno politiko ob izpadu elektrike ter vrnitvi le te.

Slika 3. Robot odlaga polizdelek v zaboj.

3 Zaključek

Naročnik je želel avtomatsko robotsko linijo za razrez in

krivljenje jeklenih palic v motorske obroče. Pri tem je

bila naša naloga poskrbeti za paletizacijo obročev.

Ker gre za industrijsko linijo je najvažnejši

parameter zagotovo zanesljivost delovanja. Kljub temu,

da smo se problema lotili teoretično in sistematično ter

pri tem našli tudi rešitev najoptimalnejšega zlaganja

okroglih obročev v pravokotni zaboj, je zaradi dovolj

zadovoljivih rezultatih obveljala rešitev očrtanih

kvadratov. Izkazalo se je celo, da se največje možno

shranjeno število obročev ne spremeni, ne glede na to

ali uporabimo algoritem očrtanih kvadratov ali

najoptimalnejši algoritem shranjevanja enakih krogov v

kvadrat.

Projekt lahko označimo kot izredno uspešnega, saj

linija že deluje in izpopolnjuje pričakovanja naročnika.

Literatura

[1] “The best known packings of equal circles in a

square.” [Online]. Available: http://hydra.nat.uni-

magdeburg.de/packing/csq/csq.html. [Accessed:

09-Jan-2014].

[2] H. Yu and L.-W. Zhang, “A Nonlinear

Programming Model for the Packing of Unequal

Circles into a Square Box,” in The Sixth World

Congress on Intelligent Control and Automation,

2006. WCICA 2006, 2006, vol. 1, pp. 1044–1047.

[3] H. T. Croft, Unsolved problems in geometry:

unsolved problems in intuitive mathematics. [S.l.]:

Springer-Verlag New York, 2013.

[4] Fanuc Robotics, M-710iC Series, Fanuc robotics

data-sheet, Rochester Hills, 2007

Industrijska robotika, aplikacija paletiziranja

Rok Goljat1, Erih Arko

2, Jure Pucelj

2

1Fakulteta za elektrotehniko, Univerza v Ljubljani, Tržaška c. 25, 1000 Ljubljana

2 YASKAWA RISTRO d.o.o., YASKAWA SLOVENIJA d.o.o., Lepovče 23, 1230 Ribnica

E-pošta: rok.goljat@gmail.com

Industrial robotics, application for

palletizing

The goal of this project was to test an application for

palletizing and its features. The application was still in

development phase, so it was important to note every

bug and error, so that the developers can then try and

fix it. The application was working well on a demo

station where it was being developed, so part of our

testing was also there to see how well it can work in a

different environment and settings.

Differences included a smaller robot, which was

originally used for welding applications, a vacuum

gripper and a different type of product.

Due to the application being in development phase,

there was no detailed description of functions or a

manual in English language.

1 Uvod

Pri robotskem paletiziranju je pomembno, da se izdelki

zlagajo na palete dovolj hitro in s tem ne upočasnjujejo

celotne proizvodnje ter da so na koncu vsi izdelki

stabilno zloženi. Stabilnost zloženih izdelkov se

zagotovi z različno zloženimi nivoji ali pa z dodajanjem

vmesnih kartonov (angl. ''slip sheet'') med posamezne

nivoje. Potrebno je poskrbeti tudi za to, da robot

izdelkov med odlaganjem ne poškoduje, zato je

potrebno poskrbeti za varno trajektorijo odlaganja.

Zaradi dolgotrajnosti ročnega učenja robota, je

zaželeno, da se robotski programi ustvarijo s pomočjo

aplikacij. Ena izmed takšnih aplikacij je MotoPal, ki jo

razvijajo v Franciji. V pomoč pri uporabi aplikacije so

nam bila na voljo njihova začasna navodila [1] [2].

2 Testiranje aplikacije

2.1 Preizkušanje funkcij aplikacije

Aplikacija je sestavljena tako, da uporabnik poda kateri

elementi bodo prisotni v robotski celici. To so lahko

tekoči trakovi, palete na katere se zlagajo produkti, kup

praznih palet in kup vmesnih kartonov. Za vsak element

mora uporabnik določiti, kateremu uporabniškemu

koordinatnemu sistemu pripada, kje v tem

koordinatnem sistemu se ta element nahaja in opisati,

kakšnih dimenzij je le-ta. Odvisno od tega, za kateri

element gre, pa se lahko še definirajo digitalni vhodi in

izhodi za razne senzorje, kot so na primer senzorji

prisotnosti produktov in prisotnost palete.

2.2 Demo postaja

Demo postaja je vsebovala tekoči trak, ki je bil

simuliran kot drča, po kateri so drsele lesene kocke, ki

so predstavljale izdelek. Poleg drče je bil še prostor za

vmesne kartone in mizica, kamor bi se zlagale kocke.

Ta je predstavljala paleto.

Kot robot je bil uporabljen robot varilec, na katerega

je bilo pritrjeno vakuumsko prijemalo. Kocke so bile

dimenzij 70 mm x 70 mm x 70 mm, z majhnimi

odstopanji. Paleta je bila dimenzij A4 formata (210 mm

x 297 mm), vendar je bila tekom testiranja odstranjena,

namesto nje pa je bila uporabljena kar mizica, na kateri

je bila paleta prvotno postavljena. Kot vmesni kartoni so

bili uporabljeni debelejši listi formata A4. Senzorji, ki bi

sicer bili priključeni na razne digitalne vhode na

krmilniku, so bili simulirani s skupino stikal.

2.3 Priprava za testni zagon programa

Aplikacija poskrbi za večji del robotskega programa,

vendar mora človek še vseeno nekaj stvari storiti ročno.

Tu gre predvsem za določitev točke TCP (angl. Tool

Center Point) in definiranje vseh prej določenih

uporabniških koordinatnih sistemov.

Točko TCP se določi s pomočjo kalibracijske konice

tako, da se orodje robota pripelje v tako lego, da bo ost

Slika 1. Demo postaja (Elipsa – drča in vmesni kartoni,

Pravokotnik – mizica kot paleta)

kalibracijske konice predstavljala željen TCP. V to

točko je orodje potrebno pripeljati petkrat, vsakič z

različno orientacijo, od tega je z-os orodja določena s

prvo lego.

Uporabniški koordinatni sistemi so koordinatni

sistemi zapisani glede na bazo robota, ki jih določi

uporabnik. Določi se jih tako, da se vrh prijemala (TCP)

najprej pripelje v izhodišče uporabniškega

koordinatnega sistema, nato se določi njegova x-os in

nazadnje še poljubna točka v xy ravnini. Ker pa smo

imeli mehko vakuumsko prijemalo, njegov TCP pa je

znotraj samega priseska, smo zato morali vzeti novo

orodje s koničastim vrhom in določiti nov TCP.

2.4 Testiranje delovanja funkcij

Testiranje funkcij je potekalo tako, da smo začeli s čisto

preprostimi programi, kjer je bilo lažje poiskati in sproti

odpraviti napake. Ko so takšni programi delovali

zadovoljivo, smo te programe nadgradili in ponovno

poskusili njihovo delovanje.

Prvi program je vseboval samo pobiranje produktov

in odlaganje na paleto. Pri tem ni bilo simuliranih

nobenih senzorjev, paleta pa je imela samo en nivo.

V naslednji nalogi je bil dodan še en nivo produktov,

zatem pa smo preizkusili še delovanje vmesnih

kartonov. Takšnega programa ni bilo mogoče uspešno

preizkusiti, ker na voljo nismo imeli senzorja na

prijemalu, ki bi zaznaval prisotnost kupa vmesnih

kartonov in računal oddaljenost od vrhnjega kartona.

Prav tako nismo imeli podprograma ki bi upravljal s tem

senzorjem v povezavi s prijemalom. Problem smo

preizkušali zaobiti tako, da smo v aplikaciji odstranili

del kode, ki kliče ta podprogram. Program še vedno ni

deloval, vendar smo tokrat ugotovili napako v aplikaciji

ki teče na ročni učni napravi in jo zabeležili.

Preizkušanje smo nadaljevali tako, da smo v

program vključili še senzorje. V aplikaciji je bilo tako

potrebno določiti digitalne vhode in izhode signalov.

Tudi tu smo imeli težave, ki pa smo jih čez čas uspešno

odkrili. Čeprav nam je aplikacija dovoljevala poljubno

izbiro digitalnega vhoda za posamezen senzor, se je

izkazalo da moramo izbrati točno določen digitalni

vhod.

Kot zadnje smo testirali še spreminjanj trajektorij

odlaganja, pogledali pa smo si tudi kakšne spremembe

bi morali opraviti, če bi imeli še kakšno drugačno

prijemalo. Spreminjanje trajektorij je bilo dokaj

preprosto, ker je dovolj da spremenimo trajektorijo

samo za en produkt, ta pa se lahko prekopira še na vse

ostale. Za različna prijemala pa bi imeli malo več dela,

saj bi morali napisati nov podprogram za krmiljenje

prijemala (angl. macro). Pri vakuumskem prijemalu tega

ni bilo potrebno, saj je bil ta podprogram že vključen, in

je skrbel samo za odpiranje in zapiranje prijemala.

3 Zaključek

Odkritih je bilo kar nekaj napak, za nekatere izmed njih

smo lahko tudi ugotovili izvor. Ker je aplikacija v fazi

razvoja in sicer v Franciji, je tudi precej napak v

angleški verziji programa. Tu gre bolj za napačne

prevode, kar se morda sliši nedolžno, ampak lahko hitro

nastane zmeda. Nekatere napake smo že med obdobjem

testiranja sporočili razvijalcem, oni pa so nam podali

rešitev, ostale pa so bile posredovane po zaključku

testiranja.

Literatura

[1] Logiciel de programmation hors-ligne de palettisation, 1.

izd, YASKAWA France, Saint-Aignan-de-Grand-Lieu,

2013.

[2] Ecrans utilisateur dédiés à l’applicatif MotoPal, 1. izd,

YASKAWA France, Saint-Aignan-de-Grand-Lieu, 2013.

Slika 2. Primer načrtovanja trajektorije odlaganja (Levo – tip

ukaza, Desno – urejanje, Sredina – potek)

Načrt energetske prenove Fakultete za elektortehniko

Nejc Krajnik1, Igor Pušnik2 1Fakulteta za elektrotehniko, Univerza v Ljubljani, Tržaška c. 25, 1000 Ljubljana

E-pošta: nejc.krajnik7@gmail.com

Plan for energy renovation of Faculty of

electrical engeneering

The faculty of electrical engineering was built in the sixties without any insulation. Later, additional parts of the building were built. The yearly costs of heating and electricity for the whole building are substantial. The task was divided into two different parts. The first part was a census of electrical consumers in cooperation with IRI (Institute for innovation and development of University of Ljubljana) in category of cooling units. The second part was the calculation of the payback period for the faculty’s energy renovation (finished replacement of windows, insulation of the roof and facade) with PHPP – Passive House Planning Package. 1 Uvod Fakulteta za elektrotehniko je bila zgrajena v 60-tih letih prejšnjega stoletja brez kakršne koli izolacije. Kasneje so se dograjevali še posamezni deli stavb. Za celotno zgradbo se letno plačuje znatne vsote denarja za elektriko in ogrevanje. Naloga je bila razdeljena na dva dela. Prvi del je bilo sodelovanje pri popisu energetskih porabnikov na fakulteti za potrebe IRI (Inovacijsko-razvojni inštitut Univerze v Ljubljani) v kategoriji hladilne split enote. Drugi del je bil izračun vračilne dobe investicije za določen primer energetske sanacije fakultete (dokončna zamenjava vseh oken, dodajanje izolacije na strehi in na fasadah) s pomočjo programa PHPP – Passive House Planning Package.

2 Delo

2.1 Popis

Popis je potekal v sodelovanju z inštitutom IRI, ki izvaja interdisciplinarne znanstveno-raziskovalne, razvojne in strokovne projekte prek usposobljenih strokovnih skupin [1]. Za potrebe detajlnega energetskega pregleda je bilo potrebno popisati vse porabnike energije na fakulteti. Porabniki so bili zaradi preglednosti razdeljeni v več skupin: hladilne split enote, razsvetljava, klimati, črpalni elektro pogoni, elektro porabniki. V kategoriji hladilne split enote je bilo potrebno poiskati vse zunanje enote hladilnih split naprav in iz njih prepisati proizvajalca, model naprave, leto izdelave, nazivno hladilno moč in nazivno električno moč. S

pomočjo teh podatkov se je poiskalo notranje enote in se določilo, kateri prostor hladi posamezna zunanja enota. Naknadno je bil določen še čas delovanja posameznih enot in vse skupaj je bilo zapisano v že pripravljeno Excel tabelo. Na celotni fakulteti se je naštelo 241 hladilnih split naprav.

Slika 1: Izgled izpolnjene tabele za popis split naprav.

2.2 Izračun primera

Za primer izračuna vračilne dobe investicije se je uporabilo starejši načrt energetske sanacije ki ni bil nikoli izveden. Načrt predvideva zamenjavo vseh oken na fakulteti in dodajanje približno 20 cm izolacije na strehe ter na fasade vseh fakultetnih stavb. Pri izračunu je bil uporabljen program PHPP - Passive House Planing Package. Program teče v Excelu in nam omogoča vnos vseh bistvenih podatkov za izračun porabe energije na fakulteti [2]. Vse podatke o fakulteti kot so število in vrsta oken, površina in zgradba strehe ter fasade in vse ostale potrebne podatke se je pridobilo iz diplomske naloge Marka Mlinariča ki je te podatke že uporabil pri izračunu energetske izkaznice fakultete [3]. Fakulteta je v grobem razdeljena na 4 dele poimenovane stavba A, stavba B, stavba C in stavba D. Vsak del ima specifično zgradbo strehe in fasade, tako da je bilo potrebno vsako stavbo za te postavke obravnavati ločeno, medtem ko se okna lahko obravnava v sklopu celotne fakultete.

2.2.1 Okna

Na fakulteti je skupno 862 oken [3]. Od tega je bilo v preteklosti z novejšimi zamenjanih 529 oken. Starejših oken je tako ostalo še 333 in v programu PHPP so se vsa ta okna zamenjala z novejšimi. Toplotna prehodnost

okvirja novih oken je 1,3 W/m2K in toplotna prehodnost zasteklitve 1,1 W/m2K. V tabeli 1 so podane dimenzije, število in cena posameznega novega okna.

Tabela 1: Število, velikost in cena oken.

Število Velikost (m*m) Cena (€) 11 40 12 18 212 4

36

1 * 1,8 2 * 2,5 1 * 2

1,2 * 1,6 2,5 * 2,3 1 * 1,5

1,8 * 1,6

200 688 230 220 770 190 360

Pri izračunu pride cena za vseh 333 novih oken 213400 €. K tej ceni je potrebno prišteti še stroške odstranitve in odvoza starih oken ter montaže novih, kar navadno znaša od 25-30 % cene (odvisno od več dejavnikov). Zato k tej ceni prištejemo še 25 % to je 53350 € in dobimo skupno ceno za nova okna 266750 €. Tej ceni je potrebno prišteti še 22 % davka na dodano vrednost, ki velja za take primere in v tem primeru nanese 58685 €. Skupna cena za okna je torej 325435 €.

2.2.2 Streha in fasada

Tabela 2: Površine streh in fasad [3].

Stavba Streha (m2) Fasada (m2) A B C D

1662,7 1312,1 825,5

1270,3

2314,5 3004,6 784,4

1026,8 Pri izračunu cene dodajanja izolacije na strehe in fasade se stavba C ni upoštevala, saj je bila leta 2000 prenovljena in že ima nekaj izolacije, hkrati pa je sestava fasade komplicirana in kot taka izredno draga za energetsko sanacijo. Za vse ostale fasade se je izračunalo, kot da se doda 20 cm Tervola DP-3 (kamena volna) s toplotno prevodnostjo 0,035 W/mK in ceno 55 €/m2 vključno z delom in zaključkom (omet). Glede na površine fasad, ki jih razberemo iz tabele 2, dobimo skupno ceno za fasade 349025€. Pri strehah moramo, zato ker so le te pohodne, namesto izolacijske volne dodati stirodur, potrebno pa je umakniti tudi staro kritino. Toplotna prevodnost stirodurja je 0,035 W/m2K, za 20 cm debeline pa skupaj z delom odštejemo 53,45 €/m2. Pri strehi B stavbe lahko zaradi zgradbe strehe uporabimo Tervol DP-3. Po izračunu glede na površine streh (tabela 2) dobimo ceno za strehe 229199 €. Skupaj za strehe in fasade dobimo ceno 578223 €. Potrebno je upoštevati še vsaj 30 % nepredvidenih dodatnih stroškov (postavitev odra, odstranitev stare kritine, odvoz starega materiala, strešni zaključki...) torej 173467 €. To prištejemo prejšnjemu znesku za streho in fasado, dobimo 751690 €. Tako kot pri oknih je potrebno dodati še 22 % davka na dodano vrednost, kar nanese 165372 €. Davek prištejemo skupni ceni in

dobimo 917061 € za obnovo fasade in strehe skupaj z davkom.

2.2.3 Vračilna doba

Po primerjavi številk iz programa PHPP na sliki 2 vidimo da pred sanacijo za ogrevanje kvadratnega metra potrebujemo 76 kWh na leto, po sanaciji pa 37 kWh na leto. Fakulteta ima celotno površino 17470 m2. Iz tega podatka in računa za ogrevanje iz oktobra 2013 (fakulteta se v celoti ogreva preko toplovoda iz Ljubljanske toplarne) kjer je fakulteta porabila 56,6 MWh energije je bila cena 6369,7 €. Postavka za 1 kWh energije je torej 0,113 €.

Slika 2: Poraba pred sanacijo (zgoraj) in po sanaciji (spodaj)[2].

Izračunamo, da se je pred sanacijo letno za ogrevanje porabilo 150032 €, po sanaciji pa bi se porabilo le še 73042 €. Razlika je torej 76990 €. Skupna cena sanacije strehe, fasad in zamenjave oken je 1242496 € in če to delimo z letnim prihrankom energije pri ogrevanju zaradi sanacije, dobimo vračilno dobo od 16 do 17 let. Vračilna doba je izračunana za trenutne cene energentov in brez morebitnih subvencij, ki jih je mogoče pridobiti za ta namen.

3 Zaključek Projekt je obsegal pripravo načrta energetske sanacije Fakultete za elektrotehniko. Popis hladilnih split naprav se je oddal IRI-ju, ki bo s pomočjo tega popisa in s pomočjo ostalih že omenjenih popisov naredil detajlno energetsko bilanco fakultete. Pri izračunu investicije v fasado, streho in nova okna, smo dobili vračilno dobo 16 do 17 let, kar je realno za take vrste projektov. Glede na pričakovan trend, da se bo povpraševanje po energentih in s tem cena še naprej zviševala, se lahko čas vračilne dobe tudi skrajša.

Literatura [1] “IRI, O nas.” [Online]. Available: http://www.iri.uni-

lj.si/o-iri-ul4/. [Dostopano: 03-Jan-2014]. [2] Dr. Wolfgang Feist, “Passive House Planning Package

2007.” Passive House Institute. [3] Marko Mlinarić, “Energetska izkaznica fakultete za

elektrotehniko,” Fakulteta za elektrotehniko, Ljubljana, Diploma, 2012.

Sistem za umerjanje štoparic s pomocjo kamere

Katja PretnarFakulteta za elektrotehniko, Univerza v Ljubljani, Tržaška 25, 1000 Ljubljana

E-pošta: ajtak.pretnar@gmail.com

Stopwatch Calibration using Vision SystemStopwatches are instruments used to measure time inter-val, which is defined as the elapsed time between twoevents. There are many different methods for a stopwatchcalibration, but they all base on a comparison betweenthe device under test (DUT) and a measurement refer-ence. The uncertainty of the calibration is highly depen-dent on a human reaction time, which is estimated to beapproximately 0,2s. We aim to reduce this uncertaintywith a use of a vision system. A web camera is pro-grammed to acquire several sequences of both stopwatchdisplays and the user than manually inspects them. At theend, he or she can calculate the offset of the DUT withrespect to the reference. This offset is stated on a calibra-tion certificate and it can be used to determine whetherDUT meets its intended or legal metrology requirements.

1 UvodŠtoparica je inštrument, ki meri casovni interval - cas, kipretece med dvema dogodkoma. Enota za cas je sekunda(s) in je ena izmed sedmih osnovnih enot v sistemu SI.Njena definicija se glasi:

Ena sekunda je trajanje 9 192 631 770 periodvalovanja, ki se sprosti pri prehodu med dvemahiperfinima nivojema osnovnega stanja cezi-jevega atoma 133Cs.

Zaradi atomske definicije in današnje napredne tehno-logije je sekunda definirana z izjemno tocnostjo (v letu2013 manj kot par deležev v 1016), kar je najmanjša ne-gotovost med vsemi osnovnimi enotami [1].

Štoparice so dveh vrst; starejše analogne (z analo-gnim prikazom in mehanskim delom za merjenje casa)ter digitalne. Te merijo cas na podlagi signalov, ki jihgenerira kvarcni kristal. Najbolj pogosta frekvenca tehkristalov je 32 768 Hz [2].

Kalibracija je postopek, kjer primerjamo kazanje te-stirane naprave (angl. DUT - Device Under Test) in refe-rencne naprave. Kalibracije potekajo na vecih nivojih tertako tvorijo verigo sledljivosti; od kalibracij na ravni na-cionalnih etalonov do “terenskih” kalibracij, kjer so zah-tevane tocnosti precej manjše. Pri slednjih gre za umerja-nje inštrumentov, ki se uporabljajo za merjenja v vsako-dnevnem življenju. Kalibracija se zakljuci s certifikatom,

ki prikazuje izmerjene razlike v kazanju in ocenjene ne-gotovosti teh razlik [3].

Kalibracije štoparic so izvedene na vec nacinov. Naj-bolj enostavna metoda je primerjava prikaza štoprice zznanim casovnim intervalom, možno pa je tudi neposre-dno merjenje frekvencnih signalov casovne baze. Za za-gotavljanje referencnega casovnega intervala imamo vecmožnosti, npr. s pomocjo zvocnih signalov, ki oznacu-jejo tocen cas (radio, telefon) ali preko številskih prika-zov (ura na spletni strani, ki prikazuje uradni tocni cas,referencna štoparica). Pri izboru moramo paziti na zago-tavljanje sledljivosti, kar pomeni, da lahko uporabljamole certificirane reference. Glavni viri negotovosti pri kali-braciji štoparic so: negotovost reference, locljivost testi-rane naprave in reakcijski cas cloveka, ki izvaja meritev.Prva dva prispevka sta znana ter se jima ne moremo izo-gniti, vrednost tretjega pa na grobo ocenjujemo na okoli0,2s. Za natancnejše postopke moramo izlociti vpliv clo-veškega faktorja [2].

Dovoljene meje odstopanja pri kalibraciji štoparic soodvisne od aplikacije in podrocja uporabe. Tipicne vre-dnosti v primeru podjetja Krka so:

- za analognih štoparicah so dovoljen meje ±5, 4 s,

- za digitalnih štoparice pa ±5 sekunde.

2 MetodePodjetje Krka v svojem meroslovnem laboratoriju umerjaštoparice za zunanje narocnike in za lastne potrebe, saj jemerjenje casa pomembno tudi v farmacevtski industriji.Nemalo je kemijskih oziroma bioloških postopkov, ki semorajo izvajati tocno doloceno casovno obdobje, saj je stem pogojena uspešnost postopka.

Namen našega dela je bila izdelava sistema za umer-janje štoparic, ki bi izlocil vpliv clovekovega reakcijskegacasa. To smo dosegli z uporabo kamere. Zajeli smo šte-vilcne prikaze obeh štoparic (referencne in testirane) naeni fotografiji. To smo ponovili za vec merilnih tock.Za vsako štoparico smo izracunali spremembo v kazanjumed dvema merilnima tockama. Na koncu smo primer-jali tako dobljene razlike testirane štoparice z razlikamireferencne štoparice. Morebitno odstopanje je hkrati po-menilo napako testirane štoparice glede ne refrencno što-parico.

3 RezultatiZa zajem slike smo uporabili preprosto in cenovno do-stopno spletno kamero. Dandanes so takšne kamere ževgrajene v prenosnike. Program smo napisali v okoljuLabView podjetja National Instruments. Za zajem foto-grafij smo uporabili elemente paketa NI Vision Acqusi-tion Software. Graficni vmesnik koncanega programa jeprikazan na sliki 1.

Slika 1: Celna plošca.

Uporabnik doloci želene casovne intervale za 4 me-rilne tocke (npr. takoj, cez 20, 40, 60 min), hkrati palahko z gumbom rocno sproži zajem slik. Ker smo pred-videvali, da utegnejo nastati problemi z razpoznavanjemcifer številskega prikaza (npr. sliko zajamemo ravno vtrenutku, ko se obrne zadnji digit), v vsaki meritvi po-snamemo vec (5) fotografij. Torej imamo 4 meritve s 5-imi slikami, skupaj 20 fotografij, ki jih kot majhne sliciceprikazujemo uporabniku. Ce le ta klikne na slicico, si jolahko pobliže ogleda v enem izmed dveh vecjih prikazo-valnikov graficnega vmesnika.

Zajete fotografije se avtomatsko shranijo v izbranomapo. Ob vsakem zagonu programa se ustvari mapa oblikekalibracija_YYMMDD_HHMMSS, vanjo pa se takoj poposameznem zajemu shrani celotna sekvenca slik (formatslika i a, kjer i oznacuje trenutno merilno tocko (1-4), apa mesto v sekvenci (a-e) ). To nam omogoca, da tudi vprimeru nepredvidenih težav ohranimo že zajete slike vspominu racunalnika.

Program je zgrajen na osnovi dogodkov. Vecino casatako “ne dela nic” ter s tem po nepotrebnem ne obreme-njuje racunalniškega procesorja. Ob zaznanem dogodku(iztek casovnega intervala, pritisk uporabnika na gumb“START, STOP, ZAJEM”, klik na slicico) pa sproži ustre-zno akcijo. Ko smo napisali program, smo iz njega ustva-rili aplikacijo s koncnico .exe, obenem pa poskrbeli šeza ustrezno distribucijo, tako da aplikacija deluje tudi naracunalniku, ki nima namašcenega okolja LabView.

Program poskrbi le za ustrezen zajem, shranjevanje inprikaz slik. Za ostalo mora poskrbeti uporabnik; ustreznapriprava merilnega mesta (primerna oddaljenost kameredo štoparic, ustrezna osvetlitev), nastavitve parametrovkamere s programsko opremo kamere (kontrast, ostrenje,zoom). Vidljivost cifer je mocno odvisna od teh nastavi-tev, prav tako se lahko razlikuje za razlicne USB kamere.

4 DiskusijaOkolje LabView olajša delo programerju z bogatimi knji-žnicami za racunalniški vid, a ta mora še vseeno natancnopoznati princip delovanja in zahteve uporabljenih blokov.Pri komunikaciji s kamero smo morali paziti na ustre-zno zaporedje korakov; najprej smo sejo vzpostavili, nakoncu pa jo tudi sprostili. Precej težav nam je povzro-calo zajemanje in shranjevanje slik, saj se podatkovni tipImage vede drugace kot ostali podatkovni tipi. Gre na-mrec za kazalec na mesto v medpomnilniku, kjer je tre-nutno shranjena slika. Tako je potrebno pred vsakim za-jemanjem fotografij pripraviti ustrezna mesta v medpo-mnilniku. Posebna pazljivost je potrebna tudi pri nasta-vitvah zajema, saj se nam v nasprotnem primeru lahkozgodi, da LabView z novo zajetimi slikami prepiše stare.

Opravili smo še test na realnem problemu. Ugoto-vili smo, da brez vecjih težav lahko razberemo prikaz dodesetinke sekunde, medtem ko je razbiranje digita 0,01sponavadi bolj problematicno, vendar še vedno izvedljivo.Nerealno pa je pricakovati, da bi lahko z nizkocenovnokamero razbrali tudi mesta, ki ustrezajo 1ms.

5 ZakljucekUspeli smo pripraviti program, ki zajema fotografije što-paric za namen kalibracije. Uporabnik lahko na podlagiteh slik izracuna napako kazanja testirane naprave gledena referencno. S tem smo se znebili negotovosti zaradiclovekovega reakcijskega casa. Hkrati ta metoda ni ide-alna, saj so zajete slike težje razberljive za vecje natanc-nosti (npr. stotinka ali tisocinka sekunde). Dobljeni re-zultati so najboljši možni za uporabljeno nizkocenovnoopremo in so zadovoljivi glede na predpisano natancnostkalibracije.

ZahvalaZahvaljujem se g. Miranu Rudmanu, vodji službe za me-roslovje pri Krki d.d., za opis problema in podporo pritestiranju.

Literatura[1] " SI brochure (8th edition), Appendix 2: Practical re-

alization of the definition of the unit of time", BIMP,2006, zadnji popravek: junij 2013.

[2] J. C. Gust, R. M. Graham in M. A. Lombardi," Stopwatch and Timer Calibration (2009 edition),"National Institute of Standards and Technology, U.S.Government Printing Office, 2009.

[3] M. Glaser, M. Kochsiek, Handbook of Metrology,Wiley-VCH, Weinheim, 2010.