28-8-2018

SISTEMA PROTOTIPO PARA EL CONTROL DE

VEHICULOS ELÉCTRICOS ORIENTADO A

PERSONAS CON FUERZA REDUCIDA EN

LAS MANOS

UNIVERSIDAD DISTRITAL FRANCISCO JOSE DE CALDAS

FACULTAD TECNOLOGICA

1

Sistema Prototipo para el Control de

Vehículos Eléctricos Orientado a Personas

con Fuerza Reducida en las Manos

Juan Sebastián Español Amaya

Edson Romario Fernández González

Director

Ing. Eduardo Alberto Delgadillo Gómez

Trabajo de grado para optar por el título de

Ingeniero en Control

Bogotá, Colombia

2018

2

HOJA DE ACEPTACIÓN

SISTEMA PROTOTIPO PARA EL CONTROL DE VEHICULOS ELÉCTRICOS

ORIENTADO A PERSONAS CON FUERZA REDUCIDA EN LAS MANOS

Observaciones.

__________________________________________________________________

__________________________________________________________________

__________________________________________________________________

__________________________________________________________________

__________________________________________________________________

__________________________________________________________________

__________________________________________________________________

__________________________________________________________________

________________________________________________________

______________________________________

Director del Proyector Ing. Eduardo Alberto Delgadillo Gómez

W _______________________________

Jurado 1 Miguel Ricardo Pérez Pereira

_______________________________

Jurado 2

Lely Adriana Luengas Contreras

3

Tabla de Contenido

ABSTRACT ............................................................................................................ 9

1 INTRODUCCIÓN ......................................................................................... 10

2 PLANTEAMIENTO DEL PROBLEMA .......................................................... 11

3 JUSTIFICACIÓN .......................................................................................... 12

4 OBJETIVOS ................................................................................................ 13

4.1 Objetivo General .......................................................................................... 13

4.2 Objetivos Específicos................................................................................... 13

5 MARCO DE REFERENCIA.......................................................................... 14

5.1 Estado del arte............................................................................................. 14

5.2 Marco teórico ............................................................................................... 15

5.2.1 Adaptaciones a los métodos de conducción ........................................ 15

5.2.1.1 Adaptaciones a los mandos de Conducción .................................... 15

5.2.1.1.1 Requerimientos Básicos .......................................................... 16

5.2.1.1.2 Rangos de Movilidad ............................................................... 16

5.2.1.1.3 Normativa ................................................................................ 17

5.2.2 Visión .................................................................................................. 18

5.2.2.1 Visión Artificial ................................................................................. 18

5.2.2.2 Definición Técnica ........................................................................... 19

5.2.2.3 Open CV ......................................................................................... 20

5.2.2.4 El Concepto de Libertad en el software ........................................... 21

5.2.2.5 Single Board Computers - Raspberry PI .......................................... 21

5.2.3 Motores Eléctricos para Vehículos....................................................... 22

5.2.3.1 Motores BLCD ................................................................................. 22

5.2.3.2 Características ................................................................................ 22

5.2.3.2.1 Sensores de Posición .............................................................. 23

5.2.3.2.2 Sensor de Efecto Hall .............................................................. 23

5.2.3.2.3 Encoders Incrementales o codificadores Incrementales .......... 24

5.2.3.2.4 Resolvers ................................................................................ 24

5.2.3.3 Métodos de Conmutación de Motores sin Escobillas ....................... 24

5.2.3.3.1 Conmutación trapezoidal o six steps mode ............................. 24

5.2.3.3.2 Conmutación Sinusoidal .......................................................... 25

4

5.2.3.3.3 Control vectorial o Field Oriented Control (FOC) ..................... 26

5.2.4 Comunicaciones Industriales ............................................................... 26

5.2.4.1 Buses de Campo ............................................................................. 27

5.2.4.1.1 CAN (Controller Area Network) ............................................... 27

5.2.4.1.2 Modbus RTU- TCP .................................................................. 28

5.2.4.1.3 Ethernet .................................................................................. 28

5.2.5 Futuro Vehículos Eléctricos ................................................................. 29

5.2.5.1 ¿Hay suficiente litio para el transporte por carretera basado en

electricidad? ................................................................................................ 29

5.2.5.2 Baterías Inteligentes ........................................................................ 30

5.2.5.2.1 Objetivos de las baterías inteligentes ...................................... 30

5.2.5.3 Sistema de Freno Regenerativo ...................................................... 30

6 METODOLOGÍA .......................................................................................... 31

6.1 Descripción del Proyecto ............................................................................. 31

6.1.1 Análisis social, económico y tecnológico ............................................. 31

6.1.2 Diseño y Planificación.......................................................................... 32

6.1.3 Implementación y funcionamiento:....................................................... 33

6.2 Desarrollo del Proyecto ................................................................................ 33

6.2.1 Superficie de Conducción .................................................................... 33

6.2.2 Infrarrojo Modulado ............................................................................. 39

6.2.2.1 Acondicionamiento .......................................................................... 41

6.2.3 Procesamiento de Imágenes ............................................................... 44

6.2.3.1 Parámetros Procesamiento de Imágenes ........................................ 46

6.2.3.1.1 Algoritmo en Python ................................................................ 47

6.2.4 Controlador Motor BLDC ..................................................................... 53

6.2.4.1 KellyController KLS-S ...................................................................... 53

6.2.4.1.1 Especificaciones ..................................................................... 53

6.2.4.1.2 Configuración y Comunicación ................................................ 54

6.2.4.1.3 Implementación del controlador .............................................. 56

6.2.5 Actuador de Dirección ......................................................................... 57

6.2.6 Comunicación Can Bus ....................................................................... 57

6.2.6.1 Prioridad en el flujo de la comunicación........................................... 59

6.2.6.2 Trama Comunicación CAN .............................................................. 60

6.2.6.2.1 Código de redundancia cíclica ................................................ 61

6.2.7 Pantalla LCD ....................................................................................... 61

7 ANÁLISIS DE RESULTADOS ...................................................................... 63

7.1 Prueba 1. Aceleración máxima .................................................................... 63

7.2 Prueba 2. Aceleración Gradual .................................................................... 65

5

7.3 Prueba 3. Marcha adelante con Frenado (Trazabilidad) .............................. 66

7.4 Prueba 4. Estabilidad en Velocidad (Trazabilidad) ....................................... 68

7.5 Captura de Imagen ...................................................................................... 70

7.5.1 Análisis de Fallos ................................................................................. 73

7.6 Resolución Pixeles vs DAC.......................................................................... 73

7.7 Características y Análisis ............................................................................. 75

7.7.1 Plataforma de pruebas motor eléctrico pruebas de velocidad y Frenado

75

7.7.2 Sistema de dirección con Stepper Motor ............................................. 75

8 CONCLUSIONES ........................................................................................ 76

9 BIBLIOGRAFÍA ............................................................................................ 77

Índice de figuras

Figura 1. Modelo de Flujo de Información Visión Artificial [26] ............................ 19

Figura 2 Estructura Librería OpenCV [27] ............................................................ 20

Figura 3 Realimentación señal de posición en un motor BLCD [31] . ................... 23

Figura 4 Esquema de los seis posibles caminos de circulación de corriente en el

control trapezoidal [38]. ........................................................................................ 25

Figura 5 Corrientes en las bobinas y Torque del motor [34]. ................................ 25

Figura 6 Diagrama de Bloques [Autores].............................................................. 31

Figura 7. Superficie inicial [Autores] ..................................................................... 34

Figura 8. Pruebas en la ubicación de la cámara [Autores] ................................... 35

Figura 9. Cámara empelada de bajo costo [Autores]............................................ 35

Figura 10. Ubicación de la Cámara [Autores] ....................................................... 36

Figura 11. Dimensionamiento Superficie de Conducción [Autores] ...................... 37

Figura 12. Vista frontal y ubicación sensores infrarrojo [Autores] ......................... 38

Figura 13. Superficie de Conducción [Autores] .................................................... 39

Figura 14. Receptor IR 1838t [Autores] ................................................................ 40

Figura 15. Angulo de Recepción IR 1838t [56] ..................................................... 40

Figura 16. Vista interior riel de receptores 1838t [Autores] ................................... 41

Figura 17. Bloque WaveDAC en el entorno PSoC Creator 4.2 [Autores] .............. 41

Figura 18. Señal de la portadora (38KHz) a los emisores [Autores] ..................... 42

Figura 19. Salida del receptor 1838t [Autores] ..................................................... 42

Figura 20. Señales Receptor - Emisor [Autores] .................................................. 43

Figura 21. Análisis lectura de los sensores IR [Autores] ....................................... 43

6

Figura 22. Área de detección habilitado de captura en la cámara [Autores] ......... 44

Figura 23. Raspberry PI 3 B [Autores] .................................................................. 45

Figura 24. GPIO Extension Board [Autores] ......................................................... 46

Figura 25. Diagrama de Flujo Código Python [Autores]........................................ 48

Figura 26. Filtros imagen [Autores] ...................................................................... 49

Figura 27. Acondicionamiento imagen [Autores] .................................................. 49

Figura 28. Configuración Áreas Detección [Autores] ............................................ 50

Figura 29. Algoritmo Detección de Contornos [Autores] ....................................... 50

Figura 30. Contorno y punto extremo [Autores] .................................................... 51

Figura 31. Asociación a ordenes de conducción [Autores] ................................... 52

Figura 33. Aplicativo de configuración KellyController[39] .................................... 54

Figura 34. Virtual Serial Ports [autores] ................................................................ 55

Figura 35.Panel de visualización[39] .................................................................... 55

Figura 36. Esquema de conexión Controlador[39] ............................................... 56

Figura 37. Especificaciones Stepper [autores] ..................................................... 57

Figura 38. Secuencia máxima velocidad[Autores] ................................................ 57

Figura 40. Diagrama de bloques MCP2515 y TJA1050 Interfaz física[41] ............ 58

Figura 41. Circuito Implementado Interfaz bus de campo Fisica[41] .................... 59

Figura 42 Trama Muestra osciloscopio................................................................. 61

Figura 43. Modelo de visualización [Autores] ....................................................... 62

Figura 44. Detección mano cerrada [Autores] ...................................................... 70

Figura 45. Detección mano abierta [Autores] ....................................................... 71

Figura 46. Detección mano abierta (dedos separados) [Autores] ......................... 71

Figura 47. Detección mano con dedos parcialmente recogidos [Autores] ............ 72

Figura 48 Plataforma de pruebas [Autores] .......................................................... 75

Índice de tablas

Tabla 1. Rango articular (máximo - mínimo) y el valor de la postura habitual de

cada articulación [20]. .......................................................................................... 17

Tabla 2 Orden de Prioridad Dispositivos .............................................................. 60

Tabla 3 Trama Estándar CAN- BUS ..................................................................... 60

Tabla 4 Error [Autores] ......................................................................................... 67

Tabla 5. Escenarios posibles fallos [Autores]. ...................................................... 73

Tabla 6. Pixeles vs Voltaje throttle [Autores]. ....................................................... 74

7

Índice de Graficas

Grafica 1 Aceleración máxima y frenado [Autores] ............................................... 63

Grafica 2. Batería Aceleración máxima [Autores] ................................................. 64

Grafica 3 Corriente - Aceleración Máxima [Autores] ............................................. 64

Grafica 4 Aceleración Gradual [Autores] .............................................................. 65

Grafica 5 Voltaje - Aceleración Gradual [Autores] ................................................ 65

Grafica 6 Corriente - Aceleración Gradual [Autores]............................................. 66

Grafica 7 Velocidad Trazabilidad [Autores] .......................................................... 66

Grafica 8 Voltaje Trazabilidad [Autores] ............................................................... 67

Grafica 9 Corriente Trazabilidad [Autores] ........................................................... 67

Grafica 10 Prueba Velocidad 1 [Autores] ............................................................. 68

Grafica 11 Prueba Velocidad 2 [Autores] ............................................................. 69

Grafica 12 Prueba Velocidad 3 [Autores] ............................................................. 69

8

Resumen

En el 2016, según datos del Fondo Colombiano de Enfermedades de Alto Costo, en Colombia, 69 entidades han reportado 68.247 casos de artritis reumatoide [1], esta enfermedad es autoinmune y afecta principalmente los cartílagos, huesos, tendones y ligamentos de las articulaciones. Es importante generar proyectos que integre las actividades cotidianas como la capacidad de conducir un vehículo eléctrico con el fin de mejorar la calidad de vida de quienes padecen dicha enfermedad en las manos, es aquí donde el emprendimiento social se encarga de disminuir la desigualdad, la inclusión es pilar en el desarrollo de proyectos de gran impacto.

El desarrollo de este trabajo se dividió en diferentes fases, la primera de ellas fue la implementación de la plataforma prototipo que simula parámetros de vehículos eléctricos para pruebas de aceleración, dirección y frenado. Lo cual se hicieron diferentes pruebas acoplando con la superficie de conducción que está basada en órdenes a partir de la posición de las manos. Para la segunda fase se analiza la trazabilidad de la superficie de conducción con el posicionamiento de las manos y la integración de los sensores. Se realiza la Parametrización del sistema con los demás dispositivos, la siguiente fase en la cual se implementa la instrumentación con los sensores y actuadores necesarios para implementar las pruebas en la plataforma, y en la última fase se diseña y realizan las pruebas de control con el bus de campo y la integración de los diferentes dispositivos analizando la fiabilidad de los datos, logrando la estabilidad de la información propuesta como objetivo.

Por último, se realizan pruebas al sistema terminado donde se comprueban tiempos de máquina de las ordenes de conducción con respecto a los actuadores usados en la plataforma, comportamiento del control, también verificar aciertos y desaciertos que podrían ser la base para futuros trabajos de investigación.

Palabras clave: Trazabilidad, Instrumentación, Bus de Campo, actuadores.

9

Abstract In 2016, according to data from the Colombian Fund for High Cost Diseases, in Colombia, 69 entities have reported 68,247 cases of rheumatoid arthritis [1], this disease is autoimmune and affects mainly the cartilage, bones, tendons and ligaments of the joints. It is important to generate projects that integrate daily activities such as the ability to drive an electric vehicle in order to improve the quality of life of those suffering from this disease in their hands, this is where social entrepreneurship is responsible for reducing inequality, inclusion It is a pillar in the development of high impact projects.

The development of this work was divided into different phases, the first of which was the implementation of the prototype platform that simulates parameters of electric vehicles for acceleration, steering and braking tests. Which made different tests coupling with the driving surface that is based on orders from the position of the hands. For the second phase the traceability of the driving surface is analyzed with the positioning of the hands and the integration of the sensors. The system is parameterized with the other devices, the next phase in which the instrumentation is implemented with the necessary sensors and actuators to implement the tests in the platform, and in the last phase the control tests are designed and carried out with the fieldbus and the integration of the different devices analyzing the reliability of the data, achieving the stability of the proposed information as an objective.

Finally, tests are carried out on the finished system where machine times of the driving orders are checked with respect to the actuators used in the platform, control behavior, and also to verify successes and failures that could be the basis for future research work.

Keywords: Traceability, Instrumentation, Field Bus, actuators.

10

1 Introducción

El presente proyecto se vio motivado ante la necesidad de la creación de nuevos métodos de conducción, para personas en condición de discapacidad o pérdida de fuerza y movilidad en las manos, en la actualidad, las personas que han perdido fuerza y/o movilidad en las manos se han visto afectadas por la falta de inclusión en la ejecución de sus tareas, perjudicando su calidad de vida. La causa de esa falta de inclusión es el no tener como prioridad sus necesidades, convirtiéndolos en un grupo desamparado.

La necesidad de movilizarnos de una manera eficiente, rápida y amigable con el ambiente, está generando gran impacto en nuestra sociedad, en nuestro caso Bogotá, como ciudad metrópoli, es necesario apostar a una forma de movilidad que plantea la implementación de vehículos eficientes de bajo consumo; sin embargo, se sigue omitiendo a un sector poblacional, el cual padece enfermedades relacionadas con la pérdida de fuerza y movilidad en las manos; prevaleciendo la imposibilidad en su independencia.

Las adaptaciones a los vehículos, están basados en adaptaciones mecánicas diseñadas para personas con paraplejia que emplean palancas o botones, en donde es necesario emplear un umbral de fuerza para su accionamiento, lo cual no es una solución viable a problemas relacionados con fuerza y poca movilidad en las manos. Enfermedades degenerativas como la artrosis afecta a las articulaciones produciendo rigidez, afectando el movimiento natural del cuerpo y generando dificultad en diferentes actividades, planteando una discapacidad física al relacionarlo para la conducción vehicular.

Es por esto que se quiere contribuir en alguna medida con esta problemática y poner en práctica los conocimientos adquiridos. Es así que, observando la integración de diferentes sensores para capturar el posicionamiento de las manos, Se observa que se puede caracterizar de una manera eficiente a órdenes de conducción. Analizados y probados en la plataforma simulando parámetros de conducción integrando diferentes dispositivos mediante un bus de campo, garantizando fiabilidad y estabilidad en las pruebas. Todo esto manipulando el entorno mediante dispositivos de instrumentación y control electrónico.

11

2 Planteamiento del Problema

La exploración de nuevas tecnologías en el campo del automovilismo se encarga de optimizar procesos para la fabricación y confort del vehículo, dejando en un segundo plano sectores poblacionales con dificultades físicas para poder conducir de una forma convencional, por tanto, es viable analizar el impacto que genera el desarrollo de nuevos métodos de conducción para una discapacidad física específica. En la actualidad, las adaptaciones a los vehículos, están basados en adaptaciones mecánicas diseñadas para personas con paraplejia que emplean palancas o botones, en donde es necesario emplear un umbral de fuerza para su accionamiento, lo cual no es una solución viable a problemas relacionados con fuerza reducida y poca movilidad en las manos, en lo que surge el análisis de estrategias viables para determinar que método de conducción es el más indicado para una condición física. En un escenario de conducción, la transmisión de los datos deber ser fiable para evitar datos erróneos que podrían desencadenar un accidente al ser malinterpretada por otra orden, el uso de comunicaciones industriales es una garantía ante la posibilidad de datos erróneos, en la actualidad, los sistemas vehiculares poseen comunicaciones industriales como el CAN bus, Ethernet y Modbus, los cuales usan códigos de rectificación para verificar la veracidad de los datos. En consecuencia, se hace necesario implementar un sistema prototipo que ofrezca confiabilidad en la ejecución de pruebas, con el fin de analizar la viabilidad de un método de conducción orientado a un sector poblacional con fuerza y movilidad reducida en las manos para el control de parámetros de vehículos eléctricos.

12

3 Justificación

Las personas que han perdido fuerza y/o movilidad en las manos se han visto afectadas por la falta de inclusión en la ejecución de sus tareas, perjudicando su calidad de vida. La causa de esta falta de inclusión es el no tener como prioridad sus necesidades, convirtiéndolos en una minoría desamparada.

Enfermedades degenerativas como la artrosis afecta a las articulaciones produciendo rigidez, afectando el movimiento natural del cuerpo y generando dificultad en diferentes actividades, planteando una discapacidad física al relacionarlo para la conducción vehicular.

La necesidad de movilizarnos de una manera eficiente, rápida y amigable con el ambiente, está generando gran impacto en nuestra sociedad, en nuestro caso Bogotá, como ciudad metrópoli, es necesario apostar a una forma de movilidad que plantea la implementación de vehículos eficientes de bajo consumo; sin embargo, se sigue omitiendo a un sector poblacional, el cual padece enfermedades relacionadas con la pérdida de fuerza y movilidad en las manos; prevaleciendo la imposibilidad en independencia.

La crisis ambiental y energética ha puesto a los vehículos eléctricos en el radar de la industria automotriz como alternativa de solución a la movilidad, también de la mano con la conducción autónoma la cual ha apostado al desarrollo de tecnologías que pueda suplir necesidades para la discapacidad en un futuro a corto plazo.

El desarrollo tecnológico orientado a un método de conducción basado en una superficie de captura de posición mediante la implementación de sensores, dirigido a un grupo de personas con el fin de mejorar su calidad de vida, en el caso de tener la posibilidad de conducir vehículos eficientes es un paso significativo a la inclusión social en el futuro a corto plazo, dando como el vehículo una pieza clave en la funcionalidad, integración social y laboral.

13

4 Objetivos

4.1 Objetivo General

Desarrollar un sistema prototipo de reconocimiento de órdenes de conducción, orientado a vehículos eléctricos dirigido a personas con movilidad y fuerza reducida en las manos.

4.2 Objetivos Específicos

Implementar una plataforma para simular características de vehículo eléctrico, estableciendo la realización de pruebas de aceleración, dirección y frenado, controlado por las órdenes según las posiciones de las manos.

Caracterizar e implementar un protocolo de comunicación industrial con el fin de eliminar ruido, interferencias y garantizar una trazabilidad de los datos provenientes de los sensores.

Implementar un sistema de captura de datos de los sensores, con el fin de detectar y procesar el movimiento de las manos, acoplado a la superficie de conducción que garantice una correcta conducción del vehículo en los parámetros de dirección, aceleración y frenado, como mínimo.

14

5 Marco de referencia

5.1 Estado del arte

Realizando una consulta de diferentes fuentes de información se puede evidenciar que, La manera de conducir vehículos ha establecido una serie de requisitos mínimos para la ejecución adecuada, la limitación, en el estado físico o en la capacidad cognitiva ha limitado a personas con pérdida de alguna capacidad poder conducir. para alcanzar la independencia, al portar algún tipo de discapacidad, el poder conducir permite mejorar la calidad de vida y la autoestima [2].

Todavía existen grandes restricciones para que las personas con alguna limitación física o mental puedan movilizarse en transporte público, por lo que poder conducir un automóvil se convierte en una alternativa para la rehabilitación integral [2].

Es necesario analizar los tipos de discapacidad y los rangos de movilidad con respecto a una referencia de rango para una conducción convencional [3] y poder determinar que adaptación es la adecuada para el tipo de discapacidad.

Existen diferentes métodos para analizar el comportamiento del conductor como método para evitar accidentes, como también los factores que influyen en el comportamiento del conductor, el sonido del tráfico es un parámetro externo [4], dependiendo del estado del conductor, se puede producir agresividad o somnolencia. Siendo causas potenciales de accidentalidad.

En la conducción convencional, se ha integrado sistemas para asistir al conductor, mediante sensores de proximidad que advierte a la persona de algún obstáculo cercano [5], también se plantea la asistencia al conductor usando redes en modelos de ciudades inteligentes para informar a los vehículos cercanos de un potencial accidente [5]. Otra manera de asistir, es empleando la adecuada visualización en los parámetros del vehículo, usando dispositivos periféricos como medidores en pantalla OLED, empleando comunicaciones con topología física tipo bus, permitiendo que se puedan añadir otros dispositivos a la red sin interferir en los ya conectados [6], en los automóviles el protocolo CAN es muy adecuado, por la fiabilidad en la transmisión de los datos y el ahorro considerable de cableado [6].

Por otro lado, las modificaciones mecánicas en vehículos están basadas en sistemas de asistencia para personas en condición de discapacidad en las extremidades inferiores o movilidad reducida en ambas piernas, existen diseño con servomecanismos acondicionados a los pedales para ser modificado a un accionamiento mediante botones y potenciómetros [6][7], como otros sistemas de asistencia diseñados para facilitar el ingreso al vehículo [8] y en la asistencia técnica como sistemas electroneumaticos para el inflado de neumáticos [9]. Sistemas más avanzados en la asistencia a la conducción, están orientados en el análisis del conductor empleando visión por computador, usando los ojos como referencia para analizar indicios como el cansancio, haciendo análisis de la orientación del rostro y la posición de los ojos [10], mediante técnicas de visión artificial a partir de la

15

detección del entorno, los datos capturados se utilizan alertando el conductor y demás vehículos asistiendo a una conducción autónoma de seguridad para evitar accidentes [11], [12]. La necesidad de tener información de nuestro entorno, plantea el uso de visión artificial para detectar: señales de tránsito, líneas demarcadas en las vías, peatones y demás obstáculos que se pueden presentar [12], [13], [14] a partir de los datos del procesamiento de imágenes, también se evalúa conductas, como el nivel de agresividad, determinado por la relación de parámetros, como los cambios de velocidad y el análisis del entorno con los vehículos próximos suministrados por la cámara [15].

En el área de ayudas técnicas, como el uso de sillas de ruedas inteligentes, se ha planteado prototipos controlados por la voz [16], o con visión artificial a partir de expresiones faciales y el movimiento de los ojos [17], [18], estos últimos orientado a personas con parálisis [19].

Si bien los proyectos mencionados anteriormente cumplen con la finalidad de ofrecer una asistencia a la conducción, no brindan una experiencia en vehículos eficientes, para personas con movilidad y fuerza reducida en las manos.

Finalmente, los proyectos mencionados muestran una adaptación o modificación a los vehículos para asistir un tipo de discapacidad específica, a partir de diferentes tecnologías en la mayoría a vehículos de combustión, pero no aporta a la inclusión de otros grupos poblacionales en otro tipo de vehículos, como se pretende hacer con este proyecto, al implementar un sistema prototipo para control de vehículos eléctricos, integrando la información de diferentes sensores en una superficie de conducción asistiendo a problemas de fuerza reducida en las manos.

5.2 Marco teórico 5.2.1 Adaptaciones a los métodos de conducción

Muchos conceptos se utilizan para definir el proceso de modificación o reforma de un vehículo, con el propósito de adaptarlo para que se ajuste a las necesidades de un conductor con discapacidades funcionales. En este contexto se han venido utilizando términos como adaptación, alteración, modificación y conversión o reforma [3]. La adaptación está orientada a un cambio en el vehículo, pero con un mayor coste, comparado con una modificación y donde es necesario seguir una serie de instrucciones para la re-conversión del vehículo a su estado original [3]. La conversión o reforma es el cambio en la estructura del vehículo considerado como irreversible. Por ejemplo, elevación o disminución de la altura del piso [20].

5.2.1.1 Adaptaciones a los mandos de Conducción

Las adaptaciones de un mando de conducción se pueden definir como “todas aquellas modificaciones y/o sustituciones de los dispositivos de accionamiento de

16

los mandos para la realización de las funciones básicas de la conducción del vehículo. Estas modificaciones se pueden obtener como combinación de cualquier sistema mecánico, eléctrico y/o electrónico, que interactúa entre los mandos originales del vehículo y el conductor” [21]. Cualquier combinación de solución técnica en la implementación de las adaptaciones, es importante tener en cuenta que la persona discapacitada que desee conducir un vehículo deberá afrontar una serie de tareas o funciones básicas en la conducción, que le permita movilizarse de manera segura y confortable [22].

5.2.1.1.1 Requerimientos Básicos

Resulta fundamental la selección de las adaptaciones de mandos más idónea para poder conducir un vehículo después de que haya sido adaptado, permita conducir a las personas con fuerza reducida en las manos con las mismas garantías de seguridad y confort que las exigidas a un conductor apto para una conducción convencional [23]. Los requerimientos básicos están relacionados con la capacidad para conducir, como:

a) La entrada y salida del vehículo: dependiendo la dificultad física, se requiere una adecuada transferencia de la persona a la silla del vehículo.

b) La utilización de los mandos de conducción primarios (acelerador, frenos y volante de la dirección), y secundarios como indicador de la dirección, bocina, luces, limpia brisas, etc., como la fijación del cinturón de seguridad [22].

c) La velocidad de reacción: Aplicar y mantener una fuerza para actuar sobre los mandos en una situación de emergencia.

d) Coordinar todas las operaciones de control del vehículo [22].

5.2.1.1.2 Rangos de Movilidad

El análisis para estipular la valoración del aparato locomotor y la evaluación de la necesidad de aplicar adaptaciones según la discapacidad definida [20]. Es fundamental conocer los rangos de movilidad articular de los miembros inferiores y superiores durante las maniobras de conducción. Para las extremidades superiores y obtener datos experimentales se toman 5 mediciones de los ángulos en [20]: - Medición de la posición de reposo en conducción. - Medición de movimientos de puesta de cinturón y retrovisores (en reposo). - Medición de alcances a dispositivos del puesto de conducción. - Giro al volante de tope a tope a distintas velocidades. - Introducción de las marchas (caja de transmisión) - Prueba de aparcamiento. - Prueba en circuito cerrado.

17

Como referencia en las mediciones, el conductor está sentado con las manos en el volante y pies fuera de los pedales, respecto a la posición del equilibrio anatómico de pie con extremidades extendidas [20].

Tabla 1. Rango articular (máximo - mínimo) y el valor de la postura habitual de cada articulación [20].

5.2.1.1.3 Normativa

La norma ISO 9999:2016 realiza la clasificación de productos de apoyo para personas con discapacidad, mediante la división por niveles de todas aquellas ayudas técnicas con funciones similares en tres niveles clasificándolas por tipo de reforma y adaptaciones [20]. Asignado con un código como: reformas en la dirección, los mandos de los frenos,

mandos del acelerador, elementos de seguridad como cinturones, anclajes o la

18

clasificación de vehículos como los vehículos de baja velocidad y los vehículos con

sistema de arrodillamiento[24].

5.2.2 Visión

La visión humana es el sentido más desarrollado y el que menos se conoce debido a su gran complejidad. Es una actividad inconsciente y difícil de saber cómo se produce. De hecho, hoy en día, se carece de una teoría que explique cómo los humanos perciben el exterior a través de la vista [25]. En el año 1826 el químico francés Niepce (1765-1833) llevó a cabo la primera fotografía, colocando una superficie fotosensible dentro de una cámara oscura para fijar la imagen. Posteriormente, en 1838 el químico francés Daguerre (1787-1851) hizo el primer proceso fotográfico práctico. Daguerre utilizó una placa fotográfica que era revelada con vapor de mercurio y fijada con trisulfato de sodio [25]. Por tanto, la Visión Artificial o también llamada Visión por Computador, pretende

capturar la información visual del entorno físico para extraer características

relevantes visuales, utilizando procedimientos automáticos. Según Marr, “Visión es

un proceso que produce a partir de imágenes del mundo exterior una descripción

útil para el observador y no tiene información irrelevante” [25].

5.2.2.1 Visión Artificial

La tecnología de visión es una disciplina relativamente reciente que tuvo su introducción en la industria en la década de los 80. Aplicada en sistemas basados en la tecnología de los PC, se beneficia de los rápidos avances informáticos y de redes [25]. Se puede definir la “Visión Artificial” como un campo de la “Inteligencia Artificial” que, mediante la utilización de las técnicas adecuadas, permite la obtención, procesamiento y análisis de cualquier tipo de información especial obtenida a través de imágenes digitales. La visión industrial o Visión Artificial aplicada a la industria abarca la informática, la óptica, la ingeniería mecánica y la automatización industrial [25]. A diferencia de la Visión Artificial académica, que se centra principalmente en máquinas basadas en el procesamiento de imágenes, las aplicaciones de Visión Artificial industrial integran sistemas de captura de imágenes digitales, dispositivos de entrada/salida y redes de ordenador para el control de equipos destinados a la fabricación, tales como brazos robóticos. Los sistemas de Visión Artificial se destinan a realizar inspecciones visuales que requieren alta velocidad, gran aumento, funcionamiento las 24 horas del día o la repetitividad de las medidas [26].

19

El objetivo de un sistema de inspección por Visión Artificial suele ser comprobar la conformidad de una pieza con ciertos requisitos, tales como las dimensiones,

números de serie, la presencia de componentes, etc. [26]. Aunque el sistema de visión humano tiene mayor resolución en la fóvea y menos en

la periferia, se ha observado que a pesar de que la distribución de los

fotorreceptores no es uniforme, la percepción visual si lo es. Los humanos

percibimos con una única resolución. Estas circunstancias han conducido a la

utilización de sensores con matrices de resolución uniforme. Por tanto, la

organización corresponde a una matriz 2D uniforme [26].

5.2.2.2 Definición Técnica

La visión artificial consiste en la captación de imágenes en línea mediante cámaras y su posterior tratamiento a través de técnicas de procesamiento avanzadas, permitiendo así poder intervenir sobre un proceso (modificación de variables del mismo) o producto (detección de unidades defectuosas), para el control de calidad

y seguridad de toda la producción [26]. Un sistema de visión artificial: 1. Capta una imagen de un objeto real. 2. La convierte en formato digital. 3. La procesa mediante un ordenador. 4. Obtiene unos resultados del proceso.

Figura 1. Modelo de Flujo de Información Visión Artificial [26]

20

1. Módulo de digitalización. Convierte la señal analógica proporcionada por la

cámara a una señal digital (para su posterior procesamiento) [26]. 2. Memoria de imagen. Almacena la señal procedente del módulo de digitalización. 3. Módulo de visualización. Convierte la señal digital residente en memoria, en

señal de vídeo analógica para poder ser visualizada en el monitor de TV [26]. 4. Procesador de imagen. Procesa e interpreta las imágenes captadas por la cámara. 5. Módulo de entradas/salidas. Gestiona la entrada de sincronismo de captación de imagen y las salidas de control que actúan sobre dispositivos externos en función

del resultado de la inspección [26]. 6. Comunicaciones. Vía I/O, Ethernet, RS232 [26].

5.2.2.3 Open CV

La necesidad de disponer de un paquete de visión por computador y procesamiento de imágenes lo suficientemente flexible como para proporcionar herramientas de alto nivel creo la necesidad de una librería que proporcione varios paquetes de alto nivel para el desarrollo de aplicaciones de visión artificial [27] . La librería Open CV nos proporciona el marco de trabajo ideal, tanto por el desarrollo de pequeñas aplicaciones prácticas, como para el desarrollo de la labor investigadora de cualquier grupo de visión [27] . La librería Open CV está dirigida fundamentalmente a la visión por computador en

tiempo real. Entre sus muchas áreas de aplicación destacarían: interacción hombre-

máquina (HCI); segmentación y reconocimiento de objetos; reconocimiento de

gestos; seguimiento del movimiento; estructura del movimiento (SFM); y robots

móviles [27].

Figura 2 Estructura Librería OpenCV [27]

21

La librería Open CV es una API de aproximadamente 300 funciones escritas en lenguaje C que se caracterizan por lo siguiente: 1. Su uso es libre tanto para su uso comercial como no comercial. 2. No utiliza librerías numéricas externas, aunque puede hacer uso de alguna de ellas, si están disponibles, en tiempo de ejecución. 3. Es compatible con The Intel® Processing Library (IPL) y utiliza The Intel® Integrated Performance Primitives (IPP) para mejorar su rendimiento, si están disponibles en el sistema. Dispone de interfaces para algunos otros lenguajes y entornos: EiC - intérprete ANSI

C escrito por Ed Breen. Hawk y CvEnv son entornos interactivos (escritos en MFC

y TCL, respectivamente) que utilizan el intérprete EiC; Ch - intérprete ANSI C/C++

creado y soportado por la compañía SoftIntegration; Matlab® - gran entorno para el

cálculo numérico y simbólico creado por Mathworks; y muchos más [27].

5.2.2.4 El Concepto de Libertad en el software

Desde principios de los años setenta nos hemos acostumbrado a que quien comercializa un programa pueda imponer las condiciones bajo las que puede usarse. Puede, por ejemplo, prohibir que sea prestado a un tercero [26]. A pesar de que el software es el elemento tecnológico más flexible y adaptable que

tenemos, puede imponerse la imposibilidad de adaptarlo a unas necesidades

concretas, o de corregir sus errores, sin el permiso explícito del productor, que

normalmente se reserva en exclusiva estas posibilidades [28].

5.2.2.5 Single Board Computers - Raspberry PI

Raspberry Pi Foundation fue creada en 2009 tras reconocer que, si bien la informática había logrado grandes avances durante los últimos 30 años, los ordenadores modernos no proporcionaban las mismas oportunidades de aprendizaje que brindaban los ordenadores usados en los años 80. Según Eben Upton, miembro de la Fundación, esto estaba "reduciendo la llegada a las universidades de jóvenes capaces de programar, lo que a su vez impedía la llegada a la industria de graduados capaces de programar, con los consiguientes problemas que ello conlleva" [29]. Es allí cuando decidieron hacer algo al respecto, la Fundación se puso a diseñar un ordenador muy asequible que estimulase la enseñanza de informática básica. Upton, diseñador de sistemas integrados (SoC) de Broadcom y ex académico, estaba perfectamente posicionado para entender el problema en cuestión, y disponía de los conocimientos y los contactos necesarios para desarrollar una solución [29]. La Fundación Raspberry Pi ha elegido Linux como sistema operativo, lo que permite

a los usuarios beneficiarse de más de 20 años de desarrollo de software, de un

22

extenso ecosistema de aplicaciones y herramientas de código abierto

complementarias, así como de una vibrante comunidad global. La Raspberry Pi es

compatible, entre otras, con las distribuciones Debian y Fedora y, a través de

GitHub2, se proporciona el código fuente necesario para crear un núcleo específico

para la Raspberry Pi [29].

5.2.3 Motores Eléctricos para Vehículos

5.2.3.1 Motores BLCD

Los motores de corriente continua sin escobillas (BLCD) son usados en la industria automotriz, aeroespacial, de consumo, automatización e instrumentación, como su nombre lo indica no usa escobillas para su conmutación [30], son conmutados mediante controladores electrónicos, los motores BLCD tienen muchas ventajas sobre el motor DC de escobillas y el motor de inducción, entre ellas se encuentra: - Mejor velocidad vs torque. - alta respuesta. - Alta eficiencia. - vida útil de operación. - bajo ruido - altos rangos de velocidad. Sus características lo hacen atractivo para la utilización de vehículos, mejorando los aspectos de mantenimiento y requieren una menor electrónica de potencia a comparación de los motores trifásicos [31].

5.2.3.2 Características

El motor BLCD tiene un imán permanente en su rotor, su costo de fabricación disminuye, ahorrando los devanados rotóricos y conexiones [31]. El funcionamiento inicia por el electroimán generado a partir de la corriente inyectada en el devanado del estator, que será perseguido por el imán del rotor [31]. El controlador gestiona la conmutación de alimentación de los bobinados, creando el efecto giratorio [31]. La velocidad de conmutación en la alimentación de los bobinados debe estar sincronizado con la velocidad de giro del rotor, si no hay sincronización se pierde la continuidad de giro. Por lo que es necesario emplear sensores de posición que realimentan la posición del rotor a partir de la medición del campo magnético del imán permanente [31].

23

El dato de la posición, permite modificar la velocidad en las conmutaciones, adaptándola a la velocidad de giro del rotor y lograr un control muy preciso de la posición realimentándolo [31].

Figura 3 Realimentación señal de posición en un motor BLCD [31] .

Este tipo de motores son la opción perfecta en aplicaciones que requieren alta confiabilidad, alta eficiencia y una buena relación potencia-tamaño, dada su capacidad de suministrar un muy buen torque sobre un amplio rango de velocidades [32]. Estas características le brindan un menor costo y mayor vida útil con menor mantenimiento, pero exige el uso de un control electrónico y hace que su modelo de comportamiento sea altamente no lineal [32].

5.2.3.2.1 Sensores de Posición

La posición del rotor es vital para la adecuada sincronización y conmutación de los polos para el giro del motor, la información es usada para generar las señales de conmutación de los transistores, asegurando estabilidad y una rápida dinámica [33].

5.2.3.2.2 Sensor de Efecto Hall

Se integran tres sensores de este tipo (H1, H2 y H3) en el estator, desfasados entre sí 120°. Cuando los polos magnéticos del rotor pasan por los sensores de efecto Hall, estos detectan su presencia y se genera una señal. De manera que cada 60° un sensor cambia su estado al detectar esta presencia, necesitando seis pasos para completar un ciclo eléctrico completo. De esta forma se conoce la posición del rotor y se proporciona la información correcta para efectuar la conmutación [33].

24

5.2.3.2.3 Encoders Incrementales o codificadores Incrementales

Usan discos codificados ópticamente para producir una serie de pulsos de onda cuadrada. La posición se determina contando el número de pulsos desde una posición de referencia conocida. Estos sensores no se ven influidos por la vibración que se genera en el eje cuando éste empieza a girar. De ellos también se puede obtener la medida de la velocidad contando el número de pulsos en un período de tiempo fijo [33].

5.2.3.2.4 Resolvers

Estos sensores de posición son otro tipo de codificador. Los resolvers parecen motores pequeños, pero son básicamente transformadores rotativos diseñados de tal forma que su coeficiente de acoplamiento entre el rotor y el estator varía en función de la posición angular del eje. Constan de tres devanados, uno ligado al rotor y alimentado con una fuente sinusoidal y otros dos devanados ortogonales conectados al estator. Un campo electromagnético (EMF, Electromagnetic Field) posterior es inducido por la bobina giratoria en cada uno de los devanados del estator del resolver. Decodificando estas dos señales, es posible obtener el sen(x) y el cos(x) donde x es la posición del rotor [33].

5.2.3.3 Métodos de Conmutación de Motores sin Escobillas

Las técnicas de control de los motores con sensores se clasifican según el algoritmo de control utilizado. Los más usados son los siguientes, en orden creciente de eficiencia y complejidad: Conmutación trapezoidal o ”six step mode” Conmutación sinusoidal Control vectorial o Field Oriented Control [34].

5.2.3.3.1 Conmutación trapezoidal o six steps mode

Es el método más simple de control de los motores sin escobillas. En este esquema se controla la corriente que circula por los terminales del motor, excitando un par simultáneamente y manteniendo el tercer terminal desconectado. Sucesivamente se va alternando el par de terminales a excitar hasta completar las seis combinaciones posibles. Las 6 direcciones de las corrientes se muestran en la figura 4 [34].

25

Figura 4 Esquema de los seis posibles caminos de circulación de corriente en el control trapezoidal

[38].

Tiene como ventajas su sencillez y facilidad de implementación por lo cual es el método más usado en motores pequeños. Pese a esto, tiene un problema inherente a la conmutación del vector de corrientes que es un rizado en el torque de salida. En aplicaciones donde se requieren fuerzas uniformes o bajas velocidades, esto puede llegar a ser inconveniente. En la figura 5E se muestran las corrientes por cada una de las fases, la secuencia de conmutación y el torque [34].

Figura 5 Corrientes en las bobinas y Torque del motor [34].

5.2.3.3.2 Conmutación Sinusoidal

La conmutación sinusoidal es vista como un control más avanzado y exacto que el trapezoidal, ya que intenta controlar la posición del rotor continuamente. Esta continuidad se consigue aplicando simultáneamente tres corrientes sinusoidales desfasadas 120° a los tres bobinados del motor. La fase de estas corrientes se escoge de forma que el vector de corrientes resultante siempre es en cuadratura con la orientación del rotor y tenga un valor constante [34]. Como consecuencia de este procedimiento se obtiene un par más preciso y sin el rizado típico de la

26

conmutación trapezoidal. No obstante, para poder generar dicha modulación sinusoidal es necesaria una medida precisa de la posición del rotor, que difícilmente se logra con sensores de efecto Hall, por lo cual se requiere de un encoder absoluto de alta resolución. A bajas velocidades este método de control presenta el mejor desempeño en eficiencia y suavidad del torque, sin embargo, a altas frecuencias no responde tan bien debido a la necesidad de procesar señales sinusoidales de frecuencias altas y a que los controladores PI usados para generar estas señales tienen una respuesta limitada en ganancia y frecuencia. Cuando la frecuencia es suficientemente alta, la eficiencia decrece y el error aumenta, tendiendo a un punto de cero torque [34].

5.2.3.3.3 Control vectorial o Field Oriented Control (FOC)

El problema principal que presenta la conmutación sinusoidal es que intenta controlar directamente las corrientes que circulan por el motor, las cuales son intrínsecamente variantes en el tiempo. Al aumentar la velocidad del motor, y por tanto la frecuencia de las corrientes, empiezan a aparecer problemas [34] . El control vectorial o Field Oriented Control (FOC) soluciona el problema controlando el vector de corrientes directamente en un espacio de referencia ortogonal y rotacional, llamado espacio D-Q (Direct- Quadrature) [34]. Dicho espacio de referencia esta normalmente alineado con en el rotor de forma que permite que el control del flujo y del par del motor se realice de forma independiente. La componente directa permite controlar el flujo y la componente en cuadratura el par[34]. Para este fin se requiere no solamente una muy buena medición de la orientación del rotor, sino un tratamiento matemático previo de las señales para transformarlas del marco trifásico estático de los bobinados en el estator al marco rotacional d-q del rotor. Este es el control que presenta mejor respuesta en todos los rangos de velocidad pero resulta ser el más costoso de implementar, lo cual lo hace inadecuado para toda aplicación en la que no sea estrictamente necesario [34].

5.2.4 Comunicaciones Industriales

Las comunicaciones industriales son aquellas que permiten el flujo de información del controlador a los diferentes dispositivos a lo largo del proceso de producción: detectores, actuadores, sensores entre otros [35]. Dada la gran variedad de sistemas de comunicación entre equipos industriales, de los cuales la mayoría son cerrados, se ha optado por el desarrollo de un entorno que permita tanto la implementación de protocolos de especificaciones conocidas en un sistema de comunicación completo, desde el medio físico hasta el nivel más alto de red, siguiendo un paralelismo; con el conocido modelo CIM (Computer Integrated Manufacturing). En la industria este concepto corresponde a una estructura piramidal jerarquizada, produciéndose en la cúspide decisiones de política empresarial. En la base lo que se pretende es que las denominadas islas de automatización (autómatas programables, máquinas de control numérico, robots)

27

se integren en un sistema de control jerarquizado y distribuido que permita la conversión de decisiones de política empresarial; en operaciones de control de bajo nivel [35]. Una de las principales tendencias en el entorno industrial actual es la migración hacia sistemas automatizados abiertos y totalmente especializados. Sin duda alguna, uno de los principales factores que ha impulsado esta creciente

tendencia ha sido la introducción de Ethernet en el entorno industrial [35].

5.2.4.1 Buses de Campo

Un bus de campo es un sistema de transmisión de información que simplifica enormemente la instalación y operación de máquinas y equipamientos industriales utilizados en procesos de producción [35]. Nos enfocaremos en tres tipos de buses de campo aplicables al proyecto, los

cuales son Can Bus, Modbus (RTU - TCP) y Ethernet.

5.2.4.1.1 CAN (Controller Area Network)

El bus CAN proporciona dos servicios de comunicación: el envío de un mensaje (transmisión de tramas de datos) y la petición de un mensaje (solicitud remota de transmisión o RTR). El resto de los servicios tales como la señalización de errores y la retransmisión automática de tramas erróneas son transparentes para el usuario, lo cual significa que el chip de CAN realiza automáticamente estos servicios. El bus CAN funciona a velocidades de datos comprendidas entre 10kbit/s y 1Mbit/s y las aplicaciones se dividen según la velocidad: las de baja velocidad (hasta 125kbit/s) y las de alta velocidad (desde 125kbit/s hasta 1Mbit/s) [35]. Una de las principales ventajas del bus CAN por lo cual lo hacen un protocolo industrial muy llamativo es el hecho de que al ser sus inicios en la industria automotriz; se sabe que las variables manejadas en este tipo de industria son de vital importancia para un conductor. Esto se debe ya que al hacer un análisis de una de las variables como puede ser la iteración de un freno en el sistema; este debe tener una reacción inmediata en la detención del automóvil es este caso [35]. En el medio industrial las comunicaciones con el menor tiempo de respuesta en

tiempo real, pueden proporcionar la diferencia entre mejores tiempos de entrega al

cliente y permitir un mejor desempeño en un piso de planta [35].

28

5.2.4.1.2 Modbus RTU- TCP

Este protocolo define una estructura de mensaje que los controladores reconocerán y utilizarán, independientemente del tipo de red sobre la que se comuniquen. Describe el proceso que usan los controladores para solicitar acceso a otros dispositivos, como responden a solicitudes de otros dispositivos y como se detectan e informan los errores. Establece un formato común para la disposición y contenido de los campos de mensaje. Los puertos que se manejan de forma estándar para Modbus en diferentes tipos de controladores utilizan una interface serie compatible con RS-232C y Ethernet, en la cual se define conectores, cableado, niveles de señal, velocidad de transmisión en baudios y control de paridad. Los controladores pueden estar conectados directamente o a través de módem, como puede ser el caso del LRSIF, a través de Modbus Ethernet. Los controladores se comunican utilizando topologías maestro-esclavo, en las que solamente un dispositivo maestro puede iniciar las transacciones “consultas”. Los otros dispositivos que corresponden a los esclavos responden suministrando la información solicitada por el maestro, o tomando la acción solicitada en la consulta. Los dispositivos maestros típicos incluyen procesadores tipo “host” y paneles de programación. Los esclavos típicos son los controladores programables y PLC [35]. El maestro puede dirigirse a esclavos individualmente, o pueden lanzar un mensaje general para todos los esclavos. Los esclavos devuelven un mensaje de “respuesta” a las consultas que le son dirigidas individualmente. No se devuelven respuestas a los mensajes de consulta general lanzados por el maestro. El protocolo Modbus establece un formato estándar para los mensajes para las acciones solicitadas por el maestro la cual se conforma así: la dirección, un código de operación que define la acción solicitada, alguna información adicional, y un campo de comprobación de error [35].

5.2.4.1.3 Ethernet

Ethernet fue originalmente creado por Xerox pero desarrollado como una norma en 1980 por Digital Equipment Corporation, Intel y Xerox, la cual fue conocida como DIX Ethernet. La norma 802.3 del Instituto de Ingenieros Eléctricos y Electrónicos define una red similar con un pequeño cambio, ésta utiliza un formato alternativo de trama (una trama constituye la estructura de codificación de un flujo de bits transmitidos a través de un enlace) [36]. La Organización Internacional de Normalización (ISO) adopta esta norma 802.3 con

lo cual Ethernet presenta un rendimiento de 10 Mbits/seg y utiliza un método de

acceso sensible a la señal portadora, con lo cual las estaciones de trabajo

comparten un cable de red, pero solo una de ellas puede utilizarlo en un momento

29

dado. El método de Acceso Múltiple con Detección de Portadora y Detección de

Colisiones (CSMA/CD) se utiliza para arbitrar el cable [36].

5.2.5 Futuro Vehículos Eléctricos

El motor eléctrico es cuatro veces más eficiente que el motor de combustión interna. La tecnología existe, y la única cuestión que queda por desarrollar son las baterías que proporcionen una autonomía adecuada entre recargas a un coste razonable. Las soluciones van desde los híbridos enchufables a los vehículos totalmente eléctricos, empleando baterías de ion litio o de otros materiales en desarrollo, como las baterías de Zinc-aire, además de los desarrollos de la nanotecnología. De hecho, la práctica totalidad de las empresas del sector ya están desarrollando sus modelos, y cabe esperar que a partir de 2010-2012 el automóvil eléctrico irrumpa de forma masiva en el mercado [37].

5.2.5.1 ¿Hay suficiente litio para el transporte por carretera basado en

electricidad?

La mayoría de las baterías de los vehículos eléctricos actuales o previstos en los próximos dos años están fabricadas con litio, al igual que la de los móviles y portátiles. La electrificación del transporte supondrá un aumento importante de la extracción de litio, lo que ha dado origen a una gran polémica sobre los recursos del mineral, pues algunos autores como William Tahil sostienen que no habrá suficiente litio, por lo que habrá que utilizar otros materiales, mientras que la mayoría de los autores, como el geólogo Keith Evans sostienen que no hay problemas de recursos [37]. Requisitos de los motores eléctricos para vehículos: -Alta potencia específica. -Alta densidad de energía (tamaño y peso reducidos). -Alta capacidad de sobrecarga (alto par de arranque). -Alta eficiencia (superior al 90% en condiciones nominales). -Amplia gama de velocidades. -Control sencillo. -Bajos niveles de ruido y vibraciones. -Fabricación y mantenimiento fácil - Bajo coste.

30

5.2.5.2 Baterías Inteligentes

Muchas aplicaciones requieren una comunicación entre batería y otros dispositivos del sistema. Estas son a menudo llamadas baterías inteligente. Esta comunicación se realiza mediante un enlace de datos, utilizado para la supervisión del rendimiento, registro de datos, diagnóstico o para establecer los parámetros del sistema. Esta comunicación se realiza a través del SMbus [38].

5.2.5.2.1 Objetivos de las baterías inteligentes

La vida de baterías utilizadas en herramientas eléctricas, vehículos etc. puede ser prorrogada por el uso de un sistema de carga inteligente, que facilita la comunicación entre la batería y el cargador. La batería proporciona información sobre su tipo de química, su condición actual y su historial de uso, que es utilizada por el cargador para determinar el perfil óptimo de carga [38]. El objetivo principal de la interacción entre cargador y batería es evitar la sobrecarga o daños a la batería, prolongar su vida útil así como proporcionar información en tiempo real a su usuario [38]. “El control de la carga (BMS) puede formar parte de la batería del cargador o de ambos”.

5.2.5.3 Sistema de Freno Regenerativo

El freno regenerativo permite reducir la velocidad de un vehículo transformando

parte de su energía cinética en energía eléctrica. Se basa en el principio de que un

motor eléctrico puede ser utilizado como generador.

31

6 Metodología

6.1 Descripción del Proyecto

Consiste en la realización de una plataforma prototipo que emula características de

vehículo eléctrico, como aceleración, frenado y dirección. con el fin de hacer

pruebas a un método de conducción a partir de la detección de la posición de las

manos sobre una superficie, orientado a personas con movilidad y fuerza reducida

en las manos, dependiendo solamente de movimientos suaves provenientes del

antebrazo.

La fiabilidad en la transmisión de los datos es pilar para el funcionamiento del

proyecto, por esto se implementó un bus de campo a partir de CAN-Bus integrando

los dispositivos que hacen parte de la plataforma como el acondicionamiento de los

sensores, datos del controlador, visualización, etc.

Figura 6 Diagrama de Bloques [Autores]

En la figura 6. Se observa el diagrama de bloques del funcionamiento general del

proyecto, en cada etapa se plantea el análisis a la implementación en cada fase del

desarrollo.

6.1.1 Análisis social, económico y tecnológico

Las personas con discapacidad en las manos no cuentan con la debida adecuación para poder conducir un vehículo convencional, los mandos para personas de estas

32

características siempre están orientados a sistemas mecánicos, los cuales son excluyentes a personas con fuerza reducida. Es por esto que se ha decidido buscar la implementación de un nuevo método de conducción basado en visión artificial y la integración con otros sensores, la capacidad de movilizarse por sí mismos favorece a pacientes con dichas características, además de una forma de crear métodos que buscan combatir la discapacidad a partir de la tecnología. El daño ambiental generado por la emisión de gases de hidrocarburos producido en máquinas de combustión aumentando el daño irreversible a nuestro ambiente, uno de los agentes que más produce dióxido son los vehículos de combustión. El estudio de los vehículos eléctricos ha demostrado la gran necesidad en el mundo con la eficiencia energética y el bajo impacto ambiental. Es por esto necesario integrar dos temas de investigación que se desarrollan a

futuro como es la gran apuesta de la industria automotriz para mitigar el impacto

ambiental y el uso de técnicas con el fin de mejorar la calidad de vida de personas

con limitaciones en las manos.

6.1.2 Diseño y Planificación

Se hace necesario seguir un proceso de diseño y elaboración de la plataforma prototipo, donde se plantea los elementos necesarios para la construcción de la misma, con el fin de poder acoplar la superficie de conducción y lograr hacer pruebas de aceleración, dirección y frenado a partir del método de conducción planteado. La indagación y análisis de métodos de conducción de vehículos sin importar sus características, con el fin de recolectar información a partir de la documentación que contribuya al diseño y ejecución del proyecto. Seleccionar la tipología del bus de campo que nos permita eficiencia, portabilidad y confiabilidad en la trasmisión de datos de cada dispositivo que conforma el sistema. Selección de transductores, comunicación y sensorica requerida para la adquisición de la posición de las manos en la superficie. Diseñar e implementar un método de control en el parámetro de dirección de forma eficiente y estable manteniendo el adecuado posicionamiento de la rueda de dirección. Con base en el dimensionamiento del sistema físico se debe construir una estructura que sea funcional y cumpla con los criterios de diseño requeridos para albergar todo el sistema.

33

6.1.3 Implementación y funcionamiento:

Se debe realizar selección de equipos y materiales para la elaboración del sistema

prototipo, definiendo los rangos de alimentación de cada dispositivo, también definir

las condiciones de los parámetros a controlar para cumplir con los objetivos y así

dimensionar los rangos y factores externos que afecten la lectura del

posicionamiento de las manos sobre la superficie de conducción. El sistema

diseñado y terminado se debe poner a prueba mediante experimentación para lograr

su adecuado ajuste.

6.2 Desarrollo del Proyecto

6.2.1 Superficie de Conducción

En el desarrollo de la superficie de conducción fue necesario indagar formas de

capturar la posición de la mano de una forma eficiente y de bajo costo, actualmente

existen touchpad o pantallas táctiles que funcionan a partir de la variación de

capacitancia o resistencia provocada por la presión ejercida sobre las capas que

conforman los táctiles de algunos dispositivos.

Dichos táctiles, están diseñados para la captura de la posición del dedo a partir de

una presión ejercida, por lo que no son viables para nuestro proyecto, porque

detecta solo un punto en el que se genera presión. La presión que puede ejercer la

mano sobre un touchpad puede provenir de varias partes y no sería estable su

caracterización.

Existen otros métodos para detectar la posición de una parte del cuerpo, como la

red de infrarrojos y los de onda acústica que se encargan de determinar la variación

por la interferencia que se provoque de la fuente, en este caso un haz de luz

infrarrojo o una onda de ultrasonido.

La implementación con este tipo de métodos es eficiente en resolución y es

aplicable a la detección de la mano sobre una superficie, pero el costo de

implementación puede ser elevado, ya que la variación de la mano puede ser en

milímetros y sería necesario el uso de una cantidad considerable de infrarrojos o

detectores de eco (ultrasonido) para garantizar una resolución aceptable.

Con el fin de mantener la relación eficiencia y costo, es necesario la integración de

sensores aprovechando las características de cada uno y poder soportar la

deficiencia del otro.

34

En este caso, el uso de visión artificial en la captura de la posición de las manos

mediante procesamiento de imagen y la integración de una cantidad pequeña de

infrarrojos modulados (emisor- receptor) ubicados respectivamente a los lados

laterales de la superficie, son la solución a nuestra pregunta de investigación.

En primera instancia, la captura de la mano por procesamiento de imágenes puede

determinar la variación de la posición en un rango aceptable para nuestra aplicación,

garantizando resolución de lectura y con la posibilidad de usar elementos de bajo

costo. La deficiencia del procesamiento de imagen es con el uso en ambientes no

controlados y la vulnerabilidad a los cambios de luz provocados por el entorno una

de ellas es la luz solar, generando inestabilidad en la detección, en este caso, la

detección adecuada de la mano.

Es por esto necesario, la integración de sensores de infrarrojo que a partir de la

detección de una señal infrarroja modulada (1838t), no es afectado por la luz solar

que también emite luz infrarroja en su longitud de onda. La función del uso de este

tipo de sensores, es la limitación de captura de la cámara en el área total de la

superficie, dando prioridad en el área donde está ubicada la mano y mitigando la

inestabilidad por el cambio de factores como la luz solar, en los ítems posteriores

explicaremos a fondo la implementación de los sensores.

En la fase inicial de experimentación se desarrolla una superficie prototipo, con el

fin de determinar las características que se adecuen mejor al último prototipo, en la

superficie inicial se decide el color y características como el tamaño de la superficie

que soporten la adecuada detección.

Figura 7. Superficie inicial [Autores]

35

El objetivo de la superficie inicial era determinar el color adecuado para la detección,

como también plantear el área de conducción, este último ligado al rango de captura

de la cámara que también se plantea con su ubicación, otros parámetros fueron la

ubicación de los infrarrojos (emisor – receptor) y la distancia que pueden estar

separados entre sí.

Figura 8. Pruebas en la ubicación de la cámara [Autores]

El objetivo del proyecto es emplear elementos de bajo costo para que dicho método

de conducción sea viable en implementación comparado con los sistemas de

accionamiento mecánico o controles por voz, por lo que se usa una cámara de bajo

costo de fácil acceso, su ubicación está determinada por el área de la superficie, al

aumentar el área de la superficie, la cámara tenía que ubicarse a una altura

considerable o alejarse para poder captar un área mediana (superior a 825 cm2).

Figura 9. Cámara empelada de bajo costo [Autores]

36

La ubicación de la cámara para la detección del área es determinada por la altura y

la distancia de la base con la superficie, lo anterior plantea que la altura disminuye

si se aleja la cámara y si se acerca, la altura aumenta.

Para el diseño de la superficie es necesario que sea portable y ajustable a la

mayoría de vehículos eléctricos, por ejemplo, en una silla en donde se apoyan los

brazos, por lo que el tamaño juega un papel importante en la viabilidad del prototipo.

Por lo que se determina la proporción adecuada en la ubicación de la cámara, la

distancia entre la base de la cámara y la superficie de detección no puede ser muy

grande, ya que el dimensionamiento sacrificaría portabilidad en el prototipo, como

también la altura de la cámara, al ser más alta podría ser más vulnerable a

interferencias.

Figura 10. Ubicación de la Cámara [Autores]

La ubicación de la cámara queda a 8 cm de la superficie a detectar y a 36cm de alto, este último queda graduable dependiendo las condiciones del rango de movimiento del conductor.

El área de la superficie de detección se determina por la resolución en la variación

de movimientos necesarios en el control adecuado de la rueda de aceleración y la

de dirección, manteniendo portabilidad en el prototipo.

37

Figura 11. Dimensionamiento Superficie de Conducción [Autores]

El área de la superficie de conducción queda de 25x16 cm, conformada por un material anti fluido opaco con el fin de disminuir el reflejo de luz que afectaría la detección de la cámara y en la parte interior tiene una espuma, orientado a la comodidad del usuario y no presentar molestias físicas en un uso prolongado, las franjas de color se emplean como referencia en la detección y la ubicación de los receptores infrarrojos.

La ubicación de los sensores infrarrojo (emisor-receptor), se determina por los

rangos de variación caracterizados y la cantidad necesaria para una integración

viable con el procesamiento de imágenes. La cantidad de estos sensores

mantendrían viabilidad en el prototipo.

Se ubican 6 pares emisor-receptor a lo largo de la superficie, enfrentados uno al

otro, la distancia entre cada tipo es de 4 cm.

38

Figura 12. Vista frontal y ubicación sensores infrarrojo [Autores]

La separación de cada par, emisor–receptor limita el área de detección de la cámara

disminuyendo la inestabilidad que puede generar factores externos y además

garantizar que la lectura sea la presencia de una mano. El primer sensor en orden

ascendente da la orden para el inicio de la conducción.

La superficie de conducción queda integrada con los sensores y área de detección,

diseñada con el fin de ser un prototipo de bajo costo, funcional y portable.

39

Figura 13. Superficie de Conducción [Autores]

En los siguientes ítems, se explica al detalle la implementación de cada uno de los

sensores y el acondicionamiento con la plataforma de pruebas.

6.2.2 Infrarrojo Modulado

En la superficie de conducción se emplearon receptores de luz infrarrojo modulado,

con el objetivo de que no sea vulnerable a cambios de luz solar u otras fuentes de

luz infrarroja.

Este tipo de receptores son los que emplean algunos dispositivos con mandos a

distancia, como los televisores, en ese caso, el emisor envía información por pulsos

modulados, el receptor los detecta para ser decodificado y asociarlo a una orden de

control al televisor.

En el proyecto se emplearon para detectar el pulso modulado para reconocer una

determinada frecuencia, con el fin de detectar la presencia de la mano y minimizar

el rango de lectura de la cámara. La referencia de los receptores es 1838t, detectan

señales portadoras en un rango de 36.5 a 38 KHZ.

40

Figura 14. Receptor IR 1838t [Autores]

El 1838t es de bajo consumo y se alimenta en un rango de 2.5 a 5.5 v, el circuito de

acondicionamiento es simple, emplea un filtro RC para disminuir el ruido. Uno de

los inconvenientes fue el ángulo de recepción, ya que podía detectar el pulso de

otros emisores cercanos al que está enfrentado, maneja un ángulo de recepción de

70°, lo cual podía ser afectado por otras señales.

Figura 15. Angulo de Recepción IR 1838t [56]

Fue necesario controlar el ángulo de recepción con adaptación del riel donde están

ubicados. El riel tiene una cubierta donde tiene pequeñas aperturas para controlar

el ángulo de recepción. Al igual donde están ubicados los emisores.

41

Figura 16. Vista interior riel de receptores 1838t [Autores]

6.2.2.1 Acondicionamiento

En la etapa de acondicionamiento se emplea un PSoC 5LP que se encarga de

generar los pulsos modulados a una frecuencia de portadora de 38 KHz que es la

que detecta el receptor, a partir del bloque waveDAC. La salida de esta señal está

conectado a los emisores.

Figura 17. Bloque WaveDAC en el entorno PSoC Creator 4.2 [Autores]

42

La frecuencia portadora, se envía a cierto tiempo, controlado por el Clock_2 del

bloque WaveDac, esa es la frecuencia que determina si hay presencia de la mano.

Figura 18. Señal de la portadora (38KHz) a los emisores [Autores]

Esta señal es recibida por los 1838t, esta detecta señales en el rango de los 38 KHz

y la decodifica.

Figura 19. Salida del receptor 1838t [Autores]

Los pulsos modulados están configurados a 30 Hz, que posteriormente se hace una

lectura para determinar si hay presencia, cuando hay interrupción de la luz infrarroja,

en la mayoría de los casos el receptor da una lectura en estado en alto, sin dar algún

valor de frecuencia.

43

Figura 20. Señales Receptor - Emisor [Autores]

La salida de los receptores entra al PSoC para ser determinada la frecuencia,

mediante un contador de pulsos, usando un bloque de timmer a 10 uS con

interrupción. Es necesario usar un rango de tolerancia de aprox. de 2 Hz por los

tiempos de máquina del microcontrolador.

El PSoC tiene la lectura de seis sensores, donde mide la frecuencia de cada uno a

30 Hz, que significa que no hay presencia de mano, otro valor de frecuencia o un

estado en alto se asocia a presencia de la mano en esa área de la superficie.

Figura 21. Análisis lectura de los sensores IR [Autores]

44

La interferencia en la señal emitida por los emisores, en el caso del emisor N° 1 da

la orden a inicio de conducción y habilitar la detección de la cámara, y el envió a la

plataforma de pruebas para iniciar aceleración y/o dirección de las ruedas

correspondientes. El emisor N° 2 y 3 al presentar interferencia de forma ordenada

habilitan la lectura de posición en un área específica de la superficie.

Figura 22. Área de detección habilitado de captura en la cámara [Autores]

El PSoC envía los datos de la lectura de los sensores al dispositivo que se encarga

del procesamiento de imágenes y hacer el acondicionamiento a la lectura de la

posición de la mano.

6.2.3 Procesamiento de Imágenes

La etapa de procesamiento de imágenes está constituida por 3 elementos

principales, el primero es el dispositivo que se encarga de la captura de la imagen,

la cámara empleada es una webcam de bajo costo con resolución máxima de

640x480.

El costo y viabilidad del proyecto son dos parámetros que determinan el desarrollo

satisfactorio del proyecto, el uso de una cámara de bajo costo da respuesta a los

planteamientos previos de la investigación.

La resolución de la cámara es parametrizada a los rangos de conducción de la

plataforma de pruebas, en este caso sería velocidad, ángulo de dirección y

tolerancia de error.

El área de la superficie entrega la resolución de los datos dependiendo la cantidad

de pixeles que capture.

Para una resolución de 640x480 en un área de 25x16 cm estaría caracterizado en

el tamaño de cada pixel, para hallarlo se calcula la cantidad de pixeles:

𝑐𝑎𝑛𝑡𝑝𝑖𝑥𝑒𝑙𝑒𝑠 = 𝐴𝑙𝑡𝑜𝑖𝑚𝑎𝑔𝑒𝑛 ∗ 𝐴𝑛𝑐ℎ𝑜𝑖𝑚𝑎𝑔𝑒𝑛 (1)

𝑐𝑎𝑛𝑡𝑝𝑖𝑥𝑒𝑙𝑒𝑠 = 640 ∗ 480 = 307200 (2)

45

Luego se determina el área de la superficie:

𝑐𝑚2 = 25 ∗ 16 = 400 𝑐𝑚2 (3)

Y por último el tamaño de un pixel:

𝑇𝑎𝑚𝑎ñ𝑜𝑝𝑖𝑥𝑒𝑙 =𝐴𝑟𝑒𝑎𝑠𝑢𝑝𝑒𝑟𝑓𝑖𝑐𝑖𝑒

𝐶𝑎𝑛𝑡𝑝𝑖𝑥𝑒𝑙𝑒𝑠=

400 𝑐𝑚2

307200 (4)

𝑇𝑎𝑚𝑎ñ𝑜𝑝𝑖𝑥𝑒𝑙 = 0.13 𝑚𝑚

Los datos varían cada 0.13 mm en relación a la resolución seleccionada para la

cámara, los datos deben ser acondicionados a los rangos de movilidad del usuario

y al umbral de variación a los parámetros de la plataforma (aceleración y frenado

como la resolución en el ángulo de giro de la rueda de dirección).

La caracterización de los datos para una lectura fiable depende directamente de la

eficiencia del procesamiento de imágenes y la estabilidad en la lectura, si el usuario

presenta temblor en su mano, es necesario plantear un umbral mayor en el rango

de variación.

El siguiente dispositivo, es el encargado de procesar las imágenes y aplicar los

algoritmos necesarios en la detección de la posición de la mano, con el fin de

mantener la portabilidad del prototipo es necesario implementar una unidad de

procesamiento de imágenes de bajas dimensiones.

Otros parámetros es la practicidad y el bajo costo en su implementación, el

dispositivo que se usa es una Raspberry pi 3 modelo B.

Figura 23. Raspberry PI 3 B [Autores]

46

Las principales características son, un computador de fácil acceso con 1 GB de

RAM compartido con la GPU, su sistema operativo soportado en Linux bajo licencia

de software libre y la practicidad para conectar periféricos, el entorno y lenguaje de

programación en la implementación de los algoritmos de procesamiento de

imágenes fue Python 2.7 soportado bajo licencia de software abierto.

Algunos parámetros necesarios enfatizar, es la implementación bajo software libre,

dando la apertura a una implementación sin restricciones, por otro lado, el

rendimiento de la Raspberry pi 3, tiene ciertas restricciones en el procesamiento con

imágenes de gran resolución al no tener un motor gráfico dedicado.

El último dispositivo siendo más un accesorio es el GPIO Extension board que se

emplea para la conexión y envió de datos al PSoC y ser interpretado en la trama del

bus de campo,

Figura 24. GPIO Extension Board [Autores]

6.2.3.1 Parámetros Procesamiento de Imágenes

En el desarrollo bajo el lenguaje de programación Python, el procesamiento de

imágenes está basado con la librería OpenCV, otras librerías adicionales son

Numpy, Time, Serial y GPIO como complemento al desarrollo y ejecución de

pruebas, en el tratamiento de imágenes.

Dentro del análisis y la forma óptima de caracterizar la posición de la mano, se

plantearon diferentes métodos, la primera fue a partir de la detección de color con

HSV, con el fin de capturar y procesar un objeto de un color especifico, por ejemplo,

un accesorio puesto en la mano, como anillo o guante, agregando más elementos

a la detección dando baja practicidad en su uso.

47

Otro planteamiento para la detección fue la sustracción de fondo, donde se toma

una imagen de referencia y se compara con la actual, haciendo una resta y analizar

los cambios con respecto a la imagen de referencia.

Este método es viable si se emplea bajo condiciones controladas, un cambio de luz

repentino afectaría la estabilidad, siendo poco viable si es aplicado a un método de

conducción.

Las condiciones que plantea la caracterización a partir de la posición de la mano,

son los cambios de luz y las características morfológicas de la mano.

Los cambios de luz, se ven mitigados con la integración de otros sensores (infrarrojo

modulado) que limitan el área del procesamiento de imagen y enfocarse

específicamente en la ubicación aproximada de la mano, las características

morfológicas de la mano y el modo en que es detectado por la cámara, partiendo

que las personas con problemas de movilidad en las manos presentan rigidez en

las articulaciones de diferentes formas y no hay un estándar de la forma de la mano.

Establecer un patrón en la detección influido por otros factores, como el color de piel

o tamaño, descarta una tendencia ajustable. El método de procesamiento de

imágenes que se ajusta a nuestra aplicación es a partir de la detección contornos,

permitiendo la detección de la posición sin importar características morfológicas

como color de piel y tamaño.

El código para el procesamiento de la imagen, se desarrolla en Python con las

funciones de la librería OpenCV.

6.2.3.1.1 Algoritmo en Python

OpenCV es una librería que contiene más de 500 funciones que abarcan una gran

gama de áreas en el proceso de visión artificial, como en el reconocimiento de

objetos, reconocimiento facial, aplicaciones en sistemas de seguridad, etc.

En el proyecto se implementa la librería en la detección de contornos en un área

específica. A partir de la captura de imagen, las condiciones para el procesamiento

son:

La resolución de la cámara, debe ser lo suficientemente alta para poder capturar las variaciones en la mano y lo suficiente para que la Raspberry no tenga un tiempo de respuesta bajo en el procesamiento.

Se debe establecer un rango de movimientos involuntarios del usuario, como temblores, siendo un proceso de análisis que permita determinar un umbral acorde a la variación sobre la superficie.

48

Al ser cada usuario diferente en sus características de la mano, se debe asegurar la caracterización de los datos, siendo que el usuario dependiendo su rango de movilidad y el umbral de reacción, es necesario establecer límites de velocidad y proporción en grados del giro en la plataforma de pruebas.

El programa en Python, inicia con las librerías empleadas para procesamiento, recepción y envió de datos.

Figura 25. Diagrama de Flujo Código Python [Autores]

49

En la parte inferior de la figura anterior, se inicia la captura de la imagen, si solo hay

una cámara conectada en la Raspberry, la línea cap= cv2.VideoCapture(0), el “0”

es el dispositivo asociado a la cámara. cv2 es la forma de llamar las funciones de la

librería OpenCV en las líneas posteriores se configura la resolución de captura, en

la etapa de pruebas se eligió la resolución de 640x480 y, por último, se configura el

puerto de comunicación, para envió y recepción de datos.

Figura 26. Filtros imagen [Autores]

En el ciclo while (true) se inicializa los filtros para suavizar y caracterizar la detección

de contornos, inicialmente se convierte la imagen a escala de grises (1), después a

un umbral de grises (2) y la aplicación de otros filtros como erosión y dilatación (3)

para el suavizado y eliminación de ruido de la imagen, finalmente la imagen

binarizada (4) y a partir de esa imagen se inicia la detección de contornos (5).

Figura 27. Acondicionamiento imagen [Autores]

50

Con el dimensionamiento de la superficie y la ubicación de los infrarrojos se

determina el área por pixeles del rango de captura, habilitado por la activación de

los sensores. Se determinan 5 áreas, asociadas al número de sensores

implementados en la superficie, sin contar el sensor que habilita el inicio de pruebas

(receptor 1).

Figura 28. Configuración Áreas Detección [Autores]

El rango de variación para cada área es de 128 pixeles aprox. en el eje x y 480

pixeles para el eje y, es importante establecer el tamaño de cada área por la

ubicación de los sensores y así evitar zonas muertas que podrían generar saltos en

la variación específicamente en el parámetro de aceleración.

Figura 29. Algoritmo Detección de Contornos [Autores]

51

Después del filtrado de imagen se inicia la detección de contornos, la función

cv2.findContours aplica la detección del contorno de mayor tamaño en las áreas

específicas, después con la función len se hace un conteo de cuantos contornos se

han detectado y entrar a la sentencia if que determina el valor a enviar.

La librería numpy permite determinar con la función tuple la coordenada máxima

superior del contorno, la cámara al estar ubicada al lado izquierdo de la superficie,

el valor que se detecta es el extremo izquierdo del contorno.

Finalmente se dibuja el contorno y se ubica la coordenada del extremo izquierdo

con un punto rojo.

Figura 30. Contorno y punto extremo [Autores]

La detección a partir de contornos permite que el usuario tenga la mano de diferente

forma (doblada, abierta, cerrada) y el dato que se caracteriza es la coordenada del

punto extremo del contorno. Las variables A y B son la posición en (x, y)

respectivamente para él envió y caracterización a la plataforma.

52

Figura 31. Asociación a órdenes de conducción [Autores]

Después de detectar el contorno y determinar la coordenada del extremo izquierdo,

el valor en x, y se asocia a una orden de conducción. Donde las flechas 1 y 2 (eje

x) determina el valor de aumento y disminución de la velocidad respectivamente,

por otro lado, las flechas 3 y 4 (eje y) determina la dirección derecha o izquierda

dependiendo la caracterización y la sensibilidad del motor paso a paso

implementado en la plataforma.

Por último, en el código, se envía los datos por el puerto configurado, se hace un

acondicionamiento dependiendo la cantidad de dígitos para poder ser interpretado

y enviado al bus de campo.

El dispositivo interpreta los datos provenientes de la Raspberry como un string, se

ajusta los datos de identificación con el fin de eliminar datos erróneos y garantizar

estabilidad en los datos. Las pruebas de resolución y latencia de la superficie con la

plataforma, se plantean en la etapa de análisis de resultados.

53

6.2.4 Controlador Motor BLDC

6.2.4.1 KellyController KLS-S

Los controladores de motor programables de Kelly proporcionan controles

eficientes, suaves y silenciosos para motocicletas eléctricas, carros de golf y go-

carts, así como control de motor industrial. Se supone principalmente que resuelve

problemas de ruido de la aplicación de manejo de motores BLDC. El controlador de

motor KLS-S debe basarse en el tipo de sensores Hall. El controlador KLS-S no

admite el motor brushless sin sensores por ahora. Comparado con la tecnología de

control de forma de onda trapezoidal tradicional, esta técnica basada en tecnología

de conducción de onda sinusoidal reduce el ruido de operación y 1/3 de pérdida de

conmutación, que cumple con los requisitos de reducción de ruido y eficiencia en la

aplicación del motor sin escobillas de CC. Utiliza MOSFET de alta potencia y,

SVPWM y FOC para lograr eficiencias de hasta 99% en la mayoría de los casos.

[39]

6.2.4.1.1 Especificaciones

Frequency of Operation: 20KHz.

Standby Battery Current: < 0.5mA.

5V or 12V Sensor Supply Current: 40mA.

Controller supply voltage range: PWR, 18V to 90V for controllers rated equal

or lower than72V.

Supply Current, PWR, 30mA Typical.

Configurable battery voltage range, B+. Max operating range: 18V to

1.25*Nominal Voltage.

Standard Throttle Input: 0-5 Volts (3-wire resistive pot), 1-4 Volts (hall active

throttle).

Throttle Input: 0-5 Volts. Can use 3-wire pot to produce 0-5V signal.

Main Contactor Coil Driver<2A.

Full Power Operating Temperature Range: 0℃ to 70℃ (MOSFET

temperature).

Operating Temperature Range: -40℃to 100℃ (MOSFET temperature).

Max Battery Current :Configurable.[39]

54

6.2.4.1.2 Configuración y Comunicación

En la implementación de este controlador se utilizó el aplicativo para Windows KMC

user app en el cual se puede configurar diferentes parámetros como se muestra a

continuación:

Figura 32. Aplicativo de configuración KellyController[39]

El aplicativo se comunica al controlador por medio de un conversor rs232 to TTL

Para identificar la trama del controlador se utilizó el programa Virtual Serial Port en

donde al crear dos puertos virtuales, se visualiza la trama que el aplicativo envía al

controlador para el enviar sus valores de visualización.

55

Figura 33. Virtual Serial Ports [autores]

Figura 34.Panel de visualización[39]

56

6.2.4.1.3 Implementación del controlador

La implementación del controlador KLS-S está dirigida a controlar Throttle,

Reversing Switch (Reverse and Forward) and Brake Switch.

Los cuales van a ser controlados por:

Throttle: DAC 12 bits.

Reversing Switch (Reverse and Forward): Relays

Brake Switch: Relays

Figura 35. Esquema de conexión Controlador[39]

57

6.2.5 Actuador de Dirección

El actuador de dirección es un stepper cuyas características presentamos a

continuación:

1.6 Voltios para funcionamiento

2.1 Amperios

Step 1.8°

Figura 36. Especificaciones Stepper [autores]

Figura 37. Secuencia máxima velocidad [Autores]

En la implementación de máxima velocidad con una variación de pulsos de 35

milisegundos, y al activarlas bobinas en pares sacrificamos precisión para obtener

velocidad en tiempos de respuesta basado en la rapidez de las ordenes de la

cámara.

6.2.6 Comunicación Can Bus

La implementación de un bus de campo como sistema de trasmisión de datos que

interconecta dispositivos sensores y actuadores de control de manera bidireccional,

58

se obtuvo utilizando la interfaz de comunicación CAN BUS que a diferencia de la

comunicación analógica nos garantiza rapidez y fidelidad en sus datos.[35]

La elección del bus de campo más adecuado depende de varios factores como son

el tamaño de la solución a implementar que depende de la cantidad de dispositivos

que se interconectarán, rapidez a la cual se necesita transmitir los datos según sea

la criticidad del proceso a controlar, costo de implementación, interoperabilidad con

equipamiento y medios de transmisión ya instalados en la empresa, escalabilidad,

entre otros.[40]

El MCP2515-I/SO de Microchip Technology es capaz de transmitir y recibir tramas

de datos en formato estándar y extendido, se conecta con los microcontroladores

(MCUs) mediante una interfaz de periféricos serie (SPI) de estándar industrial.

Algunas de las características de la interfaz Can implementada son:

Longitud de 0-8 bytes en el campo de datos. [41]

Señal de inicio de trama (SOF) disponible para supervisión de la señal SOF.

[41]

Implementa la capa física estándar ISO-11898.[41]

Restablecimiento de encendido y protección de caída de voltaje.[41]

Operación en espera de baja corriente.[41]

Inmunidad a alto ruido debido al bus diferencial.[41]

Operación en espera de baja corriente.[41]

Figura 38. Diagrama de bloques MCP2515 y TJA1050 Interfaz física[41]

59

Las salidas CAN TJA1050 impulsarán una carga mínima de 45Ω, permitiendo

conectar un máximo de 112 nodos (dada una resistencia de entrada diferencial

mínima de 20 kΩ y un valor nominal de resistencia de terminación de 120Ω).

Figura 39. Circuito Implementado Interfaz bus de campo Física[41]

6.2.6.1 Prioridad en el flujo de la comunicación

Se organizó la prioridad en el flujo de comunicación de acuerdo a la importancia de

envió de cada dispositivo, en primer lugar los sensores de habilitación y por último

el control de dirección.

Nombre

……………Inputs

Outputs………....

Procesador de

información

BLCD 0x07

Motor

Stepper

0x15

Pantalla de visualización

0x31

Sensores de

Habilitación 0x55

Orden de

Habilitación - 1

Byte

Procesamiento de

imagen

(Raspberry)

0x155

Orden de

Velocidad - 1 Byte

Orden de

Stepper - 1

Byte

60

Procesador de

información

BLCD 0x555

Sensor Velocidad - 1 Byte

Sensor Dirección - 1 Byte

Sensor Voltaje - 1 Byte

Sensor Corriente - 1 Byte

Control

Motor Stepper

0x6AA

Sensor Stepper - 1 Byte

Tabla 2 Orden de Prioridad Dispositivos

6.2.6.2 Trama Comunicación CAN

Está dividida en dos tipos de tramas extendida y estándar, la primera extendida

diferenciada por un identificador de 29 bits en comparación a la estándar con un

identificador de 11 bits.

Para este proyecto se implementó la versión estándar, a continuación se

desglosara el contenido en bits en la trama.

Nombre del Campo Longitud Información

Inicio de trama 1 bit Inicio.

Campo de arbitraje 12 bits Identificador – Petición de trama remota.

Campo de control 4 bits Longitud de los bytes de información 1- 8.

Campo de Datos 1,2 0 – 64 bits Información.

CRC 15 bits Verificación por redundancia cíclica.

ACK 1 bits Transmisor o Emisor.

Fin de trama 7 bits Fin de trama para espera del siguiente dispositivo.

Tabla 3 Trama Estándar CAN- BUS

En la siguiente figura se visualiza la trama de envío del dispositivo encargado del

procesamiento de imagen.

61

Figura 40 Trama Muestra osciloscopio

6.2.6.2.1 Código de redundancia cíclica

Es un código de verificación, el cual garantiza que el mensaje enviado sea

correcto; dependiente del tipo de comunicación utiliza un polinomio característico

en el caso del CAN-BUS es CR15:

• 15-bit CRC 𝑥15 + 𝑥14 + 𝑥10 + 𝑥8 + 𝑥7 + 𝑥4 + 𝑥3 + 1

• 1100 0101 1001 1001= 0xC599

• Data IN XOR 0xC599

6.2.7 Pantalla LCD

Se realiza la implementación de una pantalla LCD 262K Color Single –Chip TFT

Controller/Driver para la visualización del sistema algunas de las características de

la pantalla son:[42]

Single Chip Display RAM - Capacity: 240x320x18 bit.[42]

Display Features, Partial Display Mode, Resizing Function (x1/2, x1/4).[42]

Support Display Color 65K Color 262K Color 8-color (Idle Mode)[42]

62

Figura 41. Modelo de visualización [Autores]

En la pantalla se visualizan valores de velocidad, voltaje de batería, Amperios,

temperatura y kilómetros recorridos.

63

7 Análisis de Resultados

7.1 Prueba 1. Aceleración máxima

La captura de datos en la plataforma de pruebas se analizó los tiempos de respuesta

en aceleración y frenado.

Para calcular la aceleración se utilizó la siguiente ecuación:

𝑎 =∆𝑉

∆𝑡 (6)

𝑎 =𝑉𝑓−𝑉𝑖

𝑡𝑓−𝑡𝑖 (7)

𝑎 = Aceleración

𝑉𝑓 = Velocidad final

𝑉𝑖 = Velocidad inicial

𝑡𝑓 = Tiempo final

𝑡𝑖 = Tiempo inicial

Para la captura de datos se empleó un test por comunicación Modbus con la

facilidad de exportar los datos a un Excel y analizar su respuesta. En el análisis de

datos se toma una cantidad de muestras cada 27 ms y se comparan tiempos de

aceleración y de frenado.

Grafica 1 Aceleración máxima y frenado [Autores]

0

5

10

15

20

25

30

35

40

45

1

20

39

58

77

96

11

5

13

4

15

3

17

2

19

1

21

0

22

9

24

8

26

7

28

6

30

5

32

4

34

3

36

2

38

1

40

0

41

9

43

8

45

7

47

6

49

5

Vel

oci

dad

Muestras c/da 27ms

Aceleracion Máxima y Frenado

64

En esta prueba la mano ejecuto un movimiento rápido buscando la aceleración

máxima, la cantidad de muestras para alcanzar la velocidad máxima fue de 19

equivalente a 513 ms.

En esa misma prueba analizamos el comportamiento de voltaje y corriente en las

baterías.

Grafica 2. Batería Aceleración máxima [Autores]

En el punto de aceleración máxima las baterías disminuyen un 12%

aproximadamente de su capacidad máxima.

Grafica 3 Corriente - Aceleración Máxima [Autores]

38

39

40

41

42

43

4445

46

47

481

23

45

67

89

11

1

13

3

15

5

17

7

19

9

22

1

24

3

26

5

28

7

30

9

33

1

35

3

37

5

39

7

41

9

44

1

46

3

48

5

Vo

ltja

e V

N° Muestras

Bateria

0

2

4

6

8

10

12

14

16

18

1

24

47

70

93

11

6

13

9

16

2

18

5

20

8

23

1

25

4

27

7

30

0

32

3

34

6

36

9

39

2

41

5

43

8

46

1

48

4

Am

p

N° Muestras

Corriente

65

Un primer pico es en el instante de aceleración máxima, pero en el momento de

freno alcanza su máximo consumo (16A).

7.2 Prueba 2. Aceleración Gradual Durante esta prueba se aceleró gradualmente hasta llegar a su máxima velocidad

en un tiempo de 10 segundos a una aceleración promedio de 4𝑘𝑚

𝑠2.

Grafica 4 Aceleración Gradual [Autores]

Grafica 5 Voltaje - Aceleración Gradual [Autores]

0

5

10

15

20

25

30

35

40

45

1

19

37

55

73

91

10

9

12

7

14

5

16

3

18

1

19

9

21

7

23

5

25

3

27

1

28

9

30

7

32

5

34

3

36

1

37

9

39

7

41

5

43

3

45

1

46

9

48

7

Vel

oci

dad

N° Muestras

Aceleracion Gradual

42.5

43

43.5

44

44.5

45

45.5

46

46.5

47

47.5

1

19

37

55

73

91

10

9

12

7

14

5

16

3

18

1

19

9

21

7

23

5

25

3

27

1

28

9

30

7

32

5

34

3

36

1

37

9

39

7

41

5

43

3

45

1

46

9

48

7

Vo

ltaj

e

N° Muestras

Voltaje Baterias

66

Grafica 6 Corriente - Aceleración Gradual [Autores]

7.3 Prueba 3. Marcha adelante con Frenado (Trazabilidad)

Se recopilo datos de tres pruebas las cuales consistían en acelerar gradualmente

y frenar en su máxima velocidad.

Grafica 7 Velocidad Trazabilidad [Autores]

0

2

4

6

8

10

12

14

16

18

1

20

39

58

77

96

11

5

13

4

15

3

17

2

19

1

21

0

22

9

24

8

26

7

28

6

30

5

32

4

34

3

36

2

38

1

40

0

41

9

43

8

45

7

47

6

49

5

Am

per

ios

N° Muestras

Corriente

0

510

1520

2530

3540

45

1

27

53

79

10

5

13

1

15

7

18

3

20

9

23

5

26

1

28

7

31

3

33

9

36

5

39

1

41

7

44

3

46

9

49

5

52

1

54

7

57

3

59

9

62

5

65

1

67

7

Vel

oci

dad

N° Muestras

Velocidad

Prueba 1 Prueba 2 Prueba 3

67

Grafica 8 Voltaje Trazabilidad [Autores]

Grafica 9 Corriente Trazabilidad [Autores]

En la anterior grafica se visualiza el consumo de corriente en tres pruebas de

frenado, las cuales promedian un tiempo de 3.214 segundos; en la siguiente tabla

se señala los errores en relación al promedio.

Tabla 4 Error [Autores]

Frenado 1 Frenado 2 Frenado 3 Prom

3,564 2.565 3,514 3,214

10.88% 20.19% 9.33%

40

42

44

46

48

50

1

27

53

79

10

5

13

1

15

7

18

3

20

9

23

5

26

1

28

7

31

3

33

9

36

5

39

1

41

7

44

3

46

9

49

5

52

1

54

7

57

3

59

9

62

5

65

1

67

7

Vo

ltaj

e

N° Muestras

Voltaje

Prueba 1 Prueba 2 Prueba 3

0

5

10

15

20

1

27

53

79

10

5

13

1

15

7

18

3

20

9

23

5

26

1

28

7

31

3

33

9

36

5

39

1

41

7

44

3

46

9

49

5

52

1

54

7

57

3

59

9

62

5

65

1

67

7

70

3

Am

p

N° Muestras

Corriente

Series1 Series2 Series3

68

7.4 Prueba 4. Estabilidad en Velocidad (Trazabilidad)

Estas tres pruebas buscaron llegar a una velocidad determinada y mantenerla en

algún lapso de tiempo en este caso 27 segundos.

Grafica 10 Prueba Velocidad 1 [Autores]

En la primera prueba de 10 Km/h, se alcanzó dicha velocidad a los 7.8 Segundos

y ahí teniendo un promedio de 10.0555 km/h

Calculando el error porcentual:

𝐸𝑝 =𝑉𝑟−𝑉𝑐

𝑉𝑟× 100 (8)

𝐸𝑝 =|10−10,0555|

10× 100 = 0,555% (9)

0

2

4

6

8

10

12

1

47

93

13

9

18

5

23

1

27

7

32

3

36

9

41

5

46

1

50

7

55

3

59

9

64

5

69

1

73

7

78

3

82

9

87

5

92

1

96

7

Vel

oci

dad

N° Muestras

Estabilidad Velocidad 10 km/h

69

Grafica 11 Prueba Velocidad 2 [Autores]

En la segunda prueba de 11 Km/h, se alcanzó dicha velocidad a los 5.157

Segundos y ahí teniendo un promedio de 11.01842 km/h

Calculando el error porcentual:

𝐸𝑝 =|11−11,01842|

11× 100 = 0,167454% (10)

Grafica 12 Prueba Velocidad 3 [Autores]

0

2

4

6

8

10

12

14

1

39

77

11

5

15

3

19

1

22

9

26

7

30

5

34

3

38

1

41

9

45

7

49

5

53

3

57

1

60

9

64

7

68

5

72

3

76

1

79

9

83

7

87

5

91

3

95

1

98

9

Vel

oci

dad

N° Muestras

Estabilidad Velocidad 11Km/h

0

2

4

6

8

10

12

14

16

1

39

77

11

5

15

3

19

1

22

9

26

7

30

5

34

3

38

1

41

9

45

7

49

5

53

3

57

1

60

9

64

7

68

5

72

3

76

1

79

9

83

7

87

5

91

3

95

1

98

9

Vel

oci

dad

ad

N° Muestras

Estabilidad de velocidad 12km/h

70

En la tercera prueba de 12 Km/h, se alcanzó dicha velocidad a los 12.528 segundos

y ahí teniendo un promedio de 12.02 km/.

Calculando el error porcentual:

𝐸𝑝 =|12−12,02|

12× 100 = 0,16666% (11)

7.5 Captura de Imagen

Las pruebas de funcionamiento de la superficie de conducción en la detección del posicionamiento de la mano se llevan a cabo en una Raspberry pi 3 con sistema operativo Raspbian en el lenguaje Python, la detección de contornos, variando la forma de la mano, muestra que, si la mano está cerrada, el contorno tiene mejor estabilidad que con la mano abierta o con los dedos separados.

Figura 42. Detección mano cerrada [Autores]

La mano abierta, puede dispersar el dato y generar error en la detección del

contorno.

71

Figura 43. Detección mano abierta [Autores]

La detección del contorno de una mano totalmente abierta (dedos separados) si no

se tiene en cuenta la información de los sensores de infrarrojo, tiende a detectar

varios contornos provocando un salto entre las puntas de los dedos. En caso de que

el dedo medio pierda morfología a causa de sombra provocada (factores externos)

se presenta cuando los nudillos están levantados.

Figura 44. Detección mano abierta (dedos separados) [Autores]

72

El contorno detectado en la figura anterior, puede generar salto si el dedo medio se

recoge y queda al mismo nivel del dedo índice o anular, generando conflicto en la

adecuada orden de dirección.

Por otro lado, las dimensiones de la superficie permiten que la mano este en un

estado en reposo, a partir de las deficiencias en las articulaciones, se caracteriza

por dedos recogidos o dorso con alteraciones de nivel causados por la artritis

degenerativa.

Este tipo de usuarios que presentan artritis degenerativa, las características son

desviaciones e hinchazón en articulaciones de dedos y nudillos.

Figura 45. Detección mano con dedos parcialmente recogidos [Autores]

En este caso, la detección del contorno es estable y es viable en el uso de personas

afectadas por alteraciones morfológicas en sus manos. Causadas por la artritis

degenerativa que es un caso especial ya que se ve alterada la morfología normal

de las manos.

Por otro lado, el uso de accesorios como anillos no afectaría la correcta detección,

otros elementos como guantes estarían sujeto a la textura del material.

73

7.5.1 Análisis de Fallos

El inicio de la conducción debe considerar algunos escenarios predecibles con el fin

de mitigar errores humanos en el momento de usar la plataforma y aproximarse a

la implementación de un vehículo eléctrico real.

Escenario Solución Planteada

1 El usuario pone la mano

por error

Rutina de inicio de la conducción, detección por el primer infrarrojo, espera un tiempo e iniciar con un movimiento suave.

2 La rueda está a gran velocidad y se alza la mano repentinamente

Frenado asistido.

3 Temblor Determinar umbral de variación según el usuario

4 mano quieta por tiempo

prolongado

notificar por un tiempo, movimiento suave hacia atrás

5 Giros repentinos Rutina gradual del ángulo.

6 movimientos aleatorios Frenado asistido, rutina inicio de conducción.

7 Desbordamiento en

Aceleración

Zona de frenado suave (extremo de la superficie) y reinicio de rutina.

Tabla 5. Escenarios posibles fallos [Autores].

En la etapa del desarrollo del sistema prototipo es importante plantear los posibles

fallos, con el fin de analizar la viabilidad en un vehículo real.

7.6 Resolución Pixeles vs DAC En las pruebas de aceleración y frenado, el controlador empleado tiene la variación

de throttle de 0-5 V, el inicio de movimiento de rueda es a partir de 1 V, perdiendo

resolución si se configura a la velocidad máxima del controlador.

74

El DAC tiene una resolución de 12 bits y el rango en eje x es de 400 pixeles aprox.

(omitiendo el área del desbordamiento), la caracterización máxima si se tomaran

los 400 pixeles.

𝑅𝑒𝑠 =212

400=

4096

400= 10.24

En relación de 0-5V

𝑣 =5

4096= 0.001220703125

𝑅𝑒𝑠𝑣 = 0.001220703125 ∗ 10.24 = 12.5 𝑚𝑉

12.5 mV es el rango de variación en un umbral de 400 pixeles (máximo)

Si planteamos un rango de pixeles menores, dependiendo del rango de movilidad

del usuario, se plantea:

Pixeles DAC 2^12 Res_Voltaje (V)

400 4096 0.0125

350 4096 0.014285714

300 4096 0.016666667

250 4096 0.02

200 4096 0.025

150 4096 0.033333333

100 4096 0.05

50 4096 0.1

Tabla 6. Pixeles vs Voltaje throttle [Autores].

200 pixeles son 7.2 cm aprox. de rango de movilidad y a una variación de 20 mV

por pixel, es aceptable en la implementación a rangos máximos en el controlador.

Por otro lado, rangos de movilidad menores a 6 cm (180 pixeles aprox.) es necesario

caracterizar los valores de velocidad máxima en el controlador por su baja

resolución en la salida del DAC.

75

7.7 Características y Análisis

7.7.1 Plataforma de pruebas motor eléctrico pruebas de velocidad y

Frenado

Figura 46 Plataforma de pruebas [Autores]

La plataforma de pruebas fue implementada de manera que resistiera una máxima

aceleraciones motor sin dañar la estructura de la máquina; es peso absoluto es de

aproximada mente 170 kilogramos.

7.7.2 Sistema de dirección con Stepper Motor

Figura 48. Sistema de dirección con Stepper Motor [Autores]

El sistema de dirección con su actuador Stepper motor en pasos de 1.8° cumplió la

necesidad en velocidad y resolución de ángulo que requería el sistema para un

correcto funcionamiento.

76

8 Conclusiones

El desarrollo de un dispositivo que permita reemplazar los métodos de conducción

convencional en vehículos eléctricos genero un gran impacto ya que el proyecto va

a dirigido a personas con poca fuerza y movilidad en las manos, lo cual requería un

método de conducción el cual no necesitara una fuerza mínima especifica ni un

movimiento extenso de las extremidades superiores.

El procesamiento de imagen y lo sensores infrarrojos modulados como principal

método de interacción con el usuario genero confiabilidad a la hora de verificar

errores o situaciones ajenas en la que la maquina podía generar acciones

incorrectas sobre los actuadores. En escenarios con cambios de luz repentina el

procesamiento de imágenes juega un papel importante si la latencia en los datos es

alta, es necesario mejorar los recursos del dispositivo de procesamiento, en este

caso la Raspberry.

Por otro lado, la resolución de la imagen en la detección de contornos es suficiente

en esta aplicación, es viable disminuir la resolución hasta 320x240.

Así mismo la implementación de un método de comunicación robusta como lo es el

Can bus en donde el principal objetivo es garantizar una fiabilidad de los datos

evitando alguna lectura errónea u orden equivoca y la practicidad de conectar

múltiples periféricos al bus de campo.

Ahora en la línea energética de los automóviles eléctricos la recopilación de

consumo versus tiempo con el fin de garantizar y evidenciar la vida útil con este tipo

de controladores. Esto ya implementado en un vehiculó real. Hace un seguimiento

riguroso a los parámetros y poder aprovechar de una forma eficiente el consumo

energético y así optimizar la vida útil de las baterías. Por otro lado, El

dimensionamiento del motor paso a paso en el control de giro, se debe analizar la

viabilidad en un vehículo eléctrico real de gran dimensión por su consumo.

77

9 Bibliografía

[1] Cuenta de Alto Costo, “Situación de la Artritis Reumatoide en Colombia 2016.” pp. 1–84, 2016.

[2] I. Can, “¿Puedo conducir un automóvil, doctor? Evaluación para el manejo de automóviles en personas con discapacidad y su importancia en la rehabilitación,” pp. 243–250, 2010.

[3] J. Dols and E. Mirabet, “muscular requerida para la conducción de vehículos automóviles Análisis experimental de los rangos de movilidad articular y fuerza muscular requerida para la conducción de vehículos automóviles,” no. January, 2008.

[4] R. Ceres et al., “No Title.”

[5] D. C. Bogotá, “Sistema de información en tecnología de,” vol. 3, no. 1, pp. 17–24, 2005.

[6] C. O. N. Movilidad, R. En, and A. Piernas, “DISEÑO E INSTALACIÓN DE UN SISTEMA DE ASISTENCIA A MANUAL A FIN DE ASISTIR A PERSONAS DISCAPACITADAS Introducción,” pp. 1–10.

[7] A. Baquero and C. Juan, “DEPARTAMENTO DE ENERGÍA Y MECÁNICA,” 2014.

[8] J. Freire, “ESTUDIO DE MECANISMO QUE FACILITE EL INGRESO Y LA SALIDA DE PERSONAS DISCAPACITADAS EN AUTOMOVILES TIPO COUPE,” 2011.

[9] C. D. E. Ingeniería and M. Automotriz, “Diseño, construcción e implementación de un sistema electroneumático para el inflado de los neumáticos para la conducción por personas con capacidades diferentes - parapléjicas.”

[10] F. Calero and M. Javier, “Sistema avanzado de asistencia a la conducción mediante visión por computador para la detección de la somnolencia,” 2009.

[11] Y. Koo, J. Kim, and W. Han, “A Method for Driving Control Authority Transition for Cooperative Autonomous Vehicle,” no. Iv, pp. 394–399, 2015.

[12] T. Lee, H. Chiang, J. Perng, J. Jiang, and B. Wu, “Multi-sensor

78

Information Integration on DSP Platform for Vehicle Navigation Safety and Driving Aid,” pp. 653–658, 2009.

[13] R. Ishizaki, M. Morimoto, and K. Fujii, “An Evaluation Method of Driving Behavior by In-Vehicle Data Camera,” vol. 2, 2012.

[14] R. Waregaonkar and A. R. P. M. B, “Development of Prototype for Vehicle Speed Measurement,” 2017.

[15] O. Kumtepe, “Driver Aggressiveness Detection Using Visual Information from Forward Camera,” no. 1.

[16] J. Minguez, “Silla de Ruedas Inteligente Controlada por Voz,” no. March, 2006.

[17] P. G. Pinheiro and E. Cardozo, “The Wheelie - A Facial Expression Controlled Wheelchair Using 3D Technology .,” pp. 1–6, 2017.

[18] P. Khelbude, “Real Time Iris Controlled Robot,” pp. 0–3, 2016.

[19] J. Sharma, “Iris Movement Based Wheel Chair Control Using Raspberry Pi - A State of Art School of Electronics Engineering School of Electronics Engineering,” pp. 1–5, 2017.

[20] J. Dols and E. Mirabet, “muscular requerida para la conducción de vehículos automóviles Análisis experimental de los rangos de movilidad articular y fuerza muscular requerida para la conducción de vehículos automóviles,” no. October 2014, 2008.

[21] U. 26450-95, “Vehículos de Carretera. Características Técnicas de un Vehículo que va a ser conducido por un discapacitado físico. Comité Técnico de Normalización de Vehículos de Carretera,” 1995.

[22] B. Peters, “Spinal cord injuries and driving,” Statens väg-och Transp., p. 36, 1998.

[23] J. Dols, J. F., Ordeig, I., Zafra, J. M., & Pardo, “Optimización del proceso español de evaluación funcional de conductores discapacitados mediante el uso de simuladores de conducción,” Congr. Int. Iberoam. IBERDISCAP, 2000.

[24] B. Peters, “A framework for evaluating adapted passenger cars for drivers with physical disabilities.,” 2005.

79

[25] C. Platero, “Apuntes de Visión Artificial,” Departamento de Electrónica, Automática e Informática Industrial, 2009. .

[26] Albert, Nogué, Jordi and Antiga, “Aplicación práctica de la visíon artificial en el control de procesos industriales.,” Gobierno de España (Ministerio de Educación), 2012. .

[27] V. Arevalo, J. González, and G. Ambrosio, “La Librería de Visión Artificial OpenCV. Aplicación a la Docencia e Investigación,” pp. 61–64, 2004.

[28] J. González Barahona, P. Joaquín Seoane, and R. Gregorio, “Introducción al software libre,” Barcelona Fund. per a la Univ. Oberta Catalunya, 2003.

[29] M. L. Salcedo Tovar, “Minicomputador educacional de bajo costo raspberry pi: primera parte,” Rev. Ethos Venez., pp. 28–45, 2015.

[30] Yedamale and Padmaraja, “Brushless DC (BLDC) motor fundamentals,” Microchip Technology Inc 20, 2003. .

[31] Sociedad de Técnicos de Automoción, “El Vehículo Eléctrico. Desafíos tecnológicos, infraestructuras y oportunidades de negocio,” in Librooks, 2011.

[32] J. Galvis and J. Madrid, “Sistema de control difuso para motor de corriente continua sin escobillas (BLDC) sobre hardware embebido,” Tekhnê, vol. 13, no. 2, pp. 43–48, 2016.

[33] M. Duro López, “Modelado y simulación del funcionamiento y control de un motor BLDC,” 2017.

[34] R. Tolrá, “Técnicas de control para motores Brushless, Comparativa entre conmutación Trapezoidal, conmutación Sinusoidal y Control Vectorial,” 2013.

[35] C. A. Serna, “Buses de campo y protocolos en redes industriales,” Vent. Informática, p. 25, 2013.

[36] J. Márquez Díaz and S. Pardo Sánchez, Katherine Pizarro Valencia, “Ethernet: Su origen, funcionamiento y rendimiento,” Rev. Científica Ing. y Desarro. 9.9, pp. 22–34, 2011.

[37] J. Santamarta, “El futuro del automóvil es eléctrico,” Técnica Ind., vol. 281, pp. 26–35, 2009.

80

[38] C. Peña Ordoñez, “Estudio de baterías para vehículos eléctricos. BS thesis,” Batter. Manag. Syst., 2011.

[39] Kelly Controllers, “Kelly KBL Brushless Motor Controller User ’ s Manual,” p. 12, 2012.

[40] P. Julio and P. Romero, “Redes y Buses de Campo,” 2005.

[41] Microchip Technology Inc., “MCP2551 CAN Transceiver,” Communication, pp. 1–24, 2010.

[42] C. Single and C. T. F. T. Controller, “262K Color Single –Chip TFT Controller/Driver 1. Introduction.”