Instituto Politécnico

Nacional
Unidad Profesional Interdisciplinaria de Ingenierías
y Tecnologías Avanzadas

Ingeniería Mecatrónica

Practica 1

Análisis de posición mecanismo de 2 GDL. (Cinemática

Directa y Cinemática Inversa)

Análisis y síntesis de mecanismos

Profesor: Juan Alejandro Flores Campos

Grupo: 2MM1

Equipo 9:

Delgado Reyes Alfonso Alberto

Sánchez García José Carlos

Ronzón González Luis Esteban

Vergara Coronel Luis Francisco

19 de febrero de 2016
Índice

Objetivo general ------------------------------------------------------------------ 2

Objetivos Particulares ---------------------------------------------------- 2
Marco Teórico ---------------------------------------------------------------- 3
Método de Newton Raphson ----------------------------------------- 3
Criterios de paro -------------------------------------------------------- 7
Umbral ---------------------------------------------------------------- 7
Iteración ---------------------------------------------------------------- 8
Procedimiento ---------------------------------------------------------------- 10
Cuestionario ---------------------------------------------------------------- 14
Aplicaciones ---------------------------------------------------------------- 16
Conclusiones ---------------------------------------------------------------- 17
Bibliografía ------------------------------------------------------------------------ 18
Objetivo general
 Obtener el modelo cinemático (Ecuación de Lazo) apoyándose en métodos
matemáticos para resolver la cinemática directa e inversa del mecanismo de cadena
cinemática abierta de 2 GDL.

Objetivos particulares
 Familiarizarse con el entorno IDE de trabajo del software de cálculo simbólico
for

 Utilizar el método de Algebra Compleja y Método Analítico para plantear el sistema

de ecuaciones que describe la posición de mecanismos de cadena cinemática
cerrada y abierta.

 Implementar el Método de New

para resolver la ecuación cinemática (Ecuación de Lazo).

 Comparar los resultados obtenidos del código desarrollado contra los resultados
obtenidos utilizando el comando FindRoot [ .

 Obtener la solución simbólica de la ecuación cinemática utilizando el comando

Solve [], nativo de Mathematica 10.0.
 Marco teórico
Método de Newton Raphson

Es un método numérico iterativo que nos permite aproximar la solución de un sistema de

ecuaciones no lineal. Es decir, determinar el valor de la raíz 𝑥 que satisfaga la ecuación:

𝐹(𝑥) = 0

Donde:

𝐹(𝑥) ∈ 𝑅 𝑚 Representa un vector de funciones no lineal.

𝑥 ∈ 𝑅𝑛 Representa un vector de incógnitas.

0 ∈ 𝑅𝑛 Representa el vector nulo aditivo.

En la imagen siguiente, podemos ver de manera gráfica lo que representa el método de

Newton Raphson, donde dada una función (la curva en azul) se quiere conocer su solución o
raíz. Para encontrar esta solución, debemos iniciar con la proposición de un punto 𝑥𝑛 este
punto se selecciona por el usuario (este punto
puede estar muy cercano a la raíz
dependiendo de la experiencia y habilidad de
quien lo propone) y se evalúa en la función,
se traza una recta que sea tangente a la curva
en este punto, posteriormente analizamos el
punto donde esta recta corta el eje 𝑥 que en
la gráfica se muestra como 𝑥𝑛+1 y cómo
podemos ver claramente este punto no es una Imagen 1.
raíz de la curva, por lo que analizaremos el
error para modificar el valor del punto 𝑥𝑛
hasta que el error entre 𝑥𝑛+1 y 𝑥 sea
aceptable.

La evolución de este procedimiento puede verse en la imagen 2, al iniciar con un el punto 𝑥0

y evaluarlo en la curva determinada por 𝑦 = 𝑓(𝑥) se traza la recta tangente a este punto, el
la gráfica se muestra como Tangente 1 como podemos ver esta grafica el error es muy grande
por lo que se evalúa ahora el punto 𝑥1 y se traza una nueva recta tangente llamada Tangente
2, esta recta cruza el eje 𝑥 en 𝑥2 y cómo podemos ver el error se redujo significativamente,
 Imagen 2.
si continuamos con estas iteraciones evidentemente nos aproximaremos a un valor muy
cercano a la solución de la función.

Lo anterior por expresado con las gráficas nos sirve de ayuda para poder entender mejor el
procedimiento analítico del método de Newton Raphson que continuaremos describiendo a
continuación.

La fórmula de Newton Raphson se deduce a partir de la fórmula de la pendiente de una recta

𝑦 −𝑦
𝑚 = 𝑥2 −𝑥1 o lo que es igual:
2 1

𝑓(𝑥2 ) − 𝑓(𝑥1 )
𝑚=
𝑥2 − 𝑥1

Si suponemos que 𝑥2 es una solución, 𝑓(𝑥2 ) = 0, asi:

𝑓(𝑥2 ) − 𝑓(𝑥1 ) 𝑓(𝑥𝑖+1 ) − 𝑓(𝑥𝑖 ) 0 − 𝑓(𝑥𝑖 )

𝑚= = =
𝑥2 − 𝑥1 𝑥𝑖+1 − 𝑥𝑖 𝑥𝑖+1 − 𝑥𝑖

𝑓(𝑥𝑖 ) 𝑓(𝑥𝑖 )
𝑥𝑖+1 = 𝑥𝑖 − → 𝑥𝑖+1 = 𝑥𝑖 −
𝑚 𝑓´(𝑥𝑖 )

La expresión anterior podemos reescribirla como:

𝑥 = 𝑥0 + ∆𝑥

Donde:

𝑥0 Es el vector estimado.
∆𝑥 Es un factor de corrección a calcular.
Como podemos ver en la ecuación para este método es necesario partir de una estimación
inicial a la solución que llamaremos 𝑥0 y a partir de esta construiremos una aproximación
mejor.

Par continuar, debemos hacer primero un análisis a la serie de Taylor la cual será muy útil
para determinar el factor de corrección ∆𝑥.

La serie de Taylor es un fundamento matemático muy importante para manejar y formular

métodos numéricos que se basan en la aproximación de funciones por medio de polinomios.
Este método numérico puede llegar a ser muy exacto dependiendo del grado del polinomio
que deseemos obtener, claro que esta exactitud puede llegar a ser de este método un poco
tedioso (en el aspecto de repetir muchas operaciones) y llevarnos cierto tiempo en resolverlo.
Para este documento nos limitaremos a la serie truncada de Taylor en el término de segundo
orden que es lo que necesitamos para continuar con el desarrollo del método de Newton
Raphson el cual es el objeto de este documento, esto a su vez reducirá el tiempo que
tomaremos en el desarrollo de la serie de Taylor al no extendernos con un polinomio de un
grado mayor.

Se aproxima la función con una serie de Taylor truncada en el término de segundo orden:

𝑓(𝑥𝑖+1 ) = 𝑓(𝑥𝑖 ) + 𝑓´(𝑥𝑖 )(𝑥𝑖+1 − 𝑥𝑖 ) = 0

Sea 𝑥𝑖+1 − 𝑥𝑖 = ∆𝑥
𝑓(𝑥𝑖+1 ) = 𝑓(𝑥𝑖 ) + 𝑓´(𝑥𝑖 )∆𝑥 = 0

Desarrollando la última ecuación para un sistema de ecuaciones no lineales como el

siguiente:

𝐹(𝑥) = [𝑓1 𝑓2 𝑓3 𝑓4 ] ∈ 𝑅 4

𝑥 = [𝑃1 𝑃2 𝑄1 𝑄2 ] ∈ 𝑅 4

La serie de Taylor truncada en el término de segundo orden queda expresada de la siguiente

forma:

𝜕𝑓1 𝜕𝑓1 𝜕𝑓1 𝜕𝑓1

𝑓1 (𝑥) = 𝑓1 (𝑥0 ) + | ∆𝑃1 + | ∆𝑃2 + | ∆𝑄1 + | ∆𝑄
𝜕𝑃1 𝑥0 𝜕𝑃2 𝑥0 𝜕𝑄1 𝑥0 𝜕𝑄2 𝑥0 2

𝜕𝑓2 𝜕𝑓2 𝜕𝑓2 𝜕𝑓2

𝑓2 (𝑥) = 𝑓2 (𝑥0 ) + | ∆𝑃1 + | ∆𝑃2 + | ∆𝑄1 + | ∆𝑄
𝜕𝑃1 𝑥0 𝜕𝑃2 𝑥0 𝜕𝑄1 𝑥0 𝜕𝑄2 𝑥0 2

𝜕𝑓3 𝜕𝑓3 𝜕𝑓3 𝜕𝑓3

𝑓3 (𝑥) = 𝑓3 (𝑥0 ) + | ∆𝑃1 + | ∆𝑃2 + | ∆𝑄1 + | ∆𝑄
𝜕𝑃1 𝑥0 𝜕𝑃2 𝑥0 𝜕𝑄1 𝑥0 𝜕𝑄2 𝑥0 2
 𝜕𝑓4 𝜕𝑓4 𝜕𝑓4 𝜕𝑓4
𝑓4 (𝑥) = 𝑓4 (𝑥0 ) + | ∆𝑃1 + | ∆𝑃2 + | ∆𝑄1 + | ∆𝑄
𝜕𝑃1 𝑥0 𝜕𝑃2 𝑥0 𝜕𝑄1 𝑥0 𝜕𝑄2 𝑥0 2

Lo anterior podemos reducirlo usando el Jacobiano como:

𝐹(𝑥) = 𝐹(𝑥0 ) + [𝐽(𝑥)]∆𝑥

Y despejando a ∆𝑥 (factor de corrección) tenemos:

∆𝑥 = −[𝐽(𝑥)]−1 𝐹(𝑥0 )

Ahora que por medio de una serie truncada de Taylor hemos obtenido el factor de corrección
podemos reescribir la ecuación planteada al comienzo de este documento:

𝑥 = 𝑥0 + ∆𝑥

Como:

𝑥 = 𝑥0 − [𝐽(𝑥)]−1 𝐹(𝑥0 )

De esta manera solo resta definir el número de iteraciones que realizaremos antes de obtener
nuestra aproximación a la solución o algún porcentaje de error que nos sirva como criterio
de paro.

En resumen para el método de Newton Raphson debemos:

1) Estimar una solución 𝑥0 con base en la experiencia o algún método gráfico.

2) Calcular el factor de corrección ∆𝑥 = −[𝐽(𝑥)]−1 𝐹(𝑥0 ).
3) Sumar el valor estimado con el factor de corrección y verificar si se ha llegado a la
solución, si no es así, el resultado de esta suma se tomara como el valor estimado
para la siguiente iteración.

Criterios de paro

Cuando se utilizan esquemas iterativos para estimar las raíces de una ecuación, es necesario
establecer algún tipo de condición que, al ser satisfecha, detenga al algoritmo. Las
condiciones más comunes son las siguientes:

1. Si |𝑥𝑛+1 −𝑥𝑛| es lo suficientemente pequeño: Si el valor absoluto de dos iteraciones

consecutivas redondeadas concuerda con el mismo número de decimales, entonces 𝑥𝑛+1, la
última iteración, es correcta en esos decimales.
2. Si | (𝑥𝑛)| es lo suficientemente pequeño para algún 𝑥𝑛: Se desea encontrar el valor de 𝑥
que haga 𝑓 (𝑥) = 0, por lo que si 𝑓(𝑥) es lo suficientemente pequeño, entonces se está cerca
de la raíz. 3. Se completa un cierto número de iteraciones. 4. Si 𝑓′(𝑥) = 0: Esto sucede cuando
el método localizó un punto de inflexión en la función.

Umbral: Es el valor más bajo o pequeño de una magnitud que puede generar un cierto efecto.
En otro sentido, el umbral es la cantidad más reducida de una señal que tiene que existir para
que sea advertida por un sistema. La noción de umbral está vinculada a las posibilidades
físicas de la sensibilidad. El umbral queda determinado como el nivel más reducido de la
intensidad de un estímulo que cuenta con un cincuenta por ciento de probabilidades de ser
registrado. Cuando el estímulo alcanza a transmitir un impulso nervioso, se considera el
umbral.

Iteración: El concepto suele utilizarse para dar nombre al acto de reiterar varias veces
determinados pasos. En el ámbito de la matemática, una función iterada es aquélla que se
compone de sí misma. Una función compuesta, por otra parte, se logra a partir de la
aplicación sucesiva de otras funciones. Esto quiere decir que la iteración de una función
constituye la creación de una función compuesta a partir de la repetición de la propia función.
Las funciones iteradas son estudiadas en el ámbito de los sistemas dinámicos (aquellos
sistemas complejos que presentan alteraciones de su estado según los límites, los elementos
y las relaciones) y de los fractales (los objetos semigeométricos cuya estructura se repite a
diferentes escalas). La matemática también habla de métodos iterativos que resultan útiles
para resolver problemas por medio de aproximaciones sucesivas a la solución, partiendo
desde una estimación inicial. Este tipo de estrategias pueden ser más útiles que los métodos
directos para resolver problemas con miles o millones de variables. Para la programación,
por su parte, la iteración consiste en reiterar un conjunto de instrucciones o acciones con uno
o varios objetivos. Para citar un ejemplo, muchas páginas web están preparadas para
adaptarse a cambios en su estructura, tales como alteraciones estéticas o del número de
secciones accesibles, cuyos enlaces se muestran en forma de pestañas; en este último caso,
si se utiliza una iteración para colocar una por una y se pide una verificación, los
desarrolladores pueden activar y desactivar cada elemento de acuerdo a sus necesidades, sin
provocar un error en el momento de carga.

Ahondando más en el caso anterior, es posible valerse de un bucle (estructura diseñada para
establecer una iteración) e indicarle el número de la primera pestaña, así como el de la última,
para que las recorra una a una. Dentro de él, se debería condicionar la muestra de los
elementos, preguntando si se encuentran disponibles; en caso afirmativo, se pasaría a calcular
su posición, la cual (en este modelo de página) será siempre relativa. Contrariamente, si dicha
sección hubiera sido desactivada, se procedería a comprobar la siguiente, siempre que no se
hubiera alcanzado el límite máximo. Cabe mencionar que en informática se asocia una
iteración con los términos bucle y estructura de control, que hacen referencia a las palabras
reservadas while y for, entre otras. Básicamente, se suele establecer una condición que se
debe cumplir para que las líneas de código dentro de dichos bucles se ejecuten. Sin embargo,
en muchos casos es necesario realizar al menos una vez dichas acciones antes de la
comprobación, para lo cual se usa un modelo diferente, contemplado en algunos lenguajes
con estructuras como do while. En pocas palabras, y completando el ejemplo de las secciones,
si los desarrolladores están seguros de que al menos una pestaña deberá mostrarse siempre,
tiene la posibilidad de calcular su posición y luego pasar a comprobar (por medio de la
iteración) si hay otras disponibles.
 Procedimiento
Se desarrolló un mecanismo de dos grados de libertad ene le software Working Model (se
adjunta el archivo de Working Model a este documento), teniendo como medidas el primer
eslabón 0.25m x 4.5m y el segundo 0.25m x 4.5m, se unieron y anclaron a un eje coordenado.

Posteriormente para el desarrollo del método por cinemática directa se estableció un ángulo
para rotar cada elemento y obtener la posición final del mecanismo, esto con la finalidad de
generar una referencia para comparar con los datos obtenidos el software Mathematica. Los
ángulos se propusieron como 𝜃1 = 36° 𝑦 𝜃2 = 30° haciendo la debida conversión a radianes
para el primero y segundo eslabón respectivamente. Al hacer esto, el software nos
proporciona la posición del mecanismo como (5.064, 5.842) m.

Imagen 3. Simulación del mecanismo en Working Model. Puede apreciarse la posición (5.064, 5.842)

Una vez desarrollado el mecanismo en Working Model se prosiguió con la obtención de las
ecuaciones de lazo, tal como se había realizado con anterioridad en clase, para después
programarlas en Mathematica (los archivos con la simulación en Mathematica así como la
solución de los sistemas se adjuntan a este documento) para la solución del sistema de
cinemática directa, donde el resultado obtenido fue (50.6415, 58.4244)× 10−1 𝑚 que al
convertir este resultado a metros obtenemos (5.06415, 5.84244)m, que como se muestra en
la imagen al compararlo con la simulación en Working Model vemos la similitud en
resultados así como la precisión del método utilizado en Mathematica.

Imagen 4. Simulación del mecanismo en Mathematica donde puede apreciarse la posición (5.064,
5.842)

Para la cinemática inversa del mecanismo primero se propuso un punto que fue (-4, 5) m,
con este punto y una posición inicial no deformada (para la cual se decidió utilizar la
configuración obtenida anteriormente cuando se realizó el método de cinemática directa), se
desarrollaron las ecuaciones de lazo en Mathematica para después obtener las soluciones que
nos darían los ángulos con los cuales rotar los eslabones para conseguir la posición
previamente planteada. Los resultados fueron ϕ1 = 60.9019° y ϕ2 = 105.2470° medidos
desde el origen, estos datos se utilizaron para modificar la posición del mecanismo en
Working Model y verificar los resultados como se puede ver en la siguiente imagen.
Imagen 5.Comparativa entre ambos mecanismos simulados en Mathematica y Working Model.
 El desarrollo de ambos métodos (cinemática directa e inversa) se desarrollaron tanto
como por el método analítico como el de algebra compleja y sus códigos se muestran
en los archivos adjuntos a este documento.
Por último se programó en Mathematica un ciclo for una función seno y se obtuvieron
las soluciones por medio de la cinemática inversa logrando que el mecanismo siguiera
la trayectoria de la función.

Imagen 6. Simulación en Mathematica del mecanismos siguiendo una curva seno.

 Cuestionario
1.- ¿Matemáticamente defina rotación de cuerpo rígido?, dé algunos ejemplos.

Una rotación, matemáticamente hablando, es una transformación lineal, ortogonal, con

determinante 1 positivo.

2.- Escriba el elemento inverso multiplicativo de (x1, x2) ∈ V.

𝑥1 −𝑥2
𝑒1 = ( 2 , 2 )∈𝑉
𝑥1 + 𝑥2 𝑥1 + 𝑥2 2
2

3.- ¿Cuál es el par ordenado que no tiene inverso multiplicativo?

(0,0)

4.- ¿Qué significado físico tiene el determinante de una rotación cuando es -1?

El sentido de rotación es opuesto.

5.- ¿Defina que es la propiedad de ortogonalidad en una transformación lineal?

El ángulo entre dos vectores siempre es noventa grados.

6.- ¿Cuáles son los pasos a seguir para obtener la matriz de una transformación lineal?

Si V y W tiene un dimensión finita y uno tiene elegidas las bases en cada uno de los espacios,
entonces todo mapa lineal de V en W puede representarse por una matriz. Recíprocamente,
toda matriz representa una transformación lineal.

Sean T: V→W una transformación lineal, B= {v1,..., vn} una base de V, C= {w1,..., wm} base
de W. Para calcular la matriz asociada a T en las bases B y C debemos calcular T (vi) para
cada i=1,..., n y escribirlo como combinación lineal de la base C:

T (v1) =a11w1+ ...+am1 wm, T (vn) =a1nw1+ ...+amn wm.

La matriz asociada se nota C [T] B y es la siguiente:

Como un vector de W se escribe de forma única como combinación lineal de elementos de

C, la matriz es única.
7.- Describa con sus palabras la relación que existe entre:

8.- ¿Cuántos criterios de paro existen en el algoritmo de Newton Rhapson?

Cuando se alcanza un número máximo de iteraciones o cuando el valor de corrección es muy

pequeño.

9.- ¿Qué es el Jacobiano?

Es una matriz formada por las derivadas parciales de primer orden de una función. Una de
las aplicaciones más interesantes de esta matriz es la posibilidad de aproximar linealmente a
la función en un punto. En este sentido, el jacobiano representa la derivada de una función
multivariable.

10.- ¿De los dos sistemas de ecuaciones derivados de los métodos: álgebra compleja y el
método analítico, cuál resultó más simple de resolver? Explique brevemente.

El método analítico, debido a que en el método complejo se genera un sistema de ecuaciones

de cuatro incógnitas y en el analítico solo dos, lo cual nos facilita el cálculo ya que podemos
obtener los resultados sin necesidad de utilizar software complejo de computadora.
 Aplicaciones
Las aplicaciones de esta práctica por supuesto dependen de la creatividad e ingenio de cada
persona pero en general creemos que en cuanto a un mecanismo de dos grados de libertad se
refiere sus aplicaciones pueden estar desde un brazo robótico, algún puente hidráulico o
puerta neumática, en fin, aunque puede llegar a limitarnos el hecho de contar solo con dos
grados de libertad existen un gran numos de aplicaciones para mecanismos de este tipo. En
cuanto a la parte del software y el desarrollo del método numérico para la solución de
ecuaciones no lineales el campo de aplicaciones se amplia de manera generosa, el método
numérico utilizado en esta práctica nos permite resolver sistemas no solo para mecanismos
con dos grados de libertad, si no que al aumentar la complejidad de este mecanismo, el
método de Newton Raphson puede seguir siendo útil para aproximar de una manera rápida y
precisa la solución al sistema. Los software por su parte también tienen muchas aplicaciones
en la ingeniera, particularmente en nuestra carrera, Mathematica es un software con un gran
alcance en aplicaciones matemáticas, que si bien nos falta estudiarlo más a fondo su potencial
es muy grande. Working Model al permitirnos simular mecanismos controlando y variando
muchos parámetros nos brinda una clara idea de lo que será nuestro mecanismo y sobre todo
en la simulación, para poder corregir problemas desde un inicio antes de llevarlos al
mecanismo en estado físico lo cual podría representarnos perdidas.
 Conclusiones
En esta práctica se lograron muchas cosas, entre ellas los objetivos planteados, al analizar un
mecanismo de dos grados de libertad, podemos ver que por simple que esto parezca lleva
detrás el desarrollo de diferentes métodos para conseguir una solución, así mismo al
familiarizarnos con Working Model y Mathematica que son dos software nuevos para
nosotros podemos aplicar de una mejor manera las herramientas tecnológicas que hoy en día
están a nuestro alcance. Para esta práctica el software donde se realizó todo el procedimiento
matemático y se simuló de forma sencilla el mecanismo llamado Mathematica 10.0 nos
resultó una gran herramienta matemática para ingeniería de la cual sin duda haremos uso más
adelante y que vale la pena estudiar más a fondo su potencial. En cuanto al método numérico
utilizado vemos la facilidad con la que se puede llegar a programar para que una computadora
desarrolle cálculos de una manera muy rápida, sobre esto nos damos cuenta que al proponer
valores iniciales cercanos al resultado real, se reduce de manera considerable el número de
iteraciones, por consiguiente el tiempo que lleva el realizar estos cálculos es menor.

Parte importante en esta práctica fue la identidad de Euler que nos permite hacer una
conversión entre números de una forma polar a una expresión en forma cartesiana logrando
así con el método analítico generar solamente en la ecuación de lazo un sistema de dos
ecuaciones con dos incógnitas que comparado con el método de algebra compleja que genera
cuatro ecuaciones con cuatro incógnitas en mucho más fácil de resolver.

Para terminar, en esta práctica aprendimos como calcular y simular mecanismos de dos
grados de libertad, que método es mejor para su análisis ya que nos representa un mayor
facilidad a la hora de resolverlo (método analítico) y nos deja con la ilusión de seguir
aprendiendo más de este curso que por el momento promete grandes cosas.
 Bibliografía

Referencias electrónicas

http://www.epsem.upc.edu/~fpq/ale-hp/modulos/aplicaciones/newton.pdf

http://www.uv.es/~diaz/mn/node20.html

http://es.slideshare.net/gonzalomarcolinichavez/02-determinacin-de-raices-2014

http://es.slideshare.net/hermesx10/expansin-polinomial-en-series-de-taylor

http://test.cua.uam.mx/MN/Methods/Raices/NewtonRaphson/NewtonRaphson.php

https://es.wikipedia.org/wiki/Serie_de_Taylor

https://books.google.com.mx/books?id=-
P76slq9Kf8C&pg=PA426&lpg=PA426&dq=serie+truncada+de+taylor&source=bl&ots=mKYVHia5t8&sig=
2e45GpCNXLKlbGl8rhjiYCooh8I&hl=es-419&sa=X&ved=0ahUKEwjR7pnv-
oHLAhUBzmMKHRDpDF0Q6AEIRjAJ - v=onepage&q=serie%20truncada%20de%20taylor&f=false

Referencias bibliográficas

 Richard L. Burden; J. Douglas Faires. Análisis numérico, novena edición. Cengage

Learning
 Jerrold E. Masden; Anthony J. Tromba. Cálculo vectorial, quinta edición. Pearson.
 Material didáctico proporcionado por el profesor.