• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Dissertação de Mestrado
DOI
10.11606/D.18.2016.tde-27072016-133537
Documento
Autor
Nome completo
Marcelo Manoel de Oliveira
E-mail
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Carlos, 2013
Orientador
Banca examinadora
Magalhães, Daniel Varela (Presidente)
Becker, Marcelo
Romero, Roseli Aparecida Francelin
Título em português
Estimativa do estado de carga de baterias em robôs móveis autônomos
Palavras-chave em português
AGV
Armazém inteligente
EKF
Empilhadeira robótica
Estado de carga de bateria
Filtro de Kalman estendido
SOC
Resumo em português
Cada vez mais robôs móveis autônomos estão sendo utilizados em diversas tarefas e em ambientes com elevado risco para atividades humanas que a paralisação de suas atividades podem gerar outros riscos, perdas e elevados custos. Assim, o estado de carga (SOC) de sistemas de baterias em robôs móveis autônomos é um parâmetro importante na prevenção de uma falha primária nessa aplicação, a ausência de energia. Este trabalho apresenta os métodos existentes na literatura para a determinação do estado de carga de baterias e as tecnologias de baterias disponíveis utilizadas em robôs móveis autônomos ou veículos autônomos guiados. A partir desses estudos foi desenvolvido um modelo de medida, baseado no modelo combinado e foram realizados testes de bancadas para levantamento dos parâmetros e características de três modelos de células de baterias: Lítio Polímero (Li-PO), Níquel-Cádmio (NiCd) e Lítio-Ferro-Polímero (LiFePO4). Com esses parâmetros, aplicou-se o método de estimativa de carga baseado na técnica do Filtro de Kalman Estendido (EKF). Através dos testes, analisou-se comparativamente a resposta do método proposto e a resposta do método OCV e a capacidade de carga real.
Título em inglês
Battery state of charge estimation in autonomous mobile robots
Palavras-chave em inglês
AGV
Battery state of charge
EKF
Extended Kalman filter
Intelligent warehouse
Kalman filter
Mobile robotic
Robotic Forklift
SOC
Resumo em inglês
Autonomous mobile robots have being increasingly used in various tasks, environments and activities of high risk to human that the stoppage of its activities may generate other risks, losses and high costs. Thus the state of charge (SOC) of battery systems in autonomous mobile robots, is an important parameter to prevent a primary failure in this application, the lack of energy. The paper presents the existing methods in the literature to determine the battery state of charge and battery commercial technologies available used in an autonomous mobile robot or autonomous guided vehicle, from these studies a measurement model based on combined model was developed and testing benches for three cells models on Lithium Polymer Battery (Li-PO), Nickel Cadmium (NiCd) and lithium-iron-Polymer (LiFePO4) batteries were performed for lifting the parameters and apply the battery state of charge method based on the Extended Kalman Filter (EKF) technique. The tests were analyzed in order to observe the comparatively response of the proposed method, the OCV method and Real charge capacity.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
Data de Publicação
2016-08-01
 
AVISO: Saiba o que são os trabalhos decorrentes clicando aqui.
Todos os direitos da tese/dissertação são de seus autores
CeTI-SC/STI
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2021. Todos os direitos reservados.