Está en la página 1de 181

ESCUELA POLITCNICA NACIONAL

FACULTAD DE INGENIERA ELCTRICA Y


ELECTRNICA

MODELACIN, SIMULACIN Y CONTROL DE SISTEMAS


AREOS NO TRIPULADOS UTILIZANDO INTELIGENCIA
ARTIFICIAL

PROYECTO PREVIO A LA OBTENCIN DEL TTULO DE INGENIERO EN


ELECTRNICA Y CONTROL

FREDDY ROBERTO GUERRERO NOBOA


roberto.guerrero.noboa@gmail.com

OSWALDO ANBAL MENNDEZ GRANIZO


oswaldomenendez1989@gmail.com
DIRECTOR: ING. CSAR AUGUSTO ASTUDILLO MUOZ
cesar_astudillo1@yahoo.es

CO- DIRECTOR: ING. ANDRES ROSALES ACOSTA, PhD


andres.rosales@epn.edu.ec

Quito, Septiembre 2013

ii

DECLARACIN
Nosotros, Freddy Roberto Guerrero Noboa y Oswaldo Anbal Menndez Granizo,
declaramos bajo juramento que el trabajo aqu descrito es de nuestra autora;
que no ha sido previamente presentada para ningn grado o calificacin
profesional; y, que hemos consultado las referencias bibliogrficas que se
incluyen en este documento.

A travs de la presente declaracin cedemos nuestros derechos de propiedad


intelectual correspondientes a este trabajo, a la Escuela Politcnica Nacional,
segn lo establecido por la Ley de Propiedad Intelectual, por su Reglamento y por
la normatividad institucional vigente.

_________________________

____________________________

Freddy Roberto Guerrero Noboa

Oswaldo Anbal Menndez Granizo

iii

CERTIFICACIN
Certifico que el presente trabajo fue desarrollado por Freddy Roberto Guerrero
Noboa y Oswaldo Anbal Menndez Granizo, bajo mi supervisin.

________________________
Ing. Csar Augusto Astudillo Muoz
DIRECTOR DEL PROYECTO

________________________
Ing. Andrs Rosales Acosta, PhD
CO - DIRECTOR DEL PROYECTO

iv

AGRADECIMIENTO
Agradezco a Dios, por haberme acompaado y guiado a lo largo de mi vida y mi
carrera para lograr los objetivos que me he planteado.
Le doy gracias a mi madre Fanny por apoyarme en todo momento, y por haber
inculcado en m grandes valores y cualidades durante toda mi vida, as como por
darme la posibilidad de tener una excelente educacin.
A mi hermano Sebastin por ser una parte importante en mi vida y por siempre
estar apoyndome. A mi familia por ser quien representa la unin y la
confraternidad en mi vida, y por demostrarme su completo cario y apoyo
incondicional.
Agradezco a los profesores de la Escuela Politcnica Nacional por haber
compartido sus conocimientos, en especial al Dr. Andrs Rosales por su
confianza y apoyo en los momentos necesarios. As tambin agradezco al Ing.
Cesar Astudillo por haberme guiado en el proyecto de titulacin, y al Dr. Gustavo
Scaglia por formar parte en mi proceso de aprendizaje.
A mi compaero de tesis, Oswaldo, por su paciencia y dedicacin para realizar el
proyecto, pero por sobre todas las cosas por ser un gran amigo.
Y finalmente agradezco a todos mis amigos por confiar en m y apoyarme
incondicionalmente, adems de hacer de mi experiencia universitaria una etapa
de mi vida que nunca olvidare.
Freddy

AGRADECIMIENTO
Le agradezco a Dios por haberme guiado a lo largo de mi vida y por haber sido mi
fortaleza para poder culminar con xitos este proyecto de titulacin.
A mis padres Oswaldo y Anglica, por todo el apoyo brindado a lo largo de mi
vida, por ser un ejemplo de dedicacin y esfuerzo y por darme la oportunidad de
haber estudiado y seguido esta carrera.
A mi hermana Paola, por apoyarme en los momentos de necesidad y representar
la unin familiar. As tambin a mi sobrino Matas por convertirse en mi nuevo
motor de vida y ser la persona por la que debo esforzarme y ser un gran ejemplo.
A mi abuelita Tere, por creer en m en cada momento. Y a toda mi familia por
demostrarme su amor incondicional a lo largo de mi vida.
A mis profesores, Dr. Andrs Rosales por haberme brindado su apoyo durante la
realizacin de este proyecto, por su tiempo y dedicacin y por sobre todo por su
gran amistad. Al Ing. Cesar Astudillo por haber credo en mi y permitirme
desarrollar esta tesis profesional. Y al Dr. Gustavo Scaglia por todo el
conocimiento enseado para el desarrollo de esta tesis.
A Freddy por ser un gran apoyo durante la realizacin de este proyecto pero por
sobre todo por convertirse en algo ms que un amigo, un gran hermano.
A mis amigos de universidad por todos los momentos compartidos juntos, por la
amistad y por hacer de esta etapa una de las mejores de mi vida. As tambin a
mis amigos de colegio, que ms que amigos son hermanos, por permanecer a mi
lado en todas las dificultades y brindarme su amistad incondicionalmente.
Y finalmente a mi Flaka Ily, por todo el apoyo brindado, por soportarme y por
buscar siempre la manera de alegrarme los das y no dejar que me d por
vendido, pero por sobre todas las cosas por siempre mi mejor amiga. Te amo.
Oswaldo

vi

DEDICATORIA

A mi madre Fanny y mi hermano Sebastin.


Sebastin.

Freddy

vii

DEDICATORIA

Dedico
Dedico este logro a mi mam y a mi pap que
fueron los motores para alcanzarlo.
alcanzarlo.

Oswaldo

viii

CONTENIDO
DECLARACIN .................................................................................................... ii
CERTIFICACIN ................................................................................................................... iii
AGRADECIMIENTO .............................................................................................................. iv
AGRADECIMIENTO ............................................................................................................... v
DEDICATORIA ....................................................................................................................... vi
DEDICATORIA ...................................................................................................................... vii
CONTENIDO ........................................................................................................................ viii
RESUMEN ............................................................................................................................ xiv
PRESENTACIN .................................................................................................................. xv

1. MARCO TERICO ........................................................................................... 1


1.1.

DEFINICIONES GENERALES ..............................................................................................1

1.1.1.

SISTEMA AREO NO TRIPULADO. ............................................................................1

1.1.2.

TIPOS DE SISTEMAS AREOS NO TRIPULADOS. ........................................................1

1.1.3.

INTELIGENCIA ARTIFICIAL. .......................................................................................2

1.1.4.

MODELO MATEMTICO. .........................................................................................2

1.1.5.

SISTEMA. ................................................................................................................3

1.2.

CONTROLADOR AUTOMTICO. .......................................................................................9

1.2.1.

CLASIFICACIN DE LOS CONTROLADORES. ..............................................................9

1.2.2.

ACCIN DE CONTROL PROPORCIONAL. ...................................................................9

1.2.3.

ACCIN DE CONTROL INTEGRAL............................................................................10

1.2.4.

ACCIN DE CONTROL PROPORCIONAL INTEGRAL. .................................................10

1.2.5.

ACCIN DE CONTROL PROPORCIONAL DERIVATIVA. .............................................11

1.2.6.

ACCIN DE CONTROL PROPORCIONAL INTEGRAL DERIVATIVA. .............................12

1.2.7.

EFECTOS DE LA ACCIN DE CONTROL INTEGRAL. ..................................................13

1.2.8.

EFECTOS DE LA ACCIN DE CONTROL DERIVATIVA. ...............................................13

1.2.9.

CONTROLADOR BASADO EN LGICA DIFUSA. ........................................................14

1.2.10.

CONTROLADOR EN BASE A REDES NEURONALES. ..................................................17

1.2.11.

CONTROLADOR BASADO EN LGEBRA LINEAL. ......................................................22

2. DESARROLLO Y OBTENCIN DEL MODELO MATEMTICO DE UAV .... 23


2.1.

AVIN PVTOL. [10], [11]...............................................................................................23

2.1.1
2.2

MODELO MATEMTICO DEL AVIN PVTOL. ..........................................................23

CUADRICPTERO. [10], [12] .........................................................................................25

ix

2.2.1

MOVIMIENTO DE ALABEO (ROLL). .........................................................................25

2.2.2

MOVIMIENTO DE CABECEO (PITCH). .....................................................................25

2.2.3

MOVIMIENTO DE GUIADA (YAW)........................................................................26

2.2.4

MODELO MATEMTICO CUADRICPTERO. ...........................................................26

2.3

TRICPTERO. [10], [13], [14], [15] ...............................................................................31

2.3.1
2.4

BIRD LIKE (SKY SAILOR) [10], [16], [17], [18]. ...............................................................35

2.4.1
2.5

MODELO MATEMTICO. .......................................................................................31

MODELO MATEMTICO. .......................................................................................36

HELICPTERO. [10], [19], [20], [21], [22] .....................................................................43

2.5.1

MODELO MATEMTICO. .......................................................................................44

2.5.2

DINMICA DE CUERPO RGIDO..............................................................................45

2.5.3

FUERZAS Y TORQUES DEL HELICPTERO. ..............................................................46

2.5.3.1

FUERZAS DEL HELICPTERO. .............................................................................46

2.5.3.1.1 Fuerza generada debido al empuje del motor principal. ..............................47


2.5.3.1.2 Fuerza generada debido al empuje del motor principal. ..............................47
2.5.3.1.3 Fuerza generada por la aceleracin de la gravedad......................................47
2.5.3.2

TORQUES DEL HELICPTERO. ............................................................................48

2.5.3.2.1 Torque generado debido al empuje del motor principal. .............................48


2.5.3.2.2 Torque causado debido al empuje del motor de cola...................................49
2.5.4

ADAPTACIN DEL MODELO PARA EL CONTROL. ....................................................49

2.5.5

LINEALIZACIN DEL MODELO. ...............................................................................51

2.5.6

MODELO DE ALTITUD DEL HELICPTERO. ............................................................. 52

2.5.7

MODELO LATERAL DEL HELICPTERO. ..................................................................53

2.5.8

MODELO LONGITUDINAL DEL HELICPTERO. ........................................................55

2.5.9

MODELO DE ORIENTACION DEL HELICPTERO. .....................................................55

3. DESARROLLO, SIMULACIN Y CONTROL DE LOS MODELOS


MATEMTICOS.................................................................................................. 57
3.1

SIMULACIN Y CONTROL UAV AVIN PVTOL. ...............................................................58

3.1.1

SIMULACIN UAV AVIN PVTOL. ..........................................................................59

3.1.2

CONTROL DEL UAV AVIN PVTOL. ........................................................................60

3.1.3
DISEO DEL CONTROLADOR BASADO EN LGICA DIFUSA PARA EL UAV AVIN
PVTOL. [23], [24], [25], [26].................................................................................................61
3.1.4
3.1.4.1

DISEO DEL CONTROLADOR PID PARA EL UAV AVIN PVTOL. [4]..........................64


Diseo del controlador PID para altura del avin PVTOL. ...................................64

3.1.4.2

Diseo del controlador PID para posicin en x del avin PVTOL. ........................65

3.1.5
DISEO DEL CONTROLADOR BASADO EN REDES NEURONALES PARA EL UAV AVIN
PVTOL. [27] ..........................................................................................................................66
3.1.6
DISEO DEL CONTROLADOR BASADO EN LGEBRA LINEAL PARA EL UAV AVIN
PVTOL. [11] ..........................................................................................................................69
3.2

SIMULACIN Y CONTROL UAV CUADRICPTERO. ......................................................... 72

3.2.1

SIMULACIN UAV CUADRICOPTERO .....................................................................73

3.2.2

CONTROL DEL UAV CUADRICPTERO. ...................................................................75

3.2.3
DISEO DEL CONTROLADOR BASADO EN LGICA DIFUSA PARA EL
CUADRICPTERO. [23], [24], [25], [26] ................................................................................76
3.2.4

DISEO DEL CONTROLADOR PID PARA EL UAV CUADRICPTERO. [4] ....................77

3.2.5
DISEO DEL CONTROLADOR BASADO EN REDES NEURONALES PARA EL UAV
CUADRICPTERO. [27] .........................................................................................................78
3.2.6
DISEO DEL CONTROLADOR BASADO EN LGEBRA LINEAL PARA EL UAV
CUADRICPTERO. [12] .........................................................................................................79
3.3

SIMULACIN Y CONTROL UAV TRICPTERO. ................................................................85

3.3.1

SIMULACIN UAV TRICOPTERO. ...........................................................................86

3.3.2

CONTROL DEL UAV TRICPTERO. ..........................................................................88

3.3.3

DISEO DEL CONTROLADOR BASADO EN LGICA DIFUSA PARA EL TRICPTERO. ..89

3.3.4

DISEO DEL CONTROLADOR PID PARA EL UAV TRICPTERO. [4] ...........................89

3.3.5
DISEO DEL CONTROLADOR BASADO EN REDES NEURONALES PARA EL UAV
TRICPTERO. [27] ................................................................................................................91
3.3.6
DISEO DEL CONTROLADOR BASADO EN LGEBRA LINEAL PARA EL UAV
TRICPTERO. [12] ................................................................................................................92
3.4

SIMULACIN Y CONTROL UAV BIRD LIKE. .....................................................................98

3.4.1

SIMULACIN UAV BIRD LIKE..................................................................................99

3.4.2

CONTROL DEL UAV BIRD LIKE. ............................................................................. 100

3.4.3
DISEO DEL CONTROLADOR BASADO EN LGICA DIFUSA PARA EL UAV BIRD LIKE.
[23], [24], [25], [26]........................................................................................................... 101
3.4.4

DISEO DEL CONTROLADOR PID PARA EL UAV BIRD LIKE. [4] .............................. 101

3.4.5
DISEO DEL CONTROLADOR BASADO EN REDES NEURONALES PARA EL UAV BIRD
LIKE. [27] ........................................................................................................................... 103
3.4.6
3.5

DISEO DEL CONTROLADOR BASADO EN LGEBRA LINEAL PARA EL UAV BIRD LIKE.
........................................................................................................................... 105

SIMULACIN Y CONTROL UAV HELICOPTERO.............................................................. 112

3.5.1

SIMULACIN UAV HELICOPTERO......................................................................... 113

xi

3.5.2

CONTROL DEL UAV HELICOPTERO. ...................................................................... 114

3.5.3
DISEO DEL CONTROLADOR BASADO EN LGICA DIFUSA PARA EL UAV
HELICOPTERO. [23], [24], [25], [26] ................................................................................... 115
3.5.4

DISEO DEL CONTROLADOR PID PARA EL UAV HELICOPTERO. [4] ....................... 116

3.5.5
DISEO DEL CONTROLADOR BASADO EN REDES NEURONALES PARA EL UAV
HELICOPTERO. [27] ............................................................................................................ 118
3.5.6
DISEO DEL CONTROLADOR BASADO EN LGEBRA LINEAL PARA EL UAV
HELICPTERO. .................................................................................................................... 119

4. PRUEBAS Y RESULTADOS. ...................................................................... 127


4.1

RESULTADOS DEL AVION PVTOL. ................................................................................ 127

4.1.1
4.1.1.1

Trayectoria Recta. ........................................................................................... 127

4.1.1.2

Trayectoria Circular. ........................................................................................ 128

4.1.1.3

Trayectoria Seno. ............................................................................................ 128

4.1.2

RESULTADOS DEL CONTROL COMBINADO ENTRE REDES NEURONALES Y PID. ..... 129

4.1.2.1

Trayectoria Recta. ........................................................................................... 130

4.1.2.2

Trayectoria Circular. ........................................................................................ 130

4.1.2.3

Trayectoria Seno. ............................................................................................ 131

4.1.3

4.2

RESULTADOS DEL CONTROL COMBINADO ENTRE LGICA DIFUSA Y PID. ............. 127

RESULTADOS CONTROLADOR BASADO EN LGEBRA LINEAL. .............................. 132

4.1.3.1

Trayectoria Recta. ........................................................................................... 132

4.1.3.2

Trayectoria Circular. ........................................................................................ 132

4.1.3.3

Trayectoria Seno. ............................................................................................ 133

RESULTADOS DEL CUADRICPTERO. ........................................................................... 134

4.2.1

RESULTADOS CONTROL COMBINADO ENTRE LGICA DIFUSA Y PID..................... 134

4.2.1.1

Trayectoria Recta. ........................................................................................... 134

4.2.1.2

Trayectoria Espiral........................................................................................... 134

4.2.1.3

Trayectoria Resorte. ........................................................................................ 135

4.2.2

RESULTADOS CONTROL COMBINADO ENTRE REDES NEURONALES Y PID............. 136

4.2.2.1

Trayectoria Recta. ........................................................................................... 137

4.2.2.2

Trayectoria Espiral........................................................................................... 137

4.2.2.3

Trayectoria Resorte. ........................................................................................ 137

4.2.3

RESULTADOS CONTROLADOR BASADO EN LGEBRA LINEAL ............................... 138

4.2.3.1

Trayectoria Recta. ........................................................................................... 138

4.2.3.2

Trayectoria Espiral........................................................................................... 139

xii

4.2.3.3
4.3

RESULTADOS DEL TRICPTERO. .................................................................................. 140

4.3.1

Trayectoria Recta. ........................................................................................... 141

4.3.1.2

Trayectoria Seno Creciente. ............................................................................ 142

4.3.1.3

Trayectoria Resorte. ........................................................................................ 142


RESULTADOS CONTROL COMBINADO ENTRE REDES NEURONALES Y PID............. 143

4.3.2.1

Trayectoria Recta. ........................................................................................... 143

4.3.2.2

Trayectoria Seno Creciente. ............................................................................ 143

4.3.2.3

Trayectoria Circular. ........................................................................................ 143

4.3.3

RESULTADOS CONTROLADOR BASADO EN LGEBRA LINEAL. .............................. 145

4.3.3.1

Trayectoria Recta. ........................................................................................... 145

4.3.3.2

Trayectoria Seno Creciente. ............................................................................ 146

4.3.3.3

Trayectoria Resorte. ........................................................................................ 146

RESULTADOS DEL UAV BIRD LIKE. ............................................................................... 147

4.4.1

RESULTADOS CONTROL COMBINADO ENTRE LGICA DIFUSA Y PID..................... 147

4.4.1.1

Trayectoria Recta. ........................................................................................... 147

4.4.1.2

Trayectoria Espiral........................................................................................... 147

4.4.1.3

Trayectoria Seno Creciente. ............................................................................ 148

4.4.2

RESULTADOS CONTROL COMBINADO ENTRE REDES NEURONALES Y PID............. 149

4.4.2.1

Trayectoria Recta. ........................................................................................... 149

4.4.2.2

Trayectoria Espiral........................................................................................... 150

4.4.2.3

Trayectoria Seno Creciente. ............................................................................ 150

4.4.3

4.5

RESULTADOS CONTROL COMBINADO ENTRE LGICA DIFUSA Y PID..................... 141

4.3.1.1

4.3.2

4.4

Trayectoria Resorte. ........................................................................................ 139

RESULTADOS CONTROLADOR BASADO EN LGEBRA LINEAL. .............................. 151

4.4.3.1

Trayectoria Recta. ........................................................................................... 151

4.4.3.2

Trayectoria Espiral........................................................................................... 151

4.4.3.3

Trayectoria Seno creciente. ............................................................................. 151

RESULTADOS DEL UAV HELICPTERO. ........................................................................ 152

4.5.1

RESULTADOS CONTROL COMBINADO ENTRE LGICA DIFUSA Y PID..................... 152

4.5.1.1

Trayectoria Recta. ........................................................................................... 153

4.5.1.2

Trayectoria Resorte. ........................................................................................ 153

4.5.1.3

Trayectoria Seno creciente. ............................................................................. 153

4.5.2

RESULTADOS CONTROL COMBINADO ENTRE REDES NEURONALES Y PID............. 154

xiii

4.5.2.1

Trayectoria Recta. ........................................................................................... 155

4.5.2.2

Trayectoria Resorte. ........................................................................................ 155

4.5.2.3

Trayectoria Seno creciente. ............................................................................. 155

4.5.3

4.6

RESULTADOS CONTROLADOR BASADO EN LGEBRA LINEAL. .............................. 156

4.5.3.1

Trayectoria Recta. ........................................................................................... 156

4.5.3.2

Trayectoria Resorte. ........................................................................................ 157

4.5.3.3

Trayectoria Seno creciente. ............................................................................. 158

Desarrollo de la interfaz grfica GUI............................................................................ 158

5. CONCLUSIONES Y RECOMENDACIONES ............................................... 159


5.1

CONCLUSIONES. ......................................................................................................... 159

5.2

RECOMENDACIONES .................................................................................................. 162

REFERENCIAS BIBLIOGRAFICAS .................................................................................. 163


CAPITULO UNO ................................................................................................................. 163
CAPITULO DOS .................................................................................................................. 164
CAPITULO TRES ................................................................................................................ 165
REFERENCIAS ANALIZADAS .......................................................................................... 165

xiv

RESUMEN
El presente proyecto tiene como objetivo la modelacin, simulacin y control de
cinco sistemas areos no tripulados (UAV Unmanned Aerial Vehicle): Avin
PVTOL, Cuadricptero, Tricptero, Bird Like y Helicptero.
La modelacin de los cinco sistemas areos no tripulados se basa en la
metodologa de Newton Euler y Euler LaGrange, con lo cual se obtienen los
modelos matemticos no lineales de los cinco sistemas. Los cinco modelos se
implementan utilizando s-functions 1 , archivos .m y los diferentes bloques y
funciones del software Matlab y Simulink. En la simulacin de cada modelo se
obtienen las respuestas de posicin ante varios tipos de entradas.

El control de los cinco UAV se realiza mediante el diseo de cuatro tipos de


controladores para cada modelo: PID, Lgica Difusa, Redes Neuronales y un
controlador basado en lgebra Lineal. Los controladores se implementan en
Matlab y Simulink, y se incorporan a los modelos previamente obtenidos para
conseguir que los UAV sigan una trayectoria establecida.

Las respuestas de los diferentes modelos son mostradas mediante una interfaz
grfica (GUI) desarrollada en MATLAB.

Todos los objetivos, as como el alcance del Plan de Proyecto de Titulacin fueron
cumplidos a cabalidad, y adems, se comprob el funcionamiento de los
controladores diseados en el presente proyecto mediante la simulacin realizada
en el software Matlab.

S-function, bloque de Simulink que ejecuta un cdigo escrito en un archivo .m de Matlab, se


utiliza para reducir el nmero de interconexiones en el entorno de Simulink.

xv

PRESENTACIN
El proyecto se divide en cuatro captulos, ms el captulo de conclusiones y
recomendaciones,

desarrollados de manera secuencial para conseguir los

objetivos planteados, siendo stos los siguientes:

El Captulo Uno, Marco Terico, abarca los conceptos bsicos sobre sistemas
areos no tripulados, sistemas de control, respuestas de un sistema de control,
as como una breve introduccin de cada uno de los controladores utilizados en el
proyecto.

El Captulo Dos, Desarrollo y Obtencin del Modelo Matemtico de UAV,


contiene el anlisis matemtico de cada uno de los sistemas areos no tripulados:
Avin PVTOL, Cuadricptero, Tricptero, Bird Like y Helicptero, as como la
obtencin del modelo matemtico que rige el comportamiento de los cinco
sistemas.

En el Captulo Tres, Desarrollo, Simulacin y Control de los Modelos


Matemticos, se realiza la simulacin de los cinco sistemas para obtener la
respuesta de los sistemas frente a las entradas de control del modelo. Una vez
obtenida la respuesta de los sistemas, se disean las cuatro tcnicas de control:
PID, Lgica Difusa, Redes Neuronales y Controlador basado en lgebra Lineal
para cada uno de los sistemas.

El Captulo Cuatro, Pruebas y Resultados, presenta las grficas de seguimiento


de los sistemas mediante el uso de los controladores diseados para las
trayectorias deseadas. Tambin contiene el desarrollo del GUI diseado para
crear una interfaz grfica.

Finalmente el Captulo Cinco, Conclusiones y Recomendaciones, abarca las


conclusiones ms importantes obtenidas de este trabajo, as como tambin las
soluciones ms convenientes para resolver el problema de seguimiento de
trayectoria

de

los

cinco

sistemas

areos

no

tripulados.

CAPTULO 1
1.

MARCO TERICO

1.1.

DEFINICIONES GENERALES

1.1.1.

SISTEMA AREO NO TRIPULADO.

Es una aeronave que vuela sin la presencia de tripulacin humana a bordo.


Conocido por sus siglas en ingls como UAV (Unmanned Aerial Vehicle). [1]

1.1.2.

TIPOS DE SISTEMAS AREOS NO TRIPULADOS.

Los UAV, dependiendo su misin principal, suelen ser clasificados en seis tipos:

a)

UAV de Blanco.

Utilizados para simular aviones o ataques enemigos en los sistemas de defensa


de tierra o aire.

b)

UAV de Reconocimiento.

Utilizado para el envo y recepcin de informacin.

c)

UAV de Combate.

Utilizado para combatir y llevar a cabo misiones que suelen ser muy peligrosas.

d)

UAV de Logstica.

Diseado y utilizado para el transporte de carga de un lugar a otro.

e)

UAV de Investigacin y Desarrollo.

Construidos para realizar pruebas de los diferentes sistemas en desarrollo.

f)

UAV Comerciales y Civiles.

Diseados y construidos para efectuar propsitos civiles o particulares.

1.1.3.

INTELIGENCIA ARTIFICIAL.

Capacidad de una mquina para realizar actividades conforme a ciertos principios


de optimizacin y consistencia, con el fin de conseguir que simulen la inteligencia
humana.

La inteligencia artificial permite a una mquina u objeto evaluar y

actuar para satisfacer algn objetivo o finalidad.

1.1.4.

MODELO MATEMTICO.

El modelado matemtico de un sistema dinmico se define como un conjunto de


ecuaciones que representan el sistema, lo ms cercano a la realidad. Se debe
tener en cuenta que un modelo matemtico no es nico para un sistema, es decir
un sistema puede ser representado en varias formas, por lo que se puede obtener
algunos modelos matemticos, dependiendo del grado de exactitud que la
persona que realiza el modelo le desee dar.
La dinmica de sistemas, ya sean elctricos, electrnicos, mecnicos, etc., se
describe en base de ecuaciones diferenciales. Tales ecuaciones diferenciales se
obtienen a partir de las leyes fsicas que gobiernan dicho sistema, como son las
leyes de la mecnica clsica de Newton para sistemas mecnicos o las leyes de
Kirchhoff para sistemas elctricos. Una vez obtenido el modelo matemtico de un
sistema,

se

utilizan

algunos

recursos

analticos

disponibles

como

las

computadoras y software especializados para estudiarlo y sintetizarlo.


Dentro de los modelos matemticos existe una divisin muy importante: sistemas
lineales y sistemas no lineales, ambos sern explicados ms adelante.

Para poder realizar un sistema de control, como en este proyecto, un control PID,
control por Redes Neuronales, control por Lgica Difusa y control basado en
lgebra Lineal, es necesario primero conocer el modelo matemtico de los
sistemas a controlar, por esta razn el primer paso es definir el modelo
matemtico del vuelo estacionario de un avin PVTOL, un cuadricptero, un
tricptero, un helicptero y un bird-like.

1.1.5.

SISTEMA.

Un sistema es un conjunto de componentes que interactan entre s buscando un


fin especfico.

a)

SISTEMA DINMICO.

Sistema que evoluciona con el tiempo, capaz de almacenar energa y que


presenta un estado transitorio.

b)

SISTEMA LINEAL.

Un sistema es lineal si se aplica el principio de superposicin. Este principio


establece que la respuesta producida por la aplicacin simultnea de dos o ms
funciones de entradas diferentes es la suma de las dos o ms respuestas
individuales. De esta manera, para el sistema lineal, la respuesta a varias
entradas se calcula evaluando una entrada a la vez y sumando los resultados.

c)

SISTEMA NO LINEAL.

Un sistema es no lineal si no se aplica el principio de superposicin. Por tanto, un


sistema no lineal no puede ser tratado por separado ante la aplicacin de varias
entradas para luego sumar los resultados.

Cabe recalcar que la mayora de problemas de la vida real se modelan como


sistemas no lineales. En general, los procedimientos
ocedimientos para encontrar las
soluciones de un sistema no lineal son muy complicados.

d)

LINEALIZACIN
N DE SISTEMAS NO LINEALES.
LINEALES

En ingeniera de control, la operacin normal del sistema puede ocurrir alrededor


de un punto de equilibrio2, y las seales pueden considerarse seales pequeas
alrededor del equilibrio. Sin embargo, si el sistema opera alrededor de un punto
de equilibrio y si las seales son pequeas, es posible aproximar el sistema no
lineal mediante un sistema lineal. Dicho sistema lineal es equivalente al sistema
no lineal, considerado dentro de un rango de operacin limitado.

e)

SISTEMA DE CONTROL EN LAZO ABIERTO.


ABIERTO

Es aquel en el que la seal de salida no influye sobre la seal de entrada. Su


exactitud depende de la calibracin y son muy sensibles
sensibles a perturbaciones.

Figura 1.1
1 Sistema de control en lazo abierto. [2]

f)

SISTEMA DE CONTROL EN LAZO CERRADO.


CERRADO

Es aquel que presenta realimentacin (feed-back).


(feed back). La realimentacin permite
comparar la salida del sistema con la entrada del mismo para determinar el error y
de manera que la accin de control sea una funcin de ambas. Son menos
sensibles a perturbaciones.

Punto de equilibrio:: Valor en el cual la operacin del sistema es estable y normal.

Figura 1.2 Sistema de control en lazo cerrado. [3]


g)

FUNCION DE TRANSFERENCIA.

La funcin de transferencia de un sistema se define como el cociente entre la


transformada de Laplace de la salida y la transformada de Laplace de la entrada.
La funcin de transferencia relaciona la salida del sistema con la entrada del
mismo. Debido a que los modelos matemticos resultan ecuaciones diferenciales,


 


se utiliza la transformada de Laplace para facilitar los clculos.


 

Ecuacin 1.1-1

h)

DIAGRAMA DE BLOQUES.

Los diagramas de bloques se emplean con frecuencia para modelar todo tipo de
sistemas lineales o no lineales, describen la composicin e interconexin de un
sistema, as como el flujo de seales. Conjuntamente con funciones de
transferencia, presentan las relaciones entrada salida de todo el sistema.

i)

SIMULACIN.

Simulacin es una tcnica que comprende disear un modelo de un sistema real,


realizar pruebas en l para comprender el comportamiento del mismo y evaluar
los parmetros que intervienen en el sistema.

j)

ANALISIS DE RESPUESTA EN EL TIEMPO DE UN SISTEMA.

En el anlisis y diseo de sistemas de control, se debe tener una base de


comparacin del desempeo de estos sistemas. Esta base se configura
especificando las seales de entrada de prueba particulares y comparando las
respuestas de varios sistemas a estas seales de entrada. [4]
Los modelos se analizarn obteniendo las respuestas de los diferentes sistemas
ante diversos tipos de seales de entrada, para de esta
esta manera realizar un
anlisis de los diferentes parmetros y desarrollar controladores ptimos.

k)

TIPOS DE SEALES DE ENTRADA.


ENTRADA

Las seales de prueba que se usan regularmente son funciones escaln, rampa,
parbola, impulso, senoidales, etc. Con estas seales de prueba, es posible
realizar con facilidad anlisis matemticos y experimentales de sistemas de
control, dado que las seales son funciones del tiempo muy simples.
simples [4]
a)

Funcin Paso.

La funcin paso es una seal discontinua que toma el valor de uno para tiempos
mayores a cero y el valor de cero para tiempos menores de cero. Toma el nombre
de paso unitario cuando el valor mximo de la funcin es uno.

Figura 1.3 Funcin Paso Unitario. [5]

b)

Funcin Rampa.

La funcin rampa es la integral de la funcin escaln. Si se considera que se


est sumando toda el rea bajo la funcin escaln a hasta un tiempo . La funcin
rampa es continua y diferenciable en todo su dominio excepto en un punto (inicio
de la rama). La funcin rampa se puede definir como:

Figura 1.4 Funcin Rampa. [6]


PARAMETROS DE LA RESPUESTA DE UN SISTEMA.
SISTEMA

La respuesta transitoria de un sistema de control prctico exhibe con frecuencia


oscilaciones amortiguadas antes de alcanzar el estado estable.
estable Para definir la
estabilidad de un sistema de control se debe conocer los parmetros de la
respuesta
spuesta mostrados en la Figura
F
1.5.

Figura 1.5 Parmetros de la respuesta de un sistema.


sistema [4]

Los parmetros de la respuesta de un sistema son: Tiempo de retardo,


Tiempo de crecimiento,
establecimiento,

; Tiempo pico,

; Sobrepaso mximo,

; y Tiempo de

Tiempo de Retardo (td).

El tiempo de retardo es el tiempo requerido para que la respuesta alcance por


primera vez la mitad del valor final.

Tiempo de Crecimiento (tr).

El tiempo de crecimiento es el tiempo requerido para que la respuesta pase del


10% al 90%, de su valor final.

Tiempo Pico (tp).

El tiempo pico es el tiempo requerido para que la respuesta alcance el primer pico
del sobrepaso.

Sobrepaso mximo (Mp).

El sobrepaso mximo es el valor pico mximo de la curva de respuesta, medido a


partir de la unidad. Si el valor final en estado estable de la respuesta es diferente
de la unidad, es comn usar el porcentaje de sobrepaso mximo. Se define
mediante:

 

  
 100%

Ecuacin 1.1-2

La cantidad de sobrepaso mximo (en porcentaje) indica de manera directa la


estabilidad relativa del sistema.

Tiempo de Establecimiento (ts).

El tiempo de establecimiento es el tiempo que se requiere para que la curva de


respuesta alcance un rango alrededor del valor final del tamao especificado por

el porcentaje absoluto del valor final (por lo general, de 2 a 5%) y permanezca


dentro de l.

1.2.

CONTROLADOR AUTOMTICO.

Un controlador automtico compara el valor real de la salida de un sistema con el


valor de entrada (valor deseado), determina el error y produce una seal de
control que reducir el error a cero o a un valor pequeo. La manera en la cual el
controlador automtico produce la seal de control se denomina accin de control.
[4]
1.2.1.

CLASIFICACIN DE LOS CONTROLADORES.

A continuacin se nombran los controladores que se utilizarn:


Proporcionales.
Integrales.
Proporcionales-integrales.
Proporcionales-derivativos.
Proporcionales-integrales-derivativos.
Controlador basado en Lgica Difusa.
Controlador en base a Redes Neuronales.
Controlador basado en lgebra Lineal.
1.2.2.

ACCIN DE CONTROL PROPORCIONAL.

del controlador  y la seal de error  es:     , en donde  se

Para un controlador con accin de control proporcional, la relacin entre la salida

considera la ganancia proporcional. Cualquiera que sea el mecanismo real y la

forma de la potencia de operacin, el controlador proporcional es, en esencia, un


amplificador con una ganancia ajustable. [10]
La funcin de transferencia de un control proporcional es:

10


 

Ecuacin 1.2-1

Figura 1.6 Accin de control proporcional. [4]

1.2.3.

ACCIN DE CONTROL INTEGRAL.

controlador  se cambia a una razn proporcional a la seal de error  .

En un controlador con accin de control integral, el valor de la salida del

Es decir,

!"#
!#

 $  o escrito de otra manera:  $ %  &, en donde $

es una constante ajustable. Para un error de cero, el valor de  permanece

estacionario. [4]

La funcin de transferencia de un controlador integral es:


 $



Ecuacin 1.2-2

Figura 1.7 Accin de Control Integral. [4]


1.2.4.

ACCIN DE CONTROL PROPORCIONAL INTEGRAL.

11

La accin de control de un controlador proporcional-integral (PI) se define


mediante:
    '


(  &
$

En donde , es la ganancia proporcional y $ se denomina tiempo integral. Tanto


Ecuacin 1.2-3

 como $ son ajustables. El tiempo integral ajusta la accin de control integral,

mientras que un cambio en el valor de  afecta las partes integral y proporcional

El inverso del tiempo integral $ se denomina velocidad de reajuste. La velocidad


de la accin de control.

de reajuste es la cantidad de veces por minuto que se duplica la parte


proporcional de la accin de control. La velocidad de reajuste se mide en trminos
de las repeticiones por minuto. [4]
La funcin de transferencia de un controlador proporcional integral es:
1

  )1 '
*
$

Ecuacin 1.2-4

Figura 1.8 Accin de control proporcional integral. [4]

1.2.5.

ACCIN DE CONTROL PROPORCIONAL DERIVATIVA.

La accin de control de un controlador proporcional-derivativo (PD) se define


mediante: ut  Kp et 'Kp Td

d et
.
dt

En donde Kp es la ganancia proporcional y Td es una constante denominada

tiempo derivativo. Tanto Kp como Td son ajustables. La accin de control


derivativa, en ocasiones denominada control de velocidad, ocurre donde la

12

la seal de error. El tiempo derivativo Td es el intervalo de tiempo durante el cual


magnitud de la salida del controlador es proporcional a la velocidad de cambio de

la accin de la velocidad hace avanzar el efecto de la accin de control


proporcional. [4]
La funcin de transferencia de un controlador proporcional derivativo es:

Us
Kp 1'Td s
Es
Ecuacin 1.2-5

Figura 1.9 Accin de control proporcional derivativo. [4]

1.2.6.

ACCIN DE CONTROL PROPORCIONAL INTEGRAL DERIVATIVA.

La combinacin de una accin de control proporcional, una accin de control


integral y una accin de control derivativa se denomina accin de control
proporcional-integral-derivativa (PID). Esta accin combinada tiene las ventajas
de cada una de las tres acciones de control individuales. La ecuacin de un
controlador con esta accin combinada se obtiene mediante:

ut  Kp  ' 56 % et dt 'Kp Td


Kp

d et
.
dt

En donde Kp es la ganancia proporcional, Ti es el tiempo integral y Td es el


Ecuacin 1.2-6

tiempo derivativo. La funcin de transferencia de un control proporcional integral


derivativo (PID) es:

Us
1
Kp 1'
' Td s
Es
Ti s
Ecuacin 1.2-7

13

Figura 1.10 Accin de control proporcional integral derivativo. [4]

1.2.7.

EFECTOS DE LA ACCIN DE CONTROL INTEGRAL.

En el control proporcional de una planta, cuya funcin de transferencia no posee


un integrador (1/s), hay un error en estado estable, o desplazamiento (offset), en
la respuesta para una entrada escaln. Tal offset se elimina si se incluye la accin
de control integral en el controlador. La accin de control integral, aunque elimina
el offset o el error en estado estable, puede conducir a una respuesta oscilatoria
de amplitud decreciente lenta o, incluso, de amplitud creciente, y ambos casos,
por lo general, se consideran inconvenientes. [4]

1.2.8.

EFECTOS DE LA ACCIN DE CONTROL DERIVATIVA.

Cuando una accin de control derivativa se agrega a un controlador proporcional,


aporta un medio de obtener un controlador con alta sensibilidad. Una ventaja de
usar una accin de control derivativa es que responde a la velocidad del cambio
del error y produce una correccin significativa antes de que la magnitud del error
se vuelva demasiado grande. Por tanto, el control derivativo prev el error, inicia
una accin correctiva oportuna y tiende a aumentar la estabilidad del sistema.
Aunque el control derivativo no afecta en forma directa el error en estado estable,
aade amortiguamiento al sistema y, por tanto, permite el uso de un valor ms
grande que la ganancia K, lo cual provoca una mejora en la precisin en estado
estable. Debido a que el control derivativo opera sobre la velocidad de cambio del
error, y no sobre el error mismo, este modo nunca se usa solo. Siempre se
emplea junto con una accin de control proporcional o proporcional-integral. [4]

14

1.2.9.

CONTROLADOR BASADO EN LGICA DIFUSA.

Teora de los Conjuntos Difusos.

La Teora de Conjuntos Difusos se refiere al estudio de clases de objetos con


fronteras indefinidas, de tal forma que las transiciones entre sus conjuntos son
graduales antes que abruptas. Los conjuntos difusos permiten representar
conceptos imprecisos. Estn basados en la premisa que los elementos clave en el
pensamiento humano no son solamente nmeros, sino que pueden ser
representados, aproximadamente, por clases de objetos cuyas funciones de
membreca pueden tener transiciones graduales entre ellas y traslaparse.

La funcin de membreca.

Define como un punto en el espacio de entrada (universo de lectura), es


proyectado a un valor de membreca (difusidad) comprendido entre 0 y 1. La
funcin de membreca puede ser lineal por tramos o una curva continua de forma
arbitraria, escogida de tal manera que satisfaga la naturaleza del problema que
representa.

Difusidad.

La difusidad describe el grado de pertenencia o membreca de un elemento a un


conjunto difuso. Es una medida de cuan bien una instancia (valor) conforma con
un ideal semntico o concepto. [7]

Variables lingsticas.

Una variable lingstica puede tener uno o ms valores lingsticos, que


corresponden a los nombres de las funciones de membreca. [7]

15

Conjuntos difusos.

Los conjuntos difusos relacionan un valor que representa un miembro de un


conjunto, a un nmero entre 0 y 1 que indica el grado de pertenencia (u) de ese
miembro a dicho conjunto. Un grado igual a 0 significa que el valor no est
contenido en el conjunto, mientras que un grado igual a 1 implica que el valor es
totalmente representativo del conjunto. Estos dos extremos estn unidos por una
funcin continua que representa una transicin gradual entre 0 y 1.

Lgica difusa.

Es la base para el desarrollo de una nueva tecnologa en el diseo de sistemas


de inteligencia artificial. La lgica difusa se encuentra relacionada en las reas de
procesos e ingeniera de control, con el beneficio de:

Reduccin significativa del tiempo de desarrollo.

Modelacin de sistemas no-lineales muy complejos.

Implantacin de controles utilizando sensores y circuitos integrados ms


baratos.

Proporciona los medios para reducir y explicar la complejidad de sistemas: mucho


de la complejidad est relacionada con la forma en que las variables del sistema
son representadas y procesadas. [7]

Sistemas difusos.

Las variables y la lgica difusa pueden ser utilizadas en reglas difusas para hacer
inferencias y crear un sistema difuso. El razonamiento en sistemas difusos, se
realiza a travs de proposiciones (reglas). Los conjuntos difusos son los bloques
constructivos de las reglas difusas.

Interpretacin de las reglas difusas.

La interpretacin de las reglas difusas se realiza en tres pasos:

16

Fusificar las entradas que significa resolver todas las proposiciones difusas
de los antecedentes a un grado de membreca entre 0 y 1.

Aplicar operadores fuzzy a antecedentes mltiples, si en el antecedente


hay mltiples partes, entonces aplicar los operadores difusos y resolver el
antecedente a un solo valor entre 0 y 1.

Aplicar el mtodo de implicacin es decir usar el grado de contribucin de


la regla para conformar el conjunto difuso de salida.

Si el antecedente es parcialmente verdadero, el conjunto difuso de salida es


truncado, de acuerdo al mtodo de implicacin utilizado. En los sistemas difusos,
las reglas se ejecutan en paralelo y todas contribuyen al resultado, segn su
grado de veracidad. La salida de cada regla es un conjunto difuso. Los conjuntos
difusos resultantes de todas las reglas son agregados en un solo conjunto difuso
de salida. Finalmente, el conjunto resultante es defusificado, es decir resuelto a
un valor numrico nico.

Inferencia difusa.

Es un mtodo que interpreta los valores de un vector de entrada y, basado en un


conjunto de reglas, asigna valores al vector de salida. Para relacionar el vector de
entrada dado al vector de salida, el proceso de inferencia difusa involucra
funciones de membreca, operadores difusos y reglas difusas. Estas relaciones
proporcionan la base para tomar decisiones o identificar patrones.

Metodologa para desarrollo de sistemas difusos.

Para desarrollar un sistema difuso se debe seguir el mtodo:

Seleccionar las variables de entrada y salida del modelo.

Definir las funciones de membreca para cada valor difuso de las variables
de entrada y salida del modelo.

Definir las reglas difusas: Establecer las relaciones entre todos los valores
difusos de las variables de entrada y salida.

Definir los mtodos para los operadores difusos: AND y OR.

17

Ejecutar la simulacin del sistema.

Refinar y validar el modelo.

Para el desarrollo del controlador basado en lgica difusa se emplea el ToolBox


de Matlab: Fuzzy Logic.

Figura 1.11 Toolbox Matlab Fuzzy Logic. [7]

1.2.10. CONTROLADOR EN BASE A REDES NEURONALES. [9]

Neurociencia.

La neurociencia es una disciplina cientfica que estudia la estructura, funcin,


desarrollo, del sistema nervioso y la psicologa.
En la actualidad la neurociencia se complementa con otras disciplinas incluyendo
ciencias de computacin, estadstica, fsica, matemtica, filosofa y medicina. La
neurociencia est en la frontera de la investigacin del cerebro y la mente.

Neurona biolgica.

Nuestro sistema nervioso y, en especial, nuestro cerebro, est compuesto por un


conjunto de clulas nerviosas, tambin llamadas neuronas. Una neurona es una
clula altamente especializada en el proceso de informacin, cuya estructura
bsica puede observarse en la Figura 1.12.

18

Figura 1.12 Estructura bsica de una neurona. [8]


La morfologa de una neurona comprende tres elementos principales: el soma, o
ncleo; las dendritas, o terminaciones de la neurona que actan como contactos
funcionales de entrada con otras neuronas; y el axn o eje, una rama ms larga
que ser la encargada de conducir el impulso nervioso y que finaliza tambin en
diversas ramificaciones. La comunicacin entre neuronas se realiza a travs de
las llamadas sinapsis, que son los puntos de conexin entre las fibras terminales
del axn de una neurona y una dendrita de otra. El tiempo de respuesta de una
neurona esta limitado al orden de milisegundos, lo cual es mucho ms lento que
un circuito electrnico.

Modelo neuronal.

Las neuronas biolgicas, que sirven de modelo para la computacin neuronal, son
entre 5 a 6 rdenes de magnitud ms lentas que los chips de silicio. Los eventos
de las neuronas biolgicas ocurren en el orden de los milisegundos, mientras que
en los chips de silicio ocurren en el rango de los nanosegundos.

Modelo McCulloch Pitts.

En 1943 McCulloch y Pitts publicaron un trabajo en el que se hablaba, por primera


vez, de las neuronas artificiales y de cmo stas podran realizar clculos lgicos.
El modelo de neurona artificial propuesto consiste en una unidad con funcin de
activacin tipo escaln similar a la Figura 15.

19

Figura 1.13 Modelo McCulloch y Pitts. [9]

Este modelo de neurona artificial presenta numerosas analogas con las neuronas
biolgicas, como los cables o conexiones son anlogos a dendritas y axones, los
pesos de ponderacin de las conexiones equivalen a las sinapsis; y, el umbral de
activacin de la neurona representa la actividad del soma. En funcin de su signo,
los pesos sinpticos pueden actuar tanto como activadores cuando presentan
signo positivo o como inhibidores cuando presentan signo negativo. La operacin
de la neurona funciona as: la unidad realiza una funcin de proceso, sumando los
productos de los valores de las entradas pi por los pesos sinpticos wi:
8 wi pi
R

i=1

Ecuacin 1.2-8

Si el resultado obtenido es igual o mayor el valor del umbral (-b), la neurona se


activa produciendo como respuesta el valor de la activacin (a=1).
Por el contrario, si el resultado de aplicar la funcin de proceso a los valores de
entrada no superara el valor del umbral (-b), la neurona permanecer inactiva y su
salida ser nula (a=0).

Funciones de Activacin.

Las funciones de activacin ms empleadas son: funcin Rampa, Gaussiana y


Sigmoide, como se muestra en la Figura 1.14.

20

Figura 1.14 Funciones de activacin. [9]

Proceso de aprendizaje.

El proceso de aprendizaje de una neurona implica la siguiente secuencia de


eventos:

La red neuronal es estimulada por muestras de su entorno.

La red neuronal sufre cambios como resultado del estmulo aplicado.

La red neuronal responde al entorno demostrando el entrenamiento


recibido, debido a los cambios que ha ocurrido en su estructura interna.

Red neuronal.

Una red neuronal es un sistema procesador paralelo distribuido, masivamente


interconectado, capaz de almacenar y utilizar conocimiento experimental. Est
diseado para modelar la forma en que el cerebro realiza una tarea o funcin de
inters. En una red neuronal el conocimiento es adquirido mediante un proceso de
adaptacin y dicho conocimiento se almacena en las conexiones entre las
neuronas de la red (sinapsis).

Arquitectura de redes neuronales artificiales.

Las redes neuronales artificiales se pueden agrupar en tres estructuras: mono


capa, multicapa, recurrentes y en malla.

21

a)

b)

c)

d)

Figura 1.15 Arquitectura de redes neuronales a)Mono capa, b) Multicapa, c)


Recurrente y d) Malla. [9]

Diseo de redes neuronales artificiales.

El diseo de redes neuronales artificiales comprende los siguientes pasos:


Seleccionar una arquitectura de red neuronal apropiada para resolver el
problema identificado.
Escoger un conjunto de ejemplos para entrenar la red, utilizando un
algoritmo apropiado.
Probar la capacidad de la red entrenada para resolver el problema
propuesto, utilizando un conjunto de datos de prueba.
Evaluar la operacin de la red con un conjunto de datos de verificacin, que
no hayan sido utilizados en el entrenamiento o las pruebas. [9]

22

1.2.11. CONTROLADOR BASADO EN LGEBRA LINEAL.

Un controlador basado en lgebra Lineal representa un nuevo enfoque de control


que se basa en la aplicacin de mtodos numricos y lgebra lineal para el
seguimiento de una trayectoria deseada aplicada.
Este tipo de control provee el valor de seal adecuado para el sistema con el fin
de seguir una trayectoria si se conoce el valor del estado del sistema.

23

CAPTULO 2

2. DESARROLLO

OBTENCIN

DEL

MODELO

MATEMTICO DE UAV

2.1.

AVIN PVTOL. [10], [11]

vertical. El avin PVTOL posee tres grados de libertad (9, :, ;) que corresponden
El avin PVTOL es un vehculo areo no tripulado que se desplaza en un plano

a la posicin y orientacin en el plano. El avin PVTOL posee dos propulsores,

ubicados en las alas del mismo, los cuales producen una fuerza de sustentacin y
un momento en el vuelo de la aeronave, que le permite el desplazamiento en el
aire, como se muestra en la Figura 2.1.

Figura 2.1 Esquema del avin PVTOL. [10]

2.1.1

MODELO MATEMTICO DEL AVIN PVTOL.

El modelo matemtico del avin PVTOL se obtiene aplicando las leyes de Newton
para obtener las fuerzas que actan en el avin.
En la Figura 2.1 se muestra el avin PVTOL con la nomenclatura a utilizar, donde
9 es el desplazamiento horizontal, : es el desplazamiento vertical, ; es el ngulo

que forma el cohete con la lnea horizontal, < es la fuerza total, = es el torque

24

del cohete y es un parmetro que caracteriza el acoplamiento entre el momento


de balanceo y la aceleracin lateral de la aeronave.

Aplicando la segunda ley de Newton para cada eje se tiene:


8 9  ?9@

?9@  < $A; ' B = CD ;


Ecuacin 2.1-1

Ecuacin 2.1-2

8 :  ?:@

?:@  < CD ; ' B = $ A;  1


Ecuacin 2.1-3

Donde ? representa la masa del avin PVTOL.


Ecuacin 2.1-4

1
< $A ; ' B = CD ;
?

Despejando la aceleracin en cada eje se obtiene:


9@ 

:@ 

1
CD ; ' B = $ A;  1
?
Ecuacin 2.1-5

En general el parmetro es insignificante y se puede considerar nulo, es decir,


Ecuacin 2.1-6

 0. Con lo cual las Ecuaciones 2.1-5 y 2.1-6 se pueden escribir como:


9@ 

:@ 

1
< $A ;
?

1
1 CD ;  1
?
Ecuacin 2.1-7

Ecuacin 2.1-8

Para el anlisis del torque se emplea la ecuacin de torque de un cuerpo que gira
en torno a un eje fijo:

E  ;@

Donde E representa el torque del avin, llamada en este proyecto = , es la


Ecuacin 2.1-9

inercia del cohete y ;@ es la aceleracin angular.

Asumiendo la inercia del cuerpo, = 1 kg/m2, y cambiando la nomenclatura se


tiene:

25

=  ;@

Ecuacin 2.1-10

Con lo cual el modelo del cohete PVTOL queda definido por las Ecuaciones 2.1-7,
2.1-8 y 2.1-10.

1
1 $A ;
?
1
:@  CD ;  1
?
2  ;@

9@ 

Donde < y = representan las entradas de control.


Ecuacin 2.1-11

2.2 CUADRICPTERO. [10], [12]

El cuadricptero es un UAV que posee cuatro rotores ubicados a manera de una


cruz para realizar los movimientos de desplazamiento y elevacin. El control del
movimiento se logra variando la velocidad angular de cada uno de los cuatro
motores. Los cuadricpteros poseen tres tipos de movimiento: alabeo (roll),
cabeceo (pitch) y guiada (yaw).

Figura 2.2 Cuadricptero. [23]

2.2.1

MOVIMIENTO DE ALABEO (ROLL).

izquierda o derecha. Este movimiento est definido por el ngulo de giro ;.

El movimiento de alabeo permite al cuadricptero realizar movimientos a la

2.2.2

MOVIMIENTO DE CABECEO (PITCH).

El movimiento de cabeceo permite al cuadricptero realizar movimientos hacia


adelante y atrs. Este movimiento est definido por el ngulo de giro G.

26

2.2.3

MOVIMIENTO DE GUIADA (YAW).

El movimiento de guiada permite al cuadricptero girar su eje vertical. Este


movimiento est definido por el ngulo de giro H.

Figura 2.3 Movimientos del cuadricptero. [21]

2.2.4

MODELO MATEMTICO CUADRICPTERO.

Los cuadricptero posee algunas ventajas sobre los helicpteros convencionales


debido a que los motores traseros giran en sentido anti-horario y los delanteros en
sentido horario, los efectos giroscpicos y momentos aerodinmicos tienden a
cancelarse en vuelos pequeos.
La entrada del acelerador es la suma de los empujes de cada motor. Para obtener
el momento de pitch se realiza el aumento de la velocidad del motor trasero
mientras se reduce la velocidad del motor de adelante. Para generar el momento
de roll se realiza lo mismo pero con las velocidades de los motores laterales.
Mientras que para generar el momento de yaw se trabaja mediante el aumento de
las velocidades de los motores delantero y trasero, y disminucin de las
velocidades de los motores laterales.
slido de masa ? en un sistema de referencia , sujeto a una fuerza total  y a

Para modelar matemticamente el cuadricptero se considera como un cuerpo


tres momentos EI , EJ , EK . La dinmica de los motores del cuadricptero es

relativamente rpida, por lo que se desprecia la flexibilidad de las alas. Las

27

coordenadas generales del modelo del cuadricptero de manera general vienen


dadas por:

L  9, , :, ;, G, H M NO

Donde  9, , : denota la posicin del centro de masa del cuadricptero


Ecuacin 2.2-1

respecto a la Tierra y  ;, G, H son los ngulos de Euler e indican la

orientacin del cuadricptero. Para la obtencin del modelo se utiliza Euler


LaGrange, que es un mtodo en el que se relaciona la energa cintica de un
cuerpo con su energa potencial. As se tiene que la energa cintica de traslacin
del cuerpo viene dado por:

R5 

1
?ST ST
2

Donde se tiene que m es la masa del cuadricptero y T es la velocidad lineal en


Ecuacin 2.2-2

1
WT X WT
2

cada uno de los ejes, la energa cintica de rotacin viene dada por:
RV 

La matriz X es la matriz de inercias del cuadricptero y WT es la velocidad angular


Ecuacin 2.2-3

Y  ?Z:

en cada uno de los ejes. La energa potencial del cuadricptero viene dada por:
Donde : es la altura a la que se encuentra el cuadricptero en el espacio.
Ecuacin 2.2-4

L, LT  R5 ' RV  Y

Con las energas que se tiene se puede calcular el Lagrangiano como:


1
1
L, LT  ?ST 5 S ' WT 5 XWT  ?Z:
2
2
Ecuacin 2.2-5

Ecuacin 2.2-6

El modelo dinmico del cuadricptero es obtenido por el mtodo del Euler


& [ &

\
& [LT &L

LaGrange con la fuerza externa generalizada, as se tiene que:

Ecuacin 2.2-7

28

Se conoce que \  ] , E , donde ] es la fuerza de traslacin y E son los

fuerza depende principalmente de las entradas de control ^ y E, por lo que se


momentos generalizados aplicados al cuadricptero por la entrada de control. La
0
_  `0a
^

puede escribir de la siguiente manera:

Donde se tiene que ^ es la fuerza de sustentacin y viene dada por:


Ecuacin 2.2-8

^  b< ' b= ' bc ' bd


Ecuacin 2.2-9

Y se tiene que:

b6  e6 f6

$  1,2,3,4

Donde se tiene que e6 i 0 y f6 es la velocidad angular a la que gira el motor de


Ecuacin 2.2-10

las hlices.

La fuerza de traslacin es calculada de la siguiente manera:

Donde

mno 5
jkl
es

mno 5 _
]  jkl


la matriz de rotacin y _ est definida en la Ecuacin 2.2-8.


Ecuacin 2.2-11

Las matrices de rotacin de cada uno de los ejes vienen dadas por:

Figura 2.4 ngulos de Euler

29

p,K

CD H
 ` $A H
0

CD G
0
 $A G

 $A H
CD H
0

0
$A G
1
0 a
0 CD G

Ecuacin 2.2-12

q,J  `

1
 `0
0

0
CD ;
$A ;

0
0a
1

0
 $A ;a
CD ;

Ecuacin 2.2-13

r,I

mno
jkl

Dnde:

CHCG
 ` HCG
 G

 HC; ' CH G ;
CHC; ' H G ;
CG ;
Ecuacin 2.2-14

CH= CD H, CG  CD G, C;=CD ;

Ecuacin 2.2-15

H ; ' CHC; G
CH ; ' G HC;a
C;CG

H= $A H, G  $A G, ;= $A ;

Remplazando en la Ecuacin 2.2-11:


CHCG
]  ` HCG
 G

 HC; ' CH G ;
CHC; ' H G ;
CG ;

H ; ' CHC; G 5 0
CH ; ' G HC;a `0a
^
C;CG

Ecuacin 2.2-16

 G
]  ^ `CG ; a
C;CG

Desarrollando la Ecuacin 2.2-16 se obtiene:

Ecuacin 2.2-17

Los momentos generalizados viene dados por:


EK
E s ` EJ a
EI

La letra E representa a los tres momentos que el cuadricptero presenta en los


Ecuacin 2.2-18

tres ejes. Est referido a los ngulos de yaw, pitch y roll. Para el momento de
guiada (yaw) se tiene:

 1 '2 '3 '4


Ecuacin 2.2-19

30

EJ  b=,d . x

Para el momento de cabeceo (pitch) se tiene:

Donde b=,d es la diferencia de fuerza de sustentacin que habr entre los


Ecuacin 2.2-20

motores 2 y 4, que se encuentran ubicados uno en frente de otro, multiplicada por


la distancia desde el motor 2 o 4 hasta el centro de gravedad.
EI  b<,c . x

Para el momento de alabeo (roll) se tiene:

Donde b<,c es la diferencia de fuerza de sustentacin que habr entre los


Ecuacin 2.2-21

motores 1 y 3, que se encuentran ubicados uno en frente de otro, multiplicada por

la distancia desde el motor 1 o 3 hasta el centro de gravedad. Uniendo los


E< ' E= ' Ec ' Ed
EK
E< ' E= ' Ec ' Ed
H@
b=,d . x
E  ` EJ a  y
z  ` b2  b4 x a  y G@ z
EI
b<,c . x
b1  b3 x
;@

momentos en una sola matriz se tiene:

Ecuacin 2.2-22

energa cintica, se puede combinar T y T ; la ecuacin de Euler Lagrange puede


Como las ecuaciones del Lagrangiano no contienen trminos cruzados en la

ser dividida en dinmica para S y dinmica para W, de esta manera se tiene que:
0
@
?S  ` 0 a  ]
?Z
Ecuacin 2.2-23

Remplazando la Ecuacin 2.2-17 en la Ecuacin 2.2-23 y separando en cada uno


de los ejes se obtiene:

m 9@  u sin

m @  u cos sin 
Ecuacin 2.2-24

m :@  u cos cos   ?Z
Ecuacin 2.2-25

Ecuacin 2.2-26

Con lo cual con las Ecuaciones 2.2-22, 2.2-24, 2.2-25 y 2.2-26, queda definido el
modelo del cuadricptero.

31

m 9@  u sin

m @  u cos sin 

m :@  u cos cos   ?Z
EK
H@
` EJ a  y G@ z
EI
;@

Donde u, EK EJ , EI representan las entradas de control.


Ecuacin 2.2-27

2.3 TRICPTERO. [10], [13], [14], [15]

Un Tricptero es un vehculo areo no tripulado que posee dos motores


principales en la parte delantera, los dos motores giran en direcciones opuestas y
estn fijadas al fuselaje. Debido a que los dos motores giran en direcciones
opuestas el torque de reaccin generado es aproximadamente cero. El tercer
motor se coloca en la cola del tricptero y este puede inclinarse mediante un
servomotor con la finalidad de producir un torque de guiada. Las velocidades
angulares de los dos rotores principales pueden ser modificadas para producir el
empuje principal, as como el torque de alabeo. El torque de alabeo es calculado
como funcin de la diferencia de velocidades angulares de los dos rotores
principales. Finalmente, el momento de cabeceo se obtiene variando la velocidad
angular del rotor de cola.

2.3.1

MODELO MATEMTICO.

de masa ? en un sistema de referencia , sujeto a una fuerza total  y a tres

Para modelar matemticamente el tricptero se considera como un cuerpo slido


momentos EI , EJ , EK . La dinmica de los motores del tricptero es relativamente

rpida como en el cuadricptero, por lo que se desprecia la flexibilidad de las alas.

Las coordenadas generales del modelo del cuadricptero de manera general


vienen dados por:

L  9, , :, ;, G, H M NO
Ecuacin 2.3-1

32

Donde S  9, , : denota la posicin del centro de masa del cuadricptero


respecto a la Tierra y W  ;, G, H son los ngulos de Euler e indican la

orientacin del tricptero.

Para la obtencin del modelo se utilizar Euler

LaGrange que es un mtodo en el que se relaciona la energa cintica de un


cuerpo con su energa potencial as se tiene que la energa cintica de traslacin
del cuerpo viene dada por:

R5 

1
?ST ST
2

Donde se tiene que ? es la masa del tricptero y ST es la velocidad lineal en cada


Ecuacin 2.3-2

1
WT X WT
2

uno de los ejes, la energa cintica de rotacin viene dada por:


RV 

La matriz X es la matriz de inercias del tricptero y WT es la velocidad angular en


Ecuacin 2.3-3

Y  ?Z:

cada uno de los ejes. La energa potencial del tricptero viene dado por:

Donde : es la altura a la que se encuentra el tricptero en el espacio.


Ecuacin 2.3-4

L, LT  R5 ' RV  Y

Con las energas que se tiene se puede calcular el Lagrangiano como:


1
1
L, LT  ?ST 5 S ' WT 5 XWT  ?Z:
2
2
Ecuacin 2.3-5

Ecuacin 2.3-6

El modelo dinmico del tricptero es obtenido por el mtodo del Euler LaGrange
& [ &

\
& [LT &L

con la fuerza externa generalizada as se tiene que:

Se conoce que \  ] , E , donde ] es la fuerza de traslacin y E son los


Ecuacin 2.3-7

momentos generalizados aplicados al tricptero por la entrada de control. La


fuerza depende principalmente de las entradas de control ^ y E, por lo que se
puede escribir de la siguiente manera:

33

0
_
  `0 a
^

Donde se tiene que ^ es la fuerza de sustentacin y viene dada por:


Ecuacin 2.3-8

^  b< ' b= ' bc CD


Ecuacin 2.3-9

b6  e6 f6

Y se tiene que:

$  1,2,3,4

Y representa el ngulo de inclinacin del motor de cola del tricptero.


Ecuacin 2.3-10

Donde se tiene que e6 i 0 y f6 es la velocidad angular a la que gira el motor de

las hlices.

La fuerza de traslacin es calculada de la siguiente manera:


mno 5 _
]  jkl


mno 5
Donde jkl
es la matriz de rotacin y _ est definida en la Ecuacin 2.3-8.

Ecuacin 2.3-11

CD H
 ` $A H
0

 $A H
CD H
0

0
0a
1

Las matrices de rotacin de cada uno de los ejes vienen dados por:
p,K

CD G
0
 $A G

0
$A G
1
0 a
0 CD G

Ecuacin 2.3-12

q,J  `

1
 `0
0

0
CD ;
$A ;

0
 $A ;a
CD ;

Ecuacin 2.3-13

r,I

mno
jkl

Donde:

CHCG
 ` HCG
 G

 HC; ' CH G ;
CHC; ' H G ;
CG ;
Ecuacin 2.3-14

CH= CD H, CG  CD G, C;=CD ;

Ecuacin 2.3-15

H= $A H, G  $A G, ;= $A ;

Remplazando en la Ecuacin 2.3-11:

H ; ' CHC; G
CH ; ' G HC;a
C;CG

34

CHCG
]  ` HCG
 G

 HC; ' CH G ;
CHC; ' H G ;
CG ;

H ; ' CHC; G 5 0
CH ; ' G HC;a `0a
^
C;CG

Ecuacin 2.3-16

 G
]  ^ `CG ; a
C;CG

Desarrollando la Ecuacin 2.3-16 se obtiene:

Ecuacin 2.3-17

Los momentos generalizados viene dados por:


EK
E s ` EJ a
EI

La letra representa a los tres momentos que el tricptero presenta en los tres
Ecuacin 2.3-18

ejes y est referido a los ngulos de yaw, pitch y roll. Para el momento de guiada
(yaw) se tiene:

EK  x= bc $A
Ecuacin 2.3-19

EJ  xc b< ' b=  x= bc CD

Para el momento de cabeceo (pitch) se tiene:

Ecuacin 2.3-20

EI  b=  b< x=

Para el momento de alabeo (roll) se tiene:

Ecuacin 2.3-21

EK
x= bc $A
x= bc $A
H@
E
E  ` J a  yxc b< ' b=  x= bc CD z  yxc b< ' b=  x= bc CD z  y G@ z
EI
b=,< . x
b2  b1 x
;@

Resumiendo las ecuaciones de torque se obtiene:

Ecuacin 2.3-22

energa cintica, se puede combinar ST y WT , la ecuacin de Euler Lagrange

Como las ecuaciones del Lagrangiano no contiene trminos cruzados en la


puede ser dividida en dinmica para S y dinmica para W de esta manera se tiene
que:

35

0
@
?S  ` 0 a  ]
?Z
Ecuacin 2.3-23

Remplazando la Ecuacin 2.3-17 en la Ecuacin 2.3-22 y separando en cada uno


de los ejes se obtiene:

m 9@  u sin

m @  u cos sin 
Ecuacin 2.3-24

m :@  u cos cos   ?Z
Ecuacin 2.3-25

Ecuacin 2.3-26

Con lo cual con las Ecuaciones 2.3-22, 2.3-24, 2.3-25 y 2.3-26, queda definido el
modelo del tricptero.

m 9@  u sin

m @  u cos sin 

m :@  u cos cos   ?Z
EK
H@
` EJ a  y G@ z
EI
;@

Donde u, EK EJ , EI representan las entradas de control.


Ecuacin 2.3-27

Como puede observarse, tanto el modelo del cuadricptero como el modelo del
como un cuerpo rgido y se considera que presentan solo tres momentos EI , EJ , EK

tricptero son los mismos. Esto se debe a que se realiza un anlisis de cada UAV

que representan las entradas de control.

2.4 BIRD LIKE (SKY SAILOR) [10], [16], [17], [18].

El Bird Like es un vehculo areo no tripulado inspirado en sistemas biolgicos


con alas como son aves, insectos, etc. El vuelo automtico de estos robots
todava es incipiente debido a la alta complejidad y no linealidad de los modelos.
En este proyecto se realizar la modelacin y simulacin de uno de los
precursores de los modelos para Bird Like conocido como Sky Sailor, que es un

36

modelo propulsado por dos motores ubicados a cada uno sobre el ala del Sky
Sailor que tiene posibilidad de movimiento vertical como horizontal lo que le da
bastante maniobrabilidad.
El Sky Sailor es un modelo de Bird Like modelado a escala para alcanzar el vuelo
continuo. Se compone de un planeador con un motor de corriente continua
conectado a una hlice a travs de una caja de cambios. Posee dos alerones que
le permite al ala principal realizar el momento de roll del avin. Posee dos
superficies de control que actan principalmente en el elevador y en momento de
giada si la desviacin no es simtrica. Los sistemas voladores son muy difciles
de modelar, debido a la gran cantidad de fuerzas dinmicas y aerodinmicas que
actan sobre el sistema, por lo que es necesario hacer suposiciones con el fin de
encontrar el modelo ideal y simplificado del sistema de una manera correcta.
El Bird Like (Sky Sailor) analizado se considera como un sistema de cuerpo rgido
con 6 grados de libertad en donde actan tres tipos de fuerzas aerodinmicas
diferentes como son: sustentacin, resistencia y momento. Se asume que el
centro de masa y el origen del sistema de coordenadas del cuerpo de la aeronave
coinciden. La velocidad del viento se desprecia en el presente estudio, lo que
representa que la velocidad del Bird Like solo depende de las caractersticas del
sistema mecnico.

2.4.1

MODELO MATEMTICO.

El modelo de un Bird Like como se nombr anteriormente es un sistema de


cuerpo rgido con 6 grados de libertad y donde actan fuerzas aerodinmicas de
esta manera el modelo matemtico se lo obtiene de la siguiente manera:
Las ecuaciones cinemticas para la traslacin y la rotacin de un sistema de
coordenadas ABC con eje en el cuerpo a un sistema local de coordenadas
geogrfica NED (Norte Este Abajo) puede ser expresado en trminos de los
ngulos de Euler.

nT


mno
y nT z  jkl
` a  p,K q,J r,I ` a

nT
Ecuacin 2.4-1

37

cos H
 ` sin H
0

 sin H
cos H
0

0
0a
1

Las matrices de rotacin de cada uno de los ejes vienen dadas por:
p,K

cos G
0
 sin G

0
1
0

sin G
0 a
cos G

Ecuacin 2.4-2

q,J  `

1
 `0
0

0
cos ;
sin ;

0
 sin ;a
cos ;

Ecuacin 2.4-3

r,I

CHCG
mno
jkl
 ` HCG
 G

 HC; ' CH G ;
CHC; ' H G ;
CG ;
Ecuacin 2.4-4

Ecuacin 2.4-5

H ; ' CHC; G
CH ; ' G HC;a
C;CG

0

0
;T
T
L  ` 0 a ' r,I `G a ' r,I q,J ` 0 a

HT
0
0

Las ecuaciones de la posicin del Bird Like vienen dadas por:

Ecuacin 2.4-6

;T
1 CG
y GT z 
`0
CG 0
T
H

Trabajando con la Ecuacin 2.4-6 se obtiene:


; G
C;CG
;

Ecuacin 2.4-7

C; G 
 ;CGa L

C;

CHCG '  HC; ' CH G ; '  H ; ' CHC; G


T
`T a  y HCG ' CHC; ' H G ; ' CH ; ' G HC; z
 G ' CG ; ' C;CG
T

Trabajando con la Ecuacin 2.4-1 se obtiene:

Ecuacin 2.4-8

Las ecuaciones del cuerpo rgido del Bird Like se obtienen mediante la segunda
&

?
&

ecuacin de Newton para la fuerza y momento se tiene:


8  

&

&

Ecuacin 2.4-9


8

Ecuacin 2.4-10

38

Donde el vector  es la fuerza que acta sobre el Bird Like y se asume que es
representa el momento
igual a la tasa de cambio de la fuerza del cuerpo; 

externo sobre el cuerpo y se asume que es igual a la tasa de tiempo de cambio


del momento de impulso (momento angular).
&
?
&

La Ecuacin 2.4-9 puede ser escrita para cada eje como:


r 

&
?
&

Ecuacin 2.4-11

q 

&
?
&

Ecuacin 2.4-12

p 

Donde se tiene que r , q , p y , , son las componentes de la fuerza y la


Ecuacin 2.4-13

velocidad en coordenadas x, y, z, respectivamente.


&

& r

La Ecuacin 2.4-10 puede ser escrita para cada eje como:




&

& q

Ecuacin 2.4-14



&

& p

Ecuacin 2.4-15

Ecuacin 2.4-16

Donde se tiene que , , y r , q , p son las componentes del momento total

y del momento de impulso en coordenadas x, y, z respectivamente.

Los componentes de la fuerza se componen de varias contribuciones debidas a


las fuerzas aerodinmicas, fuerzas de propulsin y fuerzas gravitacionales que
actan sobre el Bird Like.

39

Figura 2.5 Bird Like(Sky Sailor)

Realizando el anlisis para un elemento de masa ? del Bird Like, con la


&


&

segundo ley de Newton, se puede escribir como:


  ?

es la velocidad del elemento de masa con respecto al eje


Donde se tiene que
Ecuacin 2.4-17

absoluto de inercias y  es la fuerza resultante que acta sobre el elemento de

masa.

Por lo tanto, la fuerza actuante sobre el Bird Like es:


8   

Ecuacin 2.4-18

&

&

La velocidad del elemento diferencial de masa puede ser expresado como:



l '

l es la velocidad del centro de masa del aeroplano y  es la velocidad


Donde
!#
Ecuacin 2.4-19

del elemento de masa relativo al centro de masa.

&
&
l '  * ?
8 )
&
&

Por lo que, podemos expresar la Ecuacin 2.4-9 como:


8  

Ecuacin 2.4-20

Asumiendo que el centro de masa del vehculo es constante se puede decir que:

40

  ?

&
&=
l '

8 ?
&
& =

En las ecuaciones se tiene que se mide desde el centro de masa, por lo que el
Ecuacin 2.4-21

trmino ? es igual a cero. Entonces, las fuerzas externas que afectan al Bird
&

& l

Like respecto al centro de masa pueden ser escritas como:


  ?

Para un diferencial de masa ?, el momento puede ser escrito como:


Ecuacin 2.4-22




&
&
  
?

&
&
Ecuacin 2.4-23

&
l ' f
 

&

La velocidad de un elemento de masa puede ser expresado como:



l '

Donde f
es la velocidad angular del vehculo y es la posicin del elemento de
Ecuacin 2.4-24

f
  ' L ' e

masa medida desde el centro de masa.

 9 '  ' :e
Ecuacin 2.4-25

Ecuacin 2.4-26

El momento total puede ser escrito como:

 8
 8 ? 
l ' 8 
l ?

Como se mide desde el centro de masa el trmino ? es igual a cero.


Ecuacin 2.4-27

para cada eje se tiene:


Entonces reescribiendo

r   8 = ' : = ?  L 8 9 ?  8 9: ?
Ecuacin 2.4-28

q   8 9? ' L 89 = ' : = ?  8 : ?


Ecuacin 2.4-29

p   8 9:?  L 8 : ? ' 89 = '  = ?


Ecuacin 2.4-30

41

rr , qq , pp se tiene que:

Rescribiendo las Ecuaciones 2.4-27, 2.4-28, 2.4-29 en trminos de inercias


r   rr  L rq  rp

q   rq ' L qq  qp
Ecuacin 2.4-31

r   rp  L qp ' pp
Ecuacin 2.4-32

y
de las Ecuaciones 2.4-24 y 2.4-27
Tomando las derivadas de los vectores
Ecuacin 2.4-33

&
' ?f
l


& l

respecto al eje de rotacin del cuerpo se tiene:


  ?

 ?


&
' ?f


&
Ecuacin 2.4-34

Ecuacin 2.4-35

Escribiendo las Ecuaciones 2.4-34 y 2.4-35 para cada eje se obtiene:


r  ?T ' L 

q  ?T '   
Ecuacin 2.4-36

p  ?T '   L
Ecuacin 2.4-37

  rT ' Lp  q
Ecuacin 2.4-38

  qT ' r  p
Ecuacin 2.4-39

  pT ' q  Lr
Ecuacin 2.4-40

Ecuacin 2.4-41

por lo tanto qp  rq  0.

Posicionando el eje del cuerpo en el plano xz se tiene simetra en el plano xy, yz

Por lo que se obtiene las ecuaciones del momento como:

  rr T  rp T ' L pp  qq  rp L
Ecuacin 2.4-42

42

  qq LT '  rr  pp ' rp =  =

  rp T ' pp T ' L qq  pp ' rp L


Ecuacin 2.4-43

Ecuacin 2.4-44

Las Ecuaciones 2.4-36, 2.4-37, 2.4-38, 2.4-42, 2.4-43, 2.4-44 representan las
posee simetra en el plano xy, el producto rp  0.

ecuaciones generales de los sistemas no lineales. Como el Bird Like (Sky-Sailor)

Por lo que, las Ecuaciones 2.4-42, 2.4-43, 2.4-44 para el Bird Like (Sky Sailor) se
obtienen:

  rr T ' L pp  qq

  qq LT '  rr  pp
Ecuacin 2.4-45

 pp T ' L qq  pp
Ecuacin 2.4-46

Ecuacin 2.4-47

Trabajando con las Ecuaciones 2.4-36, 2.4-37, 2.4-38, 2.4-45, 2.4-46, 2.4-47 se
tiene:

pp  qq
1


L


rr
rr

T
rr  pp
1

`LT a   
qq
qq
T

1  qq  rr L
pp

pp
1
r  L '
?

T
1

` T a 
q   ' 
?

T
1




'
L
p
?

Ecuacin 2.4-48

Ecuacin 2.4-49

CHCG '  HC; ' CH G ; '  H ; ' CHC; G


T
`T a  y HCG ' CHC; ' H G ; ' CH ; ' G HC; z
 G ' CG ; ' C;CG
T

Con lo cual, el modelo del Bird Like queda definido por las ecuaciones:

43

;T
CG
1
T
yG z 
`0
CG
0
HT

; G
C;CG
;

C; G 
 ;CGa L

C;

pp  qq
1


L
rr
rr

T
rr  pp
1

`LT a   
qq
qq
T

1  qq  rr L
pp

pp
1
r  L '
?

T
1
` T a  q   ' 
?

T
1

? p   ' L

Donde r , q , p , , , , representan las entradas de control.


Ecuacin 2.4-50

2.5 HELICPTERO. [10], [19], [20], [21], [22]

Un helicptero puede ser definido como una mquina voladora donde su


sustentacin y propulsin es proporcionada por uno o ms rotores horizontales.
La principal ventaja del helicptero est dada por el rotor, que proporciona
sustentacin sin

que

la

aeronave

se est desplazando, esto permite

realizar despegues y aterrizajes verticales.


El helicptero para el estudio est compuesto por un rotor principal y uno de cola.

Figura 2.6 Helicptero UAV. [21]


El helicptero presenta tres tipos de movimiento: roll, pitch, yaw.
Roll define el movimiento angular alrededor del eje x. Un movimiento de roll
positivo se define cuando es realizado en sentido de las manecillas del reloj visto
desde la parte trasera del helicptero.

44

Pitch define el movimiento angular alrededor del eje y. Un movimiento de pitch


positivo se define cuando es realizado en sentido de las manecillas del reloj visto
desde la parte izquierda del helicptero.
Yaw define el movimiento angular alrededor del eje z. Un movimiento de yaw
positivo se define cuando es realizado en sentido de las manecillas del reloj visto
desde la parte superior del helicptero.

Figura 2.7 Movimientos del helicptero. [19]

El helicptero es controlado por cuatro entradas de control diferentes, de las


cuales, tres son para el rotor principal y una para el rotor de cola.

2.5.1

MODELO MATEMTICO.

El modelo del helicptero consiste en 2 bloques:

Fuerza y torque en el helicptero.- En este bloque el helicptero puede ser


considerado como un cuerpo rgido ya que no posee partes mviles y se
calcula como las fuerzas y torques generados por el rotor que afectan en el
movimiento del helicptero.

Cuerpo Rgido.- El helicptero es considerado como un cuerpo rgido con


seis grados de libertad donde se puede aplicar la segunda ley de Newton y
los ngulos de rotacin de Euler.

45

Figura 2.8 Bloques del modelo del helicptero. [19]

El modelo dinmico del helicptero es obtenido con las siguientes suposiciones:

Cada rotor siempre estar en un disco denominado disco del rotor, por lo
que se considera que el ngulo de conicidad es igual a cero (no hay
desplazamiento de la bisagra).

Se supone que los ngulos de aleteo longitudinal y lateral son medibles y


controlables, por lo que, se consideran como entradas de control
directamente.

La nica resistencia del aire que se modelan son las fuerzas de arrastre
simples que se oponen a la rotacin de los dos rotores.

No se consideran las fuerzas aerodinmicas generadas por el viento


relativo.

Los efectos de operar el helicptero cerca de la tierra no se toman en


cuenta.

Los

efectos

de

las

fuerzas

aerodinmicas

generadas

por

los

estabilizadores no se toman en cuenta.

2.5.2

DINMICA DE CUERPO RGIDO.

Para obtener las ecuaciones del cuerpo rgido se ha utilizado las ecuaciones
obtenidas para el Bird Like, de donde se obtiene que:

46

CHCG '  HC; ' CH G ; '  H ; ' CHC; G


T
T
` a  y HCG ' CHC; ' H G ; ' CH ; ' G HC; z
 G ' CG ; ' C;CG
T
;T
CG
1
y GT z 
`0
CG
T
0
H

; G
C;CG
;

Ecuacin 2.5-1

C; G 
 ;CGa L

C;

pp  qq
1


L
rr
rr

T
rr  pp
1

`LT a   
qq
qq
T

1  qq  rr L
pp

pp
Ecuacin 2.5-2

1
r  L '
?

T
1

` T a 
q   ' 
?

T
1




'
L
p
?

Ecuacin 2.5-3

Ecuacin 2.5-4

Donde debido a la poca influencia de la fuerza centrpeta la Ecuacin 2.5-4 puede


ser escrita como:

` T a 

T


Ecuacin 2.5-5

Por lo tanto el helicptero considerado como un cuerpo rgido puede ser descrito
por las Ecuaciones 2.5-1, 2.5-2, 2.5-3, y 2.5-5.

2.5.3

FUERZAS Y TORQUES DEL HELICPTERO.

2.5.3.1 FUERZAS DEL HELICPTERO.

47

El helicptero se ve afectado por diferentes fuerzas externas pero principalmente


por 3 fuerzas, que son: la fuerza que genera el empuje del motor principal, la
fuerza que genera el empuje del motor de cola y la fuerza que genera la
aceleracin de la gravedad.

2.5.3.1.1

Fuerza generada debido al empuje del motor principal.

La fuerza que genera el efecto de empuje del motor principal depende

directamente de los ngulos de aleteo longitudinal <l y lateral < como se ve en

la figura 24.

Figura 2.9 ngulos de aleteo longitudinal y lateral del helicptero. [19]

La fuerza que genera el efecto de empuje del motor principal puede ser escrita
como:
k
Y

V  sin <l


V  sin <
`
a
V  cos <l  cos <
Ecuacin 2.5-6

2.5.3.1.2

Fuerza generada debido al empuje del motor principal.

La fuerza generada debido al motor de cola solo es una fuerza que acta en
0
k
R
 `5V a
0

direccin de y, por lo que se tiene que:

Ecuacin 2.5-7

2.5.3.1.3

Fuerza generada por la aceleracin de la gravedad.

48

La fuerza de la gravedad que afecta al helicptero lo afecta solo en el eje z, por lo


tanto se tiene que:

  ?  Z
Ecuacin 2.5-8

2.5.3.2 TORQUES DEL HELICPTERO.


El torque causado sobre el helicptero es debido a las fuerzas del motor de cola y
el motor principal, la gravedad no genera torque. Los torques se calculan con la
ecuacin general:

E  &

Ecuacin 2.5-9

Las distancias al eje se calculan en base a las Figuras 2.10 y 2.11.

Figura 2.10 Distancia del eje de referencia al motor principal del helicptero. [19]

Figura 2.11 Distancia del eje de referencia al motor de cola del helicptero. [19]
2.5.3.2.1

Torque generado debido al empuje del motor principal.

49

El torque causado debido a la fuerza del motor principal viene dado por:
k
k
 ?  p,Y
 ?
q,Y
V
k
k
`V a  r,Y  ?  p,Y  x?
V
 k  ? '  k  x?
r,Y

Ecuacin 2.5-10

2.5.3.2.2

q,Y

Torque causado debido al empuje del motor de cola.

El torque causado debido a la fuerza del motor de cola viene dado por:
k
q,5V
 
 5V
z
`5V a  y
0
k
5V
q,5V  x

Ecuacin 2.5-11

2.5.4

ADAPTACIN DEL MODELO PARA EL CONTROL.

La adaptacin del modelo del helicptero se realiza ya que es un sistema con un


alto grado de complejidad debido al acoplamiento de trminos de traslacin y
rotacin, por lo que se propone un desacoplamiento de los trminos de rotacin
con los de traslacin. Debido al desacoplamiento de trminos la fuera externa
 sin 1C
0

sin 1
 V 
' C  ` a
0
cos 1C  cos 1

total del helicptero puede ser escrita como:

5#j

Ecuacin 2.5-12

Como se considera que el helicptero esta en vuelo estacionario los ngulos de


aleteo longitudinal y lateral son muy pequeos, ya que no requiere de variaciones
1C
0

 V  y 1 z ' C  ` a
0
1

abruptas, por lo que la ecuacin anterior viene dada por:

5#j

Ecuacin 2.5-13

La ecuacin del torque total del helicptero puede ser representada por:
k
k
q,Y
 ?  p,Y
 ?

k
 
q,5V
k
k
E 5#j r,Y  ?  p,Y  x? ' y
z
0
k
k
k


x
q,5V
r,Y  ? ' q,Y  x?

Ecuacin 2.5-14

50
0
E 5#j V  ` ?
?
0
E 5#j ` ?
?

1C
? ?

0
x?a  y 1 z ' 5V  ` 0 a
x?
0
x
1

1C
?
? x
0
0 a  y 1 z ' V  x?
x? 
0
5V
Ecuacin 2.5-15

Ecuacin 2.5-16

Para simplificar la ecuacin anterior se utiliza la siguiente notacin:


0
  ` ?
?

? x
0
0a
x? 

?
e  x?
0

Ecuacin 2.5-17

Donde se puede ver que el trmino  contribuye significativamente para el control


Ecuacin 2.5-18

de la dinmica de la rotacin, mientras el trmino e

es el trmino de

acoplamiento entre la rotacin y la traslacin, entonces se puede introducir un


<
<l
 `= a    ` < a
c


vector de entradas de control para la dinmica de rotacin.

Ecuacin 2.5-19

Entonces considerando la fuerza de traslacin. Esta fuerza puede ser escrita


como:
k
5#j

Donde 1

 V  c ' <

1C
=  y 1 z


3 son los vectores unitarios en coordenadas respecto al cuerpo


Ecuacin 2.5-20

del helicptero. Definiendo la entrada de control como  asociada a la dinmica

de la traslacin se tiene que:

  

Ecuacin 2.5-21

Considerando:

51

1 0 0
  `0 1 1 a
0 0 0
Ecuacin 2.5-22

Entonces la fuerza puede ser escrita como:

k
5#j
   c '    < 

Ecuacin 2.5-23

Donde

    <
Ecuacin 2.5-24

Con lo cual la fuerza total que acta sobre el helicptero es:


k
5#j
   c ' 

Ecuacin 2.5-25

Finalmente la fuerza de traslacin puede ser escrita como un trmino relacionado


con la traslacin directamente y un trmino ortogonal a c .
 ' e 
Ecuacin 2.5-26

CHCG '  HC; ' CH G ; '  H ; ' CHC; G


T
`T a  y HCG ' CHC; ' H G ; ' CH ; ' G HC; z
 G ' CG ; ' C;CG
T

Finalmente,

el

modelo

adaptado

para

el

control

es:

k
5#j
   c ' 

;T
CG
<
y GT z  lJ ` 0
0
HT

; G
C;CG
;

 ' e 

C; G 
 ;CGa L

C;

En donde  y representan las entradas del control.


Ecuacin 2.5-27

2.5.5

LINEALIZACIN DEL MODELO.

El modelo del helicptero es muy extenso y complejo al tratar de tener una visin
general de la interconexin entre los diferentes bloques y la dependencia entre
cada uno de ellos. Por lo cual, se trabaja con los modelos simplificados del
helicptero, en los cuales se asume que cada entrada de control afecta un solo
parmetro del helicptero, despreciando los acoplamientos cruzados que existen

52

control de la Figura 2.12 estn relacionadas as:  est relacionada con la

entre los diversos parmetros. De esta manera se asume que las entradas de
posicin del helicptero en el eje x; la entrada j# est relacionada con la

posicin del helicptero en el eje y;  est relacionada con la posicin del


helicptero en el eje z y, # est relacionada con la orientacin del helicptero.

De esta manera pasamos a un sistema SISO en el cual cada entrada de control


afecta a un solo parmetro del helicptero, como se muestra en la Figura 2.12.

Figura 2.12 Modelo simplificado del helicptero.


Los modelos linealizados fueron tomados del libro Autonomous hover of a small
electric Helicopter Towards Helicopter Aided Mapping of Crops que consta en
la bibliografa. [19]

2.5.6

MODELO DE ALTITUD DEL HELICPTERO.

La funcin de transferencia de la posicin de altitud del helicptero es dada por:

Figura 2.13 Modelo de altitud del helicptero. [19]

53

Dnde:
L es el empuje de sustentacin del rotor principal
Loffset = 8,26N es la interseccin con el eje de la abscisa de la funcin L
M= 2 kg es la masa del helicptero

KL = 0,126 Ns/rad es la ganancia de ? a L


g= 9,8m/s2 es el valor de la gravedad

es una funcin de segundo grado que representa la funcin de transferencia


25
' 10 ' 25

de un servo motor que es utilizado como actuador en el helicptero.




Ecuacin 2.5-28

Al remplazar los valores de las variables y realizando la reduccin del diagrama


de bloques de la Figura 2.13 se obtiene la funcin de transferencia del movimiento
de altitud del helicptero.

6.54910d = ' 2.61910d ' 6.47910d


p 
25 d ' 10 c ' 25 =
Ecuacin 2.5-29

2.5.7

MODELO LATERAL DEL HELICPTERO.

El movimiento lateral del helicptero es producido por el ngulo ; que general un


momento de alabeo (roll), debido a la inclinacin que produce el rotor principal.

Para modelar este movimiento se asume que existe una relacin entre la entrada
de control j# y el ngulo de alabeo (;), la misma que dice que la velocidad

angular roll es proporcional a la entrada j# .


;

j#

Dnde: ; es el ngulo roll del helicptero.

j#

Ecuacin 2.5-30

j# = 2 rad/s es la ganancia DC de j# a ;


j# es la entrada de control.

Para evitar acoplamientos cruzados entre los diferentes parmetros del


helicptero se asume que el empuje de sustentacin es igual a

54

  ?Z.

Ecuacin 2.5-31




Con lo cual, la aceleracin del helicptero en el eje y puede ser calculada como:
@ 

Dnde:  es la proyeccin del empuje de sustentacin sobre el eje y, el cual es


Ecuacin 2.5-32

calculado de la siguiente manera:

   sin ;
Ecuacin 2.5-33

sin;  ;

Se asume que se trabaja con ngulos pequeos con lo cual

Ecuacin 2.5-34

Sustituyendo las Ecuaciones 2.5-31 y 2.5-34 en 2.5-33 se obtiene:


  Z ;

Ecuacin 2.5-35

Z ;


Remplazando la Ecuacin 2.5-35 en 2.5-32 se tiene:


@ 

Ecuacin 2.5-36

@

Integrando dos veces la aceleracin en y para obtener la posicin en y se tiene:




Ecuacin 2.5-37

Z j#

Trabajando con las Ecuaciones 2.5-30, 2.5-36 en 2.5-37:




j#

Ecuacin 2.5-38

Con lo cual, se obtiene la funcin de transferencia del movimiento lateral del


helicptero:

q 

Zj#
c

Remplazando los valores de Z y j# , finalmente se obtiene:


Ecuacin 2.5-39

q 

 19.6
c

Ecuacin 2.5-40

55

2.5.8

MODELO LONGITUDINAL DEL HELICPTERO.

El movimiento longitudinal del helicptero se modela exactamente de la misma

manera que el lateral, con la diferencia que el ngulo G interviene en este

movimiento y genera un momento de cabeceo (pitch).

La funcin de transferencia ser la misma que la del movimiento lateral, con una
diferencia en el signo, debido a que la proyeccin del empuje de sustentacin
sobre el eje x es:

9    sin G
Ecuacin 2.5-41

Z

Con lo cual, la funcin de transferencia del movimiento longitudinal es:


r  

Donde  = 2 rad/s es la ganancia DC de  a G


Ecuacin 2.5-42

19.6

Finalmente, la funcin de transferencia es:


r 

Ecuacin 2.5-43

2.5.9

MODELO DE ORIENTACION DEL HELICPTERO.

El modelo de orientacin del helicptero es caracterizado por el ngulo yaw (H) y


es modelado como una simple ganancia de la entrada a la salida que en este
caso es la velocidad angular en yaw (H).
qj

La funcin de transferencia de la orientacin del helicptero es:

Donde qj = 1 rad/s

Con lo cual se obtiene:

K 

Ecuacin 2.5-44

K 

Ecuacin 2.5-45

56

De esta manera con las Ecuaciones 2.5-29, 2.5-40, 2.5-43, 2.5-45 queda definido
el modelo lineal del helicptero.

p 

r 

q 

19.6
c

 19.6
c

6.54910d = ' 2.61910d ' 6.47910d


25 d ' 10 c ' 25 =
1
K 
Ecuacin 2.5-46

57

CAPTULO 3

3. DESARROLLO, SIMULACIN Y CONTROL DE LOS


MODELOS MATEMTICOS.
El desarrollo, simulacin y control de los modelos matemticos se desarrolla
utilizando MATLAB y Simulink. Para la implementacin de los modelos
matemticos obtenidos en el Captulo 2, se utilizan los diferentes bloques de
Simulink, adems de s-functions que son archivos .m en los cuales se genera un
cdigo de programa til en la implementacin del modelo. De la misma manera
para la implementacin de los controles se utiliza los diferentes bloques de
Simulink, como son:

Bloque de control PID, en el cual se puede cargar los valores de las


ganancias proporcional, integral y derivativo.

Figura 3.1 Bloque controlador PID

Bloque de Lgica Difusa, en el cual se carga el controlador previamente


realizado en el toolbox Fuzzy Logic.

Figura 3.2 Bloque controlador Lgica Difusa

Bloque de Redes Neuronales, en el cual se genera la red neuronal


previamente realizada en Matlab.

Figura 3.3 Bloque controlador redes neuronales

Bloque de funcin, en el cual se carga el archivo .m que contiene el


controlador basado en lgebra Lineal.

58

Figura 3.4 Bloque de funcin de MATLAB

3.1

SIMULACIN Y CONTROL UAV AVIN PVTOL.

El modelo del avin PVTOL implementado en Simulink basndose en las


Ecuaciones 2.1-11 es:
ESCUELA POLIT ECNICA NACIONAL
MODELACION, SIMULACION Y CONTROL DE SISTEMAS AEREOS NO T RIPULADOS UTILIZANDO INTELIGENCIA ART IFICIAL

ELABORADOR POR:

GUERRERO NOBOA FREDDY ROBERTO


MENENDEZ GRANIZO OSWALDO ANIBAL

MODELO: MODELO NO LINEAL AVION PVT OL

u2

Ramp

phi

phi

Saturation

Posicion X PVT OL

ENTRADA
Angulo
CALCULO DE PHI
u1

Ramp1

Posicion Z PVT OL

Saturation1
PVT OL
Posicion X PVTOL1
CALCULO DE POSICION

Figura 3.5 Modelo del avin PVTOL

El modelo del avin PVTOL consta de las entrada de control < , = un bloque de
clculo del ngulo ; y un bloque de clculo de la posicin del avin PVTOL.

El bloque de clculo del ngulo ; consiste de dos integradores, mientras que el

bloque de posicin del avin PVTOL contiene una s-function para el respectivo
clculo, como se muestra en las Figuras 3.6 y 3.7 respectivamente.
1
u2

1
s

1
s

Integrator

Integrator1

1
phi

Figura 3.6 Bloque de clculo de phi del avin PVTOL

59

phi

posicion_sfunc_pvtol

2
u1

S-Function

1
s

1
s

Integrator

Integrator1

x
2
z

Figura 3.7 Bloque de clculo de posicin del avin PVTOL

3.1.1

SIMULACIN UAV AVIN PVTOL.

Una vez implementado el modelo, se coloca una entrada (1, 2) tipo rampa a
cada entrada de control, con una saturacin en el valor de 10.

Figura 3.8 Entrada de control ( , ) del avin PVTOL

Al aplicar la entrada de control de la figura 3.8 a 1, 2 se espera que el avin

PVTOL alcance la posicin 10 en x, y en z. Las respuestas en x, z se muestran en


las figuras 3.9 y 3.10, respectivamente.

Figura 3.9 Respuesta x del avin PVTOL

60

Figura 3.10 Respuesta z del avin PVTOL


Las respuestas en los ejes x, z indican que el avin PVTOL no sigue la trayectoria
deseada, por lo que es necesario introducir un controlador al modelo para lograr
la posicin deseada.

3.1.2

CONTROL DEL UAV AVIN PVTOL.

Para realizar el control de posicin del avin PVTOL es necesario agregar un


bloque de generacin de trayectoria adicional al modelo, el mismo que contenga
modelo (1, 2). De igual manera para el control del avin PVTOL se trabaja con

los controladores que sern los encargados de generar las seales de entrada al
los 12 estados de un cuerpo rgido que son: posicin (9, , :), orientacin (, G, H),
velocidad lineal (9T , T , :T ) y velocidad angular (T, GT, HT ).

Para el caso del avin PVTOL, que posee tres grados de libertad (9, :, ), se

trabaja solo con estos parmetros, los dems parmetros se cargan con cero (0).
Los 12 estados del PVTOL se trabajan por medio del bloque de Simulink: Bus
creator, que permite generar una sola lnea de datos con los 12 parmetros, sta
lnea toma el nombre de Estados PVTOL en el modelo. Para el control de la seal
de control (1) se utiliza un controlador PID cuya entrada es el error entre la altura

deseada y la posicin real en y del avin PVTOL, mientras que para el control de
la seal de control (2) se utilizar un control combinado entre PID y lgica difusa,
as como PID y Redes Neuronales.

61

ESCUELA POLITECNICA NACIONAL


MODELACION, SIMULACION Y CONTROL DE SISTEMAS AEREOS NO TRIPULADOS UTILIZANDO INTELIGENCIA ARTIFICIAL

ELABORADOR POR:

GUERRERO NOBOA FREDDY ROBERTO


MENENDEZ GRANIZO OSWALDO ANIBAL

MODELO: MODELO NO LINEAL AVION PVTOL CON PID y LOGICA DIFUSA

xd

xd
u2

zd

u2

zd

Estados PVTOL

Trayectoria
u1

u1

Estados PVTOL

Controlador

Modelo PVTOL
Display

TSim
Clock

Display1

Figura 3.11 Modelo de control del avin PVTOL

3.1.3

DISEO DEL CONTROLADOR BASADO EN LGICA DIFUSA PARA EL


UAV AVIN PVTOL. [23], [24], [25], [26]

El controlador basado en lgica difusa se utiliza para el control de


posicionamiento en x, el cual permite adaptar variables, es decir de un valor de x
deseado obtener un valor de ; deseado, el cual ser la entrada de un PID que

genera la seal de control (2). Para disear el controlador basado en lgica


difusa se utiliza el Toolbox de Matlab Fuzzy Logic.
Primero, se elige dos entradas para el controlador y una salida:

Entrada de error de posicin, que se obtiene al restar la posicin deseada


de la posicin real del avin PVTOL.

Entrada de velocidad del avin PVTOL, en este caso ser la velocidad en x


del avin PVTOL.

Salida de control, la cual es el ngulo ; deseado.

62

Figura 3.12 Entradas y salida del controlador de lgica difusa


Las funciones de membresa de las entradas y la salida fueron realizadas de la
siguiente manera:
Funcin de membresa del error, que posee un rango mximo de error entre
[-60, 60] en el cual se consideran tres funciones: negativo, cero y positivo.

Figura 3.13 Funcin de membresa del error


Funcin de membresa de la velocidad del avin PVTOL, que posee un rango
entre [-10, 10] en el cual se consideran tres funciones: negativo, cero y positivo.

Figura 3.14 Funcin de membresa de la velocidad


Funcin de membresa de salida de control, que posee un rango entre
[-0.02, 0.02], debido a que se debe generar ngulos pequeos comprendidos

63

entre

-1.14 y 1.14, en el cual se consideran nu eve funciones: s1, s2, s3, s4, s5,

s6, s7, s8 y s9, todas del tipo triangular, en donde:


s1= ngulo negativo grande
s2= ngulo negativo poco grande
s3= ngulo negativo muy pequeo
s4= ngulo negativo pequeo
s5= ngulo cero
s6= ngulo positivo pequeo
s7= ngulo positivo muy pequeo
s8= ngulo positivo poco grande
s9= ngulo positivo grande.
Se elige nueve funciones para obtener una mayor pertenencia entre las variables
del controlador.

Figura 3.15 Funcin de membresa de la salida de control


Con las funciones de membresa de las entradas y salida definidas se procede a
elaborar las reglas del controlador, las mismas que son:

Si error es negativo y velocidad es negativa, entonces salida es negativo


grande.

Si error es cero y velocidad es negativa, entonces salida es negativo poco


grande.

Si error es positivo y velocidad es negativa, entonces salida es negativo


muy pequeo.

Si error es negativo y velocidad es cero, entonces salida es positivo


pequeo.

Si error es cero y velocidad es cero, entonces salida es cero.

64

Si error es positivo y velocidad es cero, entonces salida es negativo


pequeo.

Si error es negativo y velocidad es positivo, entonces salida es positivo


muy pequeo.

Si error es cero y velocidad es positivo, entonces salida es positivo poco


grande.

Si error es positivo y velocidad es positivo, entonces salida es positivo


grande.

Figura 3.16 Reglas del controlador de lgica difusa


3.1.4 DISEO DEL CONTROLADOR PID PARA EL UAV AVIN PVTOL. [4]

Para el control del modelo en z, es decir alcanzar una altura deseada, se utiliza
un PID, el cual toma el error entre la altura deseada y la altura real del avin
PVTOL y genera un valor de entrada (1) al modelo.
La funcin del controlador PID es tomar el error de una medicin y reducir el error
a cero, en este caso calcular los valores deseados de las entradas de control
(1, 2) que eliminen el error.

3.1.4.1 Diseo del controlador PID para altura del avin PVTOL.

El PID para control de altura interviene directamente en la entrada de control (1),


para lo cual el diagrama del controlador es el siguiente:

65

2
zd
PID

<z>

2
u1

PID Controller
3
Estados PVT OL

Figura 3.17 Diagrama PID para control altura del avin PVTOL.

En la Figura 3.17 se observa que la entrada del PID es el error entre la altura
deseada (zd) y la altura real del avin PVTOL, la misma que es realimentada a
travs del bus de datos (Estados PVTOL), y la salida del PID se conecta
directamente a la entrada de control (1).
La sintonizacin del PID se realiza mediante prueba y error debido a que se trata
de un sistema no lineal y lo que se busca con el control PID es mantener una
referencia. Con lo cual las constantes del controlador PID luego de realizar
algunas pruebas son:
Tabla 3.1 Valores PID para altura del avin PVTOL
Controlador PID
para altura del
avin PVTOL

40

10

3.1.4.2 Diseo del controlador PID para posicin en x del avin PVTOL.

El PID para control de posicin en x interviene directamente en la entrada de


control (2), el cual se une con el controlador basado en lgica difusa para
generar la entrada de control. La entrada del PID es el error entre el ngulo ;

deseado, que es obtenido mediante el controlador de lgica difusa, y el ngulo ;


actual del avin que es realimentado.

El esquema de control es el siguiente:

Figura 3.18 Esquema de control de posicin en x del avin PVTOL

66

El PID diseado es un controlador PD, debido a que al realizar pruebas con parte
integral el sistema se vuelve inestable. Siguiendo el procedimiento de 3.1.4.1 las
constantes del PID son:
Tabla 3.2 Valores PID para posicin en x del avin PVTOL
Controlador PID
para posicin en x
del avin PVTOL

10

10

El control conjunto entre lgica difusa y PID se muestra a continuacin:


1
xd

x error

PID
Fuzzy Logic
Controller

PID Controller1

1
u2

Vx

phi

2
zd
<z>

PID
PID Controller

2
u1

3
Estados PVTOL

Figura 3.19 Diagrama de control conjunto PID y lgica difusa para el avin
PVTOL

3.1.5 DISEO DEL CONTROLADOR BASADO EN REDES NEURONALES


PARA EL UAV AVIN PVTOL. [27]

El controlador basado en redes neuronales, al igual que el controlador basado en


adaptar variables, es decir de un valor de x deseado obtener un valor de ;

lgica difusa, se utiliza para el control de posicionamiento en x, el cual permite

deseado, el cual ser la entrada de un PID que genera la seal de control (2).

Para disear el controlador basado en redes neuronales primero se crea la red


neuronal en un archivo .m de Matlab para luego ser exportado a Simulink.

67

Para disear el controlador basado en redes neuronales se utiliza la funcin


newff. En el diseo se considera que la entrada de la red neuronal es el error de
posicin y la velocidad del avin PVTOL y la salida es el valor de ; deseado.

Las funciones de entrada: error de posicin y velocidad estn en el intervalo entre


-1 a 1. Adems la red neuronal tendr seis capas ocultas. La funcin de activacin
de la red neuronal para la entrada y salida de la red neuronal es tansig que
representa una funcin tangente. El entrenamiento de la red neuronal se realiza
por medio de la funcin 'trainlm' que es la funcin que presenta el Matlab por
default. El cdigo para generar esta red neuronal es:
net = newff([-1 1; -1 1], [6,1], {'tansig','tansig'}, 'traingdx');

Las salidas deseadas de la red neuronal entrenada son las siguientes:


Pos_Vel = [ -1

-1

-1

1 ;

-1

-1

-1

1 ];

Angulo

= [ -0.182

0.073

0.182];

-0.073

-0.0091

-0.0364

0.0364

0.0091

Donde la matriz Pos_Vel es una matriz que representa las entradas de la red
neuronal: error de posicin y velocidad, mientras que la matriz Angulo representa
la salida de la red neuronal. La red neuronal es programada para que efecte
10000 interacciones en su entrenamiento con un error de 0.0000001.
net.trainParam.epochs = 10000;
net.trainParam.goal

= 0.0000001;

net = train(net, Pos_Vel, Angulo);

Una vez entrenada la red neuronal se la exporta al entorno de Simulink.


sim(net,Pos_Vel)
gensim(net,-1)

Con lo cual se obtiene el controlador basado en redes neuronales.


1

x p

x{1}

Process Input 1

p{1}

a{1}

a{1}

a{1}

Layer 1

a{1}

a{2}

Layer 2
ay

Process Output 1

y{1}

Figura 3.20 Controlador basado en redes neuronales para el avin PVTOL

68

TDL

weight

p{1}

Delays 1

IW{1,1}
bias

1
netsum

tansig

a{1}

b{1}

Figura 3.21 Red neuronal con funcin de activacin


En la Figura 3.21 se muestra que la funcin tansig es utilizada para activar la red
neuronal.
El controlador completo de redes neuronales se muestra en la Figura 3.22.
if (u1 < -0.15)
u1 elseif (u1 > 0.15)
else

If
if { }

-1

In1

Constant

Out1

If Action
Subsystem

In1

elseif { }
Out1

Merge
x{1}

Entrada

Constant1

If Action
Subsystem1

In1

Constant2

y {1}

Display2

1
Control

Merge
Neural Network

else { }
Out1

If Action
Subsystem2

Display1

if (u1 > 0.15)


u1 elseif (u1 < -0.15)
else

If1
Display

if { }

In1

Constant3

Out1

If Action
Subsystem3

-1

In1

Constant4

elseif { }
Out1

If Action
Subsystem4

In1

Constant5

Merge
Merge1

else { }
Out1

If Action
Subsystem5

Figura 3.22 Controlador basado en redes neuronales para el avin PVTOL.

Las entradas del controlador basado en redes neuronales son acondicionadas


mediante una seleccin previa de las entradas, error de posicin y velocidad, las
cuales generarn las seales de salida del controlador.
El controlador basado en redes neuronales se complementa con un PID para
mantener la referencia del ngulo. Las constantes del controlador PID luego de
realizar algunas pruebas son:
Tabla 3.3 Valores PID complementario para redes neuronales del avin PVTOL
Controlador PID

10

10

69

3.1.6 DISEO DEL CONTROLADOR BASADO EN LGEBRA LINEAL PARA


EL UAV AVIN PVTOL. [11]

seales (1, 2) que permitan al avin PVTOL seguir una trayectoria deseada

El objetivo de disear el controlador basado en algebra lineal es obtener las


(9&, :&).

El primer paso en el diseo del controlador consiste en expresar el modelo del


avin PVTOL mostrado en la Ecuacin 3.1-1 en espacio de Estado, considerando
una masa de 1kg, como un conjunto de ecuaciones diferenciales lineales de
primer orden.

9@  1 $A ;

:@  1 CD ;  1
2  ;@

9
9<
9T
9=
9c :
 :T

9d


9

9O T

Ecuacin 3.1-1 Modelo del avin PVTOL

9=
9<T
9=T
1 sin 9

9d
9T
c 

9dT 1 cos9  1
9T
9O

9OT
2
Ecuacin 3.1-2 Variables de estado

Ecuacin 3.1-3 Modelo avin PVTOL en espacio de estado

Usando la aproximacin de Euler tenemos:

9<<  9< '  9=

9=<  9=   1 sin 9


9c<  9c '  9d

9d<  9d '  1 cos9  


9<  9 '  9O

9O<  9O '  2

Ecuacin 3.1-4 Aproximacin de Euler del modelo del avin PVTOL

70

9<<  9<   9=


0
0

 sin 9

9=<  9=
0

9c<  9c   9d


0

1
0


9d<  9d ' 
 cos 9 0 2

0
9<  9   9O


9O<  9O
0

Expresando la Ecuacin 3.1-4 en forma matricial se tiene

Ecuacin 3.1-5 Modelo del avin PVTOL expresado en forma matricial

La ecuacin 3.1-5 representa un sistema de ecuaciones lineales que permite


calcular las acciones de control (1, 2) para cada instante de muestreo, con el fin

de que el avin PVTOL siga la trayectoria deseada. Ahora, es necesario


especificar las condiciones para que ste sistema tenga solucin exacta. La
primera condicin es que el sistema de 3 ecuaciones con 2 incgnitas posea
solucin exacta.

9=<  9=
sin 9 0
1
1
y cos 9 0z  `9d<  9d '  a
2

9O<  9O
1
0

9=<  9=
 sin 9

1  9
 cos 9
d<  9d ' 
Ecuacin 3.1-6

Ecuacin 3.1-7

exacta al calcular 9p mediante la divisin entre la fila 1 y 2.

Utilizando la Ecuacin 3.1-7 se puede verificar que el sistema posee solucin


 sin 9
9=<  9=

 cos 9 9d<  9d ' 
9=
9d ' 

Ecuacin 3.1-8

Z9p 

Donde 9p es la variable de referencia para que el sistema de la Ecuacin 3.1-5


Ecuacin 3.1-9

posea solucin exacta y de esta manera el avin PVTOL siga la trayectoria

deseada. Esta variable de referencia representa la orientacin necesaria que


debe tener el avin PVTOL para que el error de seguimiento sea igual a cero.
De igual manera de la Ecuacin 3.1-5 las filas 1, 3, 5 deben cumplir la condicin
de igualdad a cero, entonces

71

 9<
9=
9
1 <<
9
9
` d a  ` c<  9c a
 9<  9
9O
Ecuacin 3.1-10

Con el objetivo de que el error de seguimiento tienda a cero, se definen las


9<<  9&<<  e< 9&<  9<

siguientes expresiones

9c<  9&c<  ec 9&c  9c


9<  9&<  e 9&  9

Donde e< , ec , e son constantes de diseo entre 0 y 1.


Ecuacin 3.1-11

Remplazando la Ecuacin 3.1-11 en la Ecuacin 3.1-10 se obtiene la velocidad


necesaria del avin PVTOL para que el error de seguimiento sea cero. Estos
valores son los deseados de velocidad. Por lo que se representa con el subndice

&.

9!=< 
9!d< 
9!O< 

9&<<  e< 9&<  9<  9<




9&c<  ec 9&c  9c  9c



9&<  e 9&  9  9

Ecuacin 3.1-12

Aplicando la misma estructura de enfoque que la expresada en 3.1-11 con los


valores que se obtuvieron en 3.1-12, para hacer que la velocidad del avin
9=<  9&=<  e= 9&=  9=

PVTOL tienda a la velocidad de referencia.

9d<  9&d<  ed 9&d  9d


9O<  9&O<  eO 9&O  9O

Donde e= , ed , eO son constantes de diseo entre 0 y 1.


Ecuacin 3.1-13

Con lo cual el sistema final por ser resuelto es el siguiente

72

9=<  9=
sin 9p 0
1
1
` cos 9p 0a  `9d<  9d '  a
2

9O<  9O
1
0
Ecuacin 3.1-14

9 

La Ecuacin 3.1-14 expresada de manera simplificada es:

Ecuacin 3.1-15

Para resolver el sistema de la Ecuacin 3.1-14 se utiliza la matriz pseudo inversa


para encontrar las acciones de control.
9  5  < 5

La solucin del sistema puede ser encontrado de la siguiente manera

Ecuacin 3.1-16

1

2

Entonces
sin 9p 0 <
sin 9p cos 9p 0
sin 9p cos 9p 0

` cos 9p 0a

0
0
1
0
0
1
1
0
9d<  9d
9=<  9=
sin 9p '
cos 9p

<


1
1 0


9O<  9O
2
0 1

Con lo cual las acciones de control son:
9=<  9=
9d<  9d
1  
sin 9p '
cos 9p


9O<  9O
2 

Ecuacin 3.1-17 Acciones de control del avin PVTOL

3.2

SIMULACIN Y CONTROL UAV CUADRICPTERO.

El modelo del Cuadricptero implementado en Simulink basndose en las


Ecuaciones 2.2-27 es:

73

ESCUELA POLITECNICA NACIONAL


MODELACION, SIMULACION Y CONTROL DE SISTEMAS AEREOS NO TRIPULADOS UTILIZANDO INTELIGENCIA ARTIFICIAL

ELABORADOR POR:

GUERRERO NOBOA FREDDY ROBERTO


MENENDEZ GRANIZO OSWALDO ANIBAL

MODELO: MODELO NO LINEAL CUADRICOPTERO

-12.25
-3.038
Scope

-1.055e+004
1250

Ramp

Saturation

1250
1250

ENTRADAS DE CONTROL

Estados Cuadricoptero

-0.1789
-0.0469

-410.8

Tphi,Tteta,Tpsi

Constant

50
50
50

Modelo Cuadricptero
Display1

Figura 3.23 Modelo del Cuadricptero.

, E , EJ , EK y un bloque que contiene el modelo del cuadricptero implementado

El modelo implementado del cuadricptero posee las entradas de control que son:

en una s-function, como se muestra en la Figura 3.24.

Cuadri coptero_Posicion_X
Cuadri coptero_Posicion_Y
Cuadri coptero_Posicion_Z

u
<phi>
<theta>

posicion_sfunc_c

1
s

ddX

dX

1
s

S-Function

phi

2
Tphi,Tteta,Tpsi

ddn

1
s

dn

1
s

theta
psi
dx

1
Estados Cuadri coptero

dy
dz
dphi
dtheta
dpsi

Figura 3.24 Bloque del modelo del cuadricptero

3.2.1

SIMULACIN UAV CUADRICOPTERO

Una vez implementado el modelo, se coloca una entrada () tipo rampa, con una
Nm. a cada entrada de control de torque (E , EJ , EK ).

saturacin en el valor de 15 y se coloca una entrada tipo paso con el valor de 1

74

Figura 3.25 Entrada de control del cuadricptero

Figura 3.26 Entrada de control para los torques del cuadricptero

Con dichas entradas de control se realiza la simulacin con un tiempo de 50s, las
respuestas de posicin en x, y, z son las siguientes:

Figura 3.27 Respuesta en x del cuadricptero

75

Figura 3.28 Respuesta en y del cuadricptero

Figura 3.29 Respuesta en z del cuadricptero


Las Figuras 3.27, 3.28, 3.29 muestran las respuestas del cuadricptero en los
ejes x, y, z respectivamente, las cuales tratan de seguir la forma de rampa de la
entrada de control () pero crecen sin control al transcurrir el tiempo, por lo que es
necesario implementar acciones de control para que el cuadricptero realice una
trayectoria deseada.

3.2.2

CONTROL DEL UAV CUADRICPTERO.

Para realizar el control de posicin del cuadricptero es necesario agregar un


bloque de generacin de trayectoria adicional al modelo, el mismo que contenga
modelo (, E , EJ , EK ).

los controladores que sern los encargados de generar las seales de entrada al

De igual manera para el control del cuadricptero se trabaja con los 12 estados de

un cuerpo rgido que son: posicin (9, , :), orientacin (, G, H), velocidad lineal
(9T , T , :T ) y velocidad angular (T, GT , HT ).

76

El control del cuadricptero se realiza para un ngulo de guiada (H) igual a cero,

con lo cual EK 0, para evitar el movimiento sobre el propio eje del cuadricptero.

Para el control de la fuerza de sustentacin del cuadricptero () se utilizar un


en z del cuadricptero, mientras que para el control de los torques (E , EJ , EK ) se
controlador PID cuya entrada es el error entre la altura deseada y la posicin real

utilizar un control combinado entre PID y lgica difusa, as como PID y redes
neuronales.
ESCUELA POLITECNICA NACIONAL
MODELACION, SIMULACION Y CONTROL DE SIST EMAS AEREOS NO T RIPULADOS UTILIZANDO INT ELIGENCIA ART IFICIAL

ELABORADOR POR:

GUERRERO NOBOA FREDDY ROBERTO


MENENDEZ GRANIZO OSWALDO ANIBAL

MODELO: MODELO NO LINEAL CUADRICOPT ERO CON CONT ROL AUT OMTICO

xd

xd

yd

yd

zd

zd

Estados Cuadricoptero

Tphi, Ttheta, Tpsi

Tphi,Tteta,Tpsi

Trayectoria
Estados Cuadricptero

Controlador

Modelo Cuadricptero
Display1

TSim
Clock

Display

Figura 3.30 Modelo para control del cuadricptero

3.2.3 DISEO DEL CONTROLADOR BASADO EN LGICA DIFUSA PARA EL


CUADRICPTERO. [23], [24], [25], [26]

Se utiliza dos controladores basados en lgica difusa, uno para calcular el ngulo
G deseado y otro para calcular el ngulo deseado. Estos controladores permiten

adaptar variables, es decir, pasar de una trayectoria deseada a un valor de ngulo


Para encontrar el ngulo G deseado el controlador basado en lgica difusa
deseado.

presenta como entradas la posicin y velocidad en x, y como salida se obtiene el


ngulo G.

77

Para encontrar el ngulo deseado el controlador basado en lgica difusa


ngulo .

presenta como entradas la posicin y velocidad en y, y como salida se obtiene el

El diseo de los controladores basados en lgica difusa se utiliza exactamente el


mismo procedimiento que en la seccin 3.1.3.

3.2.4

DISEO DEL CONTROLADOR PID PARA EL UAV CUADRICPTERO.


[4]

Para el control del cuadricptero se utiliza tres PID.

Uno para el control de altura deseada para la entrada de control ().

Uno para acoplar el ngulo a la entra de control ( E )

Uno para acoplar el ngulo G a la entrada de control (EJ )

El diseo de los controladores PID se realiza de la misma manera que en la


seccin 3.1.4, con lo cual los valores de las constantes de los diferentes PID son:
Tabla 3.4 Valores PID para altura del cuadricptero.
Controlador PID
para altura del
cuadricptero

70

Tabla 3.5 Valores PID para _ del cuadricptero.


Controlador PID
para del

cuadricptero

10

10

Tabla 3.6 Valores PID para _ del cuadricptero.


para del

Controlador PID

cuadricptero

10

10

78

Con lo cual el diagrama de control combinado entre PID y lgica difusa es el


siguiente:
<z>

-70

error z

1
u

Gain1

3
zd

<dz>

Estados
Cuadricptero

Gain

<x>
error x

1
theta d

xd

PID Control ler1

Fuzzy Logic
Controller

<dx>

PID

error theta

Tphi, Ttheta, Tpsi

<theta>

<y >

error y

yd
phi d

PID Control ler2

Fuzzy Logic
Controller1

<dy >

PID

error phi

<phi>

Figura 3.31 Diagrama de control conjunto PID y lgica difusa para el


cuadricptero

3.2.5

DISEO DEL CONTROLADOR BASADO EN REDES NEURONALES


PARA EL UAV CUADRICPTERO. [27]

Para diseo del controlador basado en redes neuronales para el UAV


cuadricptero se sigue el mismo procedimiento efectuado en la seccin 3.1.5. Con
lo cual el cdigo de programa en un archivo .m es:
net = newff([-1 1; -1 1], [6,1], {'tansig','tansig'}, 'traingdx');

Pos_Vel = [ -1

-1

-1

1 ;

-1

-1

-1

1 ];

Angulo

= [ -0.182

0.073

0.182];

-0.073

-0.0091

net.trainParam.epochs = 10000;
net.trainParam.goal

= 0.0000001;

-0.0364

0.0364

0.0091

79

net = train(net, Pos_Vel, Angulo);


sim(net,Pos_Vel)
gensim(net,-1)

El controlador basado en redes neuronales para el UAV cuadricptero es:


if (u1 < -0.15)
u1 elseif (u1 > 0.15)
else

If
if { }

-1

In1

Constant

Entrada

Constant1

Out1

If Action
Subsystem

In1

elseif { }
Out1

Merge
x{1}

If Action
Subsystem1

y {1}

Display2

1
Control

Merge
Neural Network

else { }
In1
Out1

0
Constant2

If Action
Subsystem2

Display1

if (u1 > 0.15)


u1 elseif (u1 < -0.15)
else

If1
Display

if { }

In1

Constant3

Out1

If Action
Subsystem3

-1

In1

Constant4

elseif { }
Out1

If Action
Subsystem4

In1

Constant5

Merge
Merge1

else { }
Out1

If Action
Subsystem5

Figura 3.32 Controlador basado en redes neuronales para el UAV cuadricptero

El controlador basado en redes neuronales se complementa con un PID para


mantener la referencia del ngulo. Las constantes del controlador PID luego de
realizar algunas pruebas son:

Tabla 3.7 Valores de PID complementario para redes neuronales del


cuadricptero
Controlador PID

3.2.6

10

10

DISEO DEL CONTROLADOR BASADO EN LGEBRA LINEAL PARA


EL UAV CUADRICPTERO. [12]

80

seales (, E , EJ , EK ) que permitan al cuadricptero seguir una trayectoria deseada

El objetivo de disear el controlador basado en algebra lineal es obtener las


(9&, &, :&).

El primer paso en el diseo del controlador consiste en expresar el modelo del


cuadricptero mostrado a continuacin en espacio de Estado, como un conjunto

m 9@  u sin

de ecuaciones diferenciales lineales de primer orden.

m @  u cos sin 

m :@  u cos cos   ?Z
EK
H@
E
` J a  y G@ z
EI
;@

9
9<
9T
9=
9 
c
9 T
d
9 :
:T
9
O 

9 T
9
9 G
9< GT
H
9<<
9<= HT
Ecuacin 3.2-1

9=

 sin 9
?
9d

Ecuacin 3.2-2 Variables de estado

9<T

9T
=

9T

c 
9dT ? cos9 sin 9

9T
9O

9OT 
9T  cos9 cos9  Z
9 T ?

EI
9T

9<
T
9<

EJ
9<<
T

9
9<=
<=
T
EK

Ecuacin 3.2-3 Modelo cuadricptero en espacio de estado

81

9<<  9< '  9=

Usando la aproximacin de Euler se tiene:

9=<  9=  


sin 9
?

9c<  9c '  9d

9d<  9d ' 


cos9 sin 9
?

9<  9 '  9O

9O<  9O ' 


cos9 cos9  Z
?

9<  9 '  9

9<  9 '  EI 

9<  9 '  9< 

9<<  9< '  EJ 

9<<<  9<< '  9<= 


9<=<  9<= '  EK 

Ecuacin 3.2-4 Aproximacin de Euler del modelo del cuadricptero


 sin 9
?


cos9 sin 9
?
 cos9 cos9

?
0

Expresando la Ecuacin 3.2-4 en forma matricial se tiene:


0
0
0
1
0
0
0
0
0
0
0
0

0
0
0
0
1
0
0
0
0
0
0
0

9=<  9=
0

9d<  9d
0
9

O<  9O ' Z


0

9<  9

0
9<<  9<


0
9

9
<=<
<=

1 EI
E  9<<  9<  9= 

0 J
9c<  9c  9d 
0 EK
9<  9  9O 
0

9
 9  9 
0
<

0
9<  9  9< 

0
9<<<  9<<  9<= 

Ecuacin 3.2-5 Modelo del cuadricptero expresado en forma matricial

calcular las acciones de control (, E , EJ , EK ) para cada instante de muestreo, con
La Ecuacin 3.2-5 representa un sistema de ecuaciones lineales que permite

el fin de que el cuadricptero siga la trayectoria deseada. Ahora, es necesario


especificar las condiciones para que este sistema tenga solucin exacta. La

82

primera condicin es que el sistema de 6 ecuaciones con 4 incgnitas posee


1
 sin 9
?

1
cos9 sin 9
?
1
cos9 cos9
?

solucin exacta.

0
0
0
1
0
0

0
0
0
0
1
0

9=<  9=
0

9d<  9d
0 

1 9O<  9O ' Z


0 EI

 9
0 EJ
<  9


0 EK
9<<  9<

9<=<  9<=
1

1
 sin 9
?
9=<  9=

1
1
cos9 sin 9   ` 9d<  9d a
 9
?

O<  9O ' Z


1

? cos9 cos9
Ecuacin 3.2-6

Ecuacin 3.2-7

exacta al calcular 9p y 9p .

Utilizando la Ecuacin 3.2-7 se puede verificar que el sistema posee solucin


Z9p 

9d
9O ' Z

9=
sin 9p
9d

Ecuacin 3.2-8

Z9p  

Ecuacin 3.2-9

Donde 9p y 9p son las variables de referencia para que el sistema de la

Ecuacin 3.2-5 posea solucin exacta y de sta manera el cuadricptero siga la


trayectoria deseada. Estas variables de referencia representan la orientacin
necesaria que debe tener el cuadricptero para que el error de seguimiento sea
igual a cero.
De igual manera de la Ecuacin 3.2-5 las filas 7, 8, 9, 10, 11, 12 deben cumplir la
condicin de igualdad a cero, entonces

83

9<<  9<
9=
9c<  9c
9d
9
19
 9

O  <
9p  9
9 

9p  9
9<

9

9
9
<=
<<<
<<
Ecuacin 3.2-10

Con el objetivo de que el error de seguimiento tienda a cero, se definen las


9<<  9&<<  e< 9&<  9<

siguientes expresiones

9c<  9&c<  ec 9&c  9c


9<  9&<  e 9&  9
9<  9p  e 9p  9
9<  9p  e 9p  9

9<<<  9&<<<  e<< 9&<<  9<<


Donde e< , ec , e , e , e , e<< son constantes de diseo entre 0 y 1.
Ecuacin 3.2-11

Remplazando la Ecuacin 3.2-11 en la Ecuacin 3.2-10 se obtiene la velocidad


necesaria del cuadricptero para que el error de seguimiento sea cero. Estos

&.

valores son los deseados de velocidad. Por lo que se representa con el subndice
9!=< 

9!d< 
9!O< 

9&<<  e< 9&<  9<  9<




9&c<  ec 9&c  9c  9c



9&<  e 9&  9  9


9!< 

9!<< 

9!<=< 

9p  e 9p  9  9


9p  e 9p  9  9


9&<<<  e<< 9&<<  9<<  9<<



Ecuacin 3.2-12

84

Aplicamos la misma estructura de enfoque que la expresada en la Ecuacin 3.211 con los valores que se obtuvieron en la Ecuacin 3.2-12 para hacer que la
9=<  9&=<  e= 9&=  9=

velocidad del cuadricptero tienda a la velocidad de referencia.


9d<  9&d<  ed 9&d  9d
9O<  9&O<  eO 9&O  9O
9<  9&<  e 9&  9

9<<  9&<<  e< 9&<  9<


9<=<  9&<=<  e<= 9&<=  9<=

Donde e= , ed , eO , e , e< , e<= son constantes de diseo entre 0 y 1.


Ecuacin 3.2-13

 sin 9p
?

1
cos9p sin 9p
?
1
cos9p cos9p
?

Con lo cual el sistema final por ser resuelto es el siguiente


0
0
0
1
0
0

0
0
0
0
1
0

9=<  9=
0

9d<  9d

0

1 9O<  9O ' Z


0 EI


0 EJ
 9<  9
0 EK
9<<  9<

9<=<  9<=
1

Ecuacin 3.2-14

La Ecuacin 3.2-14 expresada de manera simplificada es:


9 

Ecuacin 3.2-15

Para resolver el sistema de la Ecuacin 3.2-14 se utiliza la matriz pseudo inversa


para encontrar las acciones de control.
9  5  < 5

La solucin del sistema puede ser encontrado de la siguiente manera

Ecuacin 3.2-16

Donde
5  <

?=
 0
0
0

0
1
0
0

Ecuacin 3.2-17

0
0
1
0

0
0
0
1

85

5


1



sin9p
cos9p sin9p
cos9p cos9p
9= '
9d '
9O ' Z
?
?
?

9<  9

9<<  9<

9<=<  9<=

Ecuacin 3.2-18

1
sin99:
cos99: sin97:
cos99: cos97:

92 '
94 '
96 ' ZD
D
?
?
?

Con lo cual las acciones de control son:




EI 

EJ 

EK 

1
9
 9
 <

1
9
 9<
 <<

1
9
 9<=
 <=<

Ecuacin 3.2-19 Acciones de control del cuadricptero

3.3

SIMULACIN Y CONTROL UAV TRICPTERO.

El modelo del Tricptero implementado en Simulink basndose en las Ecuaciones


2.3-27 es:
ESCUELA POLITECNICA NACIONAL
MODELACION, SIMULACION Y CONTROL DE SISTEMAS AEREOS NO TRIPULADOS UTILIZANDO INTELIGENCIA ARTIFICIAL

ELABORADOR POR:

GUERRERO NOBOA FREDDY ROBERTO


MENENDEZ GRANIZO OSWALDO ANIBAL

MODELO: MODELO NO LINEAL TRICOPTERO

Ramp

Saturation

ENTRADAS DE CONTROL

Estados Tricptero

1
Constant

Tphi,Tteta,Tpsi

Modelo Tricoptero
Display1

Figura 3.33 Modelo del Tricptero

86

, E , EJ , EK y un bloque que contiene el modelo del cuadricptero implementado

El modelo implementado del tricptero posee las entradas de control que son:

en una s-function, como se muestra en la Figura 3.34.

T ricoptero_Posicion_X
T ricoptero_Posicion_Y
T ricoptero_Posicion_Z

u
posicion_sfunc_t

<phi>
<theta>

1
s

ddX

dX

1
s

y
z

S-Function

phi

2
Tphi,Tteta,Tpsi

ddn

1
s

dn

1
s

theta
psi
dx

1
Estados Tricptero

dy
dz
dphi
dtheta
dpsi

Figura 3.34 Bloque del modelo del tricptero

3.3.1

SIMULACIN UAV TRICOPTERO.

Una vez implementado el modelo, se coloca una entrada () tipo rampa, con una
Nm. a cada entrada de control de torque (E , EJ , EK ).

saturacin en el valor de 15 y se coloca una entrada tipo paso con el valor de 1

Figura 3.35 Entrada de control u del tricptero

87

Figura 3.36 Entrada de control para los torques del tricptero

Con dichas entradas de control se realiza la simulacin con un tiempo de 50s, las
respuestas de posicin en x, y, z son las siguientes:

Figura 3.37 Respuesta en x del tricptero

Figura 3.38 Respuesta en y del tricptero

88

Figura 3.39 Respuesta en z del tricptero


Las figuras muestran las respuestas del

tricptero en los ejes x, y, z

respectivamente, las cuales tratan de seguir la forma de rampa de la entrada de


control () pero crecen sin control al transcurrir el tiempo, por lo que es necesario
implementar acciones de control para que el tricptero realice una trayectoria
deseada.

3.3.2

CONTROL DEL UAV TRICPTERO.

Para realizar el control de posicin del tricptero es necesario agregar un bloque


de generacin de trayectoria adicional al modelo, el mismo que contenga los
modelo (, E , EJ , EK ).

controladores que sern los encargados de generar las seales de entrada al

De igual manera para el control del tricptero se trabaja con los 12 estados de un

cuerpo rgido que son: posicin (9, , : ), orientacin ( , G, H ), velocidad lineal

(9T , T , :T ) y velocidad angular (T, GT , HT ).

El control del tricptero se realizar para un ngulo de guiada (H) igual a cero,

con lo cual EK 0, para evitar el movimiento sobre el propio eje del tricptero.

Para el control de la fuerza de sustentacin del tricptero (  ) se utiliza un


en z del tricptero, mientras que para el control de los torques (E , EJ , EK ) se utiliza

controlador PID cuya entrada es el error entre la altura deseada y la posicin real

un control combinado entre PID y lgica difusa, as como PID y redes neuronales.

89

ESCUELA POLITECNICA NACIONAL


MODELACION, SIMULACION Y CONTROL DE SISTEMAS AEREOS NO TRIPULADOS UTILIZANDO INTELIGENCIA ARTIFICIAL

ELABORADOR POR:

GUERRERO NOBOA FREDDY ROBERTO


MENENDEZ GRANIZO OSWALDO ANIBAL

MODELO: MODELO NO LINEAL TRICOPTERO CON CONTROL AUTOMTICO

-2.564
xd

1.002

xd

14.44
u
yd

0.0001042

-0.000283

yd

0
Estados Tricptero
zd

zd

0.03778
0.07651

Tphi, Ttheta, Tpsi

Tphi,Tteta,Tpsi

Trayectoria

0.00019
7.328e-006

Estados Tricptero

3.994e-005
Controlador

Dinmica Tricoptero
Display1

TSim
Clock
179.6
Display

Figura 3.40 Modelo para control del tricptero

3.3.3

DISEO DEL CONTROLADOR BASADO EN LGICA DIFUSA PARA EL


TRICPTERO.

G deseado y otro para calcular el ngulo deseado. Estos controladores permiten

Se utiliza dos controladores basados en lgica difusa, uno para calcular el ngulo

adaptar variables, es decir, pasar de una trayectoria deseada a un valor de ngulo


Para encontrar el ngulo G deseado el controlador basado en lgica difusa
deseado.

presenta como entradas la posicin y velocidad en x, y como salida se obtiene el


ngulo G.

Para encontrar el ngulo deseado el controlador basado en lgica difusa

presenta como entradas la posicin y velocidad en y, y como salida se obtiene el


ngulo .

El diseo de los controladores basados en lgica difusa se utiliza exactamente el


mismo procedimiento que en 3.1.3.

3.3.4

DISEO DEL CONTROLADOR PID PARA EL UAV TRICPTERO. [4]

Para el control del tricptero se utiliza tres PID.

90

Uno para el control de altura deseada para la entrada de control ().

Uno para acoplar el ngulo a la entra de control ( E ).

Uno para acoplar el ngulo G a la entrada de control (EJ ).

El diseo de los controladores PID se realiza de la misma manera que en la


seccin 3.1.4, con lo cual los valores de las constantes de los diferentes PID son:
Tabla 3.8 Valores PID para altura del tricptero
Controlador PID
para altura del
cuadricptero

para del

Controlador PID

cuadricptero

para del

Controlador PID

cuadricptero

70

Tabla 3.9 Valores PID para del tricptero


P

10

10

Tabla 3.10 Valores PID para del tricptero


P

10

10

Con lo cual el diagrama de control combinado entre PID y lgica difusa es el


siguiente:

91

<z>

-70

error z

1
u

Gain1

3
zd

<dz>

Estados
Tricptero

Gain

<x>
error x

1
theta d

xd

error theta

<dx>

PID

2
Tphi, Ttheta, T psi

PID Controller1

Fuzzy Logic
Controller

0
Constant
<theta>

<y >

error y

yd
phi d

error phi

Fuzzy Logic
Controller1

<dy >

PID
PID Controller2

<phi>

Figura 3.41 Diagrama de control conjunto PID y lgica difusa para el tricptero

3.3.5 DISEO DEL CONTROLADOR BASADO EN REDES NEURONALES


PARA EL UAV TRICPTERO. [27]

Para diseo del controlador basado en redes neuronales para el UAV tricptero
se sigue el mismo procedimiento efectuado en 3.1.5. Con lo cual el cdigo de
programa en un archivo .m es:
net = newff([-1 1; -1 1], [6,1], {'tansig','tansig'}, 'traingdx');

Pos_Vel = [ -1

-1

-1

1 ;

-1

-1

-1

1 ];

Angulo

= [ -0.182

0.073

0.182];

-0.073

-0.0091

net.trainParam.epochs = 10000;
net.trainParam.goal

= 0.0000001;

net = train(net, Pos_Vel, Angulo);

sim(net,Pos_Vel)

-0.0364

0.0364

0.0091

92

gensim(net,-1)

El controlador basado en redes neuronales para el UAV tricptero es:


if (u1 < -0.15)
u1 elseif (u1 > 0.15)
else

If
if { }

-1

In1

Constant

Entrada

Constant1

Out1

If Action
Subsystem

In1

elseif { }
Out1

Merge
x{1}

If Action
Subsystem1

In1

Constant2

y {1}

Display2

1
Control

Merge
Neural Network

else { }
Out1

If Action
Subsystem2

Display1

if (u1 > 0.15)


u1 elseif (u1 < -0.15)
else

If1
Display

if { }

In1

Constant3

Out1

If Action
Subsystem3

-1

In1

Constant4

elseif { }
Out1

If Action
Subsystem4

In1

Constant5

Merge
Merge1

else { }
Out1

If Action
Subsystem5

Figura 3.42 Controlador basado en redes neuronales para el UAV tricptero

El controlador basado en redes neuronales se complementa con un PID para


mantener la referencia del ngulo. Las constantes del controlador PID luego de
realizar algunas pruebas son:
Tabla 3.11 Valores de PID complementario para redes neuronales del tricptero
Controlador PID

3.3.6

10

10

DISEO DEL CONTROLADOR BASADO EN LGEBRA LINEAL PARA


EL UAV TRICPTERO. [12]

seales (, E , EJ , EK ) que permitan al tricptero seguir una trayectoria deseada


El objetivo de disear el controlador basado en lgebra Lineal es obtener las
(9&, &, :&).

93

El primer paso en el diseo del controlador consiste en expresar el modelo del


tricptero mostrado a continuacin en espacio de Estado, como un conjunto de

m 9@  u sin

ecuaciones diferenciales lineales de primer orden.

m @  u cos sin 

m :@  u cos cos   ?Z
EK
H@
E
` J a  y G@ z
EI
;@

9
9<
9T
9=
9 
c
9 T
d
9 :
:T
9
O 

9 T
9
9 G
9< GT
H
9<<
9<= HT
Ecuacin 3.3-1

9=

 sin 9
?
9d

Ecuacin 3.3-2 Variables de estado

9<T

9=T

9cT



9
T

cos9
sin
9

d

9T
9O

9OT 
9T  cos9 cos9  Z
9 T ?

EI
9T

9<
T
9<

EJ
9<<
T

9
9<=
<=
T
EK

Ecuacin 3.3-3 Modelo tricptero en espacio de estado

Usando la aproximacin de Euler se tiene:

9<<  9< '  9=

9=<  9=  


sin 9
?

94

9c<  9c '  9d

9d<  9d ' 


cos9 sin 9
?

9<  9 '  9O

9O<  9O ' 


cos9 cos9  Z
?

9<  9 '  9

9<  9 '  EI 

9<  9 '  9< 

9<<  9< '  EJ 

9<<<  9<< '  9<= 


9<=<  9<= '  EK 

Ecuacin 3.3-4 Aproximacin de Euler del modelo del tricptero


 sin 9
?


cos9 sin 9
?
 cos9 cos9

?
0

Expresando la Ecuacin 3.3-4 en forma matricial se tiene


0
0
0
1
0
0
0
0
0
0
0
0

0
0
0
0
1
0
0
0
0
0
0
0

9=<  9=
0

9d<  9d
0
9

O<  9O ' Z


0

9<  9

0
9<<  9<

0 
9<=<  9<=
E

I
1
E  9<<  9<  9= 

0 J
9c<  9c  9d 
0 EK
9

0
<  9  9O 

9<  9  9 
0

0
9

9

9

<

<

0
9<<<  9<<  9<= 

Ecuacin 3.3-5 Modelo del tricptero expresado en forma matricial

calcular las acciones de control (, E , EJ , EK ) para cada instante de muestreo, con
La Ecuacin 3.3-5 representa un sistema de ecuaciones lineales que permite

el fin de que el tricptero siga la trayectoria deseada. Ahora, es necesario


especificar las condiciones para que este sistema tenga solucin exacta. La
primera condicin es que el sistema de 6 ecuaciones con 4 incgnitas posee
solucin exacta.

95

1
 sin 9
?

1
cos9 sin 9
?
1
cos9 cos9
?

0
0
0
1
0
0

0
0
0
0
1
0

9=<  9=
0

9d<  9d
0 

1 9O<  9O ' Z


0 EI


0 EJ
 9<  9
0 EK
9<<  9<

9<=<  9<=
1

1
 sin 9
?
9=<  9=

1
1
cos9 sin 9   ` 9d<  9d a
 9
?

O<  9O ' Z


1

? cos9 cos9
Ecuacin 3.3-6

Ecuacin 3.3-7

exacta al calcular 9p y 9p .

Utilizando la Ecuacin 3.3-7 se puede verificar que el sistema posee solucin


Z9p 

9d
9O ' Z

9=
sin 9p
9d

Ecuacin 3.3-8

Z9p  

Donde 9p y 9p son las variables de referencia para que el sistema de la


Ecuacin 3.3-9

Ecuacin 3.3-5 posea solucin exacta y de esta manera el tricptero siga la

trayectoria deseada. Estas variables de referencia representan la orientacin


necesaria que debe tener el tricptero para que el error de seguimiento sea igual
a cero.
De igual manera de la Ecuacin 3.3-5 las filas 7, 8, 9, 10, 11, 12 deben cumplir la
condicin de igualdad a cero, entonces
9<<  9<
9=
9c<  9c
9d
9
19
 9

O  <
9p  9
9 

9p  9
9<

9<=
9<<<  9<<
Ecuacin 3.3-10

96

Con el objetivo de que el error de seguimiento tienda a cero, se definen las


9<<  9&<<  e< 9&<  9<

siguientes expresiones

9c<  9&c<  ec 9&c  9c


9<  9&<  e 9&  9
9<  9p  e 9p  9
9<  9p  e 9p  9

9<<<  9&<<<  e<< 9&<<  9<<

Donde e< , ec , e , e , e , e<< son constantes de diseo entre 0 y 1.


Ecuacin 3.3-11

Remplazando la Ecuacin 3.3-11 en la Ecuacin 3.3-10 se obtiene la velocidad


necesaria del tricptero para que el error de seguimiento sea cero. Estos valores
son los deseados de velocidad. Por lo que se representa con el subndice &.
9!=< 

9!d< 
9!O< 

9&<<  e< 9&<  9<  9<




9&c<  ec 9&c  9c  9c



9&<  e 9&  9  9


9!< 

9!<< 

9!<=< 

9p  e 9p  9  9


9p  e 9p  9  9


9&<<<  e<< 9&<<  9<<  9<<



Ecuacin 3.3-12

Aplicando la misma estructura de enfoque que la expresada en la Ecuacin 3.3-11


con los valores que se obtuvieron en la Ecuacin 3.3-12, para hacer que la
9=<  9&=<  e= 9&=  9=

velocidad del tricptero tienda a la velocidad de referencia.

9d<  9&d<  ed 9&d  9d

97

9O<  9&O<  eO 9&O  9O


9<  9&<  e 9&  9

9<<  9&<<  e< 9&<  9<


9<=<  9&<=<  e<= 9&<=  9<=

Donde e= , ed , eO , e , e< , e<= son constantes de diseo entre 0 y 1.


Ecuacin 3.3-13

 sin 9p
?

1
cos9p sin 9p
?
1
cos9p cos9p
?

Con lo cual el sistema final por ser resuelto es el siguiente:


0
0
0
1
0
0

0
0
0
0
1
0

9=<  9=
0

9d<  9d
0 

1 9O<  9O ' Z


0 EI

 9
0 EJ
<  9


0 EK
9<<  9<

9<=<  9<=
1

Ecuacin 3.3-14

9 

La Ecuacin 3.3-14 expresada de manera simplificada es:

Ecuacin 3.3-15

Para resolver el sistema de la Ecuacin 3.2-14 se utiliza la matriz pseudo inversa


para encontrar las acciones de control.
9  5  < 5

La solucin del sistema puede ser encontrado de la siguiente manera

Ecuacin 3.3-16

Donde
 
5

5


1



<

?=
 0
0
0

0
1
0
0

Ecuacin 3.3-17

0
0
1
0

0
0
0
1

sin9p
cos9p sin9p
cos9p cos9p
9= '
9d '
9O ' Z
?
?
?

9<  9

9<<  9<

9<=<  9<=

Ecuacin 3.3-18

Con lo cual las acciones de control son:

98



1
sin99:
cos99: sin97:
cos99: cos97:

92 '
94 '
96 ' ZD
?
?
?
D
EI 

EJ 

EK 

1
9
 9
 <

1
9
 9<
 <<

1
9
 9<=
 <=<

Ecuacin 3.3-19 Acciones de control del tricptero

3.4

SIMULACIN Y CONTROL UAV BIRD LIKE.

El modelo del UAV Bird Like implementado en Simulink basndose en las


Ecuaciones 2.4-50 es:
ESCUELA POLITECNICA NACIONAL
MODELACION, SIMULACION Y CONTROL DE SISTEMAS AEREOS NO TRIPULADOS UTILIZANDO INTELIGENCIA ARTIFICIAL

ELABORADOR POR:

GUERRERO NOBOA FREDDY ROBERTO


MENENDEZ GRANIZO OSWALDO ANIBAL

MODELO: MODELO NO LINEAL BIRD LIKE

Fz

Ramp

Saturation

T phi

T theta
Estados Bird Like

Ramp1

Saturation1

T psi

ENTRADAS DE CONTROL
Fx

Fy

Modelo Bird Like


Display

Figura 3.43 Modelo no lineal del UAV Bird Like


El modelo del UAV Bird Like est desarrollado en cuatro sub-bloques que son
clculo de velocidades lineales, clculo de velocidades angulares, clculo de los
ngulos de Euler y clculo de la posicin del UAV Bird Like. Cada uno de estos
sub- bloques contienen una s-function con las ecuaciones respectivas del
sistema.

99

P,Q,R

Scope
U,V,W

Fx

Fx
6

Fy

U,V,W1

Scope2

Fy
1

Fz

Scope1

Fz

Calcul o de velocidad lineal U, V, W


x

U,V,W
x
x,y ,z

P,Q,R

phi,teta,psi

L
M

T theta
4
T psi

z
phi

P,Q,R1

T phi
3

Calculo de la Posicin X, Y, Z

teta
psi

Calculo de la velocidad angular P,Q,R

dx

1
Estados Bird Like

dy
dz

P,Q,R

dphi
phi,teta,psi1
dteta
phi,teta,psi
dpsi

Calculo de los Angulos de Euler

Figura 3.44 Sub- bloques del UAV Bird Like que permiten calcular velocidad
lineal, angular, posicin y ngulos de Euler

3.4.1

SIMULACIN UAV BIRD LIKE.

Una vez implementado el modelo, se coloca una entrada tipo rampa, con una
(r , q , p , , , ).

saturacin en el valor de 2 a las entradas de control que son las fuerzas y torques

Figura 3.45 Entradas de control , , , , , , del UAV Bird Like


Con dichas entradas de control se realiza la simulacin con un tiempo de 50s, las
respuestas de posicin en x, y, z son las siguientes:

100

Figura 3.46 Respuesta en x del UAV Bird Like

Figura 3.47 Respuesta en y del UAV Bird Like

Figura 3.48 Respuesta en z del UAV Bird Like


Las figuras muestran las respuestas del UAV Bird Like en los ejes x, y, z
control (r , q , p , , , ) pero crecen sin control al transcurrir el tiempo, por lo

respectivamente, las cuales tratan de seguir la forma de rampa de la entrada de

que es necesario implementar acciones de control para que el UAV Bird Like
realice una trayectoria deseada.

3.4.2

CONTROL DEL UAV BIRD LIKE.

Para realizar el control de posicin del UAV Bird Like es necesario agregar un
bloque de generacin de trayectoria adicional al modelo, el mismo que contenga
los controladores que sern los encargados de generar las seales de entrada al

101

modelo (r , q , p , , , ). De igual manera para el control del UAV Bird Like se

trabaja con los 12 estados de un cuerpo rgido que son: posicin ( 9, , : ),


orientacin (, G, H), velocidad lineal (9T , T , :T ) y velocidad angular (T, GT, HT ).

El control del UAV Bird Like se realiza para un ngulo de guiada (H) igual a cero,
con lo cual 0, para evitar el movimiento sobre el propio eje del UAV Bird Like.

Para el control de las fuerzas del sistema ( r , q , p ) se utilizar PID cuyas


entradas sern los errores entre la trayectoria deseada y la realimentacin de la
(, , ) se utiliza un control combinado ente PID y lgica difusa, as como PID y

posicin real del UAV Bird Like, mientras que para el control de los torques

Redes Neuronales.

3.4.3 DISEO DEL CONTROLADOR BASADO EN LGICA DIFUSA PARA EL


UAV BIRD LIKE. [23], [24], [25], [26]

G deseado y otro para calcular el ngulo deseado. Estos controladores permiten

Se utiliza dos controladores basados en lgica difusa, uno para calcular el ngulo

adaptar variables, es decir, pasar de una trayectoria deseada a un valor de ngulo


Para encontrar el ngulo G deseado el controlador basado en lgica difusa
deseado.

presenta como entradas la posicin y velocidad en x, y como salida se obtiene el


ngulo G.

Para encontrar el ngulo deseado el controlador basado en lgica difusa

presenta como entradas la posicin y velocidad en y, y como salida se obtiene el


ngulo .

El diseo de los controladores basados en lgica difusa se utiliza exactamente el


mismo procedimiento que en 3.1.3.

3.4.4 DISEO DEL CONTROLADOR PID PARA EL UAV BIRD LIKE. [4]

Para el control del UAV Bird Like se utiliza cinco PID.

Uno para el control de fuerza en x (r ).

Uno para el control de fuerza en y (q ).

102

Uno para el control de fuerza en z (p ).

Uno para acoplar el ngulo G a la entrada de control ( )


Uno para acoplar el ngulo a la entra de control ( )

El diseo de los controladores PID se realiza de la misma manera que en la


Tabla 3.12 Valores de PID para del UAV BIrd Like

seccin 3.1.4, con lo cual los valores de las constantes de los diferentes PID son:

Controlador PID
para r del UAV
Bird Like

70

Tabla 3.13 Valores de PID para del UAV BIrd Like

para r del UAV

Controlador PID

Bird Like

70

Tabla 3.14 Valores de PID para del UAV BIrd Like

para r del UAV

Controlador PID

Bird Like

70

Tabla 3.15 Valores PID para del UAV Bird Like

Controlador PID

para del UAV


Bird Like

10

10

Tabla 3.16 Valores PID para del UAV Bird Like

para del UAV


Controlador PID

Bird Like

10

10

Tabla 3.17
Con lo cual el diagrama de control combinado entre PID y lgica difusa es el
siguiente:

103

<z>

-70

error z

1
Fz

Gain1

3
zd

<dz>

Estados
Bird Like

Gain
-70

<x>

error x
error x

Gain2

1
theta d

xd

PID

error theta

2
Tphi, Ttheta, Tpsi

PID Controller1

Fuzzy Logic
Controller

<dx>

3
Fx

Gain3

0
Constant

<teta>

-70

4
Fy

Gain5
<y >

error y

1
Gain4

error y

yd
phi d

PID Controller2

Fuzzy Logic
Controller1

<dy >

PID

error phi

<phi>

Figura 3.49 Diagrama de control conjunto PID y lgica difusa para el UAV Bird
Like

3.4.5 DISEO DEL CONTROLADOR BASADO EN REDES NEURONALES


PARA EL UAV BIRD LIKE. [27]

Para diseo del controlador basado en redes neuronales para el UAV Bird Like se
sigue el mismo procedimiento efectuado en la seccin 3.1.5. Con lo cual el cdigo
de programa en un archivo .m es:
net = newff([-1 1; -1 1], [6,1], {'tansig','tansig'}, 'traingdx');

Pos_Vel = [ -1

-1

-1

1 ;

-1

-1

-1

1 ];

Angulo

= [ -0.182

0.073

0.182];

-0.073

net.trainParam.epochs = 10000;

-0.0091

-0.0364

0.0364

0.0091

104

net.trainParam.goal

= 0.0000001;

net = train(net, Pos_Vel, Angulo);

sim(net,Pos_Vel)

gensim(net,-1)

El controlador basado en redes neuronales para el UAV Bird Like es:


if (u1 < -0.15)
u1 elseif (u1 > 0.15)
else

If
if { }

-1

In1

Constant

Entrada

Constant1

Out1

If Action
Subsystem

In1

elseif { }
Out1

Merge
x{1}

If Action
Subsystem1

y {1}

Display2

1
Control

Merge
Neural Network

else { }
In1
Out1

0
Constant2

If Action
Subsystem2

Display1

if (u1 > 0.15)


u1 elseif (u1 < -0.15)
else

If1
Display

if { }

In1

Constant3

Out1

If Action
Subsystem3

-1

In1

Constant4

elseif { }
Out1

Merge

If Action
Subsystem4

In1

Constant5

Merge1

else { }
Out1

If Action
Subsystem5

Figura 3.50 Controlador basado en redes neuronales para el UAV Bird Like

El controlador basado en redes neuronales se complementa con un PID para


mantener la referencia del ngulo. Las constantes del controlador PID luego de
realizar algunas pruebas son:

Tabla 3.18 Valores de PID complementario para redes neuronales del UAV Bird
Like
Controlador PID

10

10

105

3.4.6

DISEO DEL CONTROLADOR BASADO EN LGEBRA LINEAL PARA


EL UAV BIRD LIKE.

Para el diseo del controlador basado en lgebra lineal para el UAV Bird Like, se
realiza las siguientes consideraciones para obtener un modelo simplificado del
sistema:

En el diseo del controlador no se consideran dos acciones de control: r ,

 , slo actan cuatro entradas de control en lugar de las seis iniciales del
Bird Like, las mismas que son: p , , , .

Se considera que los torques tiene una influencia directa en los ngulos de
rotacin del sistema, con lo cual se considera que las entrada de control
con un cambio de notacin son:

EK
H@
E
` J a  y G@ z
EI
;@

La fuerza de sustentacin p , denominada u , representa la fuerza de


Ecuacin 3.4-1

sustentacin del UAV BIrd Like, de esta forma las ecuaciones de posicin
del sistema son:

mno
]  jkl
p
5

Donde ] representa la fuerza del Bird Like en los tres ejes inerciales y
Ecuacin 3.4-2

CHCG
 ` HCG
 G

 HC; ' CH G ;
CHC; ' H G ;
CG ;

considerando la matriz de rotacin:


mno
jkl

Ecuacin 3.4-3

H ; ' CHC; G
CH ; ' G HC;a
C;CG

m 9@  u  H ; ' CHC; G

La posicin del Bird Like est definido por:

m @  u   CH ; ' G HC;
m :@  u C;CG  ?Z
Ecuacin 3.4-4

Con lo cual el modelo del Bird Like simplificado queda definido por:

106

m 9@  u  H ; ' CHC; G

m @  u   CH ; ' G HC;
m :@  u C;CG  ?Z
EK
H@
` EJ a  y G@ z
EI
;@

Ecuacin 3.4-5

seales (, E , EJ , EK ) que permitan al Bird Like seguir una trayectoria deseada

El objetivo de disear el controlador basado en lgebra lineal es obtener las


(9&, &, :&).

El primer paso en el diseo del controlador consiste en expresar el modelo del


Bird Like mostrado en la Ecuacin 3.4-5 en espacio de Estado, como un conjunto
de ecuaciones diferenciales lineales de primer orden.
9
9<
9T
9=
9 
c
9 T
d
9 :
:T
9
O 

9 T
9
9 G
9< GT
H
9<<
9<= HT

9=

9<T
? sin9 cos9<< cos9 ' sin9<< sin9
9=T

9d
9T

c 
9dT ? sin9<< sin9 cos9  cos9<< sin9

9T
9O

9OT

cos9 cos9  Z
9T 

?
9T

EI
9T

9<
T
9<

EJ
9<<
T

9
9<=
<=
T
EK

Ecuacin 3.4-6 Variables de estado

Ecuacin 3.4-7 Modelo Bird Like en espacio de estado

107

9<<  9< '  9=

Usando la aproximacin de Euler se tiene:


9=<  9= ' 
9d<  9d ' 


sin9 cos9<< cos9 ' sin9<< sin9
?
9c<  9c '  9d


sin9<< sin9 cos9  cos9<< sin9
?
9<  9 '  9O

9O<  9O ' 


cos9 cos9  Z
?

9<  9 '  9

9<  9 '  EI 

9<  9 '  9< 

9<<  9< '  EJ 

9<<<  9<< '  9<= 


9<=<  9<= '  EK 

Ecuacin 3.4-8 Aproximacin de Euler del modelo del Bird Like

Expresando la Ecuacin 3.4-7 en forma matricial se tiene la Ecuacin 3.4-9.


calcular las acciones de control (, E , EJ , EK ) para cada instante de muestreo, con
La Ecuacin 3.4-9 representa un sistema de ecuaciones lineales que permite

el fin de que el Bird Like siga la trayectoria deseada. Ahora, es necesario

especificar las condiciones para que este sistema tenga solucin exacta. La
primera condicin es que el sistema de 6 ecuaciones con 4 incgnitas posee
solucin exacta.

108


sin9 cos9<< cos9 ' sin9<< sin9
?

sin9<< sin9 cos9  cos9<< sin9
?


cos9 cos9
?

0
9=<  9=

9d<  9d
9

O<  9O ' Z

9<  9

9

9
<<
<

9<=<  9<=

 9<<  9<  9= 


9c<  9c  9d 
9

<  9  9O 

9
 9  9 
<

9<  9  9< 
9<<<  9<<  9<= 
1
sin9 cos9<< cos9 ' sin9<< sin9
?
1
sin9<< sin9 cos9  cos9<< sin9
?
1

cos9 cos9

0
9=<  9=
9d<  9d
1 9O<  9O ' Z

 9
<  9


9<<  9<
9<=<  9<=

0
0
0
1
0
0
0
0
0
0
0
0

0
0
0
0
1
0
0
0
0
0
0
0

Ecuacin 3.4-9 Modelo del Bird Like expresado en forma matricial

Ecuacin 3.4-10

0
0
0
1
0
0

0
0
0
0
1
0

0
0
0
0
0 
1 EI

0 EJ
0 EK
0
0

0
0 
0 EI

0 EJ
0 EK

109

1
sin9 cos9<< cos9 ' sin9<< sin9
9=<  9=
?

1
1
sin9<< sin9 cos9  cos9<< sin9   ` 9d<  9d a
 9
?

O<  9O ' Z


1

cos9 cos9

?
Ecuacin 3.4-11

Utilizando la Ecuacin 3.4-11 se puede verificar que el sistema posee solucin


exacta al calcular 9p y 9p .
Z9p 

sin9 9d cosH  9= sinH


9d sinH ' 9= cosH

Z9p 

9d sinH ' 9= cosH


9O ' Z
Ecuacin 3.4-12

Donde 9p y 9p son las variables de referencia para que el sistema de la


Ecuacin 3.4-13

Ecuacin 3.4-9 posea solucin exacta y de esta manera el Bird Like siga la

trayectoria deseada. Estas variables de referencia representan la orientacin


necesaria que debe tener el Bird Like para que el error de seguimiento sea igual a
cero.
De igual manera de la Ecuacin 3.4-9 las filas 7, 8, 9, 10, 11, 12 deben cumplir la
condicin de igualdad a cero, entonces
9<<  9<
9=
9c<  9c
9d
9
19
 9

O  <
9p  9
9 

9p  9
9<

9

9
9
<=
<<<
<<
Ecuacin 3.4-14

Con el objetivo de que el error de seguimiento tienda a cero, se definen las


9<<  9&<<  e< 9&<  9<

siguientes expresiones

9c<  9&c<  ec 9&c  9c


9<  9&<  e 9&  9
9<  9p  e 9p  9
9<  9p  e 9p  9

110

9<<<  9&<<<  e<< 9&<<  9<<

Donde e< , ec , e , e , e , e<< son constantes de diseo entre 0 y 1.


Ecuacin 3.4-15

Remplazando la Ecuacin 3.4-15 en la Ecuacin 3.4-14 se obtiene la velocidad


necesaria del Bird Like para que el error de seguimiento sea cero. Estos valores
son los deseados de velocidad. Por lo que se representa con el subndice &.
9!=< 

9!d< 
9!O< 

9&<<  e< 9&<  9<  9<




9&c<  ec 9&c  9c  9c



9&<  e 9&  9  9


9!< 

9!<< 

9!<=< 

9p  e 9p  9  9


9p  e 9p  9  9


9&<<<  e<< 9&<<  9<<  9<<



Ecuacin 3.4-16

Aplicamos la misma estructura de enfoque que la expresada en la Ecuacin 3.415 con los valores que se obtuvieron en la Ecuacin 3.4-16 para hacer que la
9=<  9&=<  e= 9&=  9=

velocidad del tricptero tienda a la velocidad de referencia.

9d<  9&d<  ed 9&d  9d


9O<  9&O<  eO 9&O  9O
9<  9&<  e 9&  9

9<<  9&<<  e< 9&<  9<


9<=<  9&<=<  e<= 9&<=  9<=

Donde e= , ed , eO , e , e< , e<= son constantes de diseo entre 0 y 1.


Ecuacin 3.4-17

Con lo cual el sistema final por ser resuelto es el siguiente:

111

1
sin9 cos9<< cos9 ' sin9<< sin9
?
1
sin9<< sin9 cos9  cos9<< sin9
?
1

cos9p cos9p

0
9=<  9=
9d<  9d
1 9O<  9O ' Z

 9
<  9


9<<  9<
9<=<  9<=

0
0
0
1
0
0

0
0
0
0
1
0

0
0 
0 EI

0 EJ
0 EK

Ecuacin 3.4-18

9 

La Ecuacin 3.3-18 expresada de manera simplificada es:

Ecuacin 3.4-19

Para resolver el sistema de la Ecuacin 3.2-18 se utiliza la matriz pseudo inversa


para encontrar las acciones de control.
La solucin del sistema puede ser encontrada de la siguiente manera:
9  5  < 5
Ecuacin 3.4-20

Donde
5  <

?=
 0
0
0

0
1
0
0

Ecuacin 3.4-21

0
0
1
0

0
0
0
1

sin9 cos9<< cos9 ' sin9<< sin9


sin9<< sin9 cos9  cos9<< sin9
cos9p cos9p

9= '
9d '
9O ' Z
?
?
?
1

9<  9
5 


9

9
<<
<

9

9

<=<
<=

Ecuacin 3.4-22

Con lo cual las acciones de control son:

112



1 sin99 cos911 cos97 ' sin911 sin97



92
?
D

sin911 sin99 cos97  cos911 sin97


94
?
cos99: cos97:
'
96 ' ZD
?
1
EI 
9
 9
 <
'

EJ 

EK 

1
9
 9<
 <<

1
9
 9<=
 <=<

Ecuacin 3.4-23 Acciones de control del Bird Like

3.5

SIMULACIN Y CONTROL UAV HELICOPTERO.

El modelo lineal del Helicptero implementado en Simulink basndose en las


Ecuaciones 2.5-46 es:
ESCUELA POLITECNICA NACIONAL
MODELACION, SIMULACION Y CONTROL DE SISTEMAS AEREOS NO TRIPULADOS UTILIZANDO INT ELIGENCIA ART IFICIAL
ELABORADOR POR:

GUERRERO NOBOA FREDDY ROBERTO


MENENDEZ GRANIZO OSWALDO ANIBAL

MODELO: CONTROL MODELO LINEALIZADO DEL HELICOPT ERO

Ulong

Si ne Wave

Model o Movimi ento Longitudinal1

Ulat

Sine Wave1

Modelo Movimi ento Lateral

Yaw_ref

y aw

Di spl ay

Constant

Modelo Movimiento de Timn o Yaw

zd

Ramp

Saturation

Modelo Movimiento Alti tud

Figura 3.51 Modelo lineal del Helicptero


En la Figura 3.51 se observa los bloques que conforman el modelo lineal del
helicptero, cada bloque contiene la funcin de transferencia que caracteriza el
comportamiento del sistema.

113

Mientras que el modelo no lineal basndose en las Ecuaciones 2.5-27 se muestra


en la Figura 3.52.
1

x1 (x)

x2 (u)

Phi

x3 (y )
Theta
x4 (v )
Psi

x5 (z)

Tphi Ttheta Tpsi

x6 (w)

Dinmica de Traslacin Helicptero

x11 (Phi)

x9 (Theta)

1
Estados Helicptero

x7 (Psi)

ngulos de Euler

Ixx
Iyy
Izz

x12 (P)
Ixx Iy y Izz
x10 (Q)

4
Tphi
3

Tphi Ttheta Tpsi

Ttheta
2

x8 (R)

Ecuaciones de Rotacin

Tpsi

tphi

Figura 3.52 Modelo No Lineal Helicptero


3.5.1

SIMULACIN UAV HELICOPTERO.

saturacin en el valor de 2 a las entradas de control ( , j# ,  ,  ). Se

Una vez implementado el modelo, se coloca una entrada tipo rampa, con una

propone el control del helicptero sin movimiento sobre su propio eje, con lo cual
el ngulo yaw es cargado con 0 (cero).

Figura 3.53 Entradas de control del helicptero


Con dichas entradas de control se realiza la simulacin con un tiempo de 50s, las
respuestas de posicin en x, y, z son las siguientes:

114

Figura 3.54 Respuesta en x del Helicptero

Figura 3.55 Respuesta en y del helicptero

Figura 3.56 Respuesta en z del helicptero


Las figuras muestran las respuestas del UAV Helicptero en los ejes x, y, z
respectivamente, las cuales crecen sin control al transcurrir el tiempo, por lo que
es necesario implementar acciones de control para que el UAV Helicptero realice
una trayectoria deseada.

3.5.2

CONTROL DEL UAV HELICOPTERO.

Debido a la complejidad del modelo no lineal del helicptero, para este modelo
solo se realiza el diseo de un controlador basado en lgebra lineal, mientras que

115

para el modelo lineal se realiza el diseo de los controladores basados en Lgica


Difusa, Redes Neuronales y PID.

3.5.3 DISEO DEL CONTROLADOR BASADO EN LGICA DIFUSA PARA EL


UAV HELICOPTERO. [23], [24], [25], [26]

Se utiliza dos controladores basados en lgica difusa, para calcular la velocidad


deseada del helicptero en los ejes x,z. Estos controladores permiten adaptar
variables, es decir, pasar de una trayectoria deseada a un valor de velocidad
deseado, para luego con este valor de velocidad poder controlar la posicin del
helicptero por medio de un PID, en cada eje, que mantenga una referencia
deseada.
El diseo de los controladores basados en lgica difusa se utiliza exactamente el
mismo procedimiento que en 3.1.3, con las siguientes diferencias:

Se utiliza una sola entrada al controlador basado en Lgica Difusa, esta


entrada representa el error de posicin en cada eje y una salida que
representa la velocidad deseada.

Las funciones de membreca de la entrada y salida se muestran en las Figuras


3.57 y 3.58.

Figura 3.57 Funcin de membresa de la entrada del controlador basado en


Lgica Difusa

116

Figura 3.58 Funcin de membresa de la salida del controlador basado en Lgica


Difusa
Las reglas del controlador se muestran en la Figura 3.59.

Figura 3.59 Reglas del controlador basado en Lgica Difusa para el helicptero.

3.5.4

DISEO DEL CONTROLADOR PID PARA EL UAV HELICOPTERO. [4]

Para el control del UAV Helicptero se utiliza cuatro PID.

Uno para el control de posicin en x.

Dos para el control de posicin en y. En ste eje se utilizan dos PID, uno
para obtener una velocidad deseada y otro para mantener la referencia de
velocidad y de sta manera poder alcanzar la trayectoria deseada.

Uno para el control de posicin en z.

El diseo de los controladores PID se realiza de la misma manera que en la


seccin 3.1.4, con lo cual los valores de las constantes de los diferentes PID son:
Tabla 3.19 Valores de PID para posicin en x del helicptero
Controlador PID
para r del UAV
Helicptero

10

3.295

6.4582

117

Tabla 3.20 Valores de PID para velocidad en y del helicptero


Controlador PID
para r del UAV
Helicptero

10

0.85

Tabla 3.21 Valores de PID para posicin en y del helicptero


para r del UAV

Controlador PID

Helicptero

-10

-3.295

-6.4582

Tabla 3.22 Valores PID para posicin en z del helicptero


para del UAV
Controlador PID

Helicptero

0.0095

0.0001

Con lo cual el diagrama de control combinado entre PID y lgica difusa es el


siguiente:

Scope

19.6

PID

s2
PID interno Transfer Fcn

Ulong
Fuzzy Logic
Controller

1
s

Integrator

Figura 3.60 Control en el eje x del helicptero


Scope
1
Ulat

PID

PID

PID externo

PID interno

-19.6
s2

1
s

Transfer Fcn

Integrator

1
y

Figura 3.61 Control en el eje y del helicptero

118

Scope
1
zd

PID

num(s)
den(s)

Fuzzy Logi c
Controller

PID interno

1
s
Integrator

1
z

Transfer Fcn

Figura 3.62 Control en el eje z del helicptero.

3.5.5 DISEO DEL CONTROLADOR BASADO EN REDES NEURONALES


PARA EL UAV HELICOPTERO. [27]

Para el diseo del controlador basado en Redes Neuronales se utiliza el toolbox


de Matlab Neural Network Tool, en el cual se elige el controlador NARMA - L2
Controller, en el cual se cargan los parmetros para el diseo de la red neuronal.

Figura 3.63 Controlador usado para realizar Redes Neuronales en el helicptero


Los parmetros a cargar son:

10000 muestras de entrenamiento

Seal de entrada acotada entre -1 y 4

Seal de salida mayor a cero

119

Figura 3.64 Parmetros cargados de la red neuronal


El diseo de la red neuronal se completa con un PID que se encarga de mantener
una referencia de velocidad del helicptero. Las constantes del PID son:

Tabla 3.23 Valores PID para Redes Neuronales del helicptero


P

10

6.5

Controlador PID
para Redes
Neuronales del
helicptero

Finalmente el control implementado es el siguiente:

NARMA-L2 Controller
Reference
1
xd
f
Plant
Output

Control
Signal

PID
PID interno

19.6
s2

1
s

Transfer Fcn

Integrator

1
x

Figura 3.65 Control combinado entre Redes Neuronales y PID para el helicptero.

3.5.6

DISEO DEL CONTROLADOR BASADO EN LGEBRA LINEAL PARA


EL UAV HELICPTERO.

120

Para el diseo del controlador basado en lgebra lineal para el UAV Helicptero,
se realiza en base al sistema desacoplado no lineal del helicptero.

m 9@  u  H ; ' CHC; G

La posicin del helicptero est definido por:

m @  u   CH ; ' G HC;
m :@  u C;CG  ?Z
Ecuacin 3.5-1

m 9@  u  H ; ' CHC; G

Con lo cual el modelo del helicptero simplificado queda definido por:

m @  u   CH ; ' G HC;
m :@  u C;CG  ?Z
HT 

;
C;
L'

CG
CG

GT  C;L  ;

T ' C;G
;   ' ;GL
T 

EK
r  q
L '
p
p

T 

EI
q  p
L '
r
r

LT 

EJ
p  r
 '
q
q

Ecuacin 3.5-2

seales (, E , EJ , EK ) que permitan al Helicptero seguir una trayectoria deseada

El objetivo de disear el controlador basado en lgebra lineal es obtener las


(9&, &, :&).

El primer paso en el diseo del controlador consiste en expresar el modelo del


Helicptero mostrado en la Ecuacin 3.5-2 en espacio de Estado, como un
conjunto de ecuaciones diferenciales lineales de primer orden.

121

9
9<
9T
9=
9 
c
9 T
d
9 :

:T
9
O
9 H
9
9 G
9< L
9<<
;
9<= 

9=

? sin9 cos9<< cos9 ' sin9<< sin9

9d


9<T
sin9 sin9 cos9<<  cos9 sin9<<

9T
?
=
9O

9cT



cos9 cos9<<  Z
9dT

?
9T

sin9<<
cos9<<
9OT
9
'
9
<

cos9
cos9
9T 

9T
EK
r  q

9< 9<= '





9
T

p
p


cos9<< 9<  sin9<< 9
T

9<

p  r
EJ
9<<
T
9
9
'
<=

9<=
T
q
q

9<= ' sin9<< tan9 9< ' cos9<< tan9 9


EI
q  p
9 9< '

r
r

Ecuacin 3.5-3 Variables de estado

Ecuacin 3.5-4 Modelo Helicptero en espacio de estado

Usando la aproximacin de Euler se tiene:


9=<  9= ' 
9d<  9d ' 

9<<  9< '  9=


sin9 cos9<< cos9 ' sin9<< sin9
?
9c<  9c '  9d


sin9 sin9 cos9<<  cos9 sin9<<
?
9<  9 '  9O

9O<  9O ' 


cos9 cos9<<  Z
?

122

9<  9 '  )

sin9<<
cos9<<
9< '
9
*
cos9
cos9 

9<  9 '  )

EK
r  q
9< 9<= '
*
p
p

9<  9 '  cos9<< 9<  sin9<< 9


9<<  9< ' 

EJ
p  r
9<= 9 '

q
q

911A'1  911A ' D 912A ' sin911 tan99 910A ' cos911 tan99 98A

9<=<  9<= '  )

EI
q  p
9 9< '
*
r
r

Ecuacin 3.5-5 Aproximacin de Euler del modelo del Helicptero

Expresando la Ecuacin 3.5-4 en forma matricial se tiene la Ecuacin 3.5-6


0
 sin9 cos9<< cos9 ' sin9<< sin9 0
?
0

sin9 sin9 cos9<<  cos9 sin9<< 1
?
r




cos9
cos9

<<

?
0

0
0

0
0

0
0

0
0

0
0

0
0

0
0
0

1
q
0

0
0
0
0
0
0

0
0
0

0 
E
I
1 EJ 

p EK
0
0
0
0
0
0

123

9=<  9=

9d<  9d

9O<  9O ' Z

r  q

9<  9   )
9< 9<= *

p  r
9<<  9<  
9<= 9




q
p

9<=<  9<=   )
9 9< *

9<<  9<  9= 

9c<  9c  9d 

9<  9  9O 

sin9<<
cos9<<

9<  9  )
9< '
9 * 

cos9
cos9

9<  9  cos9<< 9<  sin9<< 9 

9<<<  9<<  912A ' sin911 tan99 910A ' cos911 tan99 98A 
Ecuacin 3.5-6 Modelo del Helicptero expresado en forma matricial

calcular las acciones de control (, E , EJ , EK ) para cada instante de muestreo, con
La Ecuacin 3.5-6 representa un sistema de ecuaciones lineales que permite

el fin de que el Helicptero siga la trayectoria deseada. Ahora, es necesario


especificar las condiciones para que ste sistema tenga solucin exacta. La
primera condicin es que el sistema de 6 ecuaciones con 4 incgnitas posee
1
sin9 cos9 cos9<< ' sin9 sin9<<
9=<  9=
?

1
1 sin9 sin9 cos9<<  cos9 sin9<<   ` 9d<  9d a
 9
?

O<  9O ' Z


1

cos9 cos9<<

solucin exacta.

Ecuacin 3.5-7

Utilizando la Ecuacin 3.5-7 se puede verificar que el sistema posee solucin


exacta al calcular 9p y 9p .
Z9<<p 

sin9p 9d cosH  9= sinH


9d sinH ' 9= cosH
Ecuacin 3.5-8

124

Z9p 

9d sinH ' 9= cosH


9O ' Z

Donde 9p y 9p son las variables de referencia para que el sistema de la


Ecuacin 3.5-9

Ecuacin 3.5-6 posea solucin exacta y de sta manera el Helicptero siga la

trayectoria deseada. Estas variables de referencia representan la orientacin


necesaria que debe tener el Helicptero para que el error de seguimiento sea
igual a cero.
De igual manera de la Ecuacin 3.5-6 las filas 7, 8, 9, 10, 11, 12 deben cumplir la
condicin de igualdad a cero, entonces
9=
9
 9<
1 <<
9
9
` d a 
` c<  9c a
D
9<  9
9O

cos911A
sin911A

0
98A
cos99A
cos99A
1

`910A a 
D
sin911A
cos911A
0
912A

sin911A tan99A cos911A tan99A 1

1

97:  97A
99:  99A
`
a
911bA'1  911A

Ecuacin 3.5-10

Con el objetivo de que el error de seguimiento tienda a cero, se definen las


9<<  9&<<  e< 9&<  9<

siguientes expresiones

9c<  9&c<  ec 9&c  9c


9<  9&<  e 9&  9
9<  9&<  e 9p  9
9<  9p  e 9p  9

9<<<  9<<p  e<< 9&<<  9<<

Donde e< , ec , e , e , e , e<< son constantes de diseo entre 0 y 1.


Ecuacin 3.5-11

Remplazando la Ecuacin 3.5-11 en la ecuacin 3.5-10 se obtiene la velocidad


necesaria del Helicptero para que el error de seguimiento sea cero. Estos

125

&.

valores son los deseados de velocidad. Por lo que se representa con el subndice
9!=< 

9!d< 
9!O< 

9&<<  e< 9&<  9<  9<




9&c<  ec 9&c  9c  9c



9&<  e 9&  9  9


9!< 

9&<  e 9p  9  9


9!<< 

9!<=< 

9p  e 9p  9  9


9<<p  e<< 9&<<  9<<  9<<



Ecuacin 3.5-12

Aplicando la misma estructura de enfoque que la expresada en la Ecuacin 3.5-11


con los valores que se obtuvieron en la Ecuacin 3.5-12

para hacer que la

9=<  9&=<  e= 9&=  9=

velocidad del helicptero tienda a la velocidad de referencia.

9d<  9&d<  ed 9&d  9d


9O<  9&O<  eO 9&O  9O
9<  9&<  e 9&  9

9<<  9&<<  e< 9&<  9<


9<=<  9&<=<  e<= 9&<=  9<=

Donde e= , ed , eO , e , e< , e<= son constantes de diseo entre 0 y 1.


Ecuacin 3.5-13

Con lo cual, el sistema final por ser resuelto es el siguiente:

126

0
1 sin9 cos9 cos9 ' sin9 sin9 0

<<

<<

?
0
1
1
? sin9 sin9 cos9<<  cos9 sin9<<
r

cos9 cos9<<
?
0

0
0

0
0
0

1
q
0

9=<  9=

9d<  9d

9O<  9O ' Z




r
q

9< 9<= *
1 9<  9   )

p



p  r
9

9



9
9

<<
<

<= 
q

q  p
9
 9<=   )
9 9< *
<=<
r

0
0
0

0 EI

EJ
0 EK

1
p

Ecuacin 3.5-14

La Ecuacin 3.5-14 expresada de manera simplificada es:


9 

Ecuacin 3.5-15

Para resolver el sistema de la Ecuacin 3.5-14 se utiliza la matriz pseudo inversa


para encontrar las acciones de control.
La solucin del sistema puede ser encontrado de la siguiente manera
9  5  < 5
Ecuacin 3.5-16

127

CAPTULO 4

4. PRUEBAS Y RESULTADOS.
El modelo de los cada uno de los sistemas areos no tripulados obtenido en el
Captulo 2, es controlado con los cuatro controladores diseados en el Captulo 3,
en donde mediante la combinacin de las tcnicas de control se logr obtener
resultados satisfactorios en el seguimiento de una trayectoria deseada. Las
simulaciones fueron desarrolladas en MATLAB y Simulink, cada sistema fue
simulado para tres diferentes trayectorias de referencia obteniendo resultados
acordes a lo deseado.

4.1

RESULTADOS DEL AVION PVTOL.

4.1.1

RESULTADOS DEL CONTROL COMBINADO ENTRE LGICA DIFUSA


Y PID.

4.1.1.1

Trayectoria Recta.

Se propone una trayectoria recta, la cual se genera mediante entradas tipo rampa,
en cada uno de los ejes de referencia x, z. Esta trayectoria es cargada en
Simulink en el bloque generacin de trayectoria. Se realiza la simulacin del
modelo del Avin PVTOL con control combinado entre Lgica Difusa y PID para
un tiempo de 1000s y se obtiene que el control combinado entre Lgica Difusa y
PID presenta un control en el seguimiento de trayectoria muy bueno, en el cual el
error de posicin es muy pequeo, adems que el sistema no presenta
oscilaciones.

128

SIMULACION AVIN PVTOL

Posicin X vs Tiempo
10

Posicin X

Posicin Actual
Posicin Deseada

Posicin Actual
Posicin Deseada

10
-5

100

200

300

0.5

Posicin Y

Posicion Z

5
4

700

800

900

1000

Posicin Actual
Posicin Deseada

-0.5

-1

1
0

400
500
600
Tiempo
Posicin Y vs Tiempo

100

200

300

400
500
600
Tiempo
Posicin Z vs Tiempo

700

800

900

1000

10
Posicin Actual
Posicin Deseada

10
8

-1
Posicion Y

Posicin Z

2
-2

-5
Posicion X

100

200

300

400

500
Tiempo

600

700

800

900

1000

Figura 4.1 Respuesta del Avin PVTOL ante una trayectoria recta con control
combinado entre Lgica Difusa y PID

4.1.1.2

Trayectoria Circular.

Se propone una trayectoria circular, la cual se genera mediante una entrada tipo
seno en el eje x y una entrada tipo coseno en el eje z , esta trayectoria es cargada
en Simulink en el bloque generacin de trayectoria. Se realiza la simulacin del
modelo del Avin PVTOL con control combinado entre Lgica Difusa y PID para
un tiempo de 4000s y se obtiene que el control combinado entre Lgica Difusa y
PID cumple con el objetivo de seguimiento de trayectoria a pesar de que presenta
una pequea oscilacin en el eje x en los primeros segundos pero la misma
desaparece al transcurrir el tiempo, mientras que en el eje z el seguimiento de
trayectoria presenta un error muy pequeo.

4.1.1.3

Trayectoria Seno.

Se propone una trayectoria tipo seno, la cual se genera mediante una entrada tipo
rampa en el eje x y una entrada seno en el eje z. Se realiza la simulacin del
modelo del Avin PVTOL con control combinado entre Lgica Difusa y PID para
un tiempo de 4000s y se obtiene que el control combinado entre Lgica Difusa y

129

PID es muy bueno, en el cual el error de posicin es muy pequeo adems que el
sistema no presenta oscilaciones.

SIMULACION AVIN PVTOL

Posicin X vs Tiempo
5
Posicin Actual
Posicin Deseada

Posicin X

Posicin Actual
Posicin Deseada

-5

3
2
1

500

1000

1500

2000
2500
Tiempo
Posicin Y vs Tiempo

3000

3500

4000

0
-1

Posicin Actual
Posicin Deseada

0.5

Posicin Y

Posicion Z

0
-0.5

-2

-1

500

1000

-3

1500

2000
2500
Tiempo
Posicin Z vs Tiempo

3000

3500

4000

5
Posicin Actual
Posicin Deseada

Posicin Z

2
1
4
0

-1
-2

Posicion Y

-5

-2

Posicion X

500

1000

1500

2000
Tiempo

2500

3000

3500

4000

Figura 4.2 Respuesta del Avin PVTOL ante una trayectoria circular con control
combinado entre Lgica Difusa y PID.

SIMULACION AVIN PVTOL

Posicin X vs Tiempo
40

Posicin X

Posicin Actual
Posicin Deseada

Posicin Actual
Posicin Deseada

20

4
-20

500

1000

1500

2000
2500
Tiempo
Posicin Y vs Tiempo

3000

3500

4000

1
Posicin Y

Posicion Z

0
-1

Posicin Actual
Posicin Deseada

0.5
0
-0.5

-2

-1

500

1000

-3

1500

2000
2500
Tiempo
Posicin Z vs Tiempo

3000

3500

4000

5
Posicin Actual
Posicin Deseada

40
30

20

-1
Posicion Y

Posicin Z

10
-2

-5
Posicion X

500

1000

1500

2000
Tiempo

2500

3000

3500

4000

Figura 4.3 Respuesta del Avin PVTOL ante una trayectoria seno con control
combinado entre Lgica Difusa y PID

4.1.2

RESULTADOS

DEL

NEURONALES Y PID.

CONTROL

COMBINADO

ENTRE

REDES

130

4.1.2.1

Trayectoria Recta.

A diferencia del control combinado entre Lgica Difusa y PID,

el control

combinado entre Redes Neuronales y PID presenta oscilaciones muy pequeas


en cada uno de los ejes de referencia x, z del sistema, pero el seguimiento de
trayectoria es muy bueno con error de posicin muy pequeo.
SIMULACION AVIN PVTOL

Posicin X vs Tiempo
40

Posicin X

Posicin Actual
Posicin Deseada

Posicin Actual
Posicin Deseada

30
20
10

40
0
35

500

1000

1500

2000
2500
Tiempo
Posicin Y vs Tiempo

3000

3500

4000

25
Posicin Y

Posicion Z

30

20
15

Posicin Actual
Posicin Deseada

0.5
0
-0.5

10
-1
5
0

500

1000

1500

2000
2500
Tiempo
Posicin Z vs Tiempo

3000

3500

4000

60
Posicin Actual
Posicin Deseada

40
30

0
20

-1
Posicion Y

10
-2

Posicin Z

2
40
20
0
-20
Posicion X

500

1000

1500

2000
Tiempo

2500

3000

3500

4000

Figura 4.4 Respuesta del Avin PVTOL ante una trayectoria recta con control
combinado entre Redes Neuronales y PID

4.1.2.2

Trayectoria Circular.

El control combinado entre Redes Neuronales y PID presenta oscilaciones muy


pequeas en cada uno de los ejes de referencia x, z del sistema y en
comparacin con el control combinado entre Lgica Difusa y PID, este control
disminuye la oscilacin inicial que se present en el eje x, adems el seguimiento
de trayectoria es muy bueno con error de posicin muy pequeo.

131

SIMULACION AVIN PVTOL

Posicin X vs Tiempo
5

Posicin Actual
Posicin Deseada
Posicin X

Posicin Actual
Posicin Deseada
0

4
-5

500

1000

1500

2000
2500
Tiempo
Posicin Y vs Tiempo

3000

3500

4000

1
Posicin Actual
Posicin Deseada

0.5

Posicin Y

Posicion Z

1
0
-1

0
-0.5

-2

-1

500

1000

-3

1500

2000
2500
Tiempo
Posicin Z vs Tiempo

3000

3500

4000

5
Posicin Actual
Posicin Deseada

Posicin Z

2
4
2

0
-1
-2
Posicion Y

-5
Posicion X

-2

500

1000

1500

2000
Tiempo

2500

3000

3500

4000

Figura 4.5 Respuesta del Avin PVTOL ante una trayectoria circular con control
combinado entre Redes Neuronales y PID.
4.1.2.3

Trayectoria Seno.

El control combinado entre Redes Neuronales y PID presenta oscilaciones muy


pequeas en el eje x del sistema, pero stas no afectan en el seguimiento de la
trayectoria deseada.
SIMULACION AVIN PVTOL

Posicin X vs Tiempo
40

Posicin X

Posicin Actual
Posicin Deseada

Posicin Actual
Posicin Deseada

20

4
-20

500

1000

1500

2000
2500
Tiempo
Posicin Y vs Tiempo

3000

3500

4000

Posicin Y

Posicion Z

1
1
0
-1

Posicin Actual
Posicin Deseada

0.5
0
-0.5

-2

-1

500

1000

-3

1500

2000
2500
Tiempo
Posicin Z vs Tiempo

3000

3500

4000

5
Posicin Actual
Posicin Deseada

40
30

20

-1
10
Posicion Y

Posicin Z

-2

-5
Posicion X

500

1000

1500

2000
Tiempo

2500

3000

3500

4000

Figura 4.6 Respuesta del Avin PVTOL ante una trayectoria seno con control
combinado entre Redes Neuronales y PID.

132

4.1.3

RESULTADOS CONTROLADOR BASADO EN LGEBRA LINEAL.

4.1.3.1

Trayectoria Recta.

El controlador basado en lgebra lineal presenta una excelente respuesta en el


seguimiento de trayectoria a pesar de presentar un error de posicin pequeo al
inicio de la trayectoria pero que se corrige inmediatamente.
SIMULACIN DEL PVTOL

Posicion X vs Tiempo

1.4

1.4
Posicin Actual
Posicin Deseada

Posicin Actual
Posicin Deseada

1.2
1
Posicin X

1.2

0.8
0.6
0.4

Posicin Y

0.2
0.8

0.6

1.4

10

20

30

40

50
Tiempo

60

70

80

90

100

Posicion Z vs Tiempo
Posicin Actual
Posicin Deseada

1.2
1
Posicin Z

0.4

0.2

0.8
0.6
0.4
0.2

0.2

0.4

0.6
0.8
Posicin X

1.2

1.4

10

20

30

40

50
Tiempo

60

70

80

90

100

Figura 4.7 Respuesta del Avin PVTOL ante una trayectoria recta con control
basado en Algebra Lineal

4.1.3.2

Trayectoria Circular.

El controlador basado en Lgica Difusa permite eliminar las pequeas


oscilaciones en el sistema; presenta un error de posicin pequeo respecto a la
trayectoria deseada, ste se produce por un pequeo error en el eje x, ya que en
el eje z no se presenta este error.

133

SIMULACIN DEL PVTOL

Posicion X vs Tiempo

2.5

1.5
Posicin Actual
Posicin Deseada

Posicin Actual
Posicin Deseada

Posicin X

0.5
0
-0.5

1.5

-1

Posicin Y

-1.5

50

100

150

Tiempo
1
Posicion Z vs Tiempo
2.5
Posicin Actual
Posicin Deseada

0.5
Posicin Z

1.5

1
0.5
0

-0.5
-1.5

-1

-0.5

0
Posicin X

0.5

-0.5

1.5

50

100

150

Tiempo

Figura 4.8 Respuesta del Avin PVTOL ante una trayectoria circular con control
basado en lgebra Lineal

4.1.3.3

Trayectoria Seno.

El controlador basado en Lgica Difusa permite un seguimiento de trayectoria casi


perfecto para una trayectoria tipo seno, presenta un error pequeo de posicin al
inicio de la trayectoria pero se corrige inmediatamente y de una manera
adecuada.
SIMULACIN DEL PVTOL

Posicion X vs Tiempo

1.4
Posicin Actual
Posicin Deseada

Posicin Actual
Posicin Deseada

1.2

Posicin X

1
0.5

0.8
0.6
0.4
0.2

0
Posicin Y

10

20

30

40

50
Tiempo

60

70

80

90

100

Posicion Z vs Tiempo
1

-0.5

Posicin Actual
Posicin Deseada

Posicin Z

0.5

-1

-0.5

-1

-1.5

0.2

0.4

0.6
0.8
Posicin X

1.2

1.4

-1.5

10

20

30

40

50
Tiempo

60

70

80

90

100

Figura 4.9 Respuesta del Avin PVTOL ante una trayectoria seno con control
basado en lgebra Lineal.

134

4.2

RESULTADOS DEL CUADRICPTERO.

El modelo del cuadricptero obtenido en el Captulo 2, es controlado con los


cuatro controladores diseados en el Captulo 3, en donde mediante la
combinacin de las tcnicas de control se logr obtener resultados satisfactorios
en el seguimiento de trayectorias.

4.2.1

RESULTADOS CONTROL COMBINADO ENTRE LGICA DIFUSA Y


PID.

Se realiz un control combinado entre lgica difusa y PID para seguir una
trayectoria deseada, la simulacin fue desarrollada en MATLAB y Simulink
obteniendo los siguientes resultados.

4.2.1.1

Trayectoria Recta.

Se propone una trayectoria recta, la cual se genera mediante entradas tipo rampa,
en cada uno de los ejes de referencia x, y, z. Esta trayectoria es cargada en
Simulink en el bloque generacin de trayectoria. Se realiza la simulacin del
modelo del Cuadricptero con control combinado entre Lgica Difusa y PID para
un tiempo de 1000s y se obtiene que el control combinado entre Lgica Difusa y
PID presenta un control en el seguimiento de trayectoria muy bueno, en el cual el
error de posicin es muy pequeo.

4.2.1.2

Trayectoria Espiral.

Se propone una trayectoria espiral, la cual se genera mediante una entrada tipo
seno en el eje x, una entrada tipo coseno en el eje y, una entrada tipo rampa
saturada en el eje z. Esta trayectoria es cargada en Simulink en el bloque
generacin de trayectoria. Se realiza la simulacin del modelo del Cuadricptero
con control combinado entre Lgica Difusa y PID para un tiempo de 4000s y se

135

obtiene que el control combinado entre Lgica Difusa y PID posee un error muy
pequeo de posicin respecto a la trayectoria deseada.

4.2.1.3

Trayectoria Resorte.

Se propone una trayectoria resorte, la cual se genera mediante una entrada tipo
seno en el eje x, una entrada tipo coseno en el eje y, una entrada tipo rampa sin
saturacin en el eje z. Esta trayectoria es cargada en Simulink en el bloque
generacin de trayectoria. Se realiza la simulacin del modelo del Cuadricptero
con control combinado entre Lgica Difusa y PID para un tiempo de 4000s y se
obtiene que el control combinado entre Lgica Difusa y PID posee un error muy
pequeo de posicin en el eje z respecto a la trayectoria deseada, mientras que el
seguimiento de trayectoria en los eje x, y es perfecto.

SIMULACION CUADRICPTERO

Posicin X vs Tiempo
10

Posicin X

Posicin Actual
Posicin Deseada

10
9

Posicin Deseada
Posicin Real
5

8
7

100

200

300

400
500
600
Tiempo
Posicin Y vs Tiempo

700

900

1000

10

6
5

Posicin Y

Posicion Z

800

4
3

Posicin Deseada
Posicin Real
5

2
0
1

100

200

300

400
500
600
Tiempo
Posicin Z vs Tiempo

700

800

900

1000

10
Posicin Deseada
Posicin Real

10
8
5

Posicin Z

10
5

4
Posicion Y

2
0

-5
Posicion X

100

200

300

400

500
Tiempo

600

700

800

900

1000

Figura 4.10 Respuesta del Cuadricptero ante una trayectoria recta con control
combinado entre Lgica Difusa y PID.

136

SIMULACION CUADRICPTERO

Posicin X vs Tiempo
4

Posicin X

Posicin Actual
Posicin Deseada

15

Posicin Deseada
Posicin Real

2
0
-2
-4

500

1000

1500

2000
2500
Tiempo
Posicin Y vs Tiempo

3000

3500

4000

Posicin Y

Posicion Z

10

0
-2
-4

Posicin Deseada
Posicin Real

500

1000

1500

2000
2500
Tiempo
Posicin Z vs Tiempo

3000

3500

4000

Posicin Z

15

3
2
1

0
0

5
0

-1

-2

Posicion Y

Posicin Deseada
Posicin Real

10

-5

-2

Posicion X

500

1000

1500

2000
Tiempo

2500

3000

3500

4000

Figura 4.11 Respuesta del Cuadricptero ante una trayectoria espiral con control
combinado entre Lgica Difusa y PID.

SIMULACION CUADRICPTERO

Posicin X vs Tiempo
4

Posicin X

Posicin Actual
Posicin Deseada

10
9

0
-2
-4

8
7

Posicin Deseada
Posicin Real

1000

2000

3000

4000 5000 6000 7000


Tiempo
Posicin Y vs Tiempo

9000

10000

6
5

Posicin Y

Posicion Z

8000

4
3

Posicin Deseada
Posicin Real

2
0
-2

2
-4

1000

2000

3000

4000 5000 6000 7000


Tiempo
Posicin Z vs Tiempo

8000

9000

10000

3
2
1

Posicin Z

10
Posicin Deseada
Posicin Real

0
Posicion Y

-2

-1
-2

-5
Posicion X

1000

2000

3000

4000

5000 6000
Tiempo

7000

8000

9000

10000

Figura 4.12 Respuesta del Cuadricptero ante una trayectoria resorte con control
combinado entre Lgica Difusa y PID.

4.2.2

RESULTADOS CONTROL COMBINADO ENTRE REDES NEURONALES


Y PID.

137

4.2.2.1

Trayectoria Recta.

El control combinado entre Redes Neuronales y PID presenta pequeas


oscilaciones en los ejes x, y, adems de un ligero error de posicin en el eje z,
pero el seguimiento de trayectoria es muy bueno.
SIMULACION CUADRICPTERO

Posicin X vs Tiempo
15

Posicin X

Posicin Actual
Posicin Deseada

10
9

5
0
-5

8
7

Posicin Deseada
Posicin Real

10

100

200

300

400
500
600
Tiempo
Posicin Y vs Tiempo

700

900

1000

15

6
5

Posicin Y

Posicion Z

800

4
3

Posicin Deseada
Posicin Real

10
5
0

2
-5
1

100

200

300

400
500
600
Tiempo
Posicin Z vs Tiempo

700

800

900

1000

10
8
5

Posicin Z

10
10

Posicin Deseada
Posicin Real

4
Posicion Y

2
0

-5
Posicion X

100

200

300

400

500
Tiempo

600

700

800

900

1000

Figura 4.13 Respuesta del Cuadricptero ante una trayectoria recta con control
combinado entre Redes Neuronales y PID.

4.2.2.2

Trayectoria Espiral.

El control combinado entre Redes Neuronales y PID presenta pequeas


oscilaciones en los ejes x, y, adems de un ligero error de posicin en el eje z,
pero el controlador cumple el objetivo de seguir una trayectoria definida.

4.2.2.3

Trayectoria Resorte.

El control combinado entre Redes Neuronales y PID presenta pequeas


oscilaciones en los ejes x, y, adems de un ligero error de posicin en el eje z,
pero el controlador cumple el objetivo de seguir una trayectoria definida. Adems
que las oscilaciones presentes en las respuestas son pequeas que no le afectan
en el seguimiento de trayectoria al modelo.

138

SIMULACION CUADRICPTERO

Posicin X vs Tiempo
4
Posicin X

Posicin Actual
Posicin Deseada

15

Posicin Deseada
Posicin Real

2
0
-2
-4

500

1000

1500

2000
2500
Tiempo
Posicin Y vs Tiempo

3000

3500

4000

4
Posicin Y

Posicion Z

10

0
-2
-4

Posicin Deseada
Posicin Real

500

1000

1500

2000
2500
Tiempo
Posicin Z vs Tiempo

3000

3500

4000

Posicin Z

15

2
2
0
0
-2

-2

Posicion Y

5
0
-5

Posicion X

Posicin Deseada
Posicin Real

10

500

1000

1500

2000
Tiempo

2500

3000

3500

4000

Figura 4.14 Respuesta del Cuadricptero ante una trayectoria circular con control
combinado entre Redes Neuronales y PID.

SIMULACION CUADRICPTERO

Posicin X vs Tiempo
4

Posicin X

Posicin Actual
Posicin Deseada

10
9

0
-2
-4

8
7

Posicin Deseada
Posicin Real

1000

2000

3000

4000 5000 6000 7000


Tiempo
Posicin Y vs Tiempo

9000

10000

6
5

Posicin Y

Posicion Z

8000

4
3

Posicin Deseada
Posicin Real

2
0
-2

2
-4

1000

2000

3000

4000 5000 6000 7000


Tiempo
Posicin Z vs Tiempo

8000

9000

10000

2
2
0

Posicin Z

10
Posicin Deseada
Posicin Real

0
-2
Posicion Y

-2

-5
Posicion X

1000

2000

3000

4000

5000 6000
Tiempo

7000

8000

9000

10000

Figura 4.15 Respuesta del Cuadricptero ante una trayectoria espiral con control
combinado entre Redes Neuronales y PID.

4.2.3

4.2.3.1

RESULTADOS CONTROLADOR BASADO EN LGEBRA LINEAL .

Trayectoria Recta.

139

El controlador basado en lgebra Lineal elimina todo tipo de oscilaciones


presentes en el sistema, adems de no poseer error de posicin, con lo cual el
seguimiento de trayectoria es perfecto.
SIMULACIN DEL CUADRICPTERO

Posicion X vs Tiempo
0.8

Posicin X

Posicin Actual
Posicin Deseada

0.45

Posicin Actual
Posicin Deseada

0.6
0.4
0.2

0.4
0

0.3

0.8

0.25

0.6

Posicin Y

Posicin Z

0.35

0.2
0.15

10

15
20
25
Tiempo
Posicion Y vs Tiempo

30

35

40

Posicin Actual
Posicin Deseada

0.4
0.2

0.1
0
0.05
0

10

15
20
25
Tiempo
Posicion Z vs Tiempo

30

35

40

0.8
Posicin Actual
Posicin Deseada

0.6

Posicin Z

0.8
0.5
0.4
0.4

0.3
0.2

0.2
Posicin Y

0.1
0

0.6
0.4
0.2
0

Posicin X

10

15

20
Tiempo

25

30

35

40

Figura 4.16 Respuesta del Cuadricptero ante una trayectoria recta con control
basado en lgebra Lineal.
4.2.3.2

Trayectoria Espiral.

El controlador basado en lgebra lineal elimina las oscilaciones presentes en el


sistema, adems de no poseer error de posicin, con lo cual el seguimiento de
trayectoria es perfecto.

4.2.3.3

Trayectoria Resorte.

De igual manera el controlador basado en lgebra Lineal elimina las oscilaciones


presentes en el sistema, adems de no poseer error de posicin, con lo cual el
modelo sigue perfectamente la trayectoria.

140

SIMULACIN DEL CUADRICPTERO

Posicion X vs Tiempo
1

Posicin X

Posicin Actual
Posicin Deseada

0.5

Posicin Actual
Posicin Deseada

-1

0.45
-2
0.4

10

20

30

0.35

40
50
60
Tiempo
Posicion Y vs Tiempo

70

80

90

100

0.2
0.15

Posicin Actual
Posicin Deseada

Posicin Y

Posicin Z

0.3
0.25

1
0

0.1

-1

10

20

30

0.05
0

40
50
60
Tiempo
Posicion Z vs Tiempo

70

80

90

100

0.8
Posicin Actual
Posicin Deseada

3
1
0.5
1

0.6

Posicin Z

2
0

0.4
0.2

-0.5

0
-1

Posicin Y

-1

0
Posicin X

-1.5

10

20

30

40

50
Tiempo

60

70

80

90

100

Figura 4.17 Respuesta del Cuadricptero ante una trayectoria circular con control
basado en lgebra Lineal.

SIMULACIN DEL CUADRICPTERO

Posicion X vs Tiempo
1

Posicin X

Posicin Actual
Posicin Deseada

Posicin Actual
Posicin Deseada

-1

0.9
-2
0.8

10

20

30

0.7

40
50
60
Tiempo
Posicion Y vs Tiempo

70

80

90

100

Posicin Y

Posicin Z

0.6
0.5
0.4
0.3
0.2

1
0
-1

0.1
0

Posicin Actual
Posicin Deseada

10

20

30

40
50
60
Tiempo
Posicion Z vs Tiempo

70

80

90

100

1
Posicin Actual
Posicin Deseada

1
0.5
1

0.5

-0.5

0
Posicin Y

Posicin Z

-1
-1

-1.5

0
Posicin X

10

20

30

40

50
Tiempo

60

70

80

90

100

Figura 4.18 Respuesta del Cuadricptero ante una trayectoria resorte con control
basado en lgebra Lineal.

4.3

RESULTADOS DEL TRICPTERO.

El modelo del tricptero obtenido en el Captulo 2, es controlado con los cuatro


controladores diseados en el Captulo 3, en donde mediante la combinacin de
las tcnicas de control se logr obtener resultados satisfactorios en el seguimiento
de trayectorias.

141

4.3.1

RESULTADOS CONTROL COMBINADO ENTRE LGICA DIFUSA Y


PID.

Se realiz un control combinado entre lgica difusa y PID para seguir una
trayectoria deseada, la simulacin fue desarrollada en MATLAB y Simulink
obteniendo los siguientes resultados.

4.3.1.1

Trayectoria Recta.

Se propone una trayectoria recta, la cual se genera mediante entradas tipo rampa,
en cada uno de los ejes de referencia x, y, z. Esta trayectoria es cargada en
Simulink en el bloque generacin de trayectoria. Se realiza la simulacin del
modelo del Tricptero con control combinado entre Lgica Difusa y PID para un
tiempo de 1000s y se obtiene que el control combinado entre Lgica Difusa y PID
presenta un control en el seguimiento de trayectoria muy bueno, en el cual el error
de posicin es muy pequeo.

SIMULACION TRICPTERO

Posicin X vs Tiempo
Posicin X

10

10

Posicin Deseada
Posicin Real

5
0

200

400
600
Tiempo
Posicin Y vs Tiempo

800

1000

10

6
Posicin Y

Posicion Z

Posicin Deseada
Posicin Real

200

400

600
Tiempo
Posicin Z vs Tiempo

800

1000

10
6
4

5
0

Posicion X

Posicin Deseada
Posicin Real

5
0
-5

2
Posicion Y

Posicin Z

10
10

200

400

600

800

1000

Tiempo

Figura 4.19 Respuesta del Tricptero ante una trayectoria recta con control
combinado entre Lgica Difusa y PID.

142

4.3.1.2

Trayectoria Seno Creciente.

Se propone una trayectoria recta, la cual se genera mediante entradas tipo rampa,
en los ejes de referencia x, y, mientras que en el eje z se genera una entrada tipo
seno. La trayectoria es cargada en Simulink en el bloque generacin de
trayectoria. Se realiza la simulacin del modelo del Tricptero con control
combinado entre Lgica Difusa y PID para un tiempo de 4000s y se obtiene que el
control combinado entre Lgica Difusa y PID presenta un control en el
seguimiento de trayectoria muy bueno, el cual presenta un pequeo error de
posicin en el eje z, pero en el eje x, y el seguimiento es perfecto.

4.3.1.3

Trayectoria Resorte.

Se propone una trayectoria recta, la cual se genera mediante entradas tipo seno
en el eje x, una entrada tipo coseno en el eje y, mientras que en el eje z se genera
una entrada tipo rampa. Se realiza la simulacin del modelo del Tricptero con
control combinado entre Lgica Difusa y PID para un tiempo de 4000s y se
obtiene que el control combinado entre Lgica Difusa y PID presenta un control en
el seguimiento de trayectoria perfecto.

SIMULACION TRICPTERO

Posicin X vs Tiempo
Posicin X

40

Posicin Deseada
Posicin Real

20

500

1000

2000 2500 3000


Tiempo
Posicin Y vs Tiempo

3500

4000

40
0

Posicin Y

Posicion Z

1500

-1

-2

Posicin Deseada
Posicin Real

20

500

1000

-3

1500

2000 2500 3000


Tiempo
Posicin Z vs Tiempo

3500

4000

30

40
30

20
20

10
Posicion Y

10
0

Posicion X

Posicin Z

5
40

Posicin Deseada
Posicin Real

0
-5

500

1000

1500

2000 2500
Tiempo

3000

3500

4000

Figura 4.20 Respuesta del Tricptero ante una trayectoria seno creciente con
control combinado entre Lgica Difusa y PID.

143

SIMULACION TRICPTERO

Posicin X vs Tiempo
Posicin X

40

Posicin Deseada
Posicin Real

0
-5

500

1000

2000 2500 3000


Tiempo
Posicin Y vs Tiempo

3500

4000

5
Posicin Y

Posicion Z

30

1500

20

10

Posicin Deseada
Posicin Real

0
-5

500

1000

1500

2000 2500 3000


Tiempo
Posicin Z vs Tiempo

3500

4000

2
1

2
0

-1
-2
Posicion Y

-2
Posicion X

Posicin Z

40
3

Posicin Deseada
Posicin Real

20
0
-20

500

1000

1500

2000 2500
Tiempo

3000

3500

4000

Figura 4.21 Respuesta del Tricptero ante una trayectoria resorte con control
combinado entre Lgica Difusa y PID.

4.3.2

RESULTADOS CONTROL COMBINADO ENTRE REDES NEURONALES


Y PID.

4.3.2.1

Trayectoria Recta.

El control combinado entre Redes Neuronales y PID presenta pequeas


oscilaciones en el sistema, pero el seguimiento de trayectoria es muy bueno.

4.3.2.2

Trayectoria Seno Creciente.

El control combinado entre Redes Neuronales y PID presenta pequeas


oscilaciones en el sistema, adems de un pequeo error de posicin en el eje z.

4.3.2.3

Trayectoria Circular.

El control combinado entre Redes Neuronales y PID presenta oscilaciones en los


tres ejes de referencia, lo que representa una vibracin mayor del sistema en su
trayectoria.

144

SIMULACION TRICPTERO

Posicin X vs Tiempo
Posicin X

20

10

Posicin Deseada
Posicin Real

10
0
-10

200

400

600
Tiempo
Posicin Y vs Tiempo

800

1000

20

6
Posicin Y

Posicion Z

Posicin Deseada
Posicin Real

10
0
-10

200

400

600
Tiempo
Posicin Z vs Tiempo

800

1000

10
8

Posicin Z

10
10
6
4

5
0

0
-5

2
Posicion Y

Posicin Deseada
Posicin Real

200

400

Posicion X

600

800

1000

Tiempo

Figura 4.22 Respuesta del Tricptero ante una trayectoria recta con control
combinado entre Redes Neuronales y PID.

SIMULACION TRICPTERO

Posicin X vs Tiempo
Posicin X

50

-50

Posicin Deseada
Posicin Real

500

1000

1500

2000 2500 3000


Tiempo
Posicin Y vs Tiempo

3500

4000

50
0

Posicin Y

Posicion Z

-1

-50

-2

Posicin Deseada
Posicin Real

500

1000

-3

1500

2000 2500 3000


Tiempo
Posicin Z vs Tiempo

3500

4000

30

40
30

20
20

10
Posicion Y

10
0

Posicion X

Posicin Z

5
40

Posicin Deseada
Posicin Real

0
-5

500

1000

1500

2000 2500
Tiempo

3000

3500

4000

Figura 4.23 Respuesta del Tricptero ante una trayectoria seno creciente con
control combinado entre Redes Neuronales y PID.

145

SIMULACION TRICPTERO

Posicin X vs Tiempo
Posicin X

5
Posicin Deseada
Posicin Real

40

-5

500

1000

2000 2500 3000


Tiempo
Posicin Y vs Tiempo

3500

4000

5
Posicin Y

Posicion Z

30

1500

20

Posicin Deseada
Posicin Real

10

-5

500

1000

1500

2000 2500 3000


Tiempo
Posicin Z vs Tiempo

3500

4000

Posicin Z

40
2
2

0
0
-2

0
-20

-2

Posicion Y

Posicin Deseada
Posicin Real

20

500

1000

1500

Posicion X

2000 2500
Tiempo

3000

3500

4000

Figura 4.24 Respuesta del Tricptero ante una trayectoria circular con control
combinado entre Redes Neuronales y PID.

4.3.3

RESULTADOS CONTROLADOR BASADO EN LGEBRA LINEAL.

4.3.3.1

Trayectoria Recta.

El controlador basado en lgebra Lineal presenta un seguimiento de trayectoria


perfecto, con un error casi nulo de posicin en cada uno de los ejes.
SIMULACIN DEL TRICPTERO

Posicion X vs Tiempo
Posicin X

2.5

1
0

10

15
20
25
30
Tiempo
Posicion Y vs Tiempo

35

40

1.5
Posicin Y

Posicin Z

Posicin Deseada
Posicin Real

1
0

0.5
0
2.5

Posicin Deseada
Posicin Real

10

15

20
25
30
Tiempo
Posicion Z vs Tiempo

35

40

3
1.5

1
1

0.5
Posicin Y

Posicin Z

3
2

Posicin Deseada
Posicin Real

2
1
0

10

Posicin X

15

20
Tiempo

25

30

35

40

Figura 4.25 Respuesta del Tricptero ante una trayectoria recta con control
basado en lgebra Lineal

146

4.3.3.2

Trayectoria Seno Creciente.

El controlador basado en lgebra Lineal para una trayectoria tipo seno creciente
presenta grandes resultados ya que posee un error casi nulo de posicin en cada
uno de los ejes.

SIMULACIN DEL TRICPTERO

Posicion X vs Tiempo
Posicin X

3
2.5
2

1
0

1.5

10

15

20
25
30
Tiempo
Posicion Y vs Tiempo

35

40

1
Posicin Y

Posicin Z

Posicin Deseada
Posicin Real

0.5
0

1
0

-0.5
3

Posicin Deseada
Posicin Real

10

15

20
25
30
Tiempo
Posicion Z vs Tiempo

35

40

1
Posicin Y

0.5

1.5

2.5

Posicin Z

4
2

Posicin Deseada
Posicin Real

2
0
-2

10

Posicin X

15

20
Tiempo

25

30

35

40

Figura 4.26 Respuesta del Tricptero ante una trayectoria seno creciente con
control basado en lgebra Lineal

4.3.3.3

Trayectoria Resorte.

El controlador basado en lgebra Lineal presenta un seguimiento muy bueno en


una trayectoria tipo resorte como se muestra en la Figura 4.27.

147

SIMULACIN DEL TRICPTERO

Posicion X vs Tiempo
Posicin X

2.5

-1
-2

10

15

20
25
30
Tiempo
Posicion Y vs Tiempo

35

40

1.5
Posicin Y

Posicin Z

Posicin Deseada
Posicin Real

0
-2

0.5
0
3

Posicin Deseada
Posicin Real

10

15

20
25
30
Tiempo
Posicion Z vs Tiempo

35

40

1
1

0
0

Posicin Y

-1
-1

-2

Posicin Z

3
2

Posicin Deseada
Posicin Real

2
1
0

10

Posicin X

15

20
Tiempo

25

30

35

40

Figura 4.27 Respuesta del Tricptero ante una trayectoria resorte con control
basado en Algebra Lineal.

4.4

RESULTADOS DEL UAV BIRD LIKE.

4.4.1

RESULTADOS CONTROL COMBINADO ENTRE LGICA DIFUSA Y


PID.

Se realiza un control combinado entre lgica difusa y PID para seguir una
trayectoria deseada, la simulacin fue desarrollada en MATLAB y Simulink
obteniendo los siguientes resultados.

4.4.1.1

Trayectoria Recta.

El control combinado entre lgica difusa y PID presenta excelentes resultados,


mostrados en la Figura 4.28, los errores de posicin en cada uno de los ejes es
cero
4.4.1.2

Trayectoria Espiral.

En una trayectoria espiral el control presenta una pequea oscilacin al inicio de


la trayectoria pero que es corregida inmediatamente, como se muestra en la
Figura 4.29.

148

SIMULACION BIRD LIKE

Posicin X vs Tiempo
10
Posicin Deseada
Posicin Real

Posicin X

Posicin Actual
Posicin Deseada

10
0

100

200

300

700

800

900

1000

10

7
Posicion Z

400
500
600
Tiempo
Posicin Y vs Tiempo

Posicin Deseada
Posicin Real

Posicin Y

6
5
4

3
0

100

200

300

1
0

400
500
600
Tiempo
Posicin Z vs Tiempo

700

800

900

1000

10
Posicin Deseada
Posicin Real

Posicin Z

10
10
8

4
2

Posicion Y

0
Posicion X

100

200

300

400

500
Tiempo

600

700

800

900

1000

Figura 4.28 Respuesta del Bird Like ante una trayectoria recta con control
combinado entre Lgica Difusa y PID.

SIMULACION BIRD LIKE

Posicin X vs Tiempo
4
Posicin X

Posicin Actual
Posicin Deseada

Posicin Deseada
Posicin Real

2
0
-2

10
-4

100

200

300

400
500
600
700
Tiempo
Posicin Y vs Tiempo

800

900

1000

Posicin Y

Posicion Z

4
6

0
-2
-4

Posicin Deseada
Posicin Real

100

200

300

400
500
600
700
Tiempo
Posicin Z vs Tiempo

800

900

1000

3
2
1

Posicin Z

10
2

Posicin Deseada
Posicin Real
5

0
Posicion Y

-2

-1
-2

0
Posicion X

100

200

300

400

500
Tiempo

600

700

800

900

1000

Figura 4.29 Respuesta del Bird Like ante una trayectoria espiral con control
combinado entre Lgica Difusa y PID.

4.4.1.3

Trayectoria Seno Creciente.

El control es perfecto en la trayectoria tipo seno creciente, ya que se trabaja con


una rampa que crece lentamente, esto para no forzar al sistema a respuestas muy
rpidas.

149

SIMULACION BIRD LIKE

Posicin X vs Tiempo

10
Posicin X

Posicin Actual
Posicin Deseada

Posicin Deseada
Posicin Real
5

0
2

100

200

300

400
500
600
700
Tiempo
Posicin Y vs Tiempo

800

900

1000

10
Posicin Y

1
Posicion Z

-1

Posicin Deseada
Posicin Real
5

0
-2

100

200

300

400
500
600
700
Tiempo
Posicin Z vs Tiempo

800

900

1000

4
Posicin Z

10
10
8

Posicin Deseada
Posicin Real

2
0
-2

4
-4

Posicion Y

Posicion X

100

200

300

400

500
Tiempo

600

700

800

900

1000

Figura 4.30 Respuesta del Bird Like ante una trayectoria seno creciente con
control combinado entre Lgica Difusa y PID.

4.4.2

RESULTADOS CONTROL COMBINADO ENTRE REDES NEURONALES


Y PID.

4.4.2.1

Trayectoria Recta.

El control combinado entre Redes Neuronales y PID genera un seguimiento de


trayectoria muy bueno, como se muestra en la Figura 4.31.
SIMULACION BIRD LIKE

Posicin X vs Tiempo
1
Posicin X

Posicin Actual
Posicin Deseada

Posicin Deseada
Posicin Real
0.5

1
0

100

200

300

0.8

400
500
600
700
Tiempo
Posicin Y vs Tiempo

800

900

1000

Posicin Y

Posicion Z

1
0.6

0.4

Posicin Deseada
Posicin Real
0.5

0.2

100

200

300

400
500
600
700
Tiempo
Posicin Z vs Tiempo

800

900

1000

1
0.8

0.5

0.6

Posicin Z

1
1

Posicin Deseada
Posicin Real
0.5

0.4
Posicion Y

0.2
0

Posicion X

100

200

300

400

500
Tiempo

600

700

800

900

1000

Figura 4.31 Respuesta del Bird Like ante una trayectoria recta con control
combinado entre Redes Neuronales y PID.

150

4.4.2.2

Trayectoria Espiral.

El seguimiento de una trayectoria espiral utilizando un control combinado entre


Redes Neuronales y PID presenta magnficos resultados como se muestra en la
Figura 4.32.
SIMULACION BIRD LIKE

Posicin X vs Tiempo
4
Posicin X

Posicin Actual
Posicin Deseada

Posicin Deseada
Posicin Real

2
0
-2

1
-4

100

200

300

0.8

400
500
600
700
Tiempo
Posicin Y vs Tiempo

800

900

1000

Posicin Y

Posicion Z

4
0.6

0.4

0
-2
-4

0.2

Posicin Deseada
Posicin Real

100

200

300

400
500
600
700
Tiempo
Posicin Z vs Tiempo

800

900

1000

Posicin Z

1
2

3
2
1

Posicin Deseada
Posicin Real

0.5
0

0
Posicion Y

-1

-2

-2

-0.5
Posicion X

100

200

300

400

500
600
Tiempo

700

800

900

1000

Figura 4.32 Respuesta del Bird Like ante una trayectoria espiral con control
combinado entre Redes Neuronales y PID

4.4.2.3

Trayectoria Seno Creciente.

Para una trayectoria tipo seno creciente no existen errores de posicin en ninguno
de los ejes del Bird Like, como se muestra en la Figura 4.33.
SIMULACION BIRD LIKE

Posicin X vs Tiempo

1
Posicin X

Posicin Actual
Posicin Deseada

Posicin Deseada
Posicin Real
0.5

0
2

Posicin Y

1
Posicion Z

100

200

300

400
500
600
700
Tiempo
Posicin Y vs Tiempo

800

900

1000

-1

Posicin Deseada
Posicin Real
0.5

0
-2

100

200

300

400
500
600
700
Tiempo
Posicin Z vs Tiempo

800

900

1000

1
1
0.8

0.5

0.6

Posicin Z

4
Posicin Deseada
Posicin Real

2
0
-2

0.4
Posicion Y

-4

0.2
0

Posicion X

100

200

300

400

500
600
Tiempo

700

800

900

1000

Figura 4.33 Respuesta del Bird Like ante una trayectoria seno creciente con
control combinado entre Redes Neuronales y PID.

151

4.4.3

RESULTADOS CONTROLADOR BASADO EN LGEBRA LINEAL.

4.4.3.1

Trayectoria Recta.

El controlador basado en lgebra lineal nos permite tener un seguimiento de


trayectoria sin error de posicin, como se muestra en la Figura 4.34.

SIMULACIN DEL BIRD LIKE

Posicion X vs Tiempo

0.7

3
Posicin X

Posicin Actual
Posicin Deseada

0.6

Posicin Actual
Posicin Deseada

2
1
0

10

0.5

15
20
25
Tiempo
Posicion Y vs Tiempo

30

35

40

Posicin Y

Posicin Z

3
0.4
0.3
0.2

1
0

0.1
0

Posicin Actual
Posicin Deseada

10

15
20
25
Tiempo
Posicion Z vs Tiempo

30

35

40

0.8
Posicin Z

3
2.5

2
1.5
1

Posicin Y

Posicin Actual
Posicin Deseada

0.6
0.4
0.2

1
0

0.5
0

Posicin X

10

15

20
Tiempo

25

30

35

40

Figura 4.34 Respuesta del Bird Like ante una trayectoria recta con control basado
en lgebra Lineal.

4.4.3.2

Trayectoria Espiral.

El controlador basado en algebra lineal permite tener un seguimiento de


trayectoria adecuado, como se muestra en la Figura 4.35.

4.4.3.3

Trayectoria Seno creciente.

El controlador basado en lgebra lineal permite tener un seguimiento de


trayectoria sin error de posicin en ningn eje de referencia.

152

SIMULACIN DEL BIRD LIKE

Posicion X vs Tiempo
1
Posicin X

Posicin Actual
Posicin Deseada
2
1.8
1.6

Posicin Actual
Posicin Deseada

-1

-2

10

20

30

1.4

40
50
60
Tiempo
Posicion Y vs Tiempo

70

80

90

100

2
Posicin Y

Posicin Z

1.2
1
0.8
0.6

Posicin Actual
Posicin Deseada

-1

10

20

30

0.4

40
50
60
Tiempo
Posicion Z vs Tiempo

70

80

90

100

2
0.2
Posicin Z

0
2

1
1

1
0.5

0
0

-1
-1

Posicin Y

-2

Posicin Actual
Posicin Deseada

1.5

10

20

30

40

Posicin X

50
Tiempo

60

70

80

90

100

Figura 4.35 Respuesta del Bird Like ante una trayectoria espiral con control
basado en lgebra Lineal.

SIMULACIN DEL BIRD LIKE

Posicion X vs Tiempo

0.5

4
Posicin X

Posicin Actual
Posicin Deseada

0
0.4

10

0.2

40

50

Posicin Actual
Posicin Deseada

2
0

0.1

10

20

30
Tiempo
Posicion Z vs Tiempo

40

50

4
3

2
2

Posicin Actual
Posicin Deseada

0.5
0

1
0 0

Posicin Z

Posicin Y

20
30
Tiempo
Posicion Y vs Tiempo

0.3
Posicin Y

Posicin Z

Posicin Actual
Posicin Deseada

10

20

Posicin X

30

40

50

Tiempo

Figura 4.36 Respuesta del Bird Like ante una trayectoria seno creciente con
control basado en lgebra Lineal.

4.5

RESULTADOS DEL UAV HELICPTERO.

4.5.1

RESULTADOS CONTROL COMBINADO ENTRE LGICA DIFUSA Y


PID.

153

4.5.1.1

Trayectoria Recta.

El control combinado presenta una respuesta con error de posicin en el eje x el


cual se refleja en el seguimiento de trayectoria, como se muestra en la Figura
4.37.
SIMULACION HELICPTERO

Posicin X vs Tiempo
100

Posicin Actual
Posicin Deseada
Posicin X

120

Posicin Deseada
Posicin Real

80
60
40
20

100

10

20

30

80

40
50
60
Tiempo
Posicin Y vs Tiempo

70

80

90

100

Posicin Deseada
Posicin Real

80
Posicin Y

Posicion Z

100
60
40
20

60
40
20
0

0
-20

10

20

30

40
50
60
Tiempo
Posicin Z vs Tiempo

70

90

100

150
Posicin Deseada
Posicin Real

100

80
50

60
40
20
0

Posicin Z

100
100

Posicion Y

80

50
0
-50

Posicion X

10

20

30

40

50
Tiempo

60

70

80

90

100

Figura 4.37 Respuesta del Helicptero ante una trayectoria recta con control
combinado entre Lgica Difusa y PID
4.5.1.2

Trayectoria Resorte.

El control combinado presenta una excelente respuesta de seguimiento en una


trayectoria tipo resorte, ya que no presenta error de posicin en ningn eje de
referencia.

4.5.1.3

Trayectoria Seno creciente.

El seguimiento de trayectoria se demuestra en la Figura 4.39.

154

SIMULACION HELICPTERO

Posicin X vs Tiempo
1

Posicin X

Posicin Actual
Posicin Deseada

120

Posicin Deseada
Posicin Real

0.5
0
-0.5

100

-1

10

20

30

80

40
50
60
Tiempo
Posicin Y vs Tiempo

70

80

90

100

Posicin Y

Posicion Z

2
60
40
20

0
-1
-2

0
-20

Posicin Deseada
Posicin Real

10

20

30

40
50
60
Tiempo
Posicin Z vs Tiempo

70

80

90

100

150
Posicin Deseada
Posicin Real

Posicin Z

2
1
0.5

0
0
-1
Posicion Y

-0.5
-2

50
0
-50

Posicion X

-1

100

10

20

30

40

50
Tiempo

60

70

80

90

100

Figura 4.38 Respuesta del Helicptero ante una trayectoria resorte con control
combinado entre Lgica Difusa y PID

SIMULACION HELICPTERO

Posicin X vs Tiempo
1

Posicin X

Posicin Actual
Posicin Deseada

120

100

Posicin Deseada
Posicin Real

0.5
0
-0.5
-1

10

20

30

80

40
50
60
Tiempo
Posicin Y vs Tiempo

70

80

90

100

60

Posicin Deseada
Posicin Real

80
Posicin Y

Posicion Z

100

40
20

60
40
20
0

0
-20

10

20

30

40
50
60
Tiempo
Posicin Z vs Tiempo

70

80

90

100

150
Posicin Deseada
Posicin Real

100

0.5

50
0
-0.5
Posicion Y

-1

Posicin Z

100
1

50
0
-50

Posicion X

10

20

30

40

50
Tiempo

60

70

80

90

100

Figura 4.39 Respuesta del Helicptero ante una trayectoria seno creciente con
control combinado entre Lgica Difusa y PID

4.5.2

RESULTADOS CONTROL COMBINADO ENTRE REDES NEURONALES


Y PID.

155

4.5.2.1

Trayectoria Recta.

El seguimiento de trayectoria recta es muy bueno, como se muestra en la Figura


4.40.
SIMULACIN DEL HELICPTERO

Posicion X vs Tiempo
3

Posicin X

Posicin Actual
Posicin Deseada

2.5

Posicin Actual
Posicin Deseada

0
2

10

15
20
25
Tiempo
Posicion Y vs Tiempo

30

35

40

Posicin Y

Posicin Z

1.5

0.5

Posicin Actual
Posicin Deseada

10

15
20
25
Tiempo
Posicion Z vs Tiempo

30

35

40

3
Posicin Actual
Posicin Deseada

2.5

2
1.5
1

Posicin Y

Posicin Z

3
2

1
0.5
0

0
Posicin X

10

15

20
Tiempo

25

30

35

40

Figura 4.40 Respuesta del Helicptero ante una trayectoria recta con control
combinado entre Redes Neuronales y PID

4.5.2.2

Trayectoria Resorte.

El helicptero con un control combinado entre redes neuronales y PID no


presenta errores de posicin y logra seguir la trayectoria deseada.

4.5.2.3

Trayectoria Seno creciente.

No se presentan problemas de seguimiento de una trayectoria tipo seno creciente,


como se muestra en la Figura 4.42.

156

SIMULACION HELICPTERO

Posicin X vs Tiempo
1

Posicin X

Posicin Actual
Posicin Deseada

120

Posicin Deseada
Posicin Real

0.5
0
-0.5

100

-1

10

20

30

80

40
50
60
Tiempo
Posicin Y vs Tiempo

70

80

90

100

Posicin Y

Posicion Z

2
60
40
20

0
-1
-2

0
-20

Posicin Deseada
Posicin Real

10

20

30

40
50
60
Tiempo
Posicin Z vs Tiempo

70

80

90

100

150
Posicin Deseada
Posicin Real

Posicin Z

2
1
0.5

0
0
-1

100

-0.5

Posicion Y

-2

50
0
-50

Posicion X

-1

10

20

30

40

50
Tiempo

60

70

80

90

100

Figura 4.41 Respuesta del Helicptero ante una trayectoria resorte con control
combinado entre Redes Neuronales y PID
SIMULACIN DEL HELICPTERO

Posicion X vs Tiempo

2.5

1
Posicin X

Posicin Actual
Posicin Deseada

-1

-2

Posicin Actual
Posicin Deseada

10

15
20
25
Tiempo
Posicion Y vs Tiempo

30

35

40

1.5
Posicin Y

Posicin Z

Posicin Actual
Posicin Deseada

2
1
0

0.5

-1

10

15
20
25
Tiempo
Posicion Z vs Tiempo

0.5
1

40

-0.5

0
Posicin Y

Posicin Z

35

Posicin Actual
Posicin Deseada

3
2

30

-1
-1

-1.5

0
Posicin X

10

15

20
Tiempo

25

30

35

40

Figura 4.42 Respuesta del Helicptero ante una trayectoria seno creciente con
control combinado entre Redes Neuronales y PID

4.5.3

4.5.3.1

RESULTADOS CONTROLADOR BASADO EN LGEBRA LINEAL.

Trayectoria Recta.

El controlador basado en lgebra Lineal proporciona un seguimiento de


trayectoria recta sin error de posicin en ninguno de los ejes del helicptero.

157

SIMULACIN DEL HELICPTERO

Posicion X vs Tiempo
3

Posicin X

Posicin Actual
Posicin Deseada

2.5

Posicin Actual
Posicin Deseada

0
2

10

15
20
25
Tiempo
Posicion Y vs Tiempo

30

35

40

Posicin Y

Posicin Z

1.5

0.5

Posicin Actual
Posicin Deseada

10

15
20
25
Tiempo
Posicion Z vs Tiempo

30

35

40

3
Posicin Actual
Posicin Deseada

Posicin Z

3
2.5

2
1.5
1

1
0.5

Posicin Y

0
Posicin X

10

15

20
Tiempo

25

30

35

40

Figura 4.43 Respuesta del Helicptero ante una trayectoria recta con control
basado en lgebra Lineal.

4.5.3.2

Trayectoria Resorte.

El controlador basado en lgebra Lineal utilizado para el seguimiento de una


trayectoria circular proporciona una respuesta adecuada, como se muestra en la
siguiente figura
SIMULACIN DEL HELICPTERO

Posicion X vs Tiempo
1

Posicin X

Posicin Actual
Posicin Deseada

2.5

Posicin Actual
Posicin Deseada

-1

-2
2

10

15
20
25
Tiempo
Posicion Y vs Tiempo

30

35

40

Posicin Y

Posicin Z

1.5

Posicin Actual
Posicin Deseada

2
1
0

0.5

-1

10

15
20
25
Tiempo
Posicion Z vs Tiempo

0.5
1

40

-0.5

0
Posicin Y

Posicin Z

35

Posicin Actual
Posicin Deseada

3
2

30

-1
-1

-1.5

0
Posicin X

10

15

20
Tiempo

25

30

35

40

Figura 4.44 Respuesta del Helicptero ante una trayectoria circular con control
basado en lgebra Lineal

158

4.5.3.3

Trayectoria Seno creciente.

El controlador basado en lgebra lineal para una trayectoria tipo seno creciente
presenta un pequeo error de posicin al inicio de la trayectoria, pero el mismo es
corregido inmediatamente por el controlador.
SIMULACIN DEL HELICPTERO

Posicion X vs Tiempo

2.5

1
Posicin X

Posicin Actual
Posicin Deseada

-1

-2

Posicin Actual
Posicin Deseada

10

15
20
25
Tiempo
Posicion Y vs Tiempo

30

35

40

1.5
Posicin Y

Posicin Z

Posicin Actual
Posicin Deseada

2
1
0

0.5

-1

10

15
20
25
Tiempo
Posicion Z vs Tiempo

0.5
1

40

-0.5

0
Posicin Y

Posicin Z

35

Posicin Actual
Posicin Deseada

3
2

30

-1
-1

-1.5

0
Posicin X

10

15

20
Tiempo

25

30

35

40

Figura 4.45 Respuesta del Helicptero ante una trayectoria seno creciente con
control basado en lgebra Lineal

4.6

Desarrollo de la interfaz grfica GUI.

Se desarroll una interfaz grfica para el manejo de las diferentes simulaciones


de los sistemas areos no tripulados en el entorno grfico de MATLAB.
El manual de usuario consta en el Anexo A.

Figura 4.46 Interfaz Grfica GUI desarrollada en MATLAB.

159

CAPITULO 5

5.

CONCLUSIONES Y RECOMENDACIONES

5.1

CONCLUSIONES.

El presente proyecto cumple con el objetivo propuesto, el cual consiste en


modelar, simular y aplicar cuatro tcnicas diferentes de control a 5
diferentes tipos de sistemas areos no tripulados. Esto se demuestra con
las pruebas realizadas en el Captulo 4, en el cual se presentan los
resultados de las simulaciones efectuadas.

En la modelacin de los cinco tipos de sistemas areos no tripulados se


utilizaron dos tcnicas de modelacin: Newton Euler y Euler- LaGrange,
las mismas que fueron seleccionadas de acuerdo al tipo de sistema areo
no tripulado a modelar. Los dos mtodos de modelacin mencionados
permiten obtener los mismos resultados.

El avin PVTOL es un sistema areo no tripulado que presenta tres grados


de libertad, por lo que se facilita la modelacin y control del mismo, pero
presenta limitaciones de movimiento en el eje y. Para el control del avin
PVTOL se utiliz el modelo no lineal del mismo, con el cual se obtuvieron
resultados satisfactorios, como lo demuestra las simulaciones del Captulo
4.

El cuadricptero, sobre los otros sistemas areos no tripulados, posee


grandes ventajas debido a que los rotores de la parte delantera y trasera
giran en sentido contrario a los rotores de la parte izquierda y derecha con
lo cual el control de movimiento en un plano se realiza variando las
velocidades de los cuatro motores. Pero a su vez tiene una desventaja, ya
que al poseer cuatro rotores independientes la fuerza para mantenerse en

160

vuelo debe ser ms grande, por lo que los motores deben ser ms potentes
para poder alzar a la nave en conjunto.

El tricptero es un sistema areo no tripulado de gran utilidad ya que su


control es de manera similar a la de un cuadricptero pero debido a que en
su motor de cola puede variar su inclinacin esto se traduce en que la
aeronave pueda rotar sobre su propio eje (ngulo yaw) de una manera ms
sencilla y sin la necesidad de variar las velocidades de rotacin de los
motores para poder lograr este efecto como en el cuadricptero. La
desventaja que presenta es que segn la configuracin, la complejidad del
diseo del control de la aeronave aumenta.

El helicptero es el sistema areo no tripulado ms complejo de todos los


sistemas analizados en este proyecto, por lo que, el diseo del controlador
se debe hacer preferentemente en su modelo lineal para evitar el cruce de
trminos de rotacin y traslacin, pero si se requiere realizar un control en
el modelo no lineal se debe realizar una adaptacin del modelo para
desacoplar trminos como se realiz en el Captulo 2 y 3.

La utilizacin de tcnicas de control inteligente como redes neuronales y


lgica difusa fueron de gran utilidad, ya que en estas tcnicas de control no
es necesario conocer exactamente el modelo de la planta y permiten
realizar cambios de variables, es decir, pasar de valores de posicin a
valores de ngulos o velocidades, de acuerdo a la aplicacin que se
requiere. Una desventaja de las mismas es que para mayor flexibilidad del
sistema se necesita aumentar el nmero de condiciones para poder
encontrar la accin de control ms ptima lo que se traduce en un sistema
de control ms complejo y con ms capacidad de memoria.

La tcnica de control basada en lgebra lineal es un controlador efectivo y


sencillo de realizar y que entrega buenos resultados a la hora de
implementarlo en un sistema. Para realizar el controlador basado en

161

algebra lineal se necesita conocer el modelo matemtico del proceso para


poder implementar el controlador.

Las tcnicas de control inteligente implementadas tienen una gran ventaja


en el control de sistemas complejos, ya que al ser sistemas de eleccin en
rangos como en el presente proyecto, pueden ser inmunes a ciertas
perturbaciones que se puedan presentar en el sistema.

Los sistemas areos no tripulados al ser sistemas no lineales, para su


control con tcnicas clsicas de control resulta difcil, por lo que es de gran
ventaja utilizar tcnicas basadas en inteligencia artificial como lgica difusa
y redes neuronales, que al combinarlas con tcnicas de control como PID
permiten obtener un control de trayectoria muy bueno.

La combinacin de tcnicas de control es muy til para resolver problemas


de control en sistemas no lineales, as es como la combinacin

entre

Lgica Difusa y PID permite obtener un seguimiento de trayectoria en los


UAV con error de posicin mnimos y sin oscilaciones.

El control combinado entre Redes Neuronales y PID crea pequeas


oscilaciones en los sistemas areos no tripulados, lo que puede significar
una desventaja al momento de implementarlos, ya que puede crear
vibraciones que afecten a los sistemas.

El controlador basado en lgebra Lineal es un tipo de control que se basa


en mtodos numricos, que permite obtener acciones de control muy
precisas para los sistemas, las mismas que al ser aplicadas proporcionan
resultados positivos en el seguimiento de trayectorias.

162

5.2

RECOMENDACIONES

Para obtener el modelo matemtico de un sistema se recomienda trabajar


con el mtodo Newton- Euler, ya que resulta ms sencillo que trabajar con
el mtodo Euler-LaGrange que requiere un desarrollo matemtico ms
complejo y al trabajar con los dos mtodos se obtienen los mismos
resultados.

Para implementar un modelo matemtico en Simulink es recomendable


utilizar s-functions, ya que stas nos permiten sintetizar una ecuacin
matemtica compleja en un cdigo de programa, en lugar de realizar las
interconexiones con los diferentes bloques de Simulink.

Para realizar el control de ciertos tipos de UAV como el Bird Like y


Helicptero es recomendable adaptar los modelos o desacoplar trminos
de los mismos para realizar el control, ya que se facilita el desarrollo de las
ecuaciones y la obtencin del controlador.

163

REFERENCIAS BIBLIOGRAFICAS
CAPITULO UNO
[1]

Wikipedia,

Sistema

Areo

No

Tripulado

http://es.wikipedia.org/wiki/Veh%C3%ADculo_a%C3%A9reo_no_tripulado

[2] Sistema de Control en lazo abierto


http://automatizacionhistori.blogspot.com/

[3] Sistema de Control en lazo cerrado


http://automatizacionhistori.blogspot.com/

[4] OGATA, Katsuhico, Ingeniera de Control Moderna, Tercera Edicin

[5] Funcin Paso Unitario


http://commons.wikimedia.org/wiki/File:Dirac_distribution_CDF.svg
[6] Funcin Rampa
http://commons.wikimedia.org/wiki/File:Dirac_distribution_CDF.svg

[7] BANDA GAMBOA, Hugo A. , Inteligencia Computacional, Departamento de


Informtica y Ciencias de la Computacin, Escuela Politcnica Nacional.

[8] Neurona Biolgica


http://tuneurociencia.blogspot.com/2010/12/conceptos-basicos-las-neuronas.html

[9] BANDA GAMBOA, Hugo A. , Computacin Neuronal, Departamento de


Informtica y Ciencias de la Computacin, Escuela Politcnica Nacional.

164

CAPITULO DOS
[10] CASTILLO, Pedro; LOZANO, Rogelio; DZUL, Alejandro, Modelling and
Control of Mini- Flying Machines, Springer.

[11] GANDOLFO, D.; SCAGLIA, G.; PATIO, D.; JORDAN M., Trajectory
Tracking Control of a PVTOL Aircraft Based on Linear Algebra Theory

[12] ROSALES, Claudio,

SCAGLIA, Gustavo; JORDAN, Mario; CARELLI,

Ricardo, Trajectory tracking of a mini four-rotor helicopter in dynamic


environments - a linear algebra approach.

[13] YOO, Dong-Wan; OH, Hyon-Dong; WON, Dae-Yeon; TAHK, Min-Jea,


Dynamic Modeling and Stabilization Techniques for Tri-Rotor Unmanned Aerial
Vehicles

[14] ASTROV, Igor; PEDAI, Andrus, Situational Awareness Based Flight Control
of a Three-Rotor Mini-Aircraft.

[15]

SALAZAR-CRUZ,

Sergio;

LOZANO,

Rogelio;

ESCAREO,

Juan,

Stabilization and nonlinear control for a novel trirotor mini-aircraft.

[16] SIEGWART, Roland; MATTIO, Andrea, Modelling and Control of the UAV
Sky-Sailor.

[17] HARMON, Robyn, AERODYNAMIC MODELING OF A FLAPPING


MEMBRANE WING USING MOTION TRACKING EXPERIMENTS

[18] DENG, Xinyan; SCHENATO, Luca; CHUNG WU, Wei; SASTRY, S. Shankar,
Flapping Flight for Biomimetic Robotic Insects: Part I - System Modeling

165

[19] HALD, Ulrik B;. HESSELBEK, Mikkel V; HOLMGAARD, Jacob T.; JENSEN,
Christian S; JAKOBSEN, Stefan L.; SIEGUMFELDT, Martin, Autonomous
Helicopter - Modelling and Control

[20] SVENSTRUP, Mikael; WINTHER, Kasper, Autonomous Hover of an Electric


Helicopter, Junio 2007.

[21]
digital

IMPERATO, Alberto; MANJARRES, Pamela, Diseo de un control PID


para la regulacin de vuelo estacionario de un mini helicptero UAV,

Noviembre 2010.

[22] FOSSEN, Thor I., MATHEMATICAL MODELS FOR CONTROL OF


AIRCRAFT AND SATELLITES, Enero 2011.
[23] Cuadricptero
http://xclusivos.mercadoshops.com.ar/cuadricoptero-ar-drone-parrot-wifi_14xJM

CAPITULO TRES
[23] KOURO, Samir; MUSALEM, Rodrigo, Control mediante Lgica Difusa.

[24] ALDRETE VIDRIO, Hctor Eduardo, Control Inteligente Hbrido de un Minihelicptero Autnomo

[25] ARREDONDO VIDAL, Tomas, Introduccin a la lgica difusa.

[26] Jang, J.-S. Roger; Gulley, Ned, Users Guide Fuzzy Logic Version 1
Toolbox, MATLAB

[27] DEMUTH, Howard; BEALE, Mark, Neural Network Toolbox, MATLAB

REFERENCIAS ANALIZADAS
LEDESMA, Sergio; Las Redes Neuronales implementacin y consideraciones
prcticas

166

ORTIZ, Paula A.; GUTIRREZ, Luis; Modelo matemtico para un vehculo areo
no tripulado de ala fija, usando un estimador de parmetros Filtro de Kalman

HAIDER, Ali Shahbaz ; SAJJAD, Muhammad; Structural Design and Non-linear


Modeling of a Highly Stable Multi-Rotor Hovercraft

GARZA, Frederico; MORELLI, Eugene; A Collection of Nonlinear Aircraft


Simulations in MATLAB

CORKE, Peter; Robotics, Vision and Control; Springer

HUA, Minh Duc; Contributions au contrle automatique de vhicules ariens

PERTUZ CAMPO, Jairo; Diseo, entrenamiento y simulacin de redes


neuronales con MATLAB

BARSK, Karl-Johan; Model Predictive Control of a Tricopter

BARRAGAN, Juan; Identificacin de UAVs de ala fija y ala rotatoria