CISCI 2008, SÉPTIMA CONFERENCIA IBEROAMERICANA EN SISTEMAS, CIBERNÉTICA E INFORMÁTICA
Dos técnicas de control para un dirigible en su
fase de vuelo crucero
Leonardo Solaque∗ , leonardo.solaque@umng.edu.co Alain Gauthier∗∗ , agauthie@uniandes.edu.co
y Simon Lacroix∗∗∗ , simon.lacroix@laas.fr
Abstract— Los vehı́culos aéreos no tripulados (Unanimated
Air Vehicle - UAV), son plataformas estratégicas que prometen
incursionar en el transporte, la exploración y vigilancia. Con
este artı́culo se presenta el control PID y GPC para la velocidad,
altitud y dirección de dos dirigibles en su fase de vuelo crucero.
Estos sistemas son conocidos como plataformas mas ligeras que
el aire (Lighter-Than-Air - LTA). Para la realización del control
se debe entender la dinámica del dirigible, por lo que se presenta
en primera instancia un estudio del modelado del sistema y
la manera de realizar la reducción de su compleja dinámica,
llegando al planteamiento de modelos de control simples. Estos
modelos habilitan el desarrollo de los controles. Pruebas en
simulación y sobre las estructuras reales son presentadas al final.
Index Terms— Plataformas aéreas, dirigible, UAV, modelado,
control, PID, GPC, fases de vuelo.
I. I NTRODUCCI ÓN
El permanente desarrollo en el amplio espectro de la ciencia
y tecnologı́a, tal como sensores, actuadores, dispositivos de
computo y energı́a, garantizan una larga permanencia de las
plataformas mas ligeras que el aire. Existe indudablemente
un renaciente interés en este dominio, aplicaciones en el
transporte de cargas pesadas1 , plataformas de gran envergadura
de altitud eleveda para comunicaciones o aplicaciones de
vigilancia, son habilitadas. Para dirigibles de pequeño tamaño
radio-controlados, del orden de decenas de metros cúbicos,
se tienen aplicaciones como vigilancia o fotografı́a aérea.
Ellos son fáciles de operar, volar con relativa seguridad a
muy bajas altitudes y sobre áreas de interés, consumiendo
poco combustible, a velocidades bajas y permitiendo mayores
tiempos de autonomı́a. Dentro de sus principales enemigos
se encuentran las condiciones meteorológicas, el viento es
un agente fuertemente perturbador a sus comportamientos
naturales (ver [1]). Es de anotar que las aplicaciones de los
dirigibles no tripulados son consideradas cada vez mas y mas
en el mundo, entre las aplicaciones militares se encuentra
la exploración planetaria, como se observa en numerosas
contribuciones en las conferencias de los más ligeros que el
aire (AIAA) y las convenciones europeas de los dirigibles [2].
La primera mención de los desarrollos de plataformas no
* Universidad Militar Nueva Granada - Grupo GAV, Cra 11 No. 101-80.
Bogotá - Colombia. Tel. 2757300
** Universidad de los Andes - Grupo GIAP, Cra 1 No 18A-10. Bogotá -
Colombia. Tel. 3394949
*** LAAS-CNRS - Grupo RIS, 7 avenue du Colonel Roche 31077.
Toulouse - Francia. Tel 61336200
1 tal como el proyecto ATG Skycats –revisado a la fecha, información sobre
este proyecto es disponible en www.worldskycat.com
1
tripuladas y autónomas tipo dirigibles, se encuentra en la
literatura cerca de la década de los 90’s [3], pero es solo
recientemente que varios proyectos han mostrado logros efica-
ces. Uno de los proyectos mas avanzados en este dominio es
Aurora, un proyecto sostenido por el Instituto de la Tecnologı́a
e Información de Campinas, Brasil, dedicado principalmente
al control del vuelo [4].
Es claro que el control de estos prototipos es uno de los
problemas principales a atacar, en función de contar con un
dirigible con habilidades de autonomı́a en las misiones que
ejecuta. Dificultades surgen principalmente debidas a las no-
linealidades que presenta la dinámica de estos sistemas y
evidentemente el viento como una gran perturbación en su
desplazamiento durante el vuelo. Nosotros nos centramos en
la solución de uno de estos problemas, los controles tipo
PID y GPC para la velocidad, altitud y dirección, cuando
se desplaza a altitud constante y en el plano 2D (punto de
operación llamado fase de vuelo crucero). Para esto, se hace un
estudio previo del modelo dinámico del dirigible y las formas
de encontrar modelos reducidos o de menor complejidad.
Este documento se encuentra organizado de la siguiente
manera: sección II presenta un completo modelo dinámico del
dirigible, con simplificaciones para la obtención de modelos
que permitan la sı́ntesis de las leyes de control, basados en
la hipótesis de una velocidad regulada a un valor constante,
permitiendo el desacople de las dinámicas de vuelo lateral
y longitudinal, expresándose la dinámica global de la fase de
vuelo crucero. Se permite hacer el control con tres reguladores
independientes, uno dedicado a la velocidad de desplazamien-
to, otro sobre la altitud y uno último sobre la dirección,
presentados en la sección III. Referencias a previos trabajos
son presentados a lo largo de las secciones, ası́ como resultados
experimentales obtenidos sobre dos dirigibles. Finalmente se
presentan conclusiones.
II. M ODELO DEL D IRIGIBLE
El dirigible considerado tiene una estructura clásica ’forma
de cigarra’. Los parámetros de control disponibles en el dirigi-
ble son: los motores de empuje principal son montados sobre
un eje vectorizado, de forma que se habilite el despegue en
forma vertical y provea sustentación adicional cundo se tengan
velocidades pequeñas, donde la sustentación aerodinámica
no es posible; las superficies móviles (alerones) posibilitan
el control en los planos longitudinal y lateral, un empuje
adicional en un alerón trasero permite el control lateral del
dirigible a velocidades pequeñas y donde los alerones no son
CISCI 2008, SÉPTIMA CONFERENCIA IBEROAMERICANA EN SISTEMAS, CIBERNÉTICA E INFORMÁTICA
suficientes2 .
II-A. Marcos y modelo cinemático
Tres ejes son definidos para describir el movimiento del
dirigible (ver Fig.1): el eje global R0 fijo a un punto arbitrario
sobre la tierra, orientado según la convención NED. El marco
fijo al cuerpo del dirigible Rd tiene su origen en el centro
volumétrico (CV) de la envoltura [5]. CV se escoge como el
origen de este marco porque coincide con el centro de empuje,
donde la fuerza de sustentación aerostática es aplicada. Final-
mente, el marco aerodinámico está alineado con la dirección
del movimiento Ra .
Rd
CV Ra
CG
Yd θ Xd
ψ φ
Zd
Ro
Xo
Yo Zo
Fig. 1. Ejes coordenados considerados
Se denota la matriz de orientación entre el sistema coorde-
nado global R0 y el sistema coordenado local Rd por Mod , y
Mda es la matriz de transformación entre el sistema coordenado
local Rd y el sistema coordenado aeronáutico Ra .
II-B. Modelo dinámico
El modelo dinámico del dirigible es establecido sobre la
base de las siguientes hipótesis:
La envoltura es considerada como un sólido: los fenóme-
nos areo-elasticos y el movimiento del hélio dentro de la
envoltura son ignorados (fenómenos de inercia adiciona-
da debido a al desplazamiento dentro de un fluido no se
consideran);
la masa del dirigible y su volumen son considerados
constantes;
el dirigible desplaza volumen: los fenómenos inducidos
por el desplazamiento inducen variación de la masa y la
inercia (proporcionales al volumen del aire desplazado
por la envoltura);
la posición del centro de empuje de la fuerza de sus-
tentación aerostática coincide con el centro de volumen
CV;
la velocidad de un dirigible pequeño es generalmente
baja (bajo número de match), los acoplamientos entre las
dinámicas y los fenómenos térmicos son despreciables al
igual que la modificación de la densidad del aire debida
al movimiento del sistema;
2 Solo UrAn esta actualmente equipado con este motor de cola.
2
la tierra es considerada plana sobre el área de vuelo.
Las anteriores hipótesis son razonables para los dirigibles
considerados, permitiendo aplicar la teorı́a de la mecánica
de cuerpo rı́gido. A través del uso de las leyes de Newton,
las teorı́as de aerodinámica [6] con las leyes de Kirshoff’s y
Bryson’s , el modelo dinámico con respecto al eje coordenado
Rd puede ser escrito como:
Md~v˙ = −Td (vdlr ) + Ta (vA ) + ga + Tp (1)
donde:
v es el vector de estado, compuesto por las velocidades
lineales vd = u, v, w y las velocidades angulares vm =
p, q, r.
La matriz de 6 × 6, Md esta compuesta por las masas,
inercias y los términos de acoplamiento.
Td es el vector de fuerzas dinámicas y contiene los
términos asociados a la fuerza centrifuga y de Coriolis:
Td (vd ) = f (m, xg , zg , u, v, w, p, q, r, Ix , Iy , Iz , Ixz )
(2)
ga contiene las fuerzas de gravedad y de empuje (FG es
el peso del dirigible, FB es la fuerza de sustentación):
ga = f (FG , FB , φ, θ, ψ, xg , zg , xc ) (3)
donde (xc , zc ) es la posición del centro de volumen (CV).
Tp representa las fuerzas de control aplicadas sobre el
dirigible. Contienen los torques del empuje vectorizado
FM en la posición (Ox , Oz ), la fuerza debida al rotor de
cola Frc en la posición (xrc , zrc ). La norma y dirección µ
de los propulsores es ajustable en el plano longitudinal y
la dirección del rotor de cola se ubica en el plano lateral.
Tp = f (FM , Frc , µ, Ox , Oz , xrc , zrc ) (4)
Ta = Av˙A − D(vdr )vA + Tsta (va2 ) es el vector aero-
dinámico, donde:
• A es la matriz simétrica de masas adicionadas (6×6),
inercias ubicadas con respecto al centro de gravedad
(CG), y términos de acoplamiento debidas al movi-
miento dentro de un fluido:
Av˙A = f (V̇Xa , V̇Ya , V̇Za , p, q, r, aij ) (5)
• vA = [va , vm ], donde ~va = ~vd − ~vw es el vector
de velocidad aerodinámica de translación, ~vw =
[uw , vw , ww ]T velocidad de viento medida en Rd .
Un estudio de la influencia del viento sobre los
dirigibles pues ser encontrado en [7].
• D(vdr )vA es el vector que contiene los términos de
Coriolis y fuerza centrifuga:
D1 (vd r)vA = f (VXa , VYa , VZa , p, q, r, aij ) (6)
• Tsta (va2 ) representa las fuerzas aerodinámicas y mo-
mentos en CG, proporcionales a la forma de la en-
voltura y al cuadrado con la velocidad aerodinámica.
CISCI 2008, SÉPTIMA CONFERENCIA IBEROAMERICANA EN SISTEMAS, CIBERNÉTICA E INFORMÁTICA
Tsta (va 2 )= f (va , Sref ,
Lref , CT , CL , CN , ClN , CmN , CnN )
(7)
donde Sref y Lref dependen de la geometrı́a del
dirigible. CT , CL , CN , ClN , CN y ClN son respec-
tivamente, los coeficientes estacionarios tangencial,
normal, lateral, alabeo, cabeceo y guiñada.
II-B.1. Modelos simplificados: En función de obtener
un modelo dinámico suficientemente representativo de las
principales dinámicas del dirigible y de menor complejidad,
simplificaciones son realizadas, de forma que el dominio de
operación se restrinja logrando desacoplar el vuelo lateral y
longitudinal. En el caso de un vuelo crucero en ausencia del
viento, la ecuación que representa la dinámica de la velocidad
en función de la fuerza de los propulsores es:
1 1
u̇ = (Fm cosµ + ρVa2 Sref CT )
(m − a11 ) 2 general, en la literatura se encuentran contribuciones al control
Provisto de una velocidad constante (u = u0 ) y suponiendo
que se desplaza en lı́nea recta (δg = 0, v = 0), el modelo que
muestra la evolución de la altitud puede ser simplificado. Las
variables involucradas en esta dinámica son z, w, u, θ, q y δe :
considerando que w  u y α ≈ 0, se tiene.
ż = −u sin θ
θ̇ = q
q̇ = INy −a
UM
55
donde N U M = ((mxg − a35 − x2 m22 )uq − zg FG sin θ −
(xg FG − xc FB ) cos θ + Fm Oz cos µ + Fm Ox sin µ −
1 2
2 ρu Sref Lref CmN ). Linealizando alrededor del punto de
operación, −(xg FG − xc FB ) cos θ + Fm Oz cos µ ≈ 0, θ ≈ 0
→ sin θ ≈ θ y cos θ ≈ 1, nosotros tenemos:
ż = −u sin θ
θ̇ = q
q̇ = k2|δe q + k1|δe θ + k3|δe δe
(mxg −a35 −x2 m22 )u −zg FG
donde k2|δe = Iy −a55 , k1|δe ≈ Iy −a55
ρu2 Sref Lref CmN
− 2(Iy −a55 ) . La ecuación (10) corresponde a un sistema
de control de segundo orden para θ y tercer orden para z.
Considerando la dinámica de θ similar a un primer orden, el
modelo de altitud puede ser visto como un primer orden mas
un integrador puro.
Ahora al considerar la velocidad constante en un plano
(x, y) con δe = 0 y w = 0, las ecuaciones dinámicas del
dirigible y su poción en el plano horizontal se pueden escribir
como:
ẋ = u cos ψ − v sin ψ
ẏ = u sin ψ − v cos ψ
ψ̇ = r
ur(mxg +a26 −x2 m11 )+Frc xrc − 21 ρu2 Sref Lref CnN
ṙ = (Iz −a66 )
Las variables involucradas en este modelo son x, y, u, v, ψ,
r y δg . Considerando v  u, β ≈ 0 y Frc = 0, las ecuaciones
(11) son simplicadas a:
3
ẋ = u cos ψ
ẏ = u sin ψ
(12)
ψ̇ = r
ṙ = k2|δg r + k1|δg δg
Nótese que los coeficientes k1|δg y k2|δg pueden ser deter-
minados de manera parecida al modelo reducido de altitud,
donde han sido determinados a partir de pruebas en el túnel
de viento y con el filtro de Kalman en configuración estimador
paramétrico (ver [6]). Una aplicación similar de la dinámica
simplificada para un modelo de aeroplanos en fase de vuelo
crucero puede encontrarse en [8].
III. C ONTROL
Con modelos reducidos, suficientemente representativos de
la dinámica del dirigible, se realizó una estimación de los
coeficientes del sistema (ver [9]) y se atacó el problema
de control para el desplazamiento a velocidad constante. En
(8)
de dirigibles, basados en resultados de simulación. Elfes et al
[10] presentan una arquitectura de control donde el ’yaw’,
’pitch’ y altitud son controlados sobre la base de controles PI
y PID adaptivos. Paiva et al [11] describe una estrategia de
control con un PID para la velocidad en el plano longitudinal
y un PD para la altitud y la dirección. Azinheira et al [12]
un regulador para la dirección basado en técnicas de control
(9) robusto tipo H∞ , para el seguimiento de trayectorias. Otros
autores optan por control difuso, tal como Rao et al [13], quien
describe un control de dirección para la navegación, basado
en control difuso optimizado por algoritmos genéticos. Diaz et
al [14] proponen un compensador distribuido paralelo para la
fase de vuelo crucero, basado en técnicas difusas. Un control
con estrategias de back-stepping fue propuesto por Hygounenc
y Souères [15].
En esta sección se presenta el análisis de la ley de control
(10) basado en técnicas PID y GPC, considerando los sistemas
como SISO (Single Input-Single Output). Estos controles se
plantean sobre el principio de tener desacoplado el vuelo
longitudinal y lateral (ver [16]). Los controles se basan en
y k3|δe ≈
lo siguiente: 1) un control para la velocidad aerodinámica es
el resultado de los propulsores principales; 2) las superficies
móviles en configuración de-simétrica δe controlan la altitud, y
3) el control de dirección es resultado de la acción de alerones
en configuración simétrica δg .
Planteadas las hipótesis anteriores, el diseño de las leyes de
control, debe ser tal que, el dirigible en sus estados principales
siga tan cerrado como pueda las señales de referencias fijadas
ur , zr y ψr , respetando las hipótesis de vuelo crucero y
manteniendo la validez de los modelos simplificados o en otras
palabras, respetando el comportamiento del sistema en lazo
abierto.
(11) III-A. Control PID
Cada modelo simplificado presentado en la sección II-B.1
puede ser representado por:
ẋ = Ax + Bu
(13)
y = Cx
CISCI 2008, SÉPTIMA CONFERENCIA IBEROAMERICANA EN SISTEMAS, CIBERNÉTICA E INFORMÁTICA 4

!r in red & !s in blue, [deg]

u in red & u in blue, [m/s]
donde x es un n × 1 vector de estado, y es un p × 1 vector Speed Control Altitude Control Heading Control

zr in red & zs in blue, [m]

10 10 400
de salida y u es un q × 1 vector de entrada (A, B, C y D son
0 200
respectivamente, n × n, n × p, q × n y q × p matrices). La ley 5

s
!10 0
de control u definida por un control PID sin saturación de la
0 !20 !200
acción integral, puede ser descrita como: 0 100 200 300 0 100 200 300 0 100 200 300

r
Time [s] Time [s] Time [s]
Signal Control of Speed Signal Control of Altitute Signal Control of Heading
60 50 40
Z
dum
u = Kp um + Ki (urer − um )dt + Kd (14) 40 20

#e [deg]

#g [deg]
dt

T [N]
0
20 0
donde uref es la señal de referencia, um es la salida del
0 !50 !20
sistema y Kp , Ki y Kd son las constantes del regulador. 0 100 200 300 0 100 200 300 0 100 200 300
Time [s] Time [s] Time [s]
III-A.1. Control de Velocidad.: Con el modelo de lazo Speed on the axe Y & Z in Rd Angular Speed ["$] Angular Speed ["!]
2 20 5
abierto para la velocidad aerodinámica escrito como:

vblue & wred, [m/s]

r [deg /s]
q [deg/s]
0
0 0
va (s) κ
H(s) = = (15) !20
T (s) τs + 1 !2 !40 !5
0 100 200 300 0 100 200 300 0 100 200 300
y la señal de control para los propulsores (T ) dada por: Time [s] Time [s] Time [s]

ki Fig. 2. Resultados de los controles PID’s: de arriba a abajo, se presenta la

T (s) = kp va + (vr − va ) (16)
s evolucion de los sistemas, los controles y las derivadas de las variables de
control.
donde vr es la señal de referencia para la velocidad, el
polinomio caracterı́stico en lazo cerrado queda descrito por:
III-B. Control Predictivo Generalizado
2 1 κ
s − (1 + κkp )s + ki (17) El control predictivo generalizado fue introducido por Clar-
τ τ
ke et al [17], y se popularizó en la industria y la academia
Ahora, definiendo un polinomio s2 + 2ζwn s + wn2 basado [18]. Es una clase de control predictivo basado sobre la
en los criterios de desempeño e igualando a la eq. (17), los minimización de una función objetivo para la generación de
coeficientes del PI (kp y ki ) pueden ser determinados. la ley de control.
III-A.2. Controles de altitud y dirección: Con un modelo Un sistema SISO puede ser descrito de la siguiente forma:
de control para la altitud escrito como:

z(s) kz k3 A(z −1 )y(t) = z−d B(z −1 )u(t − 1) + C(z −1 )e(t) (21)

H(s) = = 3 (18)
δe (s) s − k2 s2 − k1 s
donde u(t) y y(t) son las señales de control y salida del
y la señal de control dada por un PID: sistema, y e(t) representa el ruido blanco con media cero. A, B
y C son polinomios en z y d es el tiempo muerto del sistema.
ki Este modelo es llamado modelo “Controller Auto-Regressive
δe (s) = kp z + (zr − z) + kd θ + k2d q (19)
s Moving-Average (CARMA)”. Cuando las perturbaciones son
donde zr es la referencia de la altitud, el polinomio carac- non-estacionarias, el modelo CARMA no es apropiado y se
terı́stico en lazo cerrado es: debe considerar el modelo integral de CARMA (CARIMA)
[17]. Considerando notación similar a la de Camacho [18], el
modelo CARIMA se convierte en:
s4 −s3 (k2 +k3 k2d )−s2 (k1 +k3 kd )−s(kp k3 kz )+kz k3 ki (20)
Basado en los criterios de desempeño para este regulador, e(t)
A(z −1 )y(t) = z−d B(z −1 )u(t − 1) + C(z −1 ) (22)
el polinomio caracterı́stico queda: (s2 + 2ζwn s + wn2 )(s + ∆
1/τ1 )(s + 1/τ2 ). Igualando este con la eq. (20), los coefi- con
cientes kp , kd , ki y k2d para el control de altitud pueden ser
determinados. ∆ = 1 − z −1 (23)
Las ganancias del control de dirección pueden ser obtenidas
El algoritmo GPC consiste en aplicar una secuencia de
con estos mismos procedimientos.
control que minimiza la función de costo siguiente:
III-A.3. Resultados en simulación: La figura 2 muestra
los resultados en simulación de los tres controles PID’s. PN2
La estabilización de cada estado de salida del sistema son J(N1 , N2 , Nu ) = E{ j=N 1
δ(j)[y(t + j|t) − w(t + j)]2
PNu
presentados, manifestando un poco de acoplamiento entre las + j=1 λ(j)[∆u(t + j − 1)]2 }
acciones de los reguladores. Existe una perdida de altitud (24)
cuando el dirigible toma las curvas, ya que por seguridad donde E{∗} es la esperanza y ŷ(t + j|t) es la j-esima
este se deja ligeramente mas pesado (fuerza de gravedad es predicción de la salida del sistema, sobre un tiempo futuro,
ligeramente mayor que la fuerza de empuje). N1 y N2 son el mı́nimo y máximo de la función de costo
CISCI 2008, SÉPTIMA CONFERENCIA IBEROAMERICANA EN SISTEMAS, CIBERNÉTICA E INFORMÁTICA 5

!r in red & !s in blue, [deg]

u in red & u in blue, [m/s]
sobre un horizonte, Nu es el horizonte de control, δ(j) y λ(j) Speed Control Altitude Control Heading Control

zr in red & zs in blue, [m]

10 0 400
son los pesos de la secuencia y w(t + j) es la trayectoria de
!5 200
referencia futura. 5

s
!10 0
El objetivo del control GPC es encontrar una secuencia de
0 !15 !200
control futura u(t), u(t + 1), ..., tal que la salida futura del 0 100 200 300 0 100 200 300 0 100 200 300

r
Time [s] Time [s] Time [s]
sistema y(t + j) pueda seguir tan cerca como sea posible a Signal Control of Speed Signal Control of Altitute Signal Control of Heading
w(t + j), considerando siempre la minimización de la función 60 50 50

de costo J(N1 , N2 , N3 ). 40

#e [deg]

#g [deg]
T [N]
0 0
III-B.1. Control de velocidad: El equivalente discreto del 20

modelo de velocidad simplificado, con un tiempo de muestreo 0 !50 !50

0 100 200 300 0 100 200 300 0 100 200 300
ts = 0,1s, viene representado por: Time [s] Time [s] Time [s]
Speed on the axe Y & Z in Rd Angular Speed ["$] Angular Speed ["!]
2 20 10
0,0198z −1

vblue & wred, [m/s]

−1
H(z )= (25)

r [deg /s]
q [deg/s]
0 5
1 − 0,9802z −1 0
!2 0

Note que para este sistema, el tiempo muerto d es igual a !4 !20 !5

0 100 200 300 0 100 200 300 0 100 200 300
cero y el polinomio asociado al ruido es 1. Time [s] Time [s] Time [s]

Ahora con el algoritmo presentado por Camacho [18] y los

valores de los parámetros N1 = 1, N2 = N = 10 y λ = 1,2, Fig. 3. Resultados de los controles GPC.
la ley de control viene dada por:

T (k) = T (k − 1) − 4,7404va (k) + 4,0845va (k − 1) III-C. Resultados experimentales

+0,0151va|ref (k + 1) + 0,0288va|ref (k + 2) (26) III-C.1. Pruebas con UrAn: Los controles de velocidad
+ · · · + 0,1084va|ref (k + 10) y altitud fueron probados bajo la condición de vuelo crucero
3
III-B.2. Control de altitud: Consideremos el siguiente en UrAn. UrAn es un dirigible de 28m , construido por la
modelo discreto para la dinámica de la altitud: compañı́a MiniZep y plataforma de experimentación para el
desarrollo de la tesis doctoral de Leonardo Solaque. Este es
equipado con un mini-computador que comunica con una es-
0,000603 + 0,002424z −1 + 0,000609z −2
−1
H(z ) = (27) tación terrestre mediante una conexión Wifi, un receptor de RF
1 − 3,021z −1 + 3,041z −2 − 1,02z −3 interconectado con los actuadores. Los sensores embarcados
son el DGPS, un altı́metro barométrico, un anemómetro y una
Si d = 0, C(z −1 ) = 1 y los valores de los parámetros central inercial que provee la altitud, dirección.
N1 = 1, N2 = N = 10 y λ = 15, el control calculado viene
La figura 4 muestra la velocidad aerodinámica va y la señal
dado por:
de control T , resultados de diferentes tipos de controles, pero
de solo interés en el presente articulo, el PID y GPC, etique-
δe (k) = 0,9484δe (k − 1) − 0,0516δe (k − 2) − 24,2363z(k) tado como P ID = 4 y GP C = 2, respectivamente. Como
+65,6447z(k − 1) − 59,8995z(k − 2) + 18,3751z(k − 3) se observa, el vuelo es relativamente perturbado, teniendo
+0,00004zref (k + 1) + 0,00031zref (k + 2) algunas veces dificultades para seguir la velocidad referencia
+ · · · + 0,0384zref (k + 10) y haciendo llegar la señal de control a las saturaciones. Sin
(28) embargo, el controlador se recupera rápido y el desempeño es
III-B.3. Control de dirección : Considerando el modelo adecuado.
discreto para la dinámica del la dirección del dirigible: La figura 5 presenta la altitud z y la señal de control δe
cuando el regulador GPC es aplicado sobre el dirigible. Fuertes
0,001839z −1 + 0,001722z −2 entradas en la señal de control mantienen el seguimiento de
H(z −1 ) = (29)
1 − 1,822z −1 + 0,8219z −2 la referencia de altitud. La resolución del sensor instalado
mantiene un error de (±1m), siendo una de las posibles causas
y conociendo d = 0, C(z −1 ) = 1, los valores de los a las señales fuertes.
parámetros N1 = 1, N2 = N = 10 y λ = 0,6, la ley de
III-C.2. Pruebas con Karma: El dirigible Karma fue desa-
control para la dirección del dirigible se puede escribir como:
rrollado por la compañı́a Zodiac y su volumen es de 18m3 .
Soporta la investigación llevada en el laboratorio LAAS/CNRS
δg (k) = 0,9717δg (k − 1) − 0,0282δg (k − 2) − 38,5727ψ(k) (Toulouse-France). La instrumentación es similar a la descrita
+64,3467ψ(k − 1) − 26,4822ψ(k − 2) + 0,0029ψref (k + 1) en UrAn. La figura 6 presenta ψref y la salida del sistema
+0,0108ψref (k + 2) + · · · + 0,1609ψref (k + 10) cuando el regulador GPC es aplicado a Karma. Saturaciones
(30) sobre la señal de referencia aseguran cambios suaves del
III-B.4. Resultados de simulación: La figura 3 presenta los sistema y variaciones no fuertes sobre la señal de control,
resultados del control GPC, con el mismo modelo e identicas permitiendo siempre al sistema estar próximo a los puntos de
referencias presentadas en la sección III-A. operación considerados para el desarrollo de los reguladores.
CISCI 2008, SÉPTIMA CONFERENCIA IBEROAMERICANA EN SISTEMAS, CIBERNÉTICA E INFORMÁTICA 6

Reference (red) & Outpu (blue) system

Aerodynamic speed [m/s]

10 planteados y usados para la sı́ntesis de los reguladores. Otras

pruebas con controles adaptativos basados en el método del
5 gradiente y funciones de Lyapunov fueron presentados en [19],
donde en general se encontró señales de control muy fuertes,
0
200 400 600 800 1000 1200 1400 1600 lo que soportar que las técnicas aqui planteadas son una buena
Time [s]
Signal Control alternativa para su implementación real y la adecuada operacón
de los actuadores del sistema.
Thrust propeller [N]

80
60
40
20
R EFERENCIAS
0
200 400 600 800 1000 1200 1400 1600
[1] A. Elfes, S. Bueno, M. Bergerman, J. Ramos, and S. V. Gomes, “Project
Time [s] AURORA: development of an autonomous unmanned remote monitoring
Type of Control
robotic airship,” Journal of the Brazilian Computer Society, vol. 4, no. 3,
ELC=1,GPC=2,PID=4

5
4
pp. 70–78, April 1998.
3
[2] 16th Lighter-Than-Air Systems Technology Conference and Balloon
2 Systems Conference, Arlington, Va (USA), 2005.
1 [3] J. Boschma, “The devlopment progress of the U.S. Army’s SASS LITE,
0 unmanned robot airship,” in 10th AIAA Lighter-Than-Air Conference and
200 400 600 800 1000 1200 1400 1600
Time [s]
Exhibition, Scottsdale, AZ (USA), Sept. 1993.
[4] E. de Paiva, S. Bueno, S. V. Gomes, M. Bergerman, and J. Ramos, “A
control system development environment for aurora’s semi-autonomous
Fig. 4. Control de velocidad sobre el sistema real (UrAn) robotic airship,” in IEEE International Conference on Robotics and
Automation, Detroit, Mi. (USA), May 1999.
Reference (red) & Outpu (blue) system
[5] S. B. V. Gomes and J. J. Ramos, “Airship dynamic modeling for
!18.5 autonomous operation,” in Proc. IEEE International Conference on
!19 Robotics and Automation, vol. 20, no. 2, Leuven (Belgium), May 1998,
!19.5
pp. 3462–3467.
[6] A. Bonnet and J. Luneau, “Identification des coefficients aérodyna-
z [m]

!20
miques du dirigeable as500 du laas, rapport technique, etude hydro-
!20.5 aérodynamique,” LAAS/CNRS, Tech. Rep., March 2003.
!21 [7] J. R. Azinheira, “Influence of wind speed on airship dynamics,” Journal
!21.5
of Guidance, Control, and Dynamics, vol. 24, no. 6, pp. 1116–1124,
160 180 200 220 240
Time [s]
260 280 300 320 Nov-Dec 2002.
[8] A. J. Fossard and D.Ñormand-Cyrot, Systemes non linéaries. Copyright
Signal Control with GPC
40
Instrument society of America,North Carolina,v. 3, 1993.
[9] D. Patino, L. Solaque, S. Lacroix, and A. Gauthier, “Estimation of
20 the aerodynamical parameters of an experimental airship,” in EEE/RSJ
IROS 2005 workshop on robot vision for Space Applications, Edmonton,
!e [deg]

0 Alberta (Canada), August 2005.

[10] “Autonomous flight control for a titan exploration aerobot,” http://www-
!20 robotics.jpl.nasa.gov/publications/James Montgomery/2005 ISAIRAS
AutonomousFlightControlAerobot.pdf.
!40
160 180 200 220 240 260 280 300 320
[11] E. C. de Paiva, S. S. Bueno, S. B. Gomes, J. G. Ramos, and M. Berger-
Time [s] man, “A control system development environment for aurora’s semi-
autonomous robotic airship,” in IEEE International Conference on
Robotics and Automation, Detroit (Michigan), May 1999.
Fig. 5. Control de altitude sobre el sistema real (UrAn) [12] J. R. Azinheira, E. C. de Paiva, J. J. G. Ramos, and S. S. Bueno,
“Mission path following for an autonomous unmanned airship,” in IEEE
Reference (red) & Outpu (blue!!) system
International Conference on Robotics and Automation, San Francisco,
400 April 2000.
300
[13] J. L. J. R. Zhenbang Gong and S. Xie, “A flight control and navigation
system of a small size unmanned airship,” in Proc. IEEE International
! [deg]

200
Conference on Mechatronics and Automation, Niagara Falls, Canada,
100 July 2005, pp. 1491–1496.
[14] H. Diaz, L. Solaque, and A. Gauthier, “Fuzzy identification and parallel
0
1000 1050 1100 1150
distributed compensation for cruise flight phase of a blimp,” in V
Time [s] Congreso International Electrónica y Tecnologı́as de Avanzada - CIETA,
Signal Control (PID) Pamplona (Colombia), September 2006, p. 4.
40
[15] E. Hygpounenc and P. Souères, “Automatic airship control involving
backstepping techniques,” LAAS, Report 2159, Tech. Rep., October
30
2002.
"g [deg]

20 [16] E. Hygounenc and P. Soueres, “A multimode control strategy for

10
autonomous blimp,” LAAS/CNRS, Tech. Rep., March 2002.
[17] P. T. D.W Clarke, C. Mohtadi, “Generalized predictive control, part i,
0
the basic algorithm,” in Automatica, Vol 23, No. 2: pp. 137-148, July
1000 1050 1100 1150
Time [s] 1987.
[18] C. B. E.F. Camacho, Model Predictive Control in the Process Industry.
Springer, ISBN 3-540-199924-1, 1995.
Fig. 6. Control de dirección sobre el sistema real (Karma) [19] L. Solaque, A. Gauthier, and S. Lacroix, “Modelamiento y control de un
dirigible,” in congress of automatic control [ACA], Colombia, November
2004.
IV. C ONCLUSION
En resumen, el desempeño de los reguladores PID y GPC
fue aceptable, mostrando la validez de los modelos reducidos