Ornitoptero Plano

Proyecto Fin de Carrera
Trabajo Fin de Grado

Ingeniería de Telecomunicación
Ingeniería Aeroespacial
Formato de Publicación
Metodología para de
el la de
Escuela Técnica
Diseño de
Superior de Ingeniería
Ornitópteros
Autor:Autor: Jesús
F. Javier García
Payán García
Somet
Tutor:Tutor:
Juan Aníbal OlleroFuentes
José Murillo Baturone
Dpto.
Dep. Ingeniería
Teoría de Sistemas
de la Señal y Automática
y Comunicaciones
Escuela
Escuela Técnica
Técnica Superior
Superior de Ingeniería
de Ingeniería
Universidad
Universidad de Sevilla
de Sevilla
Sevilla, 2021
Sevilla, 2013
Trabajo Fin de Grado
Ingeniería Aeroespacial
Metodología para el de Diseño de Ornitópteros
Autor:
Jesús García García
Tutor:
Aníbal Ollero Baturone

Profesor Titular
Dpto. Ingeniería de Sistemas y Automática

Escuela Técnica Superior de Ingeniería
Universidad de Sevilla
Sevilla, 2021
Trabajo Fin de Grado: Metodología para el de Diseño de Ornitópteros
Autor: Jesús García García

Tutor: Aníbal Ollero Baturone
El tribunal nombrado para juzgar el trabajo arriba indicado, compuesto por los siguientes profesores:
Presidente:
Vocal/es:
Secretario:
acuerdan otorgarle la calificación de:
El Secretario del Tribunal
Fecha:
Agradecimientos
E l Trabajo de Fin de Carrera marca el final de la etapa estudiantil y el premio obtenido tras estos años
de estudio: ser ingeniero aeroespacial. No puedo más que agradecer a todas las personas que me han
acompañado, no solo en estos años, sino desde siempre, pues les debo gran parte de lo que soy a ellos.
En primer lugar, como no, darle las gracias a mis padres, por su apoyo incondicional siempre, por darme
todo lo que ha estado en su mano para que yo pueda ser quién soy a día de hoy. Gracias de corazón.
En segundo lugar, a mis amigos, por celebrar mis éxitos conmigo y hacer los fracasos más pequeños con
sus palabras y apoyo. En especial, quiero agradeceros a Tamara, Toni y Alba todas las cosas buenas que me
habéis aportado, sobre todo el apoyo en mis momentos más bajos.
Por último, agradecer a los profesores de la ETSI que han dado todo de sí para motivarnos y hacernos ver que
nuestra carrera es maravillosa y motivarnos a seguir siempre adelante, tanto académica como personalmente.
Jesús García García
Orce, 2021
I
Resumen
E n este proyecto se detalla la metodología de diseño para un ornitóptero, incluyendo todos los pasos que
se han de seguir, las variables que aparecerán y deberemos fijar y la interacción entre estas.
Para ello, el proyecto se ha dividido en los bloques necesarios para completar dicho diseño, desde la parte
más general, como determinar cuál va a ser el propósito del robot, hasta la parte más concreta, que incluye el
diseño de los engranajes de la caja reductora.
Aunque el proyecto, a priori, es meramente teórico, se han realizado ejemplos prácticos en los que se
muestra el proceso completo. Por último, se muestran las conclusiones extraídas del proyecto y posibles
mejoras y trabajo a realizar en un futuro.
III
Abstract
T he aim of this project is to detail the designing methodology for an ornithopter, including all the steps
to be followed, the variables that will appear and must be fixed and the interaction between them all.
To do so, the project has been divided into the necessary blocks to complete the design, from the most
general part, like determining which is the robot’s purpose, to the mos specific part, which includes the
designing of the gear box.
Although, it can seems that this is a theoretical project, there are some examples in which the whole process
is shown. And lastly, the conclussions of the project will be considered among future upgrades and posible
lines of work.
V
Índice
Resumen III
Abstract V
1 Introducción 1
1.1 Estado del arte 1
1.2 Motivación 3
1.3 Proyecto GRIFFIN 3
1.3.1 Punto de partida: E-Flap 5
1.4 Organización de la memoria 5
2 Determinación de parámetros fijos 7

2.1 Elección de la misión de vuelo 9
2.2 Forma en planta del ala 9
2.3 Estimación de peso y carga de pago 10
2.3.1 Cálculo de la carga de pago 11
2.3.2 Estimación del peso total 11
3 Frecuencia. Ángulo y amplitud máximos recorridos 13

3.1 Frecuencia 13
3.2 Ángulo y amplitud recorridos por las alas 18
4 Superficie alar 21
4.1 Coeficiente de sustentación 21
4.2 Cálculo de la superficie alar e iteraciones 25
5 Potencia necesaria y caja reductora 27

5.1 Cálculo de la potencia mediante modelo matemático 27
5.2 Cálculo de la potencia mediante CFD y CAD 28
5.3 Elección de motor y caja reductora 29
6 Ejemplo práctico 31
6.1 Determinación de parámetros fijos 31
6.2 Frecuencia. Ángulo y amplitud máximos recorridos 32
6.3 Superficie alar 32
6.3.1 Forma en planta: Egret 32
6.3.2 Forma en planta: Heron 33
7 Conclusiones y trabajo futuro 37
VII
VIII Índice
Apéndice A Formas en planta 39
Índice de Figuras 45
Índice de Tablas 47
Índice de Códigos 49
Bibliografía 51
1 Introducción
E n este texto se recoge la memoria del Trabajo de Fin de Grado: Metodología de Diseño de Ornitópteros.
El grueso de este trabajo consiste en la creación de una metodología que sirva de guía para el diseño de
un ornitóptero y los cálculos e interacciones entre variables necesarios para dicho diseño. Para llevar a cabo
el proyecto, se han utilizado distintos programas a lo largo del mismo:
• CATIA: para el diseño de las posibles formas en planta que va a tener el aerodino.
• Matlab: como herramienta de cálculo numérico y cálculo de gráficas.
• Excel: para el análisis de datos y cálculo de gráficas y rectas de regresión.

En los próximos apartados, correspondientes a la introducción del proyecto, se ha realizado una introducción
al concepto de vehículo aéreo no tripulado y de ornitóptero, una descripción del proyecto GRIFFIN, en el que
se enmarca este estudio, centrándonos en la plataforma E-Flap y, por último, qué ha motivado la realización
de este trabajo y la organización global de la memoria.
1.1 Estado del arte

El término Vehículo Aéreo No Tripulado (VANT), también denominado UAV, en referencia a las siglas
inglesas Unmanned Aerial Vehicle, hace referencia a cualquier aeronave que vuele con capacidad de control
sin un piloto a bordo, ya sea de forma autónoma o no [2]. El término UAV incluye una amplia variedad de
vehículos, ya que se fabrican especialmente para la misión que vayan a desempeñar.
Si se observa la Fig.1.1, vemos que además de las diferencias de tamaño, existen también distintos tipos de
propulsión, como motores de explosión, multirotores, motores eléctricos o de reacción. El uso de los UAVs es
también muy diverso, pudiendo utilizarse para labores de vigilancia, transporte de mercancías, misiones de
reconocimiento o uso militar, entre otros. El uso recreativo también se ha visto incrementado en los últimos
años.
1
2 Capítulo 1. Introducción
Figura 1.1 Distintos tipos de UAVs.
En este proyecto nos hemos centrado en un tipo de UAV concreto, llamado ornitóptero. Este tipo de vehículo
bioinspirado se caracteriza por el uso de ala batida para generar las fuerzas y momentos aerodinámicos
necesarios para volar y mantener la estabilidad, tal y como lo hacen los pájaros en la naturaleza. Para ello se
utilizan normalmente alas flexibles, aunque existen robots funcionales con alas rígidas, que al deformarse
producen suficiente sustentación y empuje para el movimiento del aerodino [13].
Figura 1.2 Ejemplos de ornitópteros.

1.2 Motivación 3
Existen varias maneras de clasificar a los ornitópteros, siendo la más común de ellas hacerlo por tamaño.
Siguiendo esta clasificación [16] podemos encontrar los Vehículos Aéreos Micro (MAV por sus siglas en
inglés), que se inspiran en los pájaros, Vehículos Aéreos Nano (NAV), cuya inspiración se encuentra a caballo
entre los pájaros pequeños y los insectos grandes, y Vehículos Aéreos Pico (PAV), inspirados en insectos. En
este proyecto nos centraremos en los MAV, por tomar como referencia el vuelo de las aves y por su peso,
pues suelen considerarse dentro de esta categoría robots de hasta 500 g.
1.2 Motivación
A lo largo de la historia, el ser humano ha soñado con imitar el vuelo de los pájaros. Alrededor del año 1500
D.C., Leonardo da Vinci fue el primero en diseñar un dispositivo de ala batiente y bautizarlo como ornitóptero.
Sin embargo, tuvieron que pasar tres siglos para que se produjera el primer vuelo de un ornitóptero, cuando
Gustave Trouvé consiguió, en la década de 1870, que su pájaro mecánico volara 70 metros utilizando pólvora
como combustible [23].
(a) Máquina voladora de Da Vinci. (b) Pájaro mecánico de Trouvé.
Figura 1.3 Bocetos de los primeros ornitópteros.
Gracias a la biométrica y a los avances en tecnología se están desarrollando cada vez más UAVs de ala
batiente. Esto se debe a que presentan algunas ventajas destacables frente a otro tipo de aeronaves, donde
destacan la eficiencia y la ausencia de ruido. Además, al no llevar piloto a bordo, son capaces de operar en
lugares peligrosos o demasiado pequeños para el ser humano.
Aunque a día de hoy se hayan desarrollado multitud de ornitópteros, como el Rovo Raven [10], Festo [8] o
Robird [9], entre otros, ninguno de ellos ha venido acompañado de una Metodología de Diseño. La necesidad
de obtener dicha metodología ha propiciado la existencia de este proyecto.
Para el diseño de un ornitóptero se han de determinar numerosos parámetros de diseño que definan la
geometría del ala (espesor, alargamiento o envergadura), la cinemática de esta (amplitud, frecuencia, diedro)
y dinámica estructural (flexiblidad o vibración) [13]. Realizar este estudio desde cero sería por tanto bastante
laborioso. Es por ello que se ha decidido tomar como referencia el E-Flap, desarrollado dentro del Grupo de
Robótica, Visión y Control, del que se hablará más adelante.
1.3 Proyecto GRIFFIN
Este trabajo tiene como punto de partida el proyecto GRIFFIN, cuyas siglas corresponden a General compliant
aerial Robotic manipulation system Integrating Fixed and Flapping wings to INcrease range and safety. Dicho
proyecto está siendo desarrollado por el Grupo de Robótica, Visión y Control, GRVC, de la Universidad de
Sevilla. Algunos prototipos del proyecto se observan en la Fig.1.4.
Como su propio nombre indica, el objetivo de este proyecto es desarrollar aerodinos seguros y de mayor
autonomía a los actuales, con capacidad de manipulación hábil, tanto individual como cooperativa, e, incluso,
interacción con personas de manera segura.
Figura 1.4 Prototipos GRIFFIN [1].
Para llevar a cabo estas tareas el ornitóptero debe ser capaz de realizar varias funciones. Lo primero que se
debe conseguir es que el pájaro sea capaz de percibir su entorno para moverse en él sin chocar con ninguna
superficie y detectar tanto objetos a su alrededor como personas, de cara a una posible interacción con estos.
Para ello se han llevado a cabo estudios utilizando cámaras de eventos para el procesado de imágenes [29],
detección de intrusos [25] [24] y vigilancia [18], o para determinar trayectorias de aterrizaje y perching [12].
Relacionado con esta maniobra de posado se han implementado algoritmos de control [17] y se le ha
añadido a su vez capacidad de control al ornitóptero de cara a poder realizar tareas una vez posado [6]. Se
han desarrollado también garras bioinspiradas tanto para el posado como para el transporte de pequeños
objetos [11].
Para la realización de las distintas misiones se han utilizado tanto garras como brazos mecánicos, siendo
estos últimos implementados en multicópteros. La inclusión de los brazos hace necesario la implementación
de sistemas de posicionamiento [22] e interacción [27] de los brazos para evitar el contacto de estos con el
entorno.
Uno de los mayores inconvenientes de los ornitópteros es que al ser muy ligeros no pueden albergar una carga
de pago excesivamente grande. Sin embargo, el prototipo E-Flap, desarrollado dentro del proyecto GRIFFIN
es capaz de volar con una carga de pago cercana al 100 % del peso en vacío del robot, de aproximadamente
450 g [32].
Como se ha mencionado anteriormente, el E-Flap, que se muestra en la Fig.1.5, es el prototipo que se va a

tomar como modelo para este trabajo. Las características más relevantes de este ornitóptero se detallan a
continuación.
Figura 1.5 E-Flap durante un ensayo en exterior [32].

1.4 Organización de la memoria 5
1.3.1 Punto de partida: E-Flap
Dentro de los avances que se han producido en el proyecto GRIFFIN, cabe destacar el desarrollo de la
plataforma E-Flap, capaz de volar batiendo las alas y planeando.
El E-Flap (Fig. 1.5) es un ornitóptero bioinspirado con autonomía total, con una electrónica a bordo
que permite el vuelo tanto manual como autónomo del robot. Se pretende que este UAV tenga capacidad
de interactuar con personas, por ejemplo, transportando herramientas a operarios, aunque esto sigue en
desarrollo [32]. En la Fig 1.6 se muestra el modelo 3D realizado en CATIA.
Figura 1.6 Modelo del E-Flap realizado en CATIA.
Las características más importantes del ornitóptero se recogen en la Tabla 1.1. Estos valores se modificarán
en función de la misión que queramos realizar. El E-Flap tiene un peso de 510 g, que se desglosa por sistemas
en la Fig.1.7.
Tabla 1.1 Especificaciones del E-Flap [32].
Parámetro Valor Descripción

m 0.510 kg Masa (con batería, sin carga de pago)
S 0.438 m2 Superficie alar
b 1.5 m Envergadura
St 0.099 m2 Superficie de cola
Φ 30-50 deg Amplitud de flapeo
D 5 deg Ángulo medio de diedo
f 5.5 Hz Frecuencia máxima de flapeo
Kv 1130 rpm/V Constante del motor sin escobillas Kv
V 16.5 V Voltaje de la batería
C 450 mAh Capacidad de la batería
Aunque las especificaciones de la Tabla 1.1 están sujetas a cambios, la estructura general del aerodino
y los materiales utilizados no variarán. También mantendrá los sistemas electrónicos actuales, lo cual nos
ofrece información de cara a estimar el peso. Esta estimación de peso es muy importante y se desarrollará en
un apartado específico.
Con esto tenemos definido por completo nuestro modelo, con lo que podemos empezar con el estudio de
la metodología de diseño.
1.4 Organización de la memoria

En los capítulos que forman la memoria se incluyen todos los bloques para el diseño de un aerodino. En ellos
se desarrollan
Figura 1.7 Distribución de peso del robot por sistemas [32].
En primer lugar se presentan los parámetros del diseño que se fijan desde un principio en función de las
características de la misión que va a realizar nuestro robot.
Una vez fijados estos parámetros y después de haber hecho una primera aproximación de algunas variables
del aerodino, se procede al cálculo de la frecuencia de flapeo y el ángulo que recorren estas.
En tercer lugar, se hace un cálculo real de la superficie alar necesaria y se compara con el que se fijó en un
primera aproximación. Este capítulo es de vital importancia puesto que se hace hincapié en la no linealidad
del proceso y la necesidad de aplicar ingeniería concurrente para el desarrollo del diseño.
Posteriormente, una vez realizada la convergencia de parámetros y el diseño quede casi cerrado, se recoge
el proceso para el cálculo de la potencia necesaria, la elección del motor y la relación de la caja reductora.
Por último, para facilitar la comprensión de todo el proceso, se ha realizado un ejemplo práctico de diseño
de un ornitóptero. Después de este capítulo se recogen además las ideas más importantes obtenidas después
de la realización del proyecto y posible trabajo futuro para la mejora de los diseños.
2 Determinación de parámetros fijos
C omo se ha dicho anteriormente, el diseño de un ornitóptero es un proceso complejo que implica realizar
numerosas iteraciones entre las variables con el fin de obtener un robot que cumpla con las condiciones
que se han impuesto para el diseño, minimizando el peso y maximizando el control del aerodino. Estas
iteraciones hacen que la mayoría de las variables que se van a fijar en un principio vayan a cambiar a lo largo
del diseño.
Sin embargo, existe un reducido número de variables que fijaremos al principio del diseño y que se
mantendrán constantes durante todo el proceso de diseño. Este Capítulo va dedicado a estas variables, que
son la velocidad de vuelo del aerodino, v, el peso de la carga de pago, m pl , y el alargamiento, AR, que viene
fijado por la elección de la forma en planta del ala.
Antes de comenzar con el desarrollo del diseño en cuestión, empezando por estos parámetros que quedarán
fijos, es conveniente establecer cuáles son las variables que van a entrar en juego en la totalidad del diseño,
las relaciones entre ellas y cuál va a ser el orden a seguir hasta completar el diseño.
Los parámetros de los que se va a hablar y que van a condicionar el diseño, junto con las dependencias de
cada uno de ellos con el resto de parámetros, si los hubiere, se recogen en la Tabla 2.1.
Tabla 2.1 Parámetros para el Diseño del ornitóptero.
Parámetros Abreviatura Dependencias Parámetros Abreviatura Dependencias

Peso de la Frecuencia
m pl - k v, f , c
carga de pago reducida
Peso variable de
md S Amplitud h0 v, f
los sistemas
Peso fijo de Ángulo de
ms - α -
los sistemas ataque
Peso total del Coeficiente de
M m pl , ms , md CL AR, h0 , α, k
ornitóptero sustentación
Velocidad v - Resistencia D M, v, S, c
Forma en
FP - Potencia P M, S, α, h0 , f
planta
Reducción de
Alargamiento AR FP i P
engranajes
Superficie alar S M, CL Cuerda c FP, S, AR
Frecuencia f M, S, AR
Como podemos comprobar en la Tabla 2.1, existen numerosas dependencias entre los parámetros, por lo
que el desarrollo no será lineal, sino que se deberá iterar hasta llegar a los valores finales del diseño. El orden
que se va a seguir en el desarrollo del diseño se recoge en el diagrama de flujo de la Fig. 2.1.
7
8 Capítulo 2. Determinación de parámetros fijos
Figura 2.1 Diagrama de flujo del proceso de Diseño.
En la Fig. 2.1 podemos observar en azul los pasos a seguir. A la derecha de cada paso, en naranja, los
parámetros que se fijan en dicho proceso, aunque posteriormente puedan variar y, en verde, vemos una
comparativa de superficies, que es la que nos va a hacer que tengamos que iterar. Esta comparación se debe a
que en un principio se va a fijar el valor de la superficie en función al peso que se estime de manera estadística
del aerodino y, utilizando este dato, se van a completar todos los pasos mostrados en el diagrama de flujo
hasta el cálculo de la superficie alar, el cual es probable que difiera del primer valor. En caso afirmativo, se
sustituirá el valor inicial de la superficie por el calculado y se volverá a rehacer el proceso anterior hasta que
el valor de las superficies converja. Diremos que ha convergido cuando el error relativo entre cálculos sea
menos al 5 %, como ya se explicará en el Capítulo 4.
El cálculo de la potencia no viene incluido en el proceso cíclico ya que esta se fija una vez que ya se han
terminado de realizar todas las iteraciones y el diseño se encuentra casi cerrado.
Vamos ahora a comenzar con el desarrollo del cálculo de los parámetros fijos, así como de la masa total de
ornitóptero.
2.1 Elección de la misión de vuelo 9
2.1 Elección de la misión de vuelo

Una de las características más importantes de los UAVs es, como ya se ha mencionado anteriormente, que
en su mayoría se fabrican específicamente para la misión que vayan a desempeñar. Es por tanto de gran
importancia definir esta misión, puesto que en función de ella se tomarán decisiones que afectarán al conjunto
del diseño.
Un parámetro que debemos definir es la velocidad de vuelo que queremos que alcance nuestro robot.
Esta velocidad será pequeña si queremos que interactúe con personas, como el transporte de herramientas
a operarios, mencionado anteriormente. Sin embargo, si la misión a realizar por el aerodino es transportar
algún objeto sin interacción directa con personas, podemos elegir una velocidad mayor.
La velocidad no es el único parámetro que se puede fijar para el diseño del robot. Existen multitud de
parámetros como la envergadura, el peso, frecuencia o ángulos de giro que podrían haberse fijado en lugar de
la velocidad. Sin embargo, se ha decidido fijar la velocidad puesto que, como veremos más adelante, esta
condiciona la forma en planta del ala. Se podría haber tomado otro parámetro como partida y obtener el resto
a partir de las relaciones y expresiones que se desarrollan a lo largo del trabajo.
Respecto a la velocidad debemos saber que el aumento de esta hace que aumenten la sustentación, el
empuje y la resistencia.
2.2 Forma en planta del ala
E l ala es una de las partes más importantes de cualquier aeronave, pues es la que se encarga de proporcionar
la sustentación necesaria para realizar cualquier vuelo. En el caso de los ornitópteros, el movimiento
del ala debe proporcionar además de dicha sustentación, el empuje necesario para que el robot avance, por lo
que su diseño es crítico.
Para definir la forma en planta del ala es necesario determinar, junto con la velocidad de vuelo mencionada
anteriormente, cuál va a ser el modo de vuelo del ornitóptero. Podemos diferenciar entre soaring, gliding,
hovering y flapping. Los dos primeros hacen referencia al planeo, el hovering, a permanecer en el aire en el
mismo punto, y el flapping, que es el modo más común, en el cual el movimiento se produce por un aleteo
continuo del pájaro.
En el año 2016, investigadores de la Universidad Estatal de Nuevo México, analizaron la geometría alar de
distintas aves y establecieron cuál sería la forma en planta óptima del ala de un ornitóptero en función de la
velocidad y el modo de vuelo [15]. Los resultados obtenidos se muestran en la Fig. 2.2.
El E-Flap se ha diseñado para volar a baja velocidad, del orden de 5 m/s, por lo que cabría esperar que
su forma en planta fuera similar a la de la garceta (en inglés Egret), o la garza (Heron). De hecho, la forma
en planta de la garza es la más parecida a una distribución semielíptica, que fue la seleccionada para esta
plataforma.
Todas las alas anteriores se han modelado haciendo uso del programa CATIA. Esto se ha hecho para obtener
el valor del alargamiento para cada una de las formas en planta. El motivo de esto es que, como sabemos,
este parámetro, también conocido como relación de aspecto o Aspect Ratio (AR) en inglés, es un parámetro
adimensional que permite relacionar la envergadura, b, con la superficie del ala, S, de la siguiente manera:
b2
AR = (2.1)
S
Este parámetro es importante ya que, una vez se defina la superficie alar necesaria para nuestro robot, mediante
la relación anterior quedará determinada la envergadura de este.
El modelado en CATIA de las formas en planta de la Fig. 2.2 se recoge en el Apéndice A. Una vez realizado
el modelado de todas las alas anteriores, se han recogido los valores de alargamiento obtenidos en la Tabla
2.2.
El valor del alargamiento seleccionado y de la velocidad se deberá introducir por pantalla en el ordenador
cuando ejecutemos el programa de Matlab recogido en el Código 2.1, pues estos parámetros se utilizarán a
lo largo de todo el estudio.
Figura 2.2 Forma en planta óptima en función de la misión [15].
Tabla 2.2 Alargamiento para las distintas formas en planta.
Pájaro AR Pájaro AR
Broad-winged hawk 5.838 Swallow 6.88
Stork 5.35 Northern harrier 6.56
Swift 10.52 Hummingbird 7.93
Raven 5.19 Egret 5.76
Northern mockingbird 3.84 Red-tailed hawk 5.83
Heron 5.78 Albatross 12.74
Turkey vulture 5.05 Ibis 5.67
Shearwater 11.5 E-Flap 5
Código 2.1 Velocidad y forma en planta.

% % % MISI\’ON Y FORMA EN PLANTA
v=input(’ Introduzca la velocidad para la mision, en m/s: ’ ) ; % Pide por pantalla la velocidad de la
misi \’ on
AR=input(’Introduzca valor del alargamiento , en función de la misión: ’ ) ; % Pide por pantalla el valor
del alargamiento
2.3 Estimación de peso y carga de pago

Para estimar el peso de la aeronave debemos saber en primer lugar cuánto va a pesar la carga de pago, pues
dependiendo del peso de esta el aerodino deberá ser mayor o menor; no es lo mismo crear una plataforma
con el fin de transportar objetos pequeños, puesto que esto hace que haya que dotar al aerodino de garras
para poder coger dicho objeto y sensores de visión para que el robot pueda guiarse por el espacio y evitar
cualquier choque con el entorno. Sin embargo, si el objetivo de nuestro robot es el de vigilancia, bastará con
dotar al robot de una cámara de vigilancia u otro tipo de sensor de visión, tanto para evitar el contacto con el
contorno, como para la vigilancia en cuestión.
2.3 Estimación de peso y carga de pago 11
Es por esto que se va a fijar en primer lugar la carga de pago que va a llevar el robot para después y en
función de esta, establecer cuál va a ser el peso total de la aeronave, que está sujeto a cambios en las distintas
iteraciones.
2.3.1 Cálculo de la carga de pago
Como bien sabemos, la carga de pago de un dron la conforman todos los equipos y sistemas embarcados
en el robot que no son imprescindibles para realizar la misión que se les ha encomendado. De hecho, a día
de hoy las plataformas que se utilizan en el vuelo con UAVs se diseñan específicamente para cada misión
teniendo en cuenta, sobre todo, estos equipos que se van a embarcar.
El peso de la carga de pago es siempre constante y no va a variar con las distintas iteraciones que se vayan
a hacer, por lo que es vital calcular con precisión el valor de este. Para ello se van a comentar los sistemas
embarcables más utilizados en el vuelo de ornitópteros y una estimación de peso basándonos en catálogos
actuales.
• Cámaras. Dentro de este grupo podemos encontrar distintos tipos de cámaras: térmicas, de videovigi-
lancia, de infrarrojos, de eventos o para toma de imágenes aéreas. Las cámaras térmicas se utilizan
para inspección termográfica desde el aire en cableado eléctrico o en lugares de difícil acceso para el
ser humano. Haciendo una breve comparativa entre algunas de las que se venden actualmente en el
mercado, vemos que su peso va desde os 54 g hasta los 100 g, aunque existen algunas de más de 300 g,
pensadas para multicópteros, que son capaces de transportar mayor carga de pago. Para el ornitóptero
debe primar la ligereza, por lo que seleccionamos las más pequeñas, pudiendo fijar el peso de una
cámara térmica en 60 g. Otro tipo de cámaras utilizadas en ornitópteros son las cámaras de eventos,
las cuales detectan los cambios de luz que se producen entre dos periodos de tiempo muy próximos
para ubicar los objetos de su entorno. El peso de este tipo de cámaras se puede fijar en 170 g, pues se
ha probado el uso de cámaras con estos valores y son plenamente funcionales.
• Garras bioinspiradas. El peso de unas garras puede variar [19] pero las más simple, que además son las
que más se asemejan a las de un pájaro son bastante ligeras. Podemos estimar su peso en unos 300 g.
• Objetos a transportar y otros sensores. Si nuestro propósito es que el aerodino sea capaz de transportar
un objeto de un lugar a otro, además de las garras, deberemos añadir el peso de dicho objeto como
carga de pago. Existen multitud de sensores y sistemas que un UAV puede llevar embarcado, siendo
los más importantes las cámaras, mencionadas anteriormente. Sin embargo, si queremos añadir algún
sensor que no se haya mencionado anteriormente, deberemos añadir su peso a la estimación de la carga
de pago.
2.3.2 Estimación del peso total
Para el cálculo del peso total debemos considerar, junto con la carga de pago, desarrollada anteriormente, los
distintos sistemas recogidos en la Fig. 1.7, que son la estructura, las alas y cola, los motores, la batería y los
sistemas electrónicos.
Mientras que algunos de estos sistemas se escalan en función del valor de la carga de pago para ser capaces
de transportar sin problema el peso de esta, otros como la batería, la electrónica y los motores no variarán.
Vamos a desglosar el peso del E-Flap actual para concretar qué parámetros se modificarán y cuáles no.
Empezamos por el sistema electrónico. Este sistema está formado por un Control Electrónico de Estabilidad
(ESC), una placa PCB, un transmisor RC, cables y una placa NanoPi. El peso total de este sistema es de 51.6
g, que se mantendrán constantes.
La batería es un sistema único que pesa 56 g y que tampoco va a variar, pues es un peso que entra dentro
de lo que hemos observado en el mercado actual y que no oscila mucho de una a otra.
El sistema motor del robot tiene un peso de 71.1 g, que se desglosa en el motor sin escobillas, la caja
reductora, conectores, cojinetes y pequeños ejes. Este sistema se va a mantener también en su totalidad porque,
aunque la caja reductora puede variar y la potencia que vamos a requerir del motor pueden ser distintos, las
variaciones son también muy pequeñas.
Respecto a la cola, hay que diferenciar entre sus elementos los que sí variarán y los que no. Este sistema
incluye una parte que no va a variar, compuesta por los motores servo y un pequeño sistema realizado con
impresora 3D para sujetar a estos y, al igual que ocurría con el motor principal, tiene un peso estándar, y una
parte que sí va a variar, que engloba las telas que forman las superficies horizontal y vertical y las varillas
para sujetar estas. El peso de los motores y sujeción es de 54 g, mientras que el de la parte variable es de
32.104 g.
El sistema recogido en el diagrama de sectores con el nombre de alas, cuyo peso es de 79.60 g, es equivalente
a la parte variable de la cola, pues engloba las telas, varillas, y pequeños soportes realizados en impresión
3D, por lo que este sistema será escalable es su totalidad.
Por último, se encuentra la estructura del robot, cuyo peso es de 148.5 g, y que será escalable en su
totalidad. Este sistema lo forman placas, tubos que recorren la estructura desde la cabeza hasta la cola y las
alas, tornillos y soportes.
Una vez repasados estos sistemas separamos los pesos que no van a variar, ms , con un valor de 232.7 g, y
los que lo harán, md , que para el E-Flap tienen un valor de 260.204 g.
El E-Flap es capaz de ser totalmente funcional y no perder capacidad de control cuando la carga de pago
se encuentra entre los 150-200 g. Para ser precavidos vamos a fijar que para el E-Flap el peso máximo de la
carga de pago es de 150 g. Tenemos por tanto que la proporción entre peso variable de la aeronave y peso fijo
es de 260.204/382.7 = 0.6799. Para hacer la primera estimación de peso el proceso a seguir será el siguiente:
se fijará una carga de pago tal y como se explicó en el Apartado 2.3 y se sumará a los 232.7 g que hemos
establecido como peso fijo. Este dato habrá que multiplicarlo por 0.6799 para tener una primera estimación
del peso variable del aerodino, tal y como se recoge en la Ec. 2.2.
md = 0.6799 · (0.2327
| {z } +m pl ) (kg) (2.2)
ms
La suma de los tres pesos será nuestra primera estimación del peso global del robot.
Por último, tendremos que hacer una primera estimación de la superficie alar de nuestro ornitóptero. La
superficie alar se fija en función del peso variable obtenido anteriormente, sabiendo que para el E-Flap
original la superficie es de 0.5 m2 . Para estimar el primer valor se ha relacionado el peso variable original
con el peso variable calculado y con la superficie original, quedando la superficie como:
0.2327 + m pl
S = 0.5 · 0.6799 · (2.3)
0.260204
El cálculo del peso total de la aeronave y de la primera estimación de la superficie se han introducido en
Matlab, tal y como se puede ver en el Código 2.2. Aunque se han proporcionado fórmulas para el cálculo del
peso variable y la superficie, el programa pide el valor de estos en vez de hacerlo automáticamente. Esto es
así porque estos dos parámetros están sujetos a cambios, tal y como se explicará más adelante, por lo que se
piden por pantalla de cara a utilizar el mismo código en todas las iteraciones.
Código 2.2 Estimación de peso y superficie alar.

% % % DATOS DEL ORNIT\’OPTERO
ms=0.2327; % Peso en kilogramos de los sistemas que lleva el ornit \’ optero
mpl=input(’Introduzca el peso de la carga de pago, en kilogramos: ’ ) ; % Pide por pantalla el peso de
la carga de pago
md=input(’Introduzca el peso variable del ornitoptero , en kilogramos: ’ ) ; % Pide por pantalla el peso
variable del ornit \’ optero
M=ms+mpl+md ; % C\’alculo de la masa total del ornit \’ optero
S=input(’ Introduzca la estimaci ón de superficie , en m^2: ’ ) ; % Pide por pantalla el valor de la
superficie alar
b=sqrt(AR∗S); % C\’alculo de la envergadura
Con la determinación de la carga de pago y la primera estimación del peso global de la aeronave ya hemos
fijado todas las variables que se mantendrán fijas. Se procede ahora al cálculo de la frecuencia de aleteo del
pájaro y al ángulo y amplitud que recorren las alas en el vuelo.
3 Frecuencia. Ángulo y amplitud máximos
recorridos
E l cálculo de la frecuencia se realiza después de fijar las variables anteriores pues depende de algunas
de ellas, como el peso o la superficie y de las condiciones ambientales en las que se vaya a realizar la
misión.
Cuando se haya fijado la frecuencia, se procederá al cálculo del ángulo de subida y bajada de las alas
durante el ciclo de flapeo y la amplitud que recorren, pues esta será necesaria para cálculos posteriores.
3.1 Frecuencia
Cuando hablamos del vuelo de un pájaro, la frecuencia se define como el número de ciclos completos de
aleteo en un segundo. Esta frecuencia debe ser tal que permita obtener tanto el empuje como la sustentación
necesaria.
En 1996, C.J.Peennycuick , tras analizar la frecuencia de aleteo de 32 especies, obtuvo una expresión para
el cálculo de esta en función de variables conocidas del pájaro [20]:
f = M 3/8 g1/2 b−23/24 S−1/3 ρ −3/8 (3.1)
donde M es la masa total del robot, g el valor de la gravedad y ρ la densidad del aire.
Esta expresión fue modificada para incluir un factor de corrección que hace referencia a la tasa de frecuencia
[15]. Este factor se introdujo para relacionar la frecuencia de batida de pájaros reales con su correspondiente
en ornitópteros, convirtiendo la Ec. 3.1 en:
f = ξ M 3/8 g1/2 b−23/24 S−1/3 ρ −3/8 (3.2)
Actualmente se utilizan materiales muy ligeros y flexibles para la fabricación de los robots. Sin embargo, la
eficiencia de estos es menor que la de las plumas de los pájaros reales, por lo que es necesaria la introducción
de este término ξ en la Ec. 3.1. Este factor de corrección depende de cada tipo de ornitóptero [15], tal y
como se observa en la Tabla 3.1.
El parámetro ξ se determina de manera experimental, por lo que no existe una manera exacta de fijar el
valor de este. Para el caso del E-Flap se seleccionó el correspondiente al Slowhawk2 (1.48) por ser el más
semejante en peso y envergadura, aunque los valores difieran.
Con el fin de establecer un método que se adecúe a cualquier diseño posible de ornitóptero, se ha analizado
la relación del parámetro ξ con la masa, la envergadura, la superficie y la frecuencia estimada, obtenida
mediante el uso de la Ec. 3.1, con el propósito de obtener una recta de regresión que nos permita obtener
valores más precisos que los que obtenemos a día de hoy comparando nuestro ornitóptero con alguno
semejante al de la Tabla 3.1 o para aerodinos que no se asemejen a los recogidos anteriormente por diferir en
gran medida en las características analizadas.
13
14 Capítulo 3. Frecuencia. Ángulo y amplitud máximos recorridos
Tabla 3.1 Comparación entre frecuencias reales y estimadas [15].
Flapping wing m (g) b (cm) S (m2 ) Actual frequency f (Hz) Estimated frequency f (Hz) Frequency ratio (ξ )
UA-74 248 74 0.0991 6 4.95 1.21
Slowhawk2 420 122 0.359 3.6 2.43 1.48
Adelaide3 20.09 34.768 0.07 7.2 4.47 1.60
Adelaide2 16.09 35 0.07 6.93 4 1.73
Adelaide1 25 38.66 0.08 7.65 4.22 1.80
Tabdir 230 80 0.107 8 4.36 1.83
Adelaide4 23 35.3 0.072 9.48 4.6 2.06
Park Hawk 425 120 0.07 6 2.7 2.2
UA-25 32.4 25 0.0137 13 5.8 2.24
Adelaide7 12.75 33.84 0.07 8.8 3.86 2.28
Adelaide8 34.06 48.83 0.07 9.5 3.9 2.43
Konkuk2 30.6 28 0.028 24 8.85 2.71
Konkuk1 50 36 0.0432 20 7.14 2.8
Adelaide6 23.44 37 0.07 14.03 4.46 3.14
Konkuk4 4.32 10 0.06 35 8.74 4
Konkuk3 8.7 15 0.085 30 6.85 4.38
Adelaide5 73.44 89.4 0.08 13.23 2.8 4.73
La recta de regresión se define como la recta que mejor interpola los datos que se tienen de partida. Esta
interpolación puede ser muy buena y, por tanto, se puede utilizar la ecuación de dicha recta para extrapolar
resultados o, por el contrario, puede que la correlación entre los datos sea pequeña y no pueda usarse para
extrapolaciones. Para definir el grado de relación que existe entre ambas variables se utiliza el parámetro R2 ,
denominado coeficiente de determinación, que no es más que el coeficiente de correlación, R, elevado al
cuadrado.
En 1988, Jacob Cohen estableció los límites de los valores de R y R2 para determinar si las variables que
se estudian tienen relación o no, quedando la siguiente división [5]:
• Si 0.02 < R2 < 0.15 o, lo que es lo mismo, 0.14 < R < 0.38, se dice que hay ausencia de relación entre
las variables, por lo que no es recomendable utilizar estas rectas para extrapolar datos.
• Si 0.15 ≤ R2 < 0.35, que se puede traducir en términos del coeficiente de correlación a 0.38 ≤ R < 0.59,
podemos afirmar que existe correlación moderadamente alta, por lo que, aunque con cierto error, se
podría hacer uso de la ecuación de la recta de regresión lineal y extrapolar datos.
• Si 0.35 ≤ R2 < 1 o 0.59 ≤ R < 1 si utilizamos el coeficiente de correlación, se dice que existe
correlación alta entre la variables a analizar y, por tanto, sí podemos hacer uso de la ecuación de la
recta de regresión lineal donde los errores que estamos cometiendo son menores cuanto mayor es el
valor de R o R2 .
Una vez definidos los límites para los valores de R2 , y haciendo uso de Excel, se han realizado los gráficos
de dispersión con los valores de la Tabla 3.1 para establecer si podemos obtener alguna relación entre la tasa
de frecuencia, ξ , con las variables a analizar. Para obtener resultados que se adecúen mejor a la realidad se
van a eliminar los valores más alto y bajo, puesto que los valores extremos son los que más afectan a la recta
y pueden falsear el estudio [5], puesto que puede llegar a producir grandes modificaciones del valor de R2 ,
tanto para aumentarlo como para disminuirlo. Es por esto que se van a realizar los análisis teniendo en cuenta
todos los valores y, posteriormente, haciendo la corrección mencionada.
Los resultados de la comparación con la masa se han recogido en la Fig. 3.1. Si observamos dicha gráfica,
vemos que el valor de R2 = 0.1481 para los datos originales, lo que nos indica que no existe relación alguna
entre el peso del aerodino y el valor de ξ . Sin embargo, como hemos dicho anteriormente, se ha realizado
también el análisis despreciando los valores extremos del diagrama de puntos, obteniéndose la nueva regresión
que se recoge en rojo. Vemos que la nueva regresión lineal tiene un coeficiente de correlación menor aún que
para el caso anterior. Determinamos por tanto que no existe relación entre la masa y la tasa de frecuencia.
Repetimos el proceso anterior para establecer si existe correlación entre el valor de ξ y la envergadura,
medida en centímetros. Los resultados se muestran en la Fig. 3.2.
En este caso vemos que la dispersión recogida en la Fig. 3.2 muestra a dos variables que no tienen relación
para el caso original. Sin embargo, la eliminación de los valores extremos mejora el valor del coeficiente
3.1 Frecuencia 15
Figura 3.1 Relación entre masa, m (g), y frequency ratio, ξ .
Figura 3.2 Relación entre envergadura, b (cm), y frequency ratio, ξ .
de determinación, haciendo que entre las variables haya una correlación moderadamente alta, pudiendo
utilizarse la recta que configura la regresión lineal corregida para extrapolar datos. Aunque podamos utilizar
esta recta, es preciso realizar el resto de diagramas de dispersión para tratar de encontrar una recta donde
las variables tengan una correlación alta e incurramos en un error menor al que se podría obtener con esta
aproximación.
Hacemos nuevamente los gráficos de dispersión, siendo ahora la tasa de frecuencia, ξ , y el valor de la
superficie, S, medida en m2 , las variables a estudiar. Los resultados que se obtienen se han recogido en la
Fig.3.3. Como se puede observar, esta dispersión es la que nos proporciona peores resultados en cuanto a
relación de las variables, pues indica que no existe ningún tipo de relación entre ambas, descartando así el
uso de la superficie para fijar el valor de ξ .
El último análisis ha sido el que relaciona la tasa de frecuencia, ξ , con la frecuencia estimada que, como
se ha dicho anteriormente, se calcula haciendo uso de la Ec. 3.1. Los gráficos de dispersión obtenidos se
Figura 3.3 Relación entre superficie, S (m2 ), y frequency ratio, ξ .
muestran en la Fig. 3.4.
Figura 3.4 Relación entre frecuencia, Frecuencia (Hz), y frequency ratio, ξ .
En este caso se observa que obtenemos el mejor valor del coeficiente de determinación para el caso de la
regresión lineal corregida. Cabe destacar que es la única gráfica en la que podemos observar que la correlación
de las variables es alta, por ser R2 > 0.35. Es por tanto la gráfica que mejor relación nos da entre variables
que podemos determinar anteriormente con la tasa de frecuencia. Cogeremos por tanto la ecuación de la
recta de regresión lineal para estimar el valor de ξ . Dicha expresión, que se recoge también en la Fig. 3.4 es:
ξ = 0.2955 · x + 0.9408 (3.3)
donde x es el valor de la frecuencia estimada medido en hercios, Hz.
Si observamos la Ec. 3.1 vemos que para el cálculo de la frecuencia se necesitan valores como el de la
3.1 Frecuencia 17
gravedad y la densidad del aire en el lugar donde se realice el experimento. Aunque tradicionalmente se ha
tomado como valor de la aceleración de la gravedad igual a 9.8 m/s2 , esta no es en realidad constante, sino
que depende de la latitud y de la altura sobre el nivel del mar en la que nos encontremos: la gravedad será
menor conforme nos acerquemos del Ecuador y/o aumentemos la altura sobre el nivel del mar. Con el fin de
obtener un valor más preciso y conociendo la existencia de estas dos dependencias, se formuló la llamada
Ecuación de Helmert [26]:
g = 9.80616 − 0.025928 · cos(2φ ) + 6.9 · 10−5 · cos2 (2φ ) − 3.086 · 10−6 · H (3.4)
donde el ángulo φ corresponde a la latitud y H a la elevación sobre el nivel del mar. Para el caso de Sevilla,
tenemos que la latitud es de 37,38789º y la altura sobre el nivel del mar es de 16 metros, lo cual nos proporciona
un valor de la gravedad de 9.7993 m/s2 a ras de suelo.
Respecto a la densidad del aire, sabemos que es función de la temperatura y presión del mismo, los cuales,
a su vez, son función de la altura respecto al nivel del mar. Estas dependencias vienen recogidas en el sistema
[21]:
T = 15 − 0.0065 · H (◦C) (3.5)

5.256
p = 1013 1 − 2.26 · 10−5 · H (3.6)

(mbar)
p 288
ρ = 1.226 (kg/m3 ) (3.7)
1013 T + 273
Particularizando estas ecuaciones para el caso de Sevilla, los valores anteriores resultan: T = 14.896◦C,
p = 1011.076 mbar y ρ = 1.224 kg/m3 .
Las Ec. 3.4, Ec. 3.5, Ec. 3.6 y Ec. 3.7 se han introducido en un programa de Matlab para calcular todas
las variables anteriores en función de la latitud y altura respecto al nivel del mar, que el programa pide al
usuario. El motivo principal es agilizar los cálculos al usuario y sentar base para posteriormente utilizar estos
datos para el cálculo de la frecuencia de flapeo del ornitóptero. El código implementado se puede observar
en el Código 3.1.
Código 3.1 Variables atmosféricas en función de latitud y altura.

% % % DATOS ATM\’OSFERA
latitud =input(’ Introduzca latitud del experimento, en grados: ’ ) ; % Pide por pantalla la latitud al
usuario
altura =input(’ Introduzca altura sobre el nivel del mar del experimento, en metros: ’ ) ; % Pide por
pantalla la altura al usuario
format long
g=9.80616−0.025928∗cos(2∗latitud∗pi/180)+6.9e−5∗cos(2∗ latitud ∗pi/180)^2−3.086e−6∗altura; % C\’alculo
de la gravedad
temperatura=15−0.0065∗altura; % C\’alculo de la temperatura , en grados cent \’ igrados
t_kelvin = temperatura+273.15; % C\’alculo de la temperatura , en Kelvin
presion_milibares =1013∗(1−2.26e−5∗altura)^(5.256) ; % C\’alculo de la presi \’ on, en milibares
p= presion_milibares ∗0.0009869; % C\’alculo de la presi \’ on, en atm\’ osferas
rho=1.226∗288∗presion_milibares /1013/( temperatura+273); % C\’alculo de la densidad
Una vez calculados los parámetros atmosféricos podemos pasar a hacer el cálculo de la frecuencia de aleteo
del ornitóptero. Con los datos del E-Flap original (m = 0.510 kg, S = 0.537 m2 , b = 1.5 m) y tomando como
valores para la gravedad y la densidad los obtenidos particularizando en las Ec. 3.6 y 3.7 un vuelo a 1 metro
de altura del suelo de Sevilla tenemos que p = 1010.956 mbar y ρ = 1.224 kg/m3 . Introduciendo estos datos
en la Ec. 3.1 tenemos un valor de la frecuencia estimada de f = 2.4830 Hz. Haciendo uso de la ecuación
de la recta de regresión (Ec. 3.3), obtenemos que el valor de la tasa de frecuencia es ξ = 1.6745, valor algo
superior al que se tomó en su diseño, pues se cogió por semejanza el valor de ξ = 1.48 [32], correspondiente
al Slowhawk2, por ser el que presentaba características más parecidas al E-Flap. Una vez determinado el
valor de la tasa de frecuencia, se introduce en la Ec. 3.2 y tenemos que la frecuencia de aleteo del E-Flap
original será de 4.1578 Hz, valor similar a los 4 Hz que se tomaron, aunque el cálculo original proporcionó
un valor de 3.687 Hz.
3.2 Ángulo y amplitud recorridos por las alas

Una vez que hemos determinado la frecuencia de aleteo del ornitóptero, podemos determinar cuál va a ser el
ángulo que van a recorrer las alas. El ángulo máximo de subida se puede determinar mediante trigonometría.
Si observamos la Fig. 3.5 es fácil deducir que dicho ángulo de subida es:
Figura 3.5 Ángulos que recorren las alas en su movimiento [15].
ha
sin(ϕup ) = (3.8)
b/2
Para determinar la altura ha se va a hacer uso del número de Strouhal, el cual está estrechamente relacionado
con la eficiencia propulsiva. El número de Strouhal se calcula como:
f · Ld 2 · f · ha
St = = (3.9)
v v
Estudios como el de Taylor et al. [30] han probado que el número de Strouhal para vuelo en crucero varía
entre 0.2-0.4 para distintos animales como pájaros, peces, tiburones o delfines. Concretamente, el valor
óptimo para los pájaros se alcanza cuando St = 0.3, por lo que, sustituyendo este valor en la Ec. 3.9 podemos
obtener el valor de ha .
0.3 · v
ha = (3.10)
2· f
La altura total que recorren las alas del robot, a la que llamaremos h0 , no es más que el doble del valor de
ha , ya que se toman iguales las alturas de subida y bajada:
0.3 · v
h0 = 2 · ha = (3.11)
f
Una vez calculada esta altura es fácil obtener el ángulo máximo de subida haciendo uso de la Ec. 3.8. Al
igual que en el caso de la altura, se toma como ángulo de bajada el mismo que el de subida. Tenemos por
tanto que el ángulo total que recorren las alas es:

ha
Φ = ϕup + ϕdown = 2 · sin−1 (3.12)
b/2
El cálculo de la frecuencia estimada, de la tasa de frecuencia, de la frecuencia corregida y altura recorrida

también se ha implementado en el programa de Matlab recogido en el Código 3.1. Al ejecutar el nuevo
programa, que se desarrolla en el Código 3.2.
Código 3.2 Cálculo de la frecuencia, tasa de frecuencia y frecuencia corregida.

% % % FRECUENCIA ESTIMADA, TASA DE FRECUENCIA Y FRECUENCIA CORREGIDA
f=M^(3/8)∗g^(1/2)∗b^(−23/24)∗S^(−1/3)∗rho % C\’alculo de la frecuencia mediante la ecuaci \’ on de
Peennycuick
xi=0.2955∗f+0.9408 % C\’alculo de xi mediante recta de regresi \’ on
f_corregida =xi∗f % C\’alculo de la frecuencia corregida
h_0=0.3∗v/ f_corregida % C\’alculo de la altura m\’axima recorrida
3.2 Ángulo y amplitud recorridos por las alas 19
Cabe destacar que estos cálculos se hacen en un primer lugar con un valor de la superficie que no ha sido
calculada, sino estimada, por lo que una vez que esta se calcule habrá que rehacer estos cálculos hasta que
los valores converjan. El cálculo de la superficie es complejo, pues de él dependen numerosas variables,
motivo por lo que se le ha dedicado en exclusiva el Capítulo 4, para partir de la mayor cantidad de variables
calculadas.
4 Superficie alar
U na vez hecho el primer cálculo de casi todos los parámetros del robot mencionados hasta el momento, se
procede al de la superficie, pues hasta este momento la superficie que se ha utilizado era una estimación.
Para ello nos centramos en el vuelo en crucero del robot. Como bien sabemos, en crucero el sumatorio de
fuerzas verticales es tal que la sustentación iguala al peso de la aeronave. Esta igualdad se traduce en:
1
L= · ρ ·CL · v2 · S = M · g (4.1)
2
Donde ρ es la densidad del aire, CL el coeficiente de sustentación, v la velocidad de vuelo, S la superficie
alar, M la masa del robot y g la gravedad.
Si observamos la Ec. 4.1, vemos que tenemos aún dos variables desconocidas, que son el coeficiente de
sustentación, CL , y la superficie alar, S. Para poder resolver esta ecuación es necesario eliminar una de las
variables. En nuestro caso vamos a calcular el valor del coeficiente de sustentación para después obtener el
valor de la superficie haciendo uso de la ecuación de equilibrio de fuerzas mencionada anteriormente.
4.1 Coeficiente de sustentación
En 1935, Theodore Theodorsen investigó la Aerodinámica de los mecanismos de aleteo [31], dando como
principal resultado la llamada función de Theodorsen. Basándose en este estudio, otros autores, como
Ramón Fernández Feria, han desarrollado ecuaciones que nos permiten obtener el cálculo del coeficiente de
sustentación [7]. La expresión de dicho coeficiente viene dada por la Ec. 4.2:
AR 2 · π · AR
CL = π · k2 · h0 · cos(k0 · t) + (α · F(k) + k · h0 (G(k) · cos(k0 · t) + F(k) · sin(k0 · t))) (4.2)
AR + 1 AR + 2
Donde AR es el alargamiento, h0 es la amplitud máxima de flapeo, α el ángulo de ataque, k la frecuencia
reducida y F(k) y G(k) la parte real e imaginaria de la ya mencionada función de Theodorsen. Dicha función
tiene por expresión [31]:
J1 (J1 +Y0 ) +Y1 (Y1 − J0 ) Y (J +Y0 ) − J1 (Y1 − J0 )

C(k) = 2 2
−i 1 1 = F(k) + i · G(k) (4.3)
(J1 +Y0 ) + (Y1 − J0 ) (J1 +Y0 )2 + (Y1 − J0 )2
De la que podemos extraer que las ecuaciones de F(k) y G(K) vienen dadas por:
J1 (J1 +Y0 ) +Y1 (Y1 − J0 )

F(k) = (4.4)
(J1 +Y0 )2 + (Y1 − J0 )2
Y1 ·Y0 + J1 · J0
G(k) = (4.5)
(J1 +Y0 )2 + (Y1 − J0 )2
Las variables J0 y J1 son las llamadas funciones de Bessel de primer orden e Y0 e Y1 las funciones de Bessel
de segundo orden.
21
22 Capítulo 4. Superficie alar
Las Ec. 4.4 y 4.5 se han implementado en Matlab y dibujado gráficamente respecto a 1/k, tal y como se
observa en la Fig. 4.1.
Figura 4.1 Representación de las funciones F y G frente a 1/k.
Además, se han introducido en Matlab las expresiones para obtener el valor de F y G con solo introducir
el valor c(S) de la Tabla 4.1, de la que se hablará después, tal y como se puede observar en el Código 4.1.
Código 4.1 Cálculo de los valores de F y G en función de k.

% % % C\’ALCULO DEL COEFICIENTE DE SUSTENTACI\’ON Y SUPERFICIE ALAR
c_s=input(’ Introduzca valor del parametro c(S): ’ ) ; % Pide por pantalla el valor del par \’ ametro c(S)
c=c_s∗sqrt(S); % C\’alculo de la cuerda
k=c∗pi∗f_corregida /v; % C\’alculo de la frecuencia reducida
alpha=30∗pi/180; % C\’alculo del \’ angulo de ataque en radianes
J0= besselj (0, k) ; J1= besselj (1, k) ; % Funciones de Bessel de 1er orden
Y0=bessely(0,k) ; Y1=bessely(1,k) ; % Funciones de Bessel de 2o orden
F=(J1∗(J1+Y0)+Y1∗(Y1−J0))/((J1+Y0)^2+(Y1−J0)^2); % C\’alculo de F de Theodorsen
G=−(Y1∗Y0+J1∗J0)/((J1+Y0)^2+(Y1−J0)^2); % C\’alculo de G de Theodorsen
Como bien se ha dicho anteriormente, estas funciones, al igual que la de Theodorsen, dependen de la
frecuencia reducida, k, parámetro adimensional que tiene por expresión:
c·w c·π · f
k= = (4.6)
2·v v
Donde c es el valor de la cuerda, w es la frecuencia angular, que puede expresarse como w = 2π · f y v
la velocidad de vuelo. De estos parámetros todos han sido ya fijados o bien desde el principio, como la
velocidad, o calculados antes de llegar hasta aquí, salvo el valor de la cuerda. Para terminar con el cálculo de
la frecuencia reducida, se ha creado una tabla en la se que relaciona el valor de la cuerda, concretamente el
valor de esta a un cuarto de la distancia de la raíz, con la superficie que se ha estimado y el alargamiento, con
el fin de meter este valor en un programa de Matlab para calcular el valor de la frecuencia reducida y, con
este, realizar el cálculo del coeficiente de sustentación. Para ello se han cogido los datos de la Tabla 2.2 y,
haciendo uso de estos, de las formas en planta modeladas en CATIA y recogidas en el Apéndice A y de la Ec.
2.1, se han obtenido los datos que se muestran en la Tabla 4.1, donde el valor c(S) procede de la Ec. 4.7.
c c √
c= ·b = · AR · S = c(S) (4.7)
b b
|{z}
cte
4.1 Coeficiente de sustentación 23
Tabla 4.1 Relación entre cuerda y superficie para las distintas formas en planta.
Pájaro c/b c(S) Pájaro c/b c(S)

√ √
Broad-winged hawk 0.2110 0.5098 · √S Swallow 0.1975 0.5180 · √S
Stork 0.2133 0.4934 · √S Northern harrier 0.2038 0.5220 · √S
Swift 0.1165 0.3777 · √S Hummingbird 0.1571 0.4425 · √S
Raven 0.2325 0.5298 · √S Egret 0.2050 0.4920 · √S
Northern mockingbird 0.3169 0.6209 · √S Red-tailed hawk 0.2154 0.5200 · √S
Heron 0.2128 0.5116 · √S Albatross 0.1011 0.3608 · √S
Turkey vulture 0.2441 0.5486 · √S Ibis 0.2259 0.5379 · √S
Shearwater 0.1177 0.3991 · S E-Flap 0.2900 0.5367 · S
Para comprobar que se obtienen resultados válidos, se ha calculado el valor del coeficiente de sustentación
para el E-Flap en una misión conocida, con el fin de comparar este con el que se obtuvo utilizando programas
de Dinámica de Fluidos Computacional (CFD por sus siglas en inglés). El valor de los parámetros de esa
misión se recogen en la Tabla 4.2.
Tabla 4.2 Parámetros relevantes del E-Flap para la misión a estudiar [32].
Parámetro Valor Descripción

mss 0.510 kg Masa de estructura y sistemas
m pl 0.5 kg Masa de la carga de pago
M 1.01 kg Masa total
S 0.438 m2 Superficie alar
AR 5 Alargamiento
v 5 m/s Velocidad de la misión
α 30 deg Ángulo de ataque
f 4 Hz Frecuencia de flapeo
Con estos datos, en un programa de CFD se obtuvo que el valor del coeficiente de sustentación era igual a
1.3 [32]. Introduciendo estos valores en Matlab y tomando como valor para la gravedad g = 9.81 m/s2 , se ha
obtenido que el valor de CL es 1.2250, valor similar al obtenido mediante CFD. La ventaja de este método
es que se puede generalizar para cualquier tipo de ornitóptero sin necesidad de tener que hacer uso de un
programa de Dinámica de Fluidos Computacional, que es más laborioso, lo que ralentiza el proceso, y más
cuando se hagan iteraciones.
Con esto ya tendríamos definidos todos los parámetros que se utilizan para el cálculo del coeficiente de
sustentación, a excepción del ángulo de ataque. Si observamos otra vez la Ec. 4.2, cuanto mayor sea dicho
ángulo, mayor será el coeficiente de sustentación y, por tanto, menor la superficie alar necesaria, por lo que se
minimizaría el peso. Sin embargo, esto no ocurre en la vida real ya que este ángulo afecta también al empuje
del aerodino. Vamos a estudiar por tanto cómo afecta el ángulo al empuje con el fin de encontrar un valor
óptimo para mejorar el empuje y minimizar la superficie alar necesaria.
La expresión que determina el valor (adimensional) del coeficiente de empuje, CT , viene dada por [7]:
CT = −ℜ[α] ·CL + −4 · α 2 · G1 (k) + 4 · α · k · h0 (F1 (k) · cos(k0 · t) − 2 · G1 (k) · sin(k0 · t))

+4(k · h0 )2 · sin(k0 · t)(F1 (k) · cos(k0 · t) − G1 (k) · sin(k0 · t)) (4.8)

De la ecuación conocemos todos los parámetros, aunque las funciones F(k) y G(k) mencionadas anteriormente
han variado levemente, debido a un cambio en la función de Theodorsen C(k). La Ec. 4.9 recoge la nueva
función C1 (k) [7]:
1 −ik
ke
C1 (k) = (2) (2)
= F1 (k) + i · G1 (k) (4.9)
i · H0 (k) + H1 (k)
(2)
Las funciones Hn (k) se denominan funciones de Hankel, que no son más que una función de Bessel de
tercer orden, que pueden escribirse como:
(2)
Hn (z) = Jn (z) − i ·Yn (z) (4.10)
Con el fin de establecer el valor óptimo del ángulo de ataque o sobre qué rango deberíamos movernos, se
han implementado en matlab las Ec. 4.2 y Ec. 4.8 utilizando los datos del E-Flap recogidos en la Tabla 4.2,
donde el único parámetro que va a variar es el ángulo α. Los resultados se muestran en la Fig. 4.2.
(a) CL frente a t/T para distintos valores de α. (b) CT frente a t/T para distintos valores de α.
Figura 4.2 Representación de los coeficiente de sustentación, CL , y empuje, CT , para distintos valores de α.
Para poder comparar entre los distintos valores y poder decidir por tanto cuál de ellos es mejor, se han
recogido algunos datos relevantes en la Tabla 4.3.
Tabla 4.3 Variaciones de los coeficiente de sustentación y empuje con el ángulo de ataque.
Ángulo de ataque (◦ ) CLmed CTmax

-20 -0.8166 0.2031
-10 -0.4083 0.1371
0 4.0268 · 10−5 0.0501
10 0.4083 0.1371
20 0.8167 0.2031
30 1.2250 0.2247
40 1.6334 0.1989
Como se puede observar tanto en la Fig. 4.2a como en la Tabla 4.3, el valor del coeficiente de sustentación
aumenta conforme aumenta el ángulo de ataque, por lo que este ángulo, a priori debería ser cuanto mayor,
mejor. Si miramos los datos relacionados con el coeficiente de empuje, vemos que se obtienen los mismos
resultados para ángulo positivo que negativo, salvo por un desfase, lo que hace que descartemos los ángulos
negativos puesto que para el mismo empuje tendremos menor sustentación.
Si nos centramos ahora en el empuje, se observa en la Tabla 4.3 vemos que los mayores valores se
encuentran entre los 20 y los 30◦ , siendo el mayor este último. Se ha decidido por tanto tomar α = 30◦ como
ángulo de ataque para este estudio, pues proporciona valores cercanos a los habituales para este coeficiente y
maximiza el valor de CTmax .
Habiendo hecho esta primera aproximación, ya tenemos todos los parámetros para el cálculo del coeficiente
de sustentación y, por tanto, una vez calculado este podemos comenzar con el cálculo de la superficie alar.
4.2 Cálculo de la superficie alar e iteraciones 25
4.2 Cálculo de la superficie alar e iteraciones
Teniendo ya el coeficiente de sustentación, CL, calculado, es directo hacer el cálculo de la superficie alar
necesaria despejando el valor de esta de la Ec. 4.1.
2·M·g
S1 = (4.11)
ρ ·CL · v2
De esta ecuación hemos ya calculado anteriormente todos los parámetros que intervienen, por lo que el
cálculo de la superficie es inmediato. Sin embargo, tal y como se puede observar en la Tabla 2.1 algunos de
los parámetros que intervienen en esta ecuación dependen directamente de la superficie, como la masa total,
o indirectamente, como el coeficiente de sustentación, pues este depende de la frecuencia y esta, a su vez
depende de la superficie. Por ello se ha añadido el subíndice a la Ec. 4.11, con el fin de diferenciarla de la
superficie inicial.
Esta superficie S1 se va a comparar con la superficie que estimamos originalmente y se va a calcular el

error relativo entre ambos datos. Si el error es menor al 5 % diremos que ha convergido el proceso y fijaremos
la superficie, pasando a calcular la potencia necesaria para conseguir que el aerodino vuele. En caso contrario,
se fijará el valor de S1 calculado como la nueva superficie y se comenzará a iterar de nuevo. Para esta nueva
iteración habrá que modificar también el peso asociado a la parte variable del robot, md , formada por las alas,
cola y estructura, siendo el nuevo valor:
S
md1 = 1 md (4.12)
S
Estos datos se vuelven a introducir en el programa de Matlab hasta calcular el nuevo valor de la superficie y
el error. Este proceso se repite hasta que el error, como hemos dicho antes, sea menor al 5 %, permitiendo
cerrar este ciclo. Se ha decidido fijar este error puesto que el peso de la estructura y sistemas se ha calculado
escalando el peso del E-Flap original, y la forma en planta y por tanto la superficie alar, no van a tener
la forma semielíptica que tiene el E-Flap. Para clarificar este proceso y las iteraciones, se ha realizado un
ejemplo, que se puede observar en el Capítulo 6.
La parte del programa correspondiente al cálculo del coeficiente de sustentación, la superficie alar y el
error cometido se han recogido en el Código 4.2. Cabe destacar que se ha implementado un bucle if con el
fin de establecer si ha habido convergencia o es necesaria una iteración. En caso de que ocurriera esto, el
programa muestra por pantalla el error que se observa en la Fig. 4.3.
Código 4.2 Cálculo del coeficiente de sustentación y la superficie.

t =[0:0.00001:10]; % Tiempo de simulaci\’on
CL_t=pi∗k^2∗h_0∗cos(k∗t)∗AR/(AR+1)+2∗pi∗AR/(AR+2)∗(alpha∗F+k∗h_0∗(G∗cos(k∗t)+F∗sin(k∗t))); % C\’
alculo del coeficiente de sustentaci \’ on en un periodo de tiempo
CL=mean(CL_t) % Valor medio del coeficiente de sustentaci \’ on
S1= 2∗M∗g/rho/CL/v^2 % C\’alculo de la nueva superficie
error_superficies =abs((S−S1)/S1)∗100 % Error relativo entre superficie estimada y calculada
if error_superficies > 5
error_pantalla = errordlg ( ’ Repita el proceso con el nuevo valor de S1 calculado ’ , ’No hay
convergencia ’ ) ; % Muestra error por pantalla si no ha convergido el diseño
end
Figura 4.3 Mensaje de error proporcionado por Matlab.

Una vez se ha fijado el valor de la superficie alar, se procede al cálculo de la potencia y de las etapas
de reducción necesarias para transmitir dicha potencia a las alas, finalizando así el proceso de diseño del
ornitóptero.
5 Potencia necesaria y caja reductora
D espués de tener el cálculo de la superficie y fijado todos los parámetros anteriores, solo nos queda
estimar cuál va a ser la potencia necesaria que requiere el aerodino para el vuelo, para poder así
elegir un motor capaz de satisfacer nuestras necesidades. Para ello se va a comentar el modelo matemático
actual para ello y, posteriormente, un modelo que incluye programas de CFD y CAD, lo que dificulta la
estandarización del proceso.
5.1 Cálculo de la potencia mediante modelo matemático
Existen diferentes artículos [14] [4] que mantienen que el cálculo de la potencia se obtiene resolviendo la
expresión:
Preq = v · D (5.1)
donde v, como hemos definido hasta este momento es la velocidad de vuelo y D la resistencia que ofrece el
ornitóptero en su vuelo, dividida esta en resistencia inducida, Di , y resistencia parasitaria, D p :
2 · L2 2 · (M · g)2
Di = = (5.2)
e · π · b2 · ρ · v2 e · π · b2 · ρ · v2
ρ · v2 · Sw ·CD p ρ · v2 · Sw · K ·C f
Dp = = (5.3)
2 2
Vamos a ir desglosando ahora los términos de cada una de las expresiones anteriores, comenzando por la
resistencia inducida. Vemos que los parámetros que intervienen en esta fuerza son la sustentación, L, la cual,
haciendo uso de la Ec. 4.1, que iguala la sustentación al peso en crucero, puede ser sustituida por el peso
(M · g), depende también de la envergadura, b, la densidad, ρ, la velocidad, v, y un nuevo parámetro, e, que
es el llamado coeficiente de Oswald. Este coeficiente es un factor que representa el cambio en la resistencia
inducida con la sustentación de un ala, en comparación con un ala elíptica, pues esta es la que presenta menor
resistencia inducida, para una misma sustentación, superficie alar, alargamiento y condiciones de vuelo, que
vienen definidas por ρ y v. Para el caso de ala batida se puede suponer que este parámetro tiene un valor de
0.8 [14].
La resistencia parasitaria depende también de la densidad y la velocidad, además de la superficie mojada,

Swet y el coeficiente de resistencia parasitaria, CD p , que a su vez puede expresarse como [14]:
CD p = K ·C f (5.4)
donde C f es la resistencia por fricción y K es un parámetro experimental que relaciona ambas resistencias.
El valor de este varía entre 2 y 4.4 para distintas especies de pájaros [14] [4], por lo a la hora de aproximar se
toma el mayor, esto es, K = 4.4, valor que maximiza la resistencia. Respecto a la superficie mojada, podemos
afirmar que esta es el doble de la superficie alar. Por último, debemos modelar la resistencia debida a fricción.
Para ello vamos a aproximar las alas a una placa plana, suposición que se hace para todos los ornitópteros
debido a la delgadez de las alas. La fórmula para el cálculo del coeficiente de resistencia a fricción se recoge
27
28 Capítulo 5. Potencia necesaria y caja reductora
en la Ec. 5.5 [14].

C f = 0.455 (log10 Re)−2.58 (5.5)
Siendo Re el número de Reynolds, que es un número adimensional que relaciona las fuerzas de inercia con
las fuerzas viscosas.
ρ ·v·c
Re = (5.6)
µ
De esta ecuación conocemos todos los parámetros que intervienen salvo por la viscosidad dinámica, µ. En
1893, William Sutherland estableció la relación entre la temperatura y la viscosidad dinámica para distintos
fluidos, a través de la Ec. 5.7 [28].
a · T 3/2
µ= (5.7)
T +c
donde los valores de las constantes son: a = 1.458 · 10−6 kg/m · s · K 1/2 y c = 110.4K para el caso del aire.
Con esto ya somos capaces de calcular la resistencia total que experimenta el ornitóptero en su vuelo.
2 · (M · g)2
D = Di + D p = + 4.4 · ρ · v2 · S ·C f (5.8)
0.8 · π · b2 · ρ · v2
Este modelo matemático se ha implementado en Matlab, como recoge el Código 5.1.
Código 5.1 Cálculo de la resistencia total.

% % % % C\’ALCULO DE LA RESISTENCIA Y POTENCIA REQUERIDA
D_i= 2∗(M∗g)^2/0.8/pi/b^2/rho/v^2; % C\’alculo de la resistencia inducida
mu=1.458e−6∗t_kelvin^(3/2) /( t_kelvin +110.4); % C\’alculo de la viscosidad din \’ amica
Re=rho∗v∗c/mu; % C\’alculo del n \’ umero de Reynolds
C_f=0.455∗(log10(Re))^(−2.58) ; % C\’alculo del coeficiente de resistencia de fricci \’ on
D_p=4.4∗rho∗v^2∗S∗C_f; % C\’alculo de la resistencia parasitaria
D=D_i+D_p % C\’alculo de la resistencia total
P=D∗v % C\’alculo de la potencia
Aunque por las decisiones que se han tomado deberíamos obtener valores de la resistencia superiores a los
reales, comprobamos que no es así. Este modelo matemático no puede aplicarse al vuelo en ornitópteros,
puesto que infradimensiona la potencia requerida. Aplicando las ecuaciones anteriores al E-Flap obtenemos
los valores que se recogen en la Tabla 5.1:
Tabla 5.1 Cálculo de la potencia para el E-Flap utilizando modelos matemáticos.
Resistencia Resistencia Resistencia Potencia

inducida parasitaria total requerida
0.2891 0.4068 N 0.6958 N 3.4792 W
Como podemos ver, la potencia total calculada haciendo uso de este método es considerablemente menor
a la que se obtuvo mediante el uso de los programas de CFD y CAD, pues se llegó a la conclusión de que
el E-Flap requería una potencia de 130 W [32]. Desechamos este método por no obtener valores fiables,
optando por calcular la potencia apoyándonos en programas externos.
5.2 Cálculo de la potencia mediante CFD y CAD
La obtención de la potencia siguiendo este método pasa por resolver la ecuación [32]:
P = 2 · MT R · ζ˙ (5.9)
5.3 Elección de motor y caja reductora 29
siendo ζ˙ la derivada temporal del ángulo de las alas respecto al plano horizontal del cuerpo del robot y MT R
el par motor total en la transmisión. El par motor total tiene a su vez por expresión [32]:
MT R (ζ ) = −Maero + Iroot · ζ¨ (5.10)
Aquí es donde entran en juego los programas mencionados anteriormente puesto que el valor de Maero se
obtiene mediante la simulación en programas de CFD y para la obtención de Iroot , que es la inercia del robot
en la raíz de las alas. Para obtener hay que utilizar el teorema de Steiner para cambiar el punto en el que
tomamos la inercia, puesto que los programas de CAD la proporcionan en el centro de gravedad. Dicho
cambio de punto se puede expresar como:
Iroot = Icg + mala ·Y 2 (5.11)
siendo Ycm la distancia comprendida entre la raíz y el centro de masas e Icg la inercia en dicho punto.
Este método, aún siendo el único válido que conocemos presenta dos problemas: se requiere tener co-
nocimiento tanto de programas de Dinámica de Fluidos Computacional como de diseño. Además, para la
obtención de la inercia debemos crear el aerodino en su totalidad, incluyendo la carga de pago y su posición,
medidas exactas de todos los componentes y materiales que se utilizan para obtener valores precisos de esta,
por lo que es un proceso mucho más largo y laborioso que, además, es único para cada diseño, por lo que no
es fácilmente estandarizable. Es por ello que no se va a entrar en el cálculo de la potencia necesaria en este
estudio y se deja como trabajo futuro la estandarización de este proceso para facilitar el cálculo al usuario.
5.3 Elección de motor y caja reductora

Tras obtener la potencia necesaria que debemos suministrarle al motor, debemos escoger un motor que sea
capaz de suministrar esta potencia. Los fabricantes de motores nos muestran distintas especificaciones del
motor, entre las que cabe destacar la frecuencia, que no es tan común encontrarla, o el número de revoluciones
por minuto. Algunos ejemplos de especificaciones para motores se recogen en la Fig. 5.1.
(a) 2004 1700/3000KV Brushless Motor. (b) 1506 3000KV Brushless Motor.
Figura 5.1 Algunos ejemplos de especificaciones para distintos motores sin escobillas [3] .
Vemos que los motores utilizados en drones, para proporcionar la potencia requerida, tienen una velocidad
angular grande, por lo que la transmisión de esta potencia no puede hacerse de manera directa a las alas, sino
que debe pasar por una caja reductora. Esto se debe a que la constante Kv de los motores de este tipo es muy
30 Capítulo 5. Potencia necesaria y caja reductora
alta, entre 1700 y 3000 para los motores de la Fig. 5.1. Podríamos buscar motores que tuviesen un valor de
esta constante mucho menor y hacer la transmisión directa, pero este tipo de motores son más grandes y
pesados, por lo que empeoraría el diseño. Se opta por tanto por diseñar una caja reductora para transmitir la
potencia.
Para ello se elige en primer lugar un motor que proporcione una potencia algo superior al pico de potencia
máximo calculado. Una vez elegido el motor debemos fijarnos en sus especificaciones, concretamente en la
velocidad rotativa, wm , y la comparamos con la de las alas, ww , que se obtiene de multiplicar la frecuencia
por 60, para tener ambas en revoluciones por minuto (rpm). La reducción total que debe proporcionar la caja
se obtiene dividiendo ambas velocidades.
wm w
i= = m (5.12)
ww 60 · f
En nuestro diseño se va a optar por que existan dos etapas de reducción, por lo que en cada una de las etapas
se debe reducir: √
i0 = i (5.13)
Teniendo la reducción en cada una de las etapas podemos crear por tanto nuestra caja reductora manteniendo
dicha relación entre los dientes exterior e interior de cada etapa cercanos al valor de i 0 . El diseño final será
similar a la del E-Flap, que podemos ver en la Fig. 5.2.
Figura 5.2 Caja reductora del E-Flap [32].

6 Ejemplo práctico
C omo se ha repetido a lo largo del estudio, se ha decidido terminar este proyecto realizando un ejemplo
práctico, desde las primeras estimaciones de peso, hasta el diseño de la caja reductora. Para ello
seguiremos el diagrama de flujo de la Fig. 2.1, que es el mismo que se ha intentado seguir a lo largo del
proyecto, por lo que empezaremos con la determinación de parámetros fijos, seguiremos con el cálculo de la
frecuencia y ángulo y distancia recorrida por las alas para continuar con el cálculo de la superficie alar y las
iteraciones a realizar para, por último, una vez cerrado el diseño estructural, seleccionar el motor que llevará
el ornitóptero y diseñar la caja reductora.
6.1 Determinación de parámetros fijos
Lo primero que se debe hacer antes de comenzar con el diseño de cualquier plataforma de UAV es fijar la
misión a realizar. En nuestro caso vamos a optar por un ornitóptero cuya misión principal es la de vigilancia
y detección de intrusos.
Con esta misión en mente debemos fijar los dos primeros parámetros de este estudio: la velocidad de
vuelo y la forma en planta. La velocidad de vuelo deberá ser pequeña para percibir bien a los intrusos;
concretamente, vamos a fijarla en v = 3 m/s2 . Con este valor de la velocidad podríamos elegir dos tipos de
forma en planta: la correspondiente a la garceta (egret) o a la garza (heron). Vamos a realizar el estudio con
las dos formas en planta para comparar después el efecto de esta y cuál es la óptima para este tipo de misión.
Al haber determinado la forma en planta (o formas en planta en este caso), queda automáticamente
determinado el alargamiento de nuestro aerodino, siendo ARegret = 5.76 y ARheron = 5.78.
Al tratarse de una misión de vigilancia, se puede realizar utilizando exclusivamente una cámara de vigilancia,
cuyo peso hace que fijemos nuestra carga de pago como m pl = 0.17 kg. Con este dato y haciendo uso de la
Ec. 2.2 obtenemos tanto el valor de la masa variable, como el valor total, que es igual para todos los diseños
a estudiar, y tiene por valor:
md = 0.6799 · (0.2327 + m pl ) = 0.2738 kg

M = md + m pl + ms = 0.6765 kg
Una vez calculada la primera estimación del peso total del aerodino, podemos calcular el valor de la superficie
alar tal y como indica la Ec. 2.3. Esta superficie va a ser igual para las dos formas en planta, aunque la
envergadura sí variará.
0.2327 + m pl

begret = 1.741 m
S = 0.5 · 0.6799 · = 0.52611 m2 →
0.260204 bheron = 1.744 m
Una vez definidos los parámetros fijos y habiendo hecho ya la primera estimación del peso total del robot y
la superficie alar, procedemos a calcular el valor de la frecuencia y amplitud recorrida por las alas.
31
32 Capítulo 6. Ejemplo práctico
6.2 Frecuencia. Ángulo y amplitud máximos recorridos

El cálculo de la frecuencia y amplitud recorrida por el ala durante un periodo es trivial si hacemos uso del
Código 3.2, donde ya vienen implementadas las ecuaciones para el cálculo de la frecuencia estimada, la recta
de regresión para obtener el valor de ξ y la altura que recorren las alas. Para ello hemos de definir también
el lugar en el que va a ocurrir la misión, para el cálculo de las variables atmosféricas que se recogen en el
Código 3.1. Suponemos que la plataforma va a ser usada en Sevilla, por lo que la latitud es φ = 37,38789◦ y
a tres metros de altura respecto del suelo, equivalente a decir que se realiza a 19 metros sobre el nivel del mar.
Al introducir estos datos en Matlab obtenemos los resultados que se muestran en la Tabla 6.1 para cada
una de las formas en planta consideradas.
Tabla 6.1 Resultados de la frecuencia y altura recorrida.
F.P. Egret Heron

frecuencia
2.4094 2.4054
estimada (Hz)
ξ 1.6528 1.6816
frecuencia (Hz) 3.9821 3.9726
h0 (m) 0.2260 0.2265
Tras estos cálculo podemos comprobar que las dos formas en planta nos reportan resultados similares. Tras
el cálculo de la frecuencia y amplitud, se procede al cálculo del coeficiente de sustentación y superficie alar.
6.3 Superficie alar

Este apartado es el más crítico pues es el momento en el que vemos si nuestra primera estimación es acertada
o no y, en caso contrario, rehacer los cálculos hasta que el diseño converja. .
Para la resolución de este apartado necesitamos como nuevos parámetros a introducir en nuestro programa
de Matlab el valor de c(S) que se recoge en la Tabla 4.1 y el ángulo de ataque ya fijado.
Como este apartado no es tan lineal como los anteriores puesto que puede no converger y que, por tanto,
haya realimentación, se van a estudiar cada una de las formas en planta por separado.
6.3.1 Forma en planta: Egret
El valor del parámetro c(S) para este tipo de ala es de 0.4920. Introduciendo este, junto con los anteriores al
ejecutar el Código 4.2 obtenemos los siguientes resultados:
• CL = 1.4256
• S1 = 0.8444 m2
|S1 −S|
• Error = S1 · 100 = 37.70 %
Concluimos que el diseño no ha convergido y que debemos realizar una nueva iteración. Antes de ello
debemos escalar el valor de la parte de peso variable del ornitóptero. Para ello utilizamos la Ec.4.12.
S1
md1 = m = 0.4395 kg
S d
Con estos nuevos valores de la superficie y el peso realizamos otra vez el proceso completo hasta el cálculo
de la nueva superficie, obteniéndose los valores que se recogen en la Tabla 6.2.
A la vista de estos resultados podemos tenemos que reescalar otra vez más el peso de las estructuras y alas,
obteniéndose:
S
md1 = 1 md = 0.9243 kg
S
Tabla 6.2 Valores obtenidos para la FP Egret hasta la segunda iteración.
Egret
md (kg) f (Hz) ξ fcorregida (Hz) h0 (m) CL S (m2 ) S1 (m2 ) Error ( %) ¿Converge?
1ª iteración 0.2738 2.4094 1.6528 3.9821 0.2260 1.4256 0.5261 0.8444 37.70 No
2ª iteración 0.4395 1.7809 1.4671 2.6126 0.3445 1.2728 0.8444 1.1775 28.29 No
Añadimos por tanto una tercera iteración a nuestro proceso y representamos los datos obtenidos en la Tabla
6.3, donde se han mantenido los datos de las iteraciones anteriores.
Tabla 6.3 Valores obtenidos para la FP Egret hasta la tercera iteración.
Egret
1ª iteración 0.2738 2.4094 1.6528 3.9821 0.2260 1.4256 0.5261 0.8444 37.70 No
2ª iteración 0.4395 1.7809 1.4671 2.6126 0.3445 1.2728 0.8444 1.1775 28.29 No
3ª iteración 0.9243 1.1549 1.2821 1.4806 0.6079 1.4880 1.775 1.5867 11.87 No
Tras esta iteración vemos que estamos ya cerca de la convergencia. Por ello volvemos a escalar el valor de
la masa relacionada con la estructura y las alas, obteniendo md = 0.8262. Con este valor iteramos para la que
presumiblemente será la última iteración, cuyos resultados se han recogido en la Tabla 6.4.
Tabla 6.4 Valores obtenidos para la FP Egret hasta la convergencia.
Egret
1ª iteración 0.2738 2.4094 1.6528 3.9821 0.2260 1.4256 0.5261 0.8444 37.70 No
2ª iteración 0.4395 1.7809 1.4671 2.6126 0.3445 1.2728 0.8444 1.1775 28.29 No
3ª iteración 0.9243 1.1549 1.2821 1.4806 0.6079 1.4880 1.775 1.5867 11.87 No
4ª iteración 0.8262 1.2291 1.3040 1.6028 0.5615 1.4228 1.5867 1.5370 3.24 Sí
Aunque el diseño ha convergido, los datos que tenemos en la Tabla 6.4 son los asociados a S = 1.5867 m2 ,
y no a S1 = 1.5370, que es la que hemos calculado como superficie final. Por tanto, se realiza una última
iteración con este datos como estimación, aunque sabemos que es el definitivo, y con el nuevo valor de md ,
que también tomaremos como final y que es:
S1
md1 = m = 0.8003 kg
S d
Los datos finales de este diseño se han recogido finalmente en la Tabla 6.5.
Tabla 6.5 Resultados del diseño del ornitóptero con FP Egret.
Egret
Masa total 1.2030 kg Superficie alar 1.5370 m2
Envergadura 2.9754 m Alargamiento 5.76
CL 1.4048 Frecuencia 1.6399 Hz
Este diseño de este ornitóptero queda cerrado aquí y ya solo habrá que calcular la potencia necesaria para
el vuelo y el diseño de la caja reductora, una vez se haya seleccionado la planta de potencia.
Pasamos ahora al desarrollo de la forma en planta asociada a la garza (Heron).
6.3.2 Forma en planta: Heron
Para este tipo de ala tenemos que el valor del parámetro c(S) es igual a 0.5116. Con este dato y junto a los
calculados anteriormente podemos realizar la primera iteración de este diseño, que nos reporta los siguiente
valores:
34 Capítulo 6. Ejemplo práctico
• CL = 1.4021
• S1 = 0.8586 m2
• Error = 38.72 %
Al igual que en el caso anterior, el diseñp no converge tras la primera iteración, por lo que debemos realizar
una segunda. Para ello, como viene siendo costumbre, calculamos el valor de la masa variable, asociada a
estructura y alas:
S
md1 = 1 md = 0.6051 kg
S
Tras esta segunda iteración no se ha llegado a la convergencia. Los resultados se han recogido en la Tabla 6.6.
Tabla 6.6 Valores obtenidos para la FP Heron hasta la segunda iteración.
Heron
1ª iteración 0.2738 2.4054 1.6816 3.9726 0.2265 1.4021 0.5261 0.8586 38.72 No
2ª iteración 0.4468 1.7597 1.4608 2.5705 0.3501 1.3107 0.8586 1.1533 25.55 No
Vemos que aunque el error cometido en esta iteración es más pequeño que en la primera, dista aún mucho
de lo que hemos considerado razonable para la convergencia. Es por esto que hemos de realizar una tercera
iteración, que previsiblemente no llegue al resultado final, pero ande bastante cerca. Los pasos a seguir
son ya conocidos; tenemos que calcular en nuevo valor variable de la masa del robot, que para este caso
es md = 0.6002 kg. Con estos datos de entrada, se ha obtenido los que se muestran en la última fila de la
Tabla 6.7. El error que estamos cometiendo sigue en proceso de disminuir, indicando que el proceso está
Tabla 6.7 Valores obtenidos para la FP Heron hasta la tercera iteración.
Heron
1ª iteración 0.2738 2.4054 1.6816 3.9726 0.2265 1.4021 0.5261 0.8586 38.72 No
2ª iteración 0.4468 1.7597 1.4608 2.5705 0.3501 1.3107 0.8586 1.1533 25.55 No
3ª iteración 0.6002 1.4735 1.3762 2.0278 0.4438 1.2461 1.1533 1.4322 19.47 No
convergiendo, aunque este dista aún de quedar terminado. La nueva iteración, en la que el valor de la masa
variable es md = 0.7453, se ha añadido en la Tabla 6.8.
Tabla 6.8 Valores obtenidos para la FP Heron hasta la cuarta iteración.
Heron
1ª iteración 0.2738 2.4054 1.6816 3.9726 0.2265 1.4021 0.5261 0.8586 38.72 No
2ª iteración 0.4468 1.7597 1.4608 2.5705 0.3501 1.3107 0.8586 1.1533 25.55 No
3ª iteración 0.6002 1.4735 1.3762 2.0278 0.4438 1.2461 1.1533 1.4322 19.47 No
4ª iteración 0.7453 1.3000 1.3249 1.7224 0.5225 1.2977 1.4322 1.5742 9.02 No
Vemos que el diseño está cerca de converger y de quedar finalmente cerrado, pero para ello debemos
realizar dos iteraciones más: una en la que el valor presumiblemente convergerá y otra con los datos obtenidos
en esta última, que son lo que tomaremos como definitivos.
Para ello, realizamos el mismo proceso que se ha llevado a cabo hasta el momento, con el valor de la
superficie anterior y el asociado al peso variable siendo igual a md = 0.8191 kg. Los valores obtenidos tras
esta iteración se agrupan en la Tabla 6.9
Una vez obtenida la convergencia queda repetir el proceso por última vez para obtener una tabla de
características análoga a la Tabla 6.5 que obtuvimos para la FP Egret. Estos datos se han recogido en la Tabla
6.10.
Tabla 6.9 Valores obtenidos para la FP Heron hasta la cuarta iteración.
Heron
1ª iteración 0.2738 2.4054 1.6816 3.9726 0.2265 1.4021 0.5261 0.8586 38.72 No
2ª iteración 0.4468 1.7597 1.4608 2.5705 0.3501 1.3107 0.8586 1.1533 25.55 No
3ª iteración 0.6002 1.4735 1.3762 2.0278 0.4438 1.2461 1.1533 1.4322 19.47 No
4ª iteración 0.7453 1.3000 1.3249 1.7224 0.5225 1.2977 1.4322 1.5742 9.02 No
5ª iteración 0.8191 1.2323 1.3049 1.6081 0.5597 1.3387 1.5742 1.6240 3.07 Sí
Tabla 6.10 Resultados del diseño del ornitóptero con FP Heron.
Heron
Masa total 1.2477 kg Superficie alar 1.6240 m2
Envergadura 3.0638 m Alargamiento 5.78
CL 1.3539 Frecuencia 1.5727 Hz
Vemos que ambos diseños son muy parecidos, como cabría esperar. De cara a definir cuál es el mejor de
los dos nos fijaremos en el peso total de la aeronave, siendo deseable el ornitóptero más ligero que cumple
la misión y es capaz de transportar la carga de pago. En este caso, optaríamos por la forma en planta de la
garceta (egret), frente a la de la garza (heron).
Ya hemos completado el cálculo de la superficie alar para dos de las formas en planta. Únicamente nos
quedaría el cálculo de la potencia y la caja reductora pero, tal y como concluimos en el Capítulo 5, el cálculo
de la potencia mediante CFD y CAD se sale de los límites marcados para el estudio y se deja como una de
las líneas de continuación de este.
Por último, una vez terminado este ejemplo práctico, podemos cerrar el estudio de la metodología de
diseño exponiendo las conclusiones más importantes que se han extraído de este trabajo y las dudas y posible
desarrollo futuro que se puede llevar a cabo en base a lo expuesto en este proyecto.
7 Conclusiones y trabajo futuro
E n esta memoria quedan expuestos los pasos más importantes a seguir, las consideraciones y decisiones
que se deben tomar para el correcto diseño de un UAV de ala batiente. Lo más importante que se debe
destacar es que diseñar un ornitóptero, como cualquier otra aeronave, es un proceso difícil en el que hay
gran número de variables que hay que fijar. Para ello es muy importante partir de unos valores de partida
razonables y realizar una buena retroalimentación de la información que se van obteniendo para que los datos
iniciales converjan y se fijen para realizar el diseño, previamente a la fabricación.
Este trabajo se ha realizado utilizando ecuaciones que tienen una fácil implementación y que, por tanto,
como se ha visto, pueden implementarse en algún programa tipo Matlab para facilitar el proceso al usuario.
Como posible trabajo a realiar en un futuro queda pendiente la creación de un programa que sea capaz de
realizar un prediseño del ornitóptero pidiendo algunos datos de partida al usuario, los que nosotros hemos
determinado como fijos a principio del estudio, siendo el programa capaz de realizar todas las iteraciones de
manera automática.
Para mejorar el proceso y obtener valores algo razonables, queda también pendiente la creación de una
base de datos en la que se recojan valores del coeficiente de sustentación para todas las formas en planta que
se han estudiado para distintos valores de la superficie y del ángulo de ataque ya que, aunque las ecuaciones
que se han aplicado para el cálculo de este tienen validez, actualmente se utilizan simulaciones en CFD para
obtener valores experimentales, primando estos sobre los obtenidos teóricamente.
Es conveniente realizar también modelos en CFD en los que se tenga en cuenta el ángulo de diedro, puesto
que las ecuaciones de Theodorsen, que son las que hemos utilizado para la resolución del coeficiente de
sustentación no contemplan este parámetro.
Por último, queda pendiente la estandarización del cálculo de la potencia, pues como se ha dicho antes, las
ecuaciones actuales no cumplen con la realidad y se debe crear un modelo específico para las aeronaves de
ala batiente.
37
Apéndice A
Formas en planta
Tal y como se comentó en el Apartado 2.2, se han modelado en CATIA todas las formas en planta recogidas
en la Fig. 2.2 con el fin de establecer el valor de la relación de aspecto para cada una de las alas, quedando
por tanto definida la relación entre superficie y envergadura, eliminando así una variable durante el diseño.
Las formas en planta para los quince tipos de ala estudiada se han recogido en la Fig. A.1.
(a) Halcón de ala ancha.
(b) Golondrina.
39
40 Apéndice A. Formas en planta
(c) Cigüeña.
(d) Aguilucho del norte.
(e) Vencejo.
41
(f) Colibrí.
(g) Cuervo.
(h) Garceta.
(i) Sinsonte norteño.
(j) Gavilán colirrojo.
(k) Garza.
43
(l) Albatros.
(m) Buitre pavo.
(n) Ibis.
(ñ) Pardela.
Figura A.1 Forma en planta en CATIA.

Índice de Figuras
1.1 Distintos tipos de UAVs 2

1.2 Ejemplos de ornitópteros 2
1.3 Bocetos de los primeros ornitópteros 3
1.4 Prototipos GRIFFIN [1] 4
1.5 E-Flap durante un ensayo en exterior [32] 4
1.6 Modelo del E-Flap realizado en CATIA 5
1.7 Distribución de peso del robot por sistemas [32] 6
2.1 Diagrama de flujo del proceso de Diseño 8

2.2 Forma en planta óptima en función de la misión [15] 10
3.1 Relación entre masa, m (g), y frequency ratio, ξ 15

3.2 Relación entre envergadura, b (cm), y frequency ratio, ξ 15
3.3 Relación entre superficie, S (m2 ), y frequency ratio, ξ 16
3.4 Relación entre frecuencia, Frecuencia (Hz), y frequency ratio, ξ 16
3.5 Ángulos que recorren las alas en su movimiento [15] 18
4.1 Representación de las funciones F y G frente a 1/k 22

4.2 Representación de los coeficiente de sustentación, CL , y empuje, CT , para distintos
valores de α 24
4.3 Mensaje de error proporcionado por Matlab 25
5.1 Algunos ejemplos de especificaciones para distintos motores sin escobillas [3] 29
5.2 Caja reductora del E-Flap [32] 30
A.1 Forma en planta en CATIA 44
45
Índice de Tablas
1.1 Especificaciones del E-Flap [32] 5
2.1 Parámetros para el Diseño del ornitóptero 7

2.2 Alargamiento para las distintas formas en planta 10
3.1 Comparación entre frecuencias reales y estimadas [15] 14
4.1 Relación entre cuerda y superficie para las distintas formas en planta 23
4.2 Parámetros relevantes del E-Flap para la misión a estudiar [32] 23
4.3 Variaciones de los coeficiente de sustentación y empuje con el ángulo de ataque 24
5.1 Cálculo de la potencia para el E-Flap utilizando modelos matemáticos 28
6.1 Resultados de la frecuencia y altura recorrida 32

6.2 Valores obtenidos para la FP Egret hasta la segunda iteración 33
6.3 Valores obtenidos para la FP Egret hasta la tercera iteración 33
6.4 Valores obtenidos para la FP Egret hasta la convergencia 33
6.5 Resultados del diseño del ornitóptero con FP Egret 33
6.6 Valores obtenidos para la FP Heron hasta la segunda iteración 34
6.7 Valores obtenidos para la FP Heron hasta la tercera iteración 34
6.8 Valores obtenidos para la FP Heron hasta la cuarta iteración 34
6.9 Valores obtenidos para la FP Heron hasta la cuarta iteración 35
6.10 Resultados del diseño del ornitóptero con FP Heron 35
47
Índice de Códigos
2.1 Velocidad y forma en planta 10

2.2 Estimación de peso y superficie alar 12
3.1 Variables atmosféricas en función de latitud y altura 17

3.2 Cálculo de la frecuencia, tasa de frecuencia y frecuencia corregida 18
4.1 Cálculo de los valores de F y G en función de k 22

4.2 Cálculo del coeficiente de sustentación y la superficie 25
5.1 Cálculo de la resistencia total 28
49
Bibliografía
[1] Varios Autores, https:// griffin-erc-advanced-grant.eu/ media-gallery/ , Web. Accedido 10-05-2021.

[2] , https:// uvs-international.org/ , 2014, Web. Accedido 22-03-2021.
[3] , https:// betafpv.com/ collections/ brushless-motors, 2021, Web. Accedido 16-08-2021.
[4] Brian David Baggaley, Daniel Howlett Sanderson, Frederick Murphy Wight, and Jourdan Rae McKenna,
Ornithopter: Flapping wings robot, (2016).
[5] Jacob Cohen, Statistical power analysis for the behavioral sciences [internet], Statistical Power Analysis
for the Behavioral Sciences (1988), 567.
[6] Daniel Feliu-Talegon, José Ángel Acosta, Alejandro Suarez, and Anibal Ollero, A bio-inspired manipu-
lator with claw prototype for winged aerial robots: Benchmark for design and control, Applied Sciences
10 (2020), no. 18, 6516.
[7] Ramon Fernandez-Feria, Linearized propulsion theory of flapping airfoils revisited, Physical Review
Fluids 1 (2016), no. 8, 084502.
[8] AG Festo and Co KG, Smartbird–bird flight deciphered, Esslingen, Germany (2011).
[9] Gerrit Adriaan Folkertsma, Wessel Straatman, Nico Nijenhuis, Cornelis Henricus Venner, and Stefano
Stramigioli, Robird: A robotic bird of prey, IEEE Robotics Automation Magazine 24 (2017), no. 3,
22–29.
[10] John Gerdes, Alex Holness, Ariel Perez-Rosado, Luke Roberts, Adrian Greisinger, Eli Barnett, Johannes
Kempny, Deepak Lingam, Chen-Haur Yeh, Hugh A Bruck, et al., Robo raven: a flapping-wing air vehicle
with highly compliant and independently controlled wings, Soft Robotics 1 (2014), no. 4, 275–288.
[11] AE Gomez-Tamm, V Perez-Sanchez, BC Arrue, and A Ollero, Sma actuated low-weight bio-inspired
claws for grasping and perching using flapping wing aerial systems, Proceedings of the 2020 IEEE/RSJ
International Conference on Intelligent Robots and Systems (IROS), Las Vegas, NV, USA, 2020,
pp. 25–29.
[12] A. Gómez Eguíluz, J.P. Rodríguez-Gómez, J.R. Martínez-de Dios, and A. Ollero, Asynchronous event-
based line tracking for time-to-contact maneuvers in uas, 2020 IEEE/RSJ International Conference on
Intelligent Robots and Systems (IROS), 2020, pp. 5978–5985.
[13] Jae-Hung Han, Jun-Seong Lee, and Dae-Kwan Kim, Bio-inspired flapping uav design: a university
perspective, Health Monitoring of Structural and Biological Systems 2009, vol. 7295, International
Society for Optics and Photonics, 2009, p. 72951I.
[14] Robyn Lynn Harmon, Aerodynamic modeling of a flapping membrane wing using motion tracking
experiments, University of Maryland, College Park, 2008.
[15] Mostafa Hassanalian, Abdessattar Abdelkefi, Mingjun Wei, and Saeed Ziaei-Rad, A novel methodology
for wing sizing of bio-inspired flapping wing micro air vehicles: theory and prototype, Acta Mechanica
228 (2017), no. 3, 1097–1113.
51
52 Bibliografía
[16] Karl R Klingebiel, Computational aerodynamics of flapping flight using an indicial response method,
Ph.D. thesis, Pennsylvania State University, 2006.
[17] FJ Maldonado, JA Acosta, J Tormo-Barbero, P Grau, MM Guzman, and A Ollero, Adaptive nonlinear
control for perching of a bioinspired ornithopter, 2020 IEEE/RSJ International Conference on Intelligent
Robots and Systems (IROS), IEEE, 2020, pp. 1385–1390.
[18] J.R. Martínez-de Dios, A. Gómez Eguíluz, J.P. Rodríguez-Gómez, R. Tapia, and A. Ollero, Towards
uas surveillance using event cameras, 2020 IEEE International Symposium on Safety, Security, and
Rescue Robotics (SSRR), 2020, pp. 71–76.
[19] Anibal Ollero, Marco Tognon, Alejandro Suarez, Dongjun Lee, and Antonio Franchi, Past, present,
and future of aerial robotic manipulators, IEEE Transactions on Robotics (2021), 1–20.
[20] C Pennycuick, Wingbeat frequency of birds in steady cruising flight: new data and improved predictions,
Journal of Experimental Biology 199 (1996), no. 7, 1613–1618.
[21] Colin J Pennycuick, Modelling the flying bird, Elsevier, 2008.
[22] M. Perez-Jimenez, M.A. Montes-Grova, P. Ramon-Soria, B.C. Arrue, and A. Ollero, Positron: light-
weight active positioning compliant joints robotic arm in power lines inspection, 2020 International
Conference on Unmanned Aircraft Systems (ICUAS), 2020, pp. 729–736.
[23] T Nick Pornsin-Sirirak, Yu-Chong Tai, Chih-Ming Ho, and Matt Keennon, Microbat: A palm-sized
electrically powered ornithopter, Proceedings of NASA/JPL Workshop on Biomorphic Robotics, vol. 14,
Citeseer, 2001, p. 17.
[24] J.P. Rodríguez-Gomez, A. Gómez Eguíluz, J.R. Martínez-de Dios, and A. Ollero, Asynchronous event-
based clustering and tracking for intrusion monitoring in uas, 2020 IEEE International Conference on
Robotics and Automation (ICRA), 2020, pp. 8518–8524.
[25] Juan Pablo Rodríguez-Gómez, Augusto Gómez Eguíluz, José Ramiro Martínez-De Dios, and Anibal
Ollero, Auto-tuned event-based perception scheme for intrusion monitoring with uas, IEEE Access 9
(2021), 44840–44854.
[26] DG Simpson, Physics recreations: Helmert’s equation, Department of Physical Sciences and Enginee-
ring, Prince George’s Community College, Largo (2009).
[27] Alejandro Suarez, Fran Real, Victor M Vega, Guillermo Heredia, Angel Rodriguez-Castaño, and Anibal
Ollero, Compliant bimanual aerial manipulation: Standard and long reach configurations, IEEE Access
8 (2020), 88844–88865.
[28] William Sutherland, Lii. the viscosity of gases and molecular force, The London, Edinburgh, and Dublin
Philosophical Magazine and Journal of Science 36 (1893), no. 223, 507–531.
[29] R Tapia, A Gómez Eguıluz, J Martınez-de Dios, and A Ollero, Asap: Adaptive scheme for asynchronous
processing of event-based vision algorithms, 2020 IEEE ICRA Workshop on Unconventional Sensors
in Robotics. IEEE, 2020.
[30] Graham K Taylor, Robert L Nudds, and Adrian LR Thomas, Flying and swimming animals cruise at a
strouhal number tuned for high power efficiency, Nature 425 (2003), no. 6959, 707–711.
[31] Theodore Theodorsen and WH Mutchler, General theory of aerodynamic instability and the mechanism
of flutter, (1935).
[32] Raphael Zufferey, Jesús Tormo-Barbero, M. Mar Guzmán, Fco. Javier Maldonado, Ernesto Sanchez-
Laulhe, Pedro Grau, Martín Pérez, José Ángel Acosta, and Anibal Ollero, Design of the high-payload
flapping wing robot e-flap, IEEE Robotics and Automation Letters 6 (2021), no. 2, 3097–3104.

Ornitoptero Plano

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ornitoptero Plano

Cargado por

Copyright:

Formatos disponibles

Proyecto Fin de Carrera

Trabajo Fin de Grado

Metodología para el de Diseño de Ornitópteros

Jesús García García

Aníbal Ollero Baturone

Dpto. Ingeniería de Sistemas y Automática

Autor: Jesús García García

acuerdan otorgarle la calificación de:

El Secretario del Tribunal

2 Determinación de parámetros fijos 7

3 Frecuencia. Ángulo y amplitud máximos recorridos 13

5 Potencia necesaria y caja reductora 27

7 Conclusiones y trabajo futuro 37

Apéndice A Formas en planta 39

• Matlab: como herramienta de cálculo numérico y cálculo de gráficas.

• Excel: para el análisis de datos y cálculo de gráficas y rectas de regresión.

1.1 Estado del arte

Figura 1.1 Distintos tipos de UAVs.

Figura 1.2 Ejemplos de ornitópteros.

(a) Máquina voladora de Da Vinci. (b) Pájaro mecánico de Trouvé.

Figura 1.3 Bocetos de los primeros ornitópteros.

1.3 Proyecto GRIFFIN

Figura 1.4 Prototipos GRIFFIN [1].

Como se ha mencionado anteriormente, el E-Flap, que se muestra en la Fig.1.5, es el prototipo que se va a

Figura 1.5 E-Flap durante un ensayo en exterior [32].

1.3.1 Punto de partida: E-Flap

Figura 1.6 Modelo del E-Flap realizado en CATIA.

Tabla 1.1 Especificaciones del E-Flap [32].

Parámetro Valor Descripción

1.4 Organización de la memoria

Figura 1.7 Distribución de peso del robot por sistemas [32].

Tabla 2.1 Parámetros para el Diseño del ornitóptero.

Parámetros Abreviatura Dependencias Parámetros Abreviatura Dependencias

Figura 2.1 Diagrama de flujo del proceso de Diseño.

2.1 Elección de la misión de vuelo

2.2 Forma en planta del ala

Figura 2.2 Forma en planta óptima en función de la misión [15].

Tabla 2.2 Alargamiento para las distintas formas en planta.

Código 2.1 Velocidad y forma en planta.

2.3 Estimación de peso y carga de pago

2.3.1 Cálculo de la carga de pago

2.3.2 Estimación del peso total

Código 2.2 Estimación de peso y superficie alar.

f = M 3/8 g1/2 b−23/24 S−1/3 ρ −3/8 (3.1)

f = ξ M 3/8 g1/2 b−23/24 S−1/3 ρ −3/8 (3.2)

Tabla 3.1 Comparación entre frecuencias reales y estimadas [15].

Figura 3.1 Relación entre masa, m (g), y frequency ratio, ξ .

Figura 3.2 Relación entre envergadura, b (cm), y frequency ratio, ξ .

Figura 3.3 Relación entre superficie, S (m2 ), y frequency ratio, ξ .

muestran en la Fig. 3.4.

Figura 3.4 Relación entre frecuencia, Frecuencia (Hz), y frequency ratio, ξ .

ξ = 0.2955 · x + 0.9408 (3.3)

donde x es el valor de la frecuencia estimada medido en hercios, Hz.

T = 15 − 0.0065 · H (◦C) (3.5)

Código 3.1 Variables atmosféricas en función de latitud y altura.

3.2 Ángulo y amplitud recorridos por las alas

Figura 3.5 Ángulos que recorren las alas en su movimiento [15].

El cálculo de la frecuencia estimada, de la tasa de frecuencia, de la frecuencia corregida y altura recorrida

Código 3.2 Cálculo de la frecuencia, tasa de frecuencia y frecuencia corregida.

4.1 Coeficiente de sustentación

J1 (J1 +Y0 ) +Y1 (Y1 − J0 ) Y (J +Y0 ) − J1 (Y1 − J0 )

J1 (J1 +Y0 ) +Y1 (Y1 − J0 )