Avance del Proyecto control de posición

Adrian Livio Carhuaz Encinas Gerbard Gerardo Michaga Ribera Alessandro Paredes Zenteno
Departamento de Ingeniería Mecatrónica Departamento de Ingeniería Mecatrónica Departamento de Ingeniería Mecatrónica
Universidad Católica Boliviana San Pablo Universidad Católica Boliviana San Pablo Universidad Católica Boliviana San Pablo
Santa Cruz de la Sierra, Bolivia Santa Cruz de la Sierra, Bolivia Santa Cruz de la Sierra, Bolivia
adrian.carhuaz@ucb.edu.bo gerbard.michaga@ucb.edu.bo alesandro.paredes@ucb.edu.bo

5015 0.6 in.

Resumen: El presente documento se presenta el desarrollo del Ventilador
12 V CC,
proyecto del reloj de aire que esta accionando 3 ventiladores, 1 DC 12V 60x60x15mm
0.1A
explicación del sensor de la Cámara, explicación del controlador SGS
y la interfaz

Palabras clave: Señal, Control, Planta, Circuito Electrónico, B. Sistemas de Primer orden
Arduino, MATLAB.
Los sistemas de primer orden son aquellos que se pueden
I. INTRODUCCION representar con unas ecuaciones diferenciales ordinarias de
primer orden, es decir, presentan un polo. Un sistema de
Las plantas de primera y segunda orden son conceptos primer orden puede representar un circuito RC, un sistema
fundamentales en el análisis y diseño de sistemas de control. térmico o similares; La respuesta en el tiempo a una entrada
En la teoría de control, una planta se refiere al proceso o de impulso se puede apreciar en la figura 3. Esta respuesta se
sistema físico que se desea controlar, como puede ser un caracteriza por tener un tiempo de estabilización de cinco
motor, un brazo robótico o una planta química. La planta de constantes de tiempo.
primera orden es aquella cuya respuesta a una entrada
cambia de forma lineal con respecto al tiempo, mientras que La función de transferencia de un sistema de primer orden se
la planta de segunda orden tiene una respuesta no lineal. puede representar en la forma general:
Por otro lado, una planta integradora es aquella que tiene 𝐾
una respuesta que se mantiene aumentando o disminuyendo 𝐺(𝑠) =
𝜏𝑠 + 1
sin límite en el tiempo, como puede ser un sistema de control
de temperatura en un horno. Esta planta se utiliza
comúnmente en sistemas de control de procesos industriales.
Con el avance de la tecnología, el uso de
microcontroladores como Arduino se ha popularizado en el
control de sistemas en tiempo real. Una forma de monitorear
el comportamiento de la planta es a través del uso de
sensores conectados al microcontrolador, que permiten la
medición de variables como la temperatura, la presión o la
velocidad.
Luego, el microcontrolador puede enviar señales de
control a la planta mediante un controlador analógico. La
señal de salida de la planta puede ser medida y registrada por
el microcontrolador, y luego procesada en un software como
MATLAB para analizar y visualizar la respuesta del sistema
Figura 1 Dinámica de un sistema de primera orden
en tiempo real.
De esta manera, la combinación de tecnologías como Donde:
Arduino, controladores analógicos y software de
• G(s) es la función de transferencia
procesamiento de datos como MATLAB, ofrece una
solución efectiva para el control y monitoreo de sistemas en • K es la ganancia del sistema
tiempo real. • τ es la constante de tiempo del sistema
• s es la variable compleja de Laplace
II. FUNDAMENTO TEORICO
La constante de tiempo es una medida de la rapidez con
A. Ventilador DC que el sistema responde a los cambios en la entrada. Si τ es
Ventiladores Comerciales grande, el sistema tarda más en responder a los cambios en la
N° entrada, mientras que, si τ es pequeña, el sistema responde
Modelo alimentación Especificaciones más rápidamente.
Ventilador Tamaño La función de transferencia también indica la estabilidad
de 12 V CC, total: 2.0 x del sistema. Si la parte real de la raíz de la función de
1 refrigeración 0,1 A ~ 0,15 2.0 x 0.6 in. transferencia es negativa, el sistema es estable. Si es positiva,
con doble A el sistema es inestable.
rodamiento Tamaño de
de bolas salida: 0.8 x

Departamento de Ingeniería Mecatrónica Control I (IMT-245) / Avance de Proyecto @ 05/2023

Universidad Católica Boliviana "San Pablo" – Unidad Santa Cruz
 C. Sistemas de Segundo Orden
Los sistemas de segunda orden son sistemas dinámicos
que se pueden modelar matemáticamente mediante una
ecuación diferencial de segundo orden. Estos sistemas se
utilizan comúnmente en la ingeniería y la física, y se
caracterizan por tener una respuesta transitoria que oscila
antes de converger a un valor final.
La función de transferencia de un sistema de segunda
orden se puede expresar como:
𝐾𝑤𝑛^2
𝐻(𝑠) = 𝑒
𝑠 + 2𝑧𝑤𝑛𝑠 + 𝑤𝑛2
Figura 2 Dinámica de un sistema de segunda orden
donde:
• s es la variable compleja de Laplace.
• K es la ganancia del sistema, que determina la
magnitud de la respuesta del sistema a una entrada.
• wn es la frecuencia natural del sistema, que
representa la frecuencia a la que el sistema oscilaría
si no hubiera amortiguamiento.
• z es el coeficiente de amortiguamiento del sistema,
que determina la rapidez con la que la respuesta del
sistema se amortigua. Un valor de z = 0 indica un
sistema sin amortiguamiento, mientras que un valor
de z = 1 indica un sistema críticamente
amortiguado.
La respuesta transitoria del sistema se caracteriza
mediante su coeficiente de amortiguamiento z y su
frecuencia natural a. El coeficiente de amortiguamiento z
determina la rapidez con la que la respuesta del sistema se
amortigua, mientras que la frecuencia natural a determina la
frecuencia a la que el sistema oscilaría si no hubiera
amortiguamiento.
D. Zero Order Holder
El sostenedor de orden cero, más comúnmente conocido
por sus siglas en inglés ZOH, es un método de
reconstrucción de señales muestreadas. Por medio de este las
muestras mantienen su valor por el tiempo que dure un
intervalo de muestreo hasta que la siguiente muestra es
recibida. En el área de control es ampliamente utilizado para
representar la planta del sistema debido a que permite
representar apropiadamente los convertidores análogo-digital
y digital-análogo.
Departamento de Ingeniería Mecatrónica Control I (IMT-245) / Avance de proyecto @ 05/2023
Universidad Católica Boliviana "San Pablo" – Unidad Santa Cruz
E. Pre-Prosesamiento y Segementacion de la imagen
El preprocesamiento y la segmentación de imágenes son
dos pasos importantes en el procesamiento de imágenes y
visión por computadora.
El preprocesamiento de imágenes se refiere a una serie de
técnicas utilizadas para mejorar la calidad de una imagen y
facilitar su procesamiento posterior. Estas técnicas pueden
incluir:
- Eliminación de ruido: eliminar las imperfecciones y los
errores de la imagen, lo que puede afectar su calidad y
dificultar su procesamiento.
- Corrección de color: ajustar el balance de color de la
imagen para que se vea más natural o para hacer resaltar
ciertos detalles.
- Mejora de contraste: aumentar el contraste entre las áreas
claras y oscuras de la imagen para resaltar ciertos detalles.
- Normalización: ajustar el brillo y el contraste de la imagen
para que estén en un rango aceptable para su procesamiento.
La segmentación de imágenes es el proceso de dividir
una imagen en regiones o segmentos más pequeños, con el
objetivo de extraer información útil y relevante de la imagen.
Esto se logra mediante la identificación de objetos o áreas de
interés en la imagen y su separación del fondo. Algunas
técnicas comunes de segmentación de imágenes incluyen:
- Umbralización: definir un valor de umbral para separar las
áreas claras y oscuras de la imagen y así identificar objetos o
áreas de interés.
- Segmentación basada en bordes: identificar los bordes de
los objetos en la imagen y separarlos del fondo.
- Segmentación basada en regiones: dividir la imagen en
regiones o segmentos de acuerdo con ciertas características,
como la intensidad de la luz o la textura.
F. Canales RGB
Los canales RGB son una forma de representar el color
en una imagen utilizando tres canales de color: rojo (R),
verde (G) y azul (B). Cada píxel de una imagen RGB está
compuesto por tres valores que representan la intensidad de
cada uno de estos tres canales.
En una imagen RGB, cada píxel se representa mediante
la combinación de los tres canales de color. Por ejemplo, un
píxel con un valor de 255 en el canal rojo, un valor de 0 en el
canal verde y un valor de 0 en el canal azul se verá como un
color rojo brillante.
El uso de canales RGB es común en la manipulación de
imágenes y en el procesamiento de visión por computadora.
Por ejemplo, la segmentación de objetos en una imagen
puede basarse en la identificación de los valores de color de
los píxeles en los diferentes canales RGB.
G. Calibracion de la camara
La calibración de la cámara es un proceso utilizado en
visión por computadora para determinar los parámetros
intrínsecos y extrínsecos de una cámara. Los parámetros
intrínsecos incluyen la distancia focal, el centro óptico y los
coeficientes de distorsión de la cámara, mientras que los
parámetros extrínsecos definen la posición y orientación de
la cámara en relación con el mundo 3D.
 La calibración de la cámara es importante porque permite (𝑝𝑥 𝑝𝑦 ) → Tamaño del pixel en unidades del mundo
corregir las distorsiones inherentes a la lente de la cámara y
proporciona una representación precisa de la escena 𝐹
𝑓𝑥 =
capturada. Con los parámetros calibrados, es posible realizar 𝑝𝑥
tareas como la reconstrucción 3D, el seguimiento de objetos, 𝐹
la detección de bordes y la superposición de gráficos 𝑓𝑦 =
virtuales en imágenes reales. 𝑝𝑦
H. Parámetros de calibración de la cámara 𝑠 → Coeficiente de sesgo, que es distinto de cero si la imagen
El proceso de calibración utiliza los parámetros Los ejes no son perpendiculares.
intrínsecos y extrínsecos para calcular la matriz de la cámara. 𝑠 = tan (𝛼)
Los parámetros extrínsecos describen una transformación
rígida del sistema de coordenadas del mundo 3D al sistema El sesgo de pixeles se muestra en la Fig.5
de coordenadas de la cámara 3D. Por otro lado, los
parámetros intrínsecos reflejan una transformación
proyectiva de las coordenadas de la cámara 3D a las
coordenadas de la imagen 2D. De esta manera, el algoritmo
de calibración utiliza ambos conjuntos de parámetros para
obtener la matriz de la cámara necesaria para relacionar los
puntos en el espacio tridimensional con sus proyecciones en
el plano de la imagen. En la Fig.3 se muestra un diagrama de
bloques de la calibración de la cámara
Figura 5 Sesgo de pixeles

I. Materiales
Tabla de Materiales
N° de
Materiales Detalle de
Cantidad Código
los materiales
Figura 3 Calibración de Cámara
1 ventilador 3 -
1. Parámetros intrínsecos Tubos
2 3 -
PVC
Los parámetros extrínsecos de la cámara están
compuestos por una matriz de rotación, R, y un vector de Lamina
3 1 -
Transparente
traslación, t. El centro óptico de la cámara es el origen del
sistema de coordenadas, y los ejes X e Y definen el plano de Tablón de
la imagen., en la Fig.4 se muestra los parámetros intrínsecos. 4 Madera 1 -
Prensada
Tubo
5 cuadrado de 1 -
aluminio

J. Ventiladores

Figura 4 Parámetros intrínsecos

2. Parámetros intrínsecos
Los parámetros intrínsecos de la cámara abarcan la
distancia focal, el centro óptico (también llamado punto
principal) y el coeficiente de inclinación. La matriz intrínseca
de la cámara, denotada como K, es una representación que Figura 6 Características del ventilador
define estos parámetros:
𝑓𝑥 𝑠 𝑐𝑥 Estos ventiladores como en la Figura 6, estas emiten una
[0 𝑓𝑦 𝑐𝑦 ] cantidad moderada de aire y se usan comúnmente para
0 0 1 enfriar los cabezales de impresión de impresoras 3D o
aplicaciones de enfriamiento de puntos similares donde se
|𝑐𝑥 𝑐𝑦 | →Centro óptico en pixeles necesita una corriente de aire dirigida.
|𝑓𝑥 𝑓𝑦 | → Distancia Focal en Pixeles
𝐹 → Distancia focal en unidades mundiales, típicamente
expresada en milímetros

Departamento de Ingeniería Mecatrónica Control I (IMT-245) / Avance de proyecto @ 05/2023

Universidad Católica Boliviana "San Pablo" – Unidad Santa Cruz

Figura 7 Ventilador de 12V-DC
Figura 8 Ventilador de 12V-DC
Los ventiladores son bastante silenciosos y están bien
para la mayoría de las aplicaciones.
El ventilador funcionará en el rango de 6-12 V CC con
un flujo de aire y un ruido reducidos a voltajes más bajos. La
mayoría de los que hemos probado han respondido bastante
bien a PWM, pero algunos pueden comenzar a cantar en
ciertos valores de PWM, basados en las especificaciones
técnicas, mostradas en la Figura 8.
Figura 9 Datasheet del ventilador
Departamento de Ingeniería Mecatrónica Control I (IMT-245) / Avance de proyecto @ 05/2023
Universidad Católica Boliviana "San Pablo" – Unidad Santa Cruz
III. DESCRIPCION BREVE DEL PROYECTO
El proyecto consiste en hacer un reloj de aire con
pelotitas de colores, las cuales son tres pelotitas cada una de
ellas representa las horas, los minutos y los segundos. Para
generar que estas pelotitas funcionen como un reloj se debe
mandar una referencia de altura que va a estar determinado
en la hora actual de la computadora, de ahí pasa al
controlador PID que manda una señal PWM al driver L298N
para controlar una turbina de 12V generando que la pelotita
quedara en una posición dependiendo al aire por ello se
implementó como sensor una cámara que muestreaba una
altura de acuerdo con un centroide o punto de referencia que
se le ponía en la imagen y con esa posición final se genera un
error en la posición de referencia con la del sensor.
A. Diseño de estructura
Antes de definir el prototipo, se basó en el diseño por el
software tipo CAD, donde definimos las unidades y el
sistema de coordenadas, creado a partir de un boceto desde
un plano frontal para la base del reloj, utilizando
herramientas de cotización para adecuar el boceto de la base,
de tal manera que determinamos, el diámetro de cada tubo y
la separación que hay en cada tubo como se ve en la Figura
10.
Figura 10 Dimensión del diámetro y separación entre cada
tubo
Se creo un boceto como se ve en la Figura 11, en un
plano paralelo a la base para el soporte del ventilador,
tomando en cuenta la forma y la estabilidad de los tubos con
respecto a la base.
Figura 11 Forma y Estabilidad de tubos
Luego convertimos el boceto del soporte en un sólido 3D,
ajustando las dimensiones y la altura, para representar los
tubos que se conectan a la base. En base a herramientas de
boceto, obteniendo los perfiles de los tubos como se ve en la
Figura 12, asegurando que los tubos estén conectados o
coincida con la base, utilizando puntos de coincidencia,
restricciones de tangencia y restricciones geométricas, para
lograr la alineación y conexión correctas. Con esto se logró
agregar una restricción de coincidencia para asegurar que el
extremo del tubo este alineado con un punto especifico de la
base, tomando en cuenta las limitaciones físicas y las
consideraciones de diseño al establecer las dimensiones de
los tubos en relación con la base.
Figura 12 Dimensiones de los perfiles en relacion a la base
En base al desarrollo del software tipo CAD, se llegó a
establecer el prototipo del reloj del aire e implementar los
siguientes pasos:
Para Preparar la base: Se escogió un tablón de madera
como una base o soporte para el reloj que sea lo
suficientemente estable para sostener los tubos y los
ventiladores.
Para Conectar los tubos: Para los tubos se cortó con una
fresadora, para poner una ventana, con la lámina transparente
y así poder ver el movimiento de las pelotitas. Para esto se
establecieron tubos rígidos para evitar ciertas fugas del
ventilador, asimismo colocar el ventilador en la base y
asegurarse de que esté firmemente sujeto. Si es necesario, se
utiliza tornillos o cinta adhesiva para fijarlo en su lugar.
Asegurando de que el ventilador esté orientado de manera
que el flujo de aire sea dirigido hacia arriba. Con esto se
asegurará, en ajustar el flujo de aire, para que cuando se
encienda el ventilador se mantenga el control adecuando, sin
presentar fugas de esta. El Tubo cuadrado de aluminio será
establecido como el soporte de los tres tubos, en forma de
una U, donde la misma estén sujetos a la base y mantengan
una cierta separación entre cada tubo como se ve en la figura
13.
Departamento de Ingeniería Mecatrónica Control I (IMT-245) / Avance de proyecto @ 05/2023
Universidad Católica Boliviana "San Pablo" – Unidad Santa Cruz
Figura 13 Muestra de referencia de los tubos
IV. METODOLOGIA
A. Implementacion de Sistemas de Control con
MATLAB y Arduino
Un microcontrolador del tipo Arduino se conecta a
MATLAB para implementar un sistema de control de
procesos en el que se utiliza un actuador para influir en el
proceso y se retroalimenta con una señal de un sensor. El
sistema se utiliza para controlar la salida de plantas, que
actúan como sensores en este caso.
Sin embargo, la señal de los sensores tiene ruido, lo que
significa que la señal se encuentra contaminada con
información no deseada. Además, el sistema no cuenta con
una placa de acondicionamiento de señal que filtre el ruido
de la señal, lo que puede afectar negativamente la precisión
del sistema de control.
Por lo tanto, se podría inferir que una posible mejora para
el sistema sería la adición de una placa de acondicionamiento
de señal que filtre el ruido de la señal de los sensores antes
de que se utilice en el proceso de control. Esto podría ayudar
a mejorar la precisión del sistema y hacer que los resultados
del control sean más fiables y precisos.
Figura 14 Diagrama de bloques MATLAB-Arduino
En este caso se utiliza las siguientes variables:
• PV = Variable del Proceso
• MV= Variable Manipulada
• CO = Salida del controlador
B. Modelos de sistema Empirico del proceso
Tenemos que considerar que, con el fin de llevar a cabo
el control del reloj de aire, es necesario analizar la dinámica
de cada componente del reloj, es decir, la hora, los minutos y
los segundos. En esta primera etapa, vamos a comparar cómo
responde nuestra planta empírica ante un escalón. En
relación con las horas, asumimos que la referencia siempre
se mantiene constante hasta que llega a los 60 minutos y
luego da un salto unitario. Por lo tanto, no deberíamos tener
mayores problemas al elegir nuestro valor de tau “τ” es la
constante de tiempo del sistema, ya que podría estabilizarse
sin dificultad con un retraso de algunos segundos. Hemos
decidido seleccionar un retraso de 2 segundos.
Figura 15 Código Matlab implementado
Tomamos en consideración que el valor de tau debe ser
de 2 segundos, dado que ese es el tiempo que necesitamos
para que el sistema se estabilice con una ganancia unitaria.
Dado que el tiempo avanza de manera unitaria en horas,
procedemos a realizar una simulación del comportamiento
dinámico necesario.
El sistema de Primera Orden cuenta con la siguiente
ecuación:
• Función de trasferencia continua
𝐾
𝐺(𝑠) =
𝜏𝑠 + 1
• Ecuación a diferencias discretas
𝑦(𝑘) = −𝑎1 𝑦(𝑘 − 1) + 𝑏𝑜 𝑢(𝑘 − 1)
Al analizar la dinámica del sistema de primer orden,
hemos llegado a la conclusión de que es posible elegir
valores pequeños tanto para la ganancia como para el tiempo
pico a pico, el período de oscilación y el número de ciclos ya
que estaríamos hablando de las horas ya que deben pasar 59
minutos para que esta referencia suba un escalón. Con el
objetivo de obtener una comprensión más clara del
comportamiento, hemos decidido utilizar una ganancia
unitaria, tres unidades para el número de ciclos y un período
"t" de 2 segundos para esta simulación.
Figura 18 Parámetros iniciales Matlab para sistema de
segunda orden
El sistema de segunda orden cuenta con las siguientes
ecuaciones:
• Función de trasferencia continua
𝑎𝑏
𝐺(𝑠) =
(𝑠 + 𝑎) ∗ (𝑠 + 𝑏)
𝑌
𝐺=
𝑈

Figura 16 función de transferencia 1ra orden continua en

Matlab

• Función de Transferencia discreta

𝑏𝑜 ∗ 𝑧 −1
𝐺(𝑧 −1 ) =
1 + 𝑎1 𝑧 −1
𝑇
𝑏𝑜 = (1 − 𝑒 − 𝜏 )𝐾 Figura 19 función de transferencia 2da Orden continua en
Matlab
𝑇
𝑎1 = −𝑒 − 𝜏
• Función de Transferencia discreta
−1 )
𝑌(𝑧 −1 )
𝐺(𝑧 = 𝑏𝑜 ∗ 𝑧 −1 + 𝑏𝑜 ∗ 𝑧 −2 𝑌(𝑧 −1 )
𝑈(𝑧 −1 ) 𝐺(𝑧 −1 ) = =
1 + 𝑎1 𝑧 −1 + +𝑎1 𝑧 −2 𝑈(𝑧 −1 )
𝑏(1 − 𝑒 −𝑎𝑇 ) − 𝑎(1 − 𝑒 −𝑏𝑇 )
𝑏𝑜 =
𝑏−𝑎
𝑎(1 − 𝑒 −𝑏𝑇 ) − 𝑏(1 − 𝑒 −𝑎𝑇 )𝑒 −𝑏𝑇
𝑏1 =
𝑏−𝑎
𝑎1 = −(𝑒 −𝑎𝑇 + 𝑒 −𝑏𝑇 )

Figura 17 función de transferencia 1ra orden usando ZOH

Matlab

Departamento de Ingeniería Mecatrónica Control I (IMT-245) / Avance de proyecto @ 05/2023

Universidad Católica Boliviana "San Pablo" – Unidad Santa Cruz

Figura 20 función de transferencia 2da orden usando ZOH
Matlab
• Ecuación a diferencias discretas
𝑦(𝑘) = −𝑎1 𝑦(𝑘 − 1) − 𝑎2 𝑦(𝑘 − 1) + 𝑏1 𝑢(𝑘 − 1) + 𝑏2 𝑢(𝑘 − 1)
C. Respuestas dinamicas ante un escalon de las
funciones de transferencia
que se realizó en el en cada bloque del sistema
Figura 21 Respuesta al escalón al sistema de primera orden
Figura 22 Respuesta al escalón al sistema de segunda orden
Figura 23 Comparando los dos sistemas con respuesta al
escalón
D. El diagrama de bloques del sistema de posicion
En la Fig.24 se puede observar el diagrama de bloques
del sistema de posicionamiento de una bolita, En este caso se
debe considerar las siguientes variables para el sistema:
Departamento de Ingeniería Mecatrónica Control I (IMT-245) / Avance de proyecto @ 05/2023
Universidad Católica Boliviana "San Pablo" – Unidad Santa Cruz
• PV = Variable del Proceso es la posición para que
no permitirá en medir mediante la cámara.
• MV= Variable Manipulada es este caso es la
cantidad de aire que saca el actuador .
• CO = Salida del controlador es una señal PWM para
activar al driver del motor.
Figura 24 Diagrama de bloques del sistema de posición
E. Pipeline del Sensor de Camara
En la Fig.25 muestra el pipeline del proyecto y se explica
Figura 25 Pipeline del proyecto
1. Calibración de la Cámara: El primer paso consiste
en encontrar los parámetros internos y externos que
presente la cámara poniendo con un ajedrez para
detectar los bordes y mostrar el centrado de la
cámara y patrón.
2. Adquisición de la imagen: Se adquiere la imagen de
la pelota utilizando el sensor de color. En este
punto, se pueden ajustar los parámetros del sensor
para asegurarse de que la imagen adquirida tenga
una calidad adecuada.
3. Preprocesamiento de la imagen: En este paso, se
aplican técnicas de preprocesamiento de imágenes
para mejorar la calidad de la imagen adquirida. Esto
puede incluir la corrección de la iluminación, la
reducción de ruido y la eliminación de fondos no
deseados.
4. Detección del color rojo: En este punto, se procesa
la imagen preprocesada para detectar la presencia
del color rojo. Esto se puede lograr mediante
técnicas de segmentación de color, como la
conversión de la imagen a espacio de color REG y
la definición de umbrales adecuados.
5. Extracción de características: Se extrae las
características del objeto como el color y el tamaño.
6. Envío de datos al sistema de control: Al estar
segmentado el objeto se muestra en que localización
en el plano de vista de la cámara, mostrándonos la
data del objeto (en este caso de la pelota).
7. Control de la posición: Cuando la cámara detecta a
la pelota se genera un punto de referencia que se
une con el centroide del objeto para que marque una
referencia de posición, esta referencia va a entrar al
sistema del reloj
 8. Visualización de los resultados: Finalmente, se
pueden visualizar los resultados en MATLAB
mediante la representación gráfica de la posición
actual y deseada de la pelota
a. Explicacion del codigo
9. En esta sección se inicializa los parámetros para
limpiar las variables anteriores, en la variable cam
se inicializa la webcam de ahí se genera la barra de
espera en wb en el en la Fig.26

Figura 28 Preprocesamiento de Imagen y Segmentación

En el Fig. 29 muestra el cálculo del área segmentada en

la imagen en base al reconociendo del color rojo y con ello
se genera un centroide en el objeto de la imagen, se muestra
un Bounding Box, alrededor del objeto y poniendo sus
coordenadas en ese instante.

Figura 26 Limpiando las variables anteriores y inicializando la

barra de espera

En el Fig.27 de ahí se obtiene las dimensiones de la

cámara para saber cuánto mide la imagen que proyecta la
cámara en base a su resolución, seguido a esto se genera un
punto de referencia que nos ayudara a ver la distancia entre
el centroide del objeto y el punto fijo.

Figura 29 Propiedades del Bounding Box

En la Fig.30 al tener las coordenadas ya seleccionadas del

Figura 27 Adquiriendo las dimensiones de la cámara y
coordenadas del punto
punto fijo , se realiza el dibujo para que se vea en tiempo
real, se realiza un línea que va unir el centroide del objeto
sustraído(es decir de la pelota) con el punto fijo, de ahí se
calcula el ecuación euclidiana para ver la distancia entre esos
dos puntos que está en unidad de pixeles para ello se hace
una conversión para que esa medida se convierta en
centímetros, imprimiendo la distancia en pixeles y
centímetros cerrando el ciclo For de la detección del objeto.

En la Fig.28 Aquí se inicializa el while donde se va a

ejecutar las operaciones en la imagen de la cámara, se
substrae el objeto de la imagen de la cámara, de ahí se
implementa un filtro de medias, de ahí se utiliza operaciones
morfológicas de openin para llenar pequeños agujeros, de ahí
se va a eliminar un área menor a 8000 pixeles, de ahí rellena
los espacios en blanco que se puedan observar en la imagen.

Departamento de Ingeniería Mecatrónica Control I (IMT-245) / Avance de proyecto @ 05/2023

Universidad Católica Boliviana "San Pablo" – Unidad Santa Cruz
 Figura 30 Dibujo del punto y distancia del objeto
En la Fig.31 se muestra la finalización de la barra de
espera y cerrando el ciclo While cuando se ponga en cancelar
y imprime las dimensiones de la camara.
Figura 31 Finalización de la cámara e impresión de la
resolución
F. Calibracion de la Camara
En la Fig.32 se muestra los parámetros de la cámara
estimados y sus errores estándar correspondientes. Estos
parámetros se dividen en intrínsecos y extrínsecos.
Departamento de Ingeniería Mecatrónica Control I (IMT-245) / Avance de proyecto @ 05/2023
Universidad Católica Boliviana "San Pablo" – Unidad Santa Cruz
Figura 32 Parámetros de la Cámara
En los parámetros intrínsecos, se incluyen:
1. Longitud focal (en píxeles): Se proporcionan dos
valores para la longitud focal con sus respectivos errores
estándar. Representa la distancia entre el centro óptico de la
cámara y el plano de la imagen en píxeles.
2. Punto principal (en píxeles): También se proporcionan
dos valores con errores estándar. Representa las coordenadas
del punto principal de la imagen, que es el punto donde los
rayos de luz convergen en el plano de la imagen.
3. Distorsión radial: Se proporcionan dos valores con
errores estándar. La distorsión radial es causada por la forma
de la lente de la cámara y puede introducir distorsiones en la
imagen. Estos valores indican el grado de distorsión radial
presente.
En los parámetros extrínsecos, se incluyen:
1. Vectores de rotación: Se muestran varios vectores de
rotación con sus errores estándar correspondientes. Estos
vectores representan las rotaciones en los ejes X, Y y Z
necesarias para alinear el sistema de coordenadas de la
cámara con el mundo real.
2. Vectores de traslación: Se proporcionan varios
vectores de traslación con errores estándar. Estos vectores
representan las traslaciones en los ejes X, Y y Z necesarias
para ubicar la cámara en el sistema de coordenadas del
mundo real.
Estos parámetros se obtienen mediante la calibración de
la cámara, que implica tomar varias imágenes de un objeto
con características conocidas (como un tablero de ajedrez)
desde diferentes ángulos y distancias. El proceso de
calibración ajusta los parámetros de la cámara para
minimizar los errores de Re-proyección.
Es importante destacar que estos parámetros pueden
variar en función de las condiciones específicas de la cámara
y del proceso de calibración utilizado. En este caso, se
mantuvo una distancia constante de 2 mm entre los cuadros
del tablero de ajedrez utilizado en cada calibración.
En la Fig.33 se puede observar cómo se realizó la calibración
 B. Resultados del Controlador PID de primera orden
con referencia de minutos simulacion

Figura 33 Prueba de Calibración de la cámara

Figura 36 Grafico De seguimiento de referencia, de error y
V. RESULTADOS control

A. Resultados del Controlador PID de primera orden
con referencia de horas simulacion
En la Figura 36, se puede observar que la referencia está
expresada en minutos y tiene una ganancia unitaria hasta 60.
En base a esto, se ha proyectado un controlador PID a nivel
de simulación. Sin embargo, se ha identificado que la
variable manipulada presenta un crecimiento considerable y
excede los límites de control establecidos para un ventilador.
Ante esta situación, existen diversas opciones que podríamos
considerar. Una de ellas es acondicionar la señal de entrada o
modificar nuestro proceso. Otra alternativa es aplicar una
saturación a la señal de control, estableciendo límites hasta
12. Actualmente, se están llevando a cabo pruebas y ensayos
con el objetivo de mejorar esta área problemática.

Figura 34 Grafico de seguimiento de referencia, de error y

control

En la Figura 34, se observa una referencia en horas. Por

lo tanto, procedemos a diseñar un controlador PID a nivel de
simulación. Sin embargo, notamos que la variable
manipulada presenta un crecimiento significativo y supera
los límites de control establecidos para un ventilador. Ante
esta situación, podríamos considerar opciones como
acondicionar la señal o modificar nuestro proceso.
Actualmente, se están llevando a cabo pruebas y ensayos con
el objetivo de mejorar esta problemática.
Figura 37 Dinámica del controlador PID simulación para los
minutos

C. Resultados del Sensor

En la Fig. 38 se puede observar que hubo la detección del
objeto en base a la segmentación del canal rojo, pudiendo
conectar el punto fijo con el centroide sin tener problemas

Figura 35 Dinámica del controlador PID simulación para las

horas

En esta figura se puede acercar el controlador, y ver la

dinámica de cómo está el seguimiento con respecto a la
referencia.
Figura 38 Detección del objeto en la Imagen original

Departamento de Ingeniería Mecatrónica Control I (IMT-245) / Avance de proyecto @ 05/2023

Universidad Católica Boliviana "San Pablo" – Unidad Santa Cruz
En la Fig.39 se puede observar la detección del objeto
mostrando como se aplica thresholding al objeto en el canal
rojo, mostrando que segmentación reconoce bastante al
objeto, pero debido al ruido muestra un poco de
imperfecciones
Figura 39 Detección del objeto con Thresholding
En la Fig.40 se puede observar cómo está registrando los
datos el sensor con respecto a la distancia entre ambos
puntos, teniendo un valor demasiado grande con respecto al
desplazamiento que se le mueve
Figura 40 Registro de Datos de la distancia entre puntos
En la Fig.41 se puede observar que, al hacer pruebas con el
tubo, la pelota se puede detectar con una luz que ayuda a la
cámara a ver en qué tipo de canal de color que se encuentra
el objeto.
Figura 41 Detección dentro del tubo
Departamento de Ingeniería Mecatrónica Control I (IMT-245) / Avance de proyecto @ 05/2023
Universidad Católica Boliviana "San Pablo" – Unidad Santa Cruz
VI. DISCUSION Y CONCLUSIONES
Por la parte del sensor se puedo observar falencias a la hora
de detectar la pelota dentro del tubo, ya que por el ruido y la
poca luz en la zona de interés a la cámara se le dificulta en
observar el color de la cámara haciendo que simplemente no
detecte, una solución fiable es poner luz en la parte de la base
para evitar tener mucho espacio dentro del tubo.
La calibración de la cámara se ha generado problemas
debido a que no se puedo encontrar un lugar en donde se
pueda mantener fija la cámara debido a que no se contaba
con la ubicación exacta de la estructura generando que el
valor de pixel varie, de manera experimental se dejo que
cada pixel vale 2cm.
Con respecto a los controladores, es importante considerar la
variable manipulada y definir adecuadamente el proceso, así
como saturar la señal de control.
Para verificar experimentalmente el proceso, podemos crear
una tabla que muestre la altura alcanzada al aplicar ciertos
voltajes. Además, utilizaremos MATLAB junto con la
función encontrada en Simulink para realizar una estimación
para diferentes polos y zeros ver que tanto porcentaje de
estimación de función de transferencia sería interesante ver
estas dinámicas. También utilizaremos el tracker
recomendado por el ingeniero, grabando un video para
observar la dinámica del ventilador con el tubo y estimar otra
función de transferencia del proceso.
Lamentablemente, aún no hemos concluido el desarrollo del
controlador PID para los segundos. No obstante,
continuaremos avanzando a medida que transcurra la
semana. Nuestro plan consiste en vincular estos
controladores al pseudocódigo proporcionado por el
ingeniero, el cual se refiere a la automatización de la
referencia que estaría conectado a la hora actual de la
computadora.
VII. BIBLIOGRAFIA
[1] K. J. Astrom and T. Hägglund, Advanced PID control. 2006.
[2] M. A. Johnson and M. H. Moradi, PID Control New
Identification and Design Methods, vol. 1. London, 2005.
[3] A. O’Dwyer, HANDBOOK OF PI AND PID CONTROLLER
TUNING RULES, 3er ed., vol. 3er. Imperial College Press,
2009.
[4] P. Bhanu, C. Bhushan, K. Sujatha, M. Venmathi, and A. Nalini,
“Load frequency controller with PI controller considering
non-linearities and boiler dynamics,” in International
Conference on Sustainable Energy and Intelligent Systems
(SEISCON 2011), 2011, pp. 290–294. doi:
10.1049/cp.2011–4. doi: 10.1109/EWDTS.2018.8524784.