Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tesis de Pregrado Final
Tesis de Pregrado Final
Julio 2023
2
Índice general
Abstract 1
Resumen 3
1. Introducción 5
1.1. Motivación y contexto . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2. Planteamiento del problema . . . . . . . . . . . . . . . . . . . . . . . 5
1.3. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3.1. Objetivo general . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3.2. Objetivos especı́ficos . . . . . . . . . . . . . . . . . . . . . . . 6
1.4. Metodologı́a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4.1. Lı́nea(s) de investigación . . . . . . . . . . . . . . . . . . . . . 6
1.4.2. Tipo de investigación . . . . . . . . . . . . . . . . . . . . . . 6
1.4.3. Métodos para experimentos y pruebas . . . . . . . . . . . . . 6
1.4.4. Formas de comprobación . . . . . . . . . . . . . . . . . . . . 7
1.5. Consideraciones Complementarias . . . . . . . . . . . . . . . . . . . 7
1.5.1. Recursos y Materiales . . . . . . . . . . . . . . . . . . . . . . 7
1.5.2. Cronograma de Trabajo . . . . . . . . . . . . . . . . . . . . . 8
2. Marco Teórico 9
2.1. Modelamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.1.1. Sistema de referencia . . . . . . . . . . . . . . . . . . . . . . . 9
2.1.2. Cinemática . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.1.3. Dinámica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.1.4. Torques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2. Control de orientación . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2.1. Control LQR (Linear Quadratic Regulator) . . . . . . . . . . 14
2.2.2. Controlador PID . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2.3. Microcontroladores . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3. Determinación de orientación . . . . . . . . . . . . . . . . . . . . . . 16
2.3.1. Sensores de Unidad de Medición Inercial (IMU) . . . . . . . . 16
2.3.2. Filtro de Kalman . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.3.3. Filtro Complementario . . . . . . . . . . . . . . . . . . . . . . 19
i
ii ÍNDICE GENERAL
5. Simulaciones 33
5.1. Simulación del modelamiento del sistema de control . . . . . . . . . 33
6. Conclusiones 35
Índice de figuras
iii
iv ÍNDICE DE FIGURAS
Índice de cuadros
v
vi ÍNDICE DE CUADROS
Algoritmos
vii
viii ALGORITMOS
Abstract
1
2
Resumen
3
4
Capı́tulo 1
Introducción
5
colocarlos en la dirección correcta antes de accionarlos. Por los requerimientos men-
cionados y para solucionar los problemas que se generan en el espacio, es necesario
contar con un sistema de control de orientación preciso que permita dirigir el satélite
hacia donde se demande y logre corregir y/o estabilizar su orientación en caso de
perturbaciones, además que su construcción tenga un costo bajo.
1.3. Objetivos
1.3.1. Objetivo general
Realizar la construcción del sistema de control y orientación para un nano-satélite
cubesat de una unidad (1U), haciendo uso de ruedas de reacción como actuadores
y unidades de medición inercial (IMU, del inglés Inertial Measurement Unit) como
sensores.
1.4. Metodologı́a
1.4.1. Lı́nea(s) de investigación
Las lı́nea sectorial de la Escuela Profesional (EP) de Ingenierı́a Electrónica y de
Telecomunicaciones (IET) que encaja con este proyecto es la de control y automati-
zación, debido a que se busca conseguir como resultado final el control y orientación
de un nano-satélite CubeSat.
6
1.4.4. Formas de comprobación
2. Impresora 3D: Será usado para imprimir parte de la estructura del CubeSat.
La universidad ya cuenta con este equipo.
7
1.5.2. Cronograma de Trabajo
8
Capı́tulo 2
Marco Teórico
2.1. Modelamiento
2.1.1. Sistema de referencia
Las definiciones para esta sección de sistema de referencia fueron obtenidas del
libro [GLHVSS+ 16], este documento se usará también para las secciones 2.1.2 y
2.1.3.
El cuerpo elegido para representar al satélite de una unidad (1U) será un cubo
(por estándar tendrá las medidas de x = 0,1m, y = 0,1m y z = 0,1m), este se
observa en la figura 2.1. Al cuerpo elegido se le aplicará análisis en cinemática y
dinámica. Para esta evaluación es necesario determinar el sistema de referencia en
base al que se van a expresar los modelos. Teniendo en cuenta la figura 2.1 b) Fi
representa al marco de referencia inercial, donde el origen es el centro de la tierra;
mientras que Fb representa el marco de referencia del cuerpo, donde el origen es el
centro de la masa del cuerpo.
9
2.1.2. Cinemática
La cinemática estudia el movimiento de los cuerpos, pero no tiene en cuenta
las fuerzas o pares que los producen [MC14]. Sus ecuaciones, para este trabajo, se
encuentran en función de la velocidad angular. La representación de la cinemática
de cuerpos rı́gidos respecto a un marco de referencia se puede representar con los
ángulos de Euler y los cuaterniones.
Ángulos de Euler
Los ángulos de Euler describen la rotación de un cuerpo rı́gido, y son repre-
sentados por la terna (ϕ, θ, ψ) [GPS02]. Estos ángulos, que tendrán giros alrededor
del cuerpo, se pueden determinar de la siguiente manera: Roll(ϕ) ángulo de giro en
torno al eje x, Pitch (θ) ángulo de giro en torno al eje y, y Yaw(ψ) ángulo de giro
en torno al eje z.
Para pasar de un marco de referencia a otro se hace uso de la matriz de rotación,
que está representada con los ángulos de Euler y se origina a partir del producto de
las matrices Bϕ , Bψ y Bθ , estas representan a las matrices de rotación de cada uno
de los ejes.
1 0 0
Bϕ = 0 cosϕ sinϕ (2.1)
0 −sinϕ cosϕ
cosθ 0 −sinθ
Bθ = 0 1 0 (2.2)
sinθ 0 cosθ
cosψ sinψ 0
Bψ = −sinψ cosψ 0 (2.3)
0 0 1
Al escoger la secuencia de rotación ψ −→ θ −→ ϕ se estarı́a indicando que
primero se desea un giro en z, después en y y por último en x, obteniendo como
matriz de rotación Bϕθψ .
cosθcosψ cosθsinψ −sinθ
Bϕθψ = −cosϕsinψ + sinϕsinθcosψ cosϕsinψ + sinϕsinθsinψ sinϕcosθ
sinϕsinψ + cosϕsinθcosψ −sinϕcosψ + cosϕsinθsinψ cosϕcosθ
(2.4)
Cambiando la secuencia de rotación, se puede obtener 12 posibles combinaciones,
incluyendo la de la ecuación 2.4, estas matrices se pueden examinar en [Sid97].
Los ángulos de Euler tienen la ventaja de que su representación tiene una inter-
pretación fı́sica clara, pero como desventaja tienen que la matriz de transformación
se puede convertir en una matriz singular para algunos ángulos, lo provocarı́a la
pérdida de movilidad en uno de los ejes del cuerpo, y por ende, problemas en el al-
goritmo de control del sistema. Este problema de singularidad puede evitarse usando
la representación mediante cuaterniones.
Cuaterniones
La matriz de transformación puede ser representada por los cuaterniones, que
acepta una representación vectorial como:
q = (q4 , q) (2.5)
10
donde q representa al componente vectorial, q = (q1 , q2 , q3 ) y es un elemento que
pertenece conjunto real [GLHVSS+ 16].
La representación con cuaterniones para la matriz de transformación se puede
expresar de la siguiente manera:
1
q̇ = Ω(ω)q (2.6)
2
donde
0 −ωx −ωy −ωz
ωx 0 ωz −ωy
Ω(ω) =
ωy −ωz
(2.7)
0 omegax
ωz ωy −ωx 0
El desarrollo de las ecuaciones de cuaterniones se puede apreciar de manera más
clara en [Yan12].
2.1.3. Dinámica
Considerando la derivación matemática para la dinámica de un satélite que se
hizo en [GLHVSS+ 16]. Se tiene que el momento angular del satélite respecto al
centro de su masa será h, esto desde un marco de referencia fijo en el cuerpo(Fi ),
además será relacionado con el momento de inercia I en la siguiente ecuación:
h = Iωi (2.8)
Donde ωi es la velocidad angular del cuerpo rı́gido del satélite observado desde un
marco de referencia inercial (Fi ). Teniendo en cuenta este marco, también se puede
considerar al momento angular respecto a su centro de masa que será representado
por hi . Al aplicar un torque al satélite, se tendrá como resultado la derivada del
momento angular del cuerpo que se observa en la siguiente ecuación:
dhi
τ= (2.9)
dt
El torque también se puede escribir como en la ecuación 2.10, esto tomando en
cuenta el marco de referencia del cuerpo Fb .
dh
τ =( )b − ωi × h (2.10)
dt
El torque aplicado al cuerpo al usar la definición de momento angular es:
dωi
τ =I − ωi × h (2.11)
dt
Al considerar que los ejes principales coinciden con los ejes del cuerpo, se formará
una matriz diagonal que representará al momento de inercia I:
Ix 0 0
I = 0 Iy 0 (2.12)
0 0 Iz
11
mientras que los torques de los componentes se expresarán de la siguiente ,ma-
nera:
τx = Ix dω
dt + (Iz − Iy )ωz ωy
x
dωy
τy = Iy dt + (Ix − Iz )ωx ωz
(2.14)
τz = Iz dω
dt + (Iy − Ix )ωy ωx
z
2.1.4. Torques
Las definiciones de los torques de control y perturbación para satélites en órbita
se extrajeron de los trabajos [Ove04] [PC20].
Torques de control
1. Torque magnético: Este se produce por la reacción de las bobinas magnéti-
cas o magnetorquers al campo magnético de la tierra. La corriente pasa a
través de los devanados produciendo un dipolo, esto se utiliza para que los
magnetorquers reaccionen al campo magnético de la tierra y sitúen al satélite
en la posición correcta.
Torques de perturbación
1. Radiación solar: La actividad solar provoca partı́culas conocidas como ra-
diación solar, que es una perturbación variable cuyos efectos son mayores a
más altitud. Esta radiación produce variaciones periódicas en los elementos
orbitales, sobre todo en objetos con gran superficie y ligeros.
La intensidad de la radiación solar varı́a con el tiempo, lo que dificulta el
cálculo para obtener su energı́a y frecuencias, por lo que el análisis se realiza
considerando la constante de radiación solar SF:
SF = 1353W/m2 (2.15)
SF 1353 W/m2
pS R = = = 4,51 × 10− 6N/m2 (2.16)
c 3 × 108 m/s
El valor de CR se encuentra entre 0.0 y 2.0, donde 0.0 indica que el cuerpo es
transparente a las fuerzas de radiación solar, con 1.0 absorbe toda la radiación,
12
y con 2.0 toda la radiación se refleja y el doble de fuerza es transmitido al
satélite.
FS R −pS R ∗ CR ∗ A⊙
aradiation = = (2.18)
m m
La dirección de la aceleración siempre estará alejada del sol, por lo tanto,el
vector de distancia se convertirá en un vector unitario que va contener el vector
de dirección entre el satélite y el sol:
−pSR ∗ CR ∗ A⊙ ⃗r⊙sat
⃗aradiation = (2.19)
m |⃗r⊙sat |
1 2 1
τaero = V Cd Ainc (uv × (cpa − cg)), Faero = V 2 Cd Ainc (2.21)
2ρ 2ρ
Donde:
13
Cd Coeficiente de arrastre
V Velocidad (m/s)
cpa Centro de presión
cg Centro de masa
3. Ruido interno: Este torque es generado por fuentes internas del satélite,
que se produce cuando los circuitos eléctricos generan un campo magnético
que interactúa con el campo de la tierra. Esto se tendrı́a que evitar constru-
yendo circuitos eléctricos que reduzcan al mı́nimo la creación de estos campos
magnéticos. En caso se utilice magnetómetros en el satélite, también se deberı́a
incluir filtros pasabajos con el fin de evitar picos altos de las perturbaciones.
d
x = f (xu) (2.23)
dt
y = g(x, u) (2.24)
El sistema linealizado para desplazamientos pequeños alrededor de un punto fijo,
se puede describir como:
d
x = Ax + Bu (2.25)
dt
y = Cx + Du (2.26)
Donde A, B, C y D son las matrices que representan el espacio de estado y cuya
derivación se encuentra de manera detallada en [BK19].
14
estado de cero y el costo del accionamiento son ponderados por las matrices Q y R,
respectivamente.
Z t
J(t) = x(τ ) ∗ Qx(τ ) + u(τ ) ∗ Ru(τ ) dτ (2.27)
0
Esta función coste puede ser minimizada lı́mt→∞ J(t) por la ley del regulador
lineal cuadrático (LQR) u = −Kr x. LQR es una ley de control que se usa en siste-
mas lineales para regular el estado del sistema, minimizando una función de costo
cuadrático, como la que se observa en la ecuación 2.27. Considerando todo lo an-
terior, existe una solución analı́tica para obtener ganancias óptimas del controlador
K, y está dado por:
Kr = R−1 B ∗ X (2.28)
Donde X es la solución a una ecuación algebraica de Riccati:
A ∗ X + XA − XBR−1 B ∗ X + Q = 0 (2.29)
La resolución con Riccati para X, y por ende Kr , tiene mucha complejidad; sin
embargo, actualmente ya se tienen muchas formas de solución en distintos lenguajes
de programación, como en el caso de Matlab, donde Kr se puede obtener haciendo
uso de:
||>> Kr = l q r (A, B, Q,R ) ;
El esquema del controlador LQR se muestra en la figura 2.3, esto para una
retroalimentación óptima de estado completo.
15
En la figura 2.4 se puede observar el diagrama de bloques de un controlador PID,
donde u(t) representa a la señal deseada que se quiere obtener. A esta señal se resta
la señal de salida del ”PROCESO”para obtener la señal de error e(t)
2.2.3. Microcontroladores
Los microcontroladores son circuitos integrados programables con capacidad de
ejecutar instrucciones para controlar o automatizar procesos. Para elegir el que se
adapte más a al desarrollo de este proyecto se realizaron algunas comparaciones que
se observan en la tabla 2.1.
RAPSBERRY
COMPONENTE PIC ARDUINO ESP8266 ESP32
PI
PIC24FJ Tensilica Tensilica
MCU NANO ZERO W
256GA1100 LX106 Xtensa LX6
INSTRUCCIONES 16 bits 16 bits 32 bits 32 bits 32 bits
RAM 16 KB 2 KB 512 MB 80 KB 520 KB
FLASH 256 KB 16 KB No 4 MB 16 MB
I2C 3 1 2 1 2
ADC 16ch/10bits 8ch/10bits 10ch/12bits 1ch/10bits 18ch/12bits
USB 1 1 1 1 1
VOLTAJE 2 a 3.6 V 5V 5V 3.0 a 3.6V 2.2 a 3.6V
CONSUMO
4.4 a 5.6 mA 300mA 230mA 225mA 225mA
DE CORRIENTE
PRECIO 6.28 $ 7$ 45 $ 7$ 12 $
16
Figura 2.5: Microcontrolador ESP8266.
Para el presente trabajo se decidió usar tres sensores de unidad de medición iner-
cial (IMU): acelerómetro, giroscopio y magnetómetro. Se logró adquirir un módulo
con los dos primeros sensores, el MPU6050 que se observa en la figura 2.8;pero no
se consiguió un módulo que incluyera los tres sensores, por lo que el magnetómetro
fue adquirido aparte.
17
Figura 2.8: Sensor MPU6050
d
x = Ax + Bu + wd (2.30)
dt
y = Cx + Du + wd (2.31)
18
E(wd (t)wd (τ )∗ ) = Vd δ(t − τ ) (2.32)
d
x̂ = Ax̂ + Bu + Kf (y − ŷ) (2.34)
dt
ŷ = C x̂ + Du (2.35)
Teniendo en cuenta que las matrices A, B, C y D se obtienen del modelo del
sistema, y la ganancia del filtro Kf se determina por:
Kf = Y C ∗ Vn (2.36)
La solución anterior se conoce como filtro de Kalman, que es el estimador de
estado completo óptimo respecto a la siguiente función costo de la ecuación (ref a
la ecuación 8.61), que de manera implı́cita incluye los efectos de la perturbación y
el ruido, necesarios para el equilibrio óptimo entre la estimación y la atenuación del
ruido.
||>> Kf = ( l q r (A’ , C’ , Vd , Vn ) ) ’ ;
19
Figura 2.10: Esquema del filtro de Kalman [BK19].
20
Capı́tulo 3
21
independiente tres componentes ortogonales del campo magnético haciendo uso de
transductores magnetorresistivos, puede detectar campos de hasta más o menos
2gauss con una precisión de 40ugauss. En cuanto al control de orientación, utiliza
tres bobinas ubicadas en cada uno de los tres ejes de ION, estas bobinas son usadas
para generar un campo magnético, este al interactuar con el campo magnético de la
tierra tendrá la capacidad de cambiar la orientación del satélite. Estos actuadores
trabajan junto con un regulador cuadrático lineal (LQR), que tiene como objetivo
encontrar el control óptimo para minimizar la función de coste, para cumplir esto
se debe suponer que hay un sistema en el que la dinámica del estado es constante,
pero la de la entrada varı́a con el tiempo. Para aplicar el LQR al sistema de control
del ION, el vector de estado debe consistir en la orientación y la velocidad angu-
lar del sistema de coordenadas del cuerpo fijo con respecto al marco de referencia
inercial. Los resultados de este trabajo indican que la ley de control LQR funciona
satisfactoriamente en algunas circunstancias.
22
El controlador utilizado para manejar las ruedas de reacción es un proporcional
derivativo (PD), cuyas entradas son el vector de error de cuaternión y el vector de
velocidad angular del cuerpo con referencia a la órbita. Mientras que las salidas serán
el vector de torque de control, que es la entrada del sistema de ruedas de reacción.
23
3.5. Conclusiones / Apreciaciones finales / Miscelánea
La tabla 3.1 muestra de forma resumida el modelamiento del sistema, los ac-
tuadores, controladores, sensores y estimadores que se usó en cada trabajo descrito
anteriormente.
24
Capı́tulo 4
Para el diseño del modelo de control de orientación se debe tener en cuenta las
restricciones que tendrá el satélite, que son principalmente en masa, pues se desea que
el satélite tenga un peso máximo de 1.3 kg, y volumen, que será de 1U (10x10xcm)
debido a que debe cumplir con el estándar CubeSat. Los requisitos de precisión en la
orientación o del tiempo de respuesta no están planteados, se desea que sean óptimas
pero cumpliéndo siempre los requisitos de masa y volumen planteados.
Figura 4.1: Representación gráfica de data calibrada y sin calibrar del magnetómetro.
25
Estos errores están causados por las distorsiones de hierro duro y de hierro blan-
do. Las distorsiones de hierro duro provienen de campos magnéticos permanentes
como lo imanes, metales magnetizados, cables de alta corriente, entre otros. La cer-
canı́a del sensor con estos campos magnéticos causará desviaciones, haciendo que la
esfera de mediciones se desplace del origen.
Por otro lado, se tiene a las distorsiones de hierro dulce, estas provienen de ma-
teriales paramagnéticos como el hierro, el acero, el nı́quel y la fibra de carbono,
estos materiales generan una especie de campo magnético propio cuando un campo
magnético pasa cerca o a través de ellos. Estas distorsiones causarán la desviación
y reducción del campo magnético de la tierra, haciendo que la esfera de mediciones
adquiera una forma de elipsoide. Otros errores también se pueden originar por la
forma de fabricación, cambios bruscos de temperatura y de aceleraciones.
→
− →
−
m calib = A ∗ (→
−
m sensor − b ) (4.1)
→
−
Para obtener los parámetros de las matrices A y b , que nos permitan hacer un
ajuste de la elipsoide, existen softwares que nos ayuden con el cálculo, como son
M agneto y M atlab. Para el presente trabajo se eligió usar el software de Matlab
debido a su simplicidad pues solo implica capturar la data en crudo, guardarlo en
un archivo .txt y compilar las siguientes lı́neas de código:
→
− →
−
m calib = →
−
m sensor − b (4.2)
→
−
La matriz b que se puede obtener sacando un promedio de todas las muestras para
cada eje, o usando también el software de M atlab, teniendo en cuenta las siguientes
lı́neas de código.
x=l o a d ( ’MPUgy−r e a d i n g s . txt ’ )
[ A, b , expMFS ] = magcal ( x ) ;
26
Figura 4.2: Data calibrada y sin calibrar del magnetómetro representada en un plano
de tres dimensiones.
Figura 4.3: Data calibrada y sin calibrar del magnetómetro representada en un plano
de tres dimensiones.
En la figura 4.4 se puede observar, en color rojo, las señales de la data pura
del giroscopio para los ejes X 4.4a, Y 4.4b y Z 4.4c, mientras que las señales de
calibradas se observan en color azul.
De esta manera, se obtendrı́an las señales de los ángulos del acelerómetro que se
observan en la figura 4.5, donde señal en color rojo represnta la data sin calibrar y
27
(a) Velocidad en el eje X (b) Velocidad en el eje X (c) Velocidad en el eje X
la señal en azul la data calibrada, tanto para el momento angular en Roll 4.5a como
para el momento angular en Pitch 4.5b.
Figura 4.6: Esquema del filtro complementrio para el eje de giro Roll.
28
Figura 4.7: Esquema del filtro complementrio para el eje de giro Pitch
Figura 4.8: Esquema del filtro complementrio para el eje de giro Yaw
29
Luego se procedió a plantear el código para establecer los ángulos que se desea
obtener del satélite, los mismos que tienen que estar en radianes para trabajar con
los desplazamientos con los cuaterniones.
u=@( x)−K∗ ( x − wr ) ;
Figura 4.10: Torques de perturbación teniendo en cuenta los peores casos [SB19].
30
Figura 4.12: Interior del diseño de la estructura del prototipo Cubesat de 1U.
31
32
Capı́tulo 5
Simulaciones
En las figuras 5.1, 5.2 y 5.3 se observa el tiempo en el que la velocidad angular
llega a la estabilización luego de que se le asignará diferentes ángulos en x, y y z.
Además, se observa como los ángulos pasan de un estado incial de 0, a adoptar la
orientación que se le ha asignado.
33
Figura 5.2: Ángulos de giro con x = 20, y = −15 y z = 70 grados.
34
Capı́tulo 6
Conclusiones
La dinámica del nanosatélite planteado para este trabajo se obtuvo primero ha-
llando momento angular del cuerpo con respecto a un marco de referencia fijo, y
aplicando luego un torque. Estas ecuaciones fueron descritas en el marco teórico del
presente documento, junto a la linearización del sistema, e implementadas luego en
el software de Matlab para realizar las simulaciones con el controlador LQR. Las
simulaciones se representaron mediante las señales de los ángulos de giro Roll, Pitch
y Yaw, para diferentes valores que permitan comprobar el funcionamiento código
implementado.
Los sensores usados para la obtención de los ángulos de giro fueron tres: el ace-
lerómetro, el giroscopio y el magnetómetro. Estos fueron calibrados para disminuir
el error provocado por distorsiones de campos magnéticos cercanos, fallos propios de
la fábrica, entre otros. Obteniendo ası́ una lectura más limpia de la data en crudo.
Posteriormente se combinó la data de cada sensor con filtros complementarios para
cada ángulo de giro, esto ayudó a tener información más certera de la orientación
del cuerpo satelital.
35
36
Bibliografı́a
[BK19] Steven L Brunton and J Nathan Kutz. Data-driven science and en-
gineering: Machine learning, dynamical systems, and control. Cam-
bridge University Press, 2019.
[GPS02] Herbert Goldstein, Charles Poole, and John Safko. Classical me-
chanics, 2002.
[Gre04] Bryan Scott Gregory. Attitude control system design for ion, the
illinois observing nanosatellite. PhD thesis, University of Illinois at
Urbana-Champaign, 2004.
37
[MGG16] Kartik Madhira, Ammar Gandhi, and Aneesha Gujral. Self balan-
cing robot using complementary filter: Implementation and analysis
of complementary filter on sbr. In 2016 International conference
on electrical, electronics, and optimization techniques (ICEEOT),
pages 2950–2954. Ieee, 2016.
[Ove04] Eli Jerpseth Overby. Attitude control for the norwegian student
satellite ncube. Norwegian University of Science and Technology.
Department of Engineering Cybernetics, 2004.
[SB19] Paula Sorolla Bayod. Study and design of the attitude control of
a cubesat 1u based on reaction wheels. B.S. thesis, Universitat
Politècnica de Catalunya, 2019.
38
Nomenclatura
39