Navegación, Control y Orientación por

Waypoints de un UAV para Vuelo de

Cruzero
Diana Carolina Beltrán Peña

Abstract - As a step towards enabling

Unhumand Aerial Vehicle (UAV) to fly
autonomously, this paper has a description about
three essential topics to get this goal. The first,
navigation, necessary to get the UAV’s position
in a global reference system, the second, the
control loop used to autopilot in flight level, and
finally guide by waypoints along a path defined
to complet the external control loop using the
results of the first part (navegation).

Keywords - Autopilot systems; autonomous

navigation; UAV; PID feedback loops; flight control; Fig 1a Predator USA
LQR;
En el contexto nacional, encontramos aeronaves
I. INTRODUCCIÓN como Agata II (Figura 1b), aeronave adquirida por
el ministerio de defensa a los israelís. El UAV es
usado para identificar y vigilar blancos en la
Se tienen antecedentes de vehículos aéreos no
frontera colombo – brasilera, sin tripulantes a
tripulados desde la primera guerra mundial con el
bordo logra realizar vuelos con duración de hasta
desarrollo del control remoto por radiofrecuencia.
16 horas y captar imágenes en colores o en infra-
Conforme avanzo la tecnología, los costos y el
rojo.
tamaño de los componentes, se redujeron bastante,
logrando así mayor interés en el tema.

Actualmente el desarrollo de dispositivos UAV ha

sido realizado por entidades militares de distintos
gobiernos, principalmente el de los Estados
Unidos de América [1] y organizaciones
comerciales israelíes dedicadas al desarrollo y
producción de prototipos comercializables.

Estados Unidos tiene como punto de referencia, el

MQ-1 Predator (Fig. 1a), que es un vehículo aéreo
no tripulado (UAV) desarrollado durante los años
90 por la Fuerza aérea norteamericana.
Fig 1b. Agata II Brasil

Centrándose un poco más en los desarrollos

realizados por la industria brasilera encontramos
el proyecto VANT (Figura 1c), del CTA quienes
actualmente han avanzado en cuanto a desarrollos
de la maya de control para el piloto automático de
velocidad y altitud en vuelo nivelado y se
encuentra realizando test para realizar el aterrizaje
automático [1].
Figura 1c. Proyecto VANT Brasil
Otros desarrollos se basan en el concepto de
simulación, dedicado al estudio de leyes de
control para la estabilización del vuelo, sin que se
llegue a construir ningún modelo experimental.
Al interior del instituto tecnológico de
Aeronáutica encontramos en el laboratorio de
sistemas aeronáuticos el Vector P (Figura 1d
Vector P), UAV adquirido a la empresa
canadiense que lleva el mismo nombre, sobre el
cual se está desarrollando el sistema de
navegación, control para vuelo nivelado y
orientación por waypoints a tratar en este
documento.
El vector P posee una configuración relativamente
común para vehículos de su mismo tamaño, con
un cuadrado como fuselaje, dos estabilizadores
verticales un estabilizador vertical y en la punta
consta de una punta anemométrica (boom). Su
payload es de 30kg y actualmente su autonomía es
de aproximadamente de 40 minutos [1].
Figura 1d. Vector P
Los capítulos para este paper son (I) Introducción,
(II) Generalidades Pilotos Automáticos, (III)
Sensores, (IV) Navegación, (V) Sistema de
Control para piloto automático en vuelo nivelado,
(VI) Orientación por Waypoints para un camino
definido y (VII) Conclusiones. El desarrollo de
estas secciones busca mostrar el estado actual del
trabajo realizado sobre el Vector-P, actualmente el
trabajo se encuentra centrado en la parte de
guiagem, sección que actualmente se encuentra en
su etapa de simulación y con miras a preparar un
vuelo para su implementación.
II. GENERALIDADES PILOTOS
AUTOMATICOS
Un vuelo está dividido en varias fases, fases en las
cuales la dinámica del avión sufre cambios, estas
fases las podemos definir como: despegue,
ascenso, crucero, descenso, aproximación y
aterrizaje. El piloto automático que
implementaremos será el de vuelo de crucero o
vuelo nivelado [9].
Para poder desarrollar un piloto automático para
un UAV es necesario tener en cuenta como partes
fundamentales:
 Sensorica Embarcada
 Sistema de Control
 Algoritmo de Navegación
 Algoritmo de Orientación (waypoints),
relacionadas entre sí como se muestra en la figura
2.
Figura 2. Representación Diagrama de Bloques
Piloto Automático UAV
En la secciones a continuación cada una de ellas
será tratada con sus aspectos más relevantes,
haciendo énfasis en la parte de guiamento donde
actualmente se están realizando las pruebas para
su implementación.
III. SENSORES
Para lograr la navegación del Vector P la
electrónica embarcada es mostrada en de la figura
3.
El sistema encargado de realizar el procesamiento
y acondicionamiento de las señales del VANT es
el CRIO de la National Instruments, el cual posee
un módulo FPGA y un lenguaje de programación
de fácil acceso como lo es Labview, además de
esto tiene compatibilidad con los archivos
generados en matlab lo que permite una fácil
implementación de las leyes de control.
GPS (Latitud,
Longiitud , Altitud,
Azimuth)
a eventuales turbulencias como por ejemplo un
viento cruzado. Como características electrónicas
principales se puede decir que tiene conversores
A/D de 20 bits y una tasa de muestreo de salida de
100 Hz.
IV. NAVEGACIÓN
El sistema de navegación inercial del Vector-P
está dado por el Micropilot, no se tiene acceso
para definir qué tipo de método se utiliza para
hallar el punto de ubicación del UAV en el
sistema de referencia inercial. Se cree que se usa
el comúnmente llamado Dead reckoning, pero
esto es solamente una hipótesis.

Compas
(Magnetometros)
V. SISTEMA DE CONTROL
MP2028g Giros (P,Q,R)
(Micropilot) La maya de control que usamos corresponde a la
Acelerometros
(Ax,Ay,Az)
de vuelo nivelado. Esta arquitectura de control de
Micropilot llamada tracking altitude tiene una
Altimetro (Ultra altitud de referencia para el piloto automático en
Sonido H)
la maya externa de control y una realimentación
Velocimetro (V) del pitch en la maya de control interna [8]. En la
maya interna representada en la Figura 4 el ángulo
CRIO Velocidad de pitch deseado θd es proporcional al error de
Aerodinamica (Vtas)
altitud que pasa por los compensadores.
Altitud (H)

Angulo de Ataque (α)

DataBoom

Angulo Derapaje (β)

Temperatura del Aire

(T)
ServoMotores

Figura 3. Electrónica Embarcada

Figura 4. Maya de control Movimiento
El piloto automático con el que se cuenta es el
Longitudinal usando compensadores PID
MP2028g [2], esta familia de pilotos automáticos
se caracteriza por presentar en un circuito impreso
bastante compacto todos los sensores y el
El rastreo de la velocidad está compuesto por la
respectivo procesamiento de señales que dichos
realimentación de la velocidad y su comparación
sensores requieren para el guiamiento de la
con la velocidad deseada (Vd). Este error es una
aeronave. [3][5].
señal para cambiar el comando del trottle. Ambos
pilotos automáticos son capaces de corregir los
Adicionalmente se tiene una punta anemométrica
errores del movimiento longitudinal.
Databoom, la cual es la encargada de proporcionar
información acerca del ángulo de ataque (α), el
En el movimiento laterodireccional el Micropilot
ángulo de derrapaje (β), la velocidad
presenta la arquitectura mostrada en la figura 5. El
aerodinámica y la altitud (H), variables
crosstrack es determinado por la matemática del
importantes para la reacción y posterior
guiagem que determina el heading deseado. El
corrección en los comandos de la aeronave frente
error en el heading es corregido por el bank angle
deseado lo cual se ve reflejado en una variación
en la deflexión de los alerones (δa).
presentarse una perturbación (rayada de viento)
aproximadamente en los 120s de simulación, la
velocidad regresa a su estado de equilibrio
demostrando el correcto funcionamiento de la ley
de control implementada.

Figura 5. Maya de control Movimiento

Laterodirecional usando compensadores PID

La deflexión del rudder (δr) es determinada por el

controlador el cual es alimentado por el error de la
aceleración lateral. Esta arquitectura es llamada
CAS (Sistema de Aumento de Control). Si no
Figura 6a. Velocidad, Angulo de Ataque e
existe aceleración lateral la deflexión del rudder
Angulo de Pitch
debe ser igual a la que se calculó en condiciones
de equilibrio.
En la figura 6b se muestra las mínimas
Las técnicas de control usadas para encontrar los
variaciones presentadas en las dos variables
valores de las ganancias en los controladores son:
restantes (q, h) realimentadas en la maya de
Root Locus, alocación de polos, LQR (Lineal
control longitudinal pese a presentar una
Quadratic Regulator) por realimentación de
perturbación, estas también consiguen regresar a
salidas e ITAE (Integral of time multiply by
su punto de equilibrio.
Absolute Error).

El método ITAE calcula las ganancias a través de

las ecuaciones en espacio de estado con una
excitación en la entrada y minimización de la
integral del error entre la función de transferencia
y el comando deseado, este método fue testeado
pero fue encontrado menos refinado.

LQR es un regulador lineal para un sistema

dinámico que minimiza la función costo.
Entonces para obtener el modelo linealizado es
necesario obtener las ecuaciones en espacio de
estado. El vector de control es encontrado
mediante la realimentación de las salidas. Las
matrices Q y R de la función consto LQR son
determinado usando Bryson. Para encontrar la
matriz P es posible usar la ecuación de Lyaponov. Figura 6b. Velocidad Angular Q, Altitud e
Representación de la curva coordenada
Tras realizar la implementación de las ganancias
obtenidas para las diferentes mayas de control, los En la figura 6c se muestra la respuesta de las
resultados obtenidos se muestran en las figuras 6a, superficies de control, donde también se refleja la
6b ,6c y 6d. variación en el throttle, alerón y profundor tras la
presencia de la rayada de viento.
En la figura 6a vemos como el piloto automático
para la maya del movimiento longitudinal tras
 VN
˙
lat=
R
VE
˙
lon=
R . cos (lat )

Donde χ es el ángulo de rumbo y Vw es la

Figura 6c. Superficies de Control
componente de la velocidad del viento, γ es el
ángulo de trayectoria que está dado por la
siguiente ecuación:
γ =θ−α
Donde θ es el ángulo de pitch y α el ángulo de
ataque.

El guiamento a través de waypoints tiene

VI. ORIENTACIÓN POR WAYPOINTS
PARA UN CAMINO DEFINIDO encuentra correcciones de rumbo cuando la
aeronave se encuentra fuera de la trayectoria
deseada. Para realizar dichas correcciones de
El piloto automático para orientación por rumbo, se considera la aeronave fuera del trecho
waypoints tiene como objetivo que la aeronave como se muestra en la figura 7.
recorra el mejor camino con el fin de ahorrar
combustible y tiempo [11].

El sistema de guiamiento esta dado en el sistema

de referencia llamado NED (North, East Down)
donde nuestro vector de estados estará dado por

Ẋ =[ V̇ TAS γ̇ χ̇ ẋ 1 Ẋ Ẏ Ż lat ˙ ]T
˙ lon

Con sus respectivas ecuaciones dadas por:

V̇ TAS =− ( ) ( )
1
τV
V TAS +
1
V
τV C
Figura 7. Error Lateral

Para calcular la distancia entre dos puntos (AB) es

γ̇ =−
( τ ) ( τ )γ
1
γ+
g
1
g
C
necesario calcular el ánguloθ AB , el cual estará
expresado por la siguiente ecuación:

√
χ̇ =x 1
θ AB = sin2 ( ∆ 2lat )+cos (lat ) cos (lat ) sin ( ∆ lon
A B
2
2 )
ẋ 1=−
( τ1 ) x 1+( τ1 ) χ̇
x x
C

A partir del ánguloθ AB encontramos el ángulo de

V N = Ẋ=V TAS cosγcosχ +V WN rumbo χ AB dado por:

V E=Ẏ =V TAS cosγsinχ +V WE

Si el sin ⁡(lon A −lon B )<0
V D= Ż=−V TAS sinγ +V WD
El ángulo de rumo estará dado por: 4.72
WayPoints

( sin ( lat B ) −sin ( lat A ) cos ⁡(θ AB)

)
4.71

χ AB =arccos 4.7

sin ( θ AB ) cos ⁡(lat A ) 4.69

4.68

lat [grados]
Si no: 4.67

( sin ( lat B ) −sin ( lat A ) cos ⁡(θ AB)

)
4.66

χ AB =2 π −arccos 4.65

sin ( θ AB ) cos ⁡( lat A ) 4.64

4.63
-74.15 -74.14 -74.13 -74.12 -74.11 -74.1 -74.09 -74.08 -74.07 -74.06

La distancia perpendicular del punto donde se

Lon [grados]

encuentra la aeronave hasta el punto deseado Figura 8. Ubicación de los Waypoints

estará dada por la integral de la siguiente ecuación
En la figura 9 vemos la suavización obtenida
diferencial:
usando el método de LQR y en las figuras 10a,
10b, 10c, 10d podemos ver la manera como la
ė L =Vsin ( χ− χ AB) aeronave toma la curva para el cambio de trecho.

El cambio entre un waypoint y otro debe ser 4.72

Suavizacion LQR

realizado suavemente de forma que la aeronave no 4.71

sobrepase la recta de la siguiente trayectoria. Esto 4.7

se consigue calculando la menor distancia del 4.69

error lateral en relación a esa recta como lo

4.68

lat [Grados]
muestra la siguiente ecuación:
4.67

4.66

4.65

¿ −k 2 4.64

e L= ∆
k 1 χT
4.63
-74.15 -74.14 -74.13 -74.12 -74.11 -74.1 -74.09 -74.08 -74.07 -74.06
lon [Grados]

Figura 9. Suavización WayPoints por LQR

Suavizacion LQR

Donde ∆ χT es la diferencia de rumo. Cabe 4.678

mencionar que el punto inicial ideal para iniciar la 4.677

curva para el próximo trecho es encontrado a 4.676

través de:
lat [Grados]

4.675

¿ −k 2 ∆ χT
d =
B
4.674

k 1 sin ∆ χT 4.673

4.672

De la matemática anteriormente mencionada se -74.0706

-74.0704
-74.0702-74.07-74.0698
-74.0696
lon [Grados]
-74.0694
-74.0692-74.069-74.0688

realizó una simulación en matlab donde los

waypoints ingresados correspondían a: Figura 10a. Suavización WayPoint1 LQR

Punto Latitud Longitud Suavizacion LQR

A 4.638323 -74.08124
B 4.675301 -74.069492
4.7045

C 4.704045 -74.148102 4.704

D 4.643242 -74.155097
lat [Grados]

P 4.63967 -74.079995 4.7035

Con una velocidad de equilibrio de Ve=30m/s y 4.703

un radio de la tierra correspondientes a 4.7025

R=6378137, podemos observar en la figura 8 la -74.1484 -74.1482 -74.148 -74.1478

lon [Grados]
-74.1476 -74.1474

ruta a seguir por el aircraft.

Figura 10b. Suavización WayPoint2 LQR
 Suavizacion LQR

4.645
En general los resultados obtenidos tanto para la
el piloto automático de altitud, velocidad y
4.6445 trayectoria cumplen con los parámetros
establecidos teóricamente y permiten avanzar a
lat [Grados]

4.644
nuevas etapas del proyecto como lo son el
aterrizaje automático y el sistema de visión
4.6435
tracking.
4.643

-74.1556
-74.1554
-74.1552-74.155-74.1548-74.1546
-74.1544
-74.1542-74.154-74.1538 REFERENCES
lon [Grados]

Figura 10c. Suavización WayPoint3 LQR [1] Borges, R. B., 2008. Modelagem, Simulação e
Controle de um Veículo Aéreo Não-Tripulado.
Suavizacion LQR Instituto Tecnológico de Aeronáutica – ITA, São
4.6415
José dos Campos, Brazil,
4.641

4.6405
[2] MicroPilot, 2005. MP 2028g Installation and
4.64 Operation. Available upon request from
lat [Grados]

4.6395 www.micropilot.com, Manitoba, Canadá.

4.639

4.6385 [3] Dinger, R., 2009, The Reliability of the

4.638
4.6375
-74.085 -74.084
Figura 10d. Suavización WayPoint 4 LQR
Tras la obtención de resultados favorables en la
simulación queda como trabajo futuro el realizar
la implementación del algoritmo de navegación
dentro del CRIO (Sistema Embarcado) y realizar
las respectivas pruebas durante el vuelo.
VII.
Se evalúa la posibilidad de cambiar el GPS
incorporado en el Micropilot por uno cuya tasa de
muestreo se de 40Hz y de esta manera nos permita
mejorar los tiempos de respuesta del sistema y
pensar en el aterrizaje automático como un trabajo
futuro.
Para un próximo vuelo se planea implementar un
saturador en el elevador de 5° que evite
movimientos bruscos de la aeronave frente a
posibles perturbaciones que no permitan mantener
la aeronave entorno a las condiciones de
equilibrio.
Ya que dentro de la electrónica se tiene
redundancia en las variables se plantea la
implementación de un filtro de kalman que
permita mayor precisión en la adquisición de los
datos.
MicroPilot Autopilot System. Clarkson University,
New York, USA.
-74.083 -74.082 -74.081 -74.08
lon [Grados]
[4] Chalmers, R. W. et al., 2007, Cooperating
Unmanned Vehicles. American Institute of
Aeronautics and Astronautics - AIAA, Johns
Hopkins University Applied Physics Laboratory,
Chicago, USA.
[5] Borys, D. N. and Colgren, R., 2005. Advances
in Intelligent Autopilot Systems for Unmanned
CONCLUSION Aerial Vehicles. University of Kansas. AIAA -
Guidance, Navigation, and Control Conference
and Exhibit. San Francisco, California, USA.
[6] Klüÿendorf, F., 2008. System Modeling and
Identification of the VECTOR-P UAV. Institut für
Flugsystemtechnik e Instituto Tecnológico de
Aeronáutica – ITA, São José dos Campos, Brasil,
145 p.
[7] Beard, R. W.; McLain, T. W., 2005, “An
Introduction to Autonomous Miniature Air
Vehicles”, Brigham Young University, 157 p.
[8] Stevens, B. L., and Lewis, F. L., 2003. Aircraft
Control and Simulation, 2 ed. Wiley- Interscience,
Hoboken, USA.
[9] Bryson, A. E., Jr., and Y.-C. Ho, 1975,
Applied Optimal Control. New York: Hemisphere
[10] Notas de Clase. Pilotos Automaticos para
VANTs, Franco Neusa. Isntituto Tecnologico de
Aeronautica.
[11] Notas de Clase. Simulación y Control de
Aeronaves. Almeida Flavio. Isntituto Tecnologico
de Aeronautica.