Control de un pndulo Invertido sobre un mvil con lgica difusa

Espinoza Dueas, Balmes y Flores Limaylla, Manuel 25/02/2014

El pndulo invertido es un servo mecanismo que consta de un carro en el cual est montado un pndulo que puede girar libremente. El carro est controlado por un servomotor y su principal funcin es la de aplicar fuerzas al pndulo.

ndice general
1. Introduccin 3 1.1. Descripcin del pndulo invertido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.2. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.3. Alcance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.4. Estado del Arte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.5. Marco Terico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 1.6 Cronograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 1.7. Presupuesto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

2.

Modelado Matemtico del Pndulo

19

2.1. Anlisis de las fuerzas y sistema de ecuaciones . . . . . . . . . . . . . . . . . . .. . . . . . . 19 2.2. Funcin de transferencia . . . . . . . . . . . . . . . . . . .. . . . .. . . . . . . . . . . . . . . . . . . . 21 2.3. Simulacin del Modelo . 22 2.3.1. Funcin de Transferencia en Matlab .. 22

3.

Diseo del Controlador del Pndulo

23

3.1. Control PID .. 23 3.1.2. Diseo del Control PID 24

1. Introduccin
El pndulo invertido es conocido por ser uno de los problemas ms importantes y clsicos de la teora de control. Se trata de un control inestable y no lineal. A menudo, es utilizado como ejemplo acadmico, principalmente por ser un sistema de control ms accesible, y por otro lado, permite mostrar las principales diferencias de control de bucle abierto y de su estabilizacin a bucle cerrado. Pese a existir diferentes tcnicas a la hora de disear el regulador _optimo capaz de estabilizar el pndulo, no todas representan la mejor opcin. En la presente memoria se analizarn alguno de los mtodos ms conocidos. 1.1. DESCRIPCION:

El pndulo invertido es un servomecanismo que consta de un mvil, el cual est montado un pndulo que puede girar libremente. El carro est controlado por un servomotor y su principal funcin es aplicar fuerzas al pndulo para compensar el desplazamiento y mantenerlo en equilibrio. Lo que se trata en este proyecto es darle una aplicacin real a las propiedades y caractersticas del pndulo invertido el cual Si se considera al pndulo separado del carro, este tiene dos puntos de equilibrio: uno estable, abajo; y otro inestable, arriba. El objetivo del control es cambiar la dinmica del sistema para que en la posicin vertical, arriba, se tenga un punto de equilibrio estable. En otras palabras, la idea es encontrar la fuerza que ha de aplicarse al carro para que el pndulo no se caiga.

1.2. OBJETIVOS

OBJETIVOS GENERALES: El objetivo de este proyecto es construir un robot que mediante estrategias de control se pueda mantener en equilibrio un pndulo invertido. Simular el comportamiento fsico de un sistema dinmico que se estabiliza con en el tiempo.

OBJETIVOS ESPECIFICOS: Controlar un pndulo invertido en el plano ortogonal al plano sobre el cual el mvil se desplaza. Simular la estrategia de control PID en la herramienta Simulink de Matlab. Modelado matemtico del sistema fsico, su simulacin, el diseo y sintona.

 Implementar un controlador para el sistema que combine diferentes estrategias de control para que se estabilice.

1.3. ALCANCE: El proyecto ha desarrollar tiene como alcance el de controlar el equilibrio de un pndulo invertido por medio del movimiento automtico de un mvil de 2 ruedas, para automatizar el mvil se emplear la lgica difusa. El proyecto contempla el uso de herramientas de simulacin como es el Matlab, tambin el empleo de conocimientos sobre redes neuronales aplicado a sistemas fsicos con perturbaciones. Sin embargo el proyecto solo abarcara movimientos lineales del pndulo, es decir el mvil solo se desplazara adelante y atrs, tenindose como finalidad la mejora del proyecto para poder abarcar todo tipo de desplazamientos en cualquier direccin. Entre los aspectos tcnicos importantes del proyecto resaltan la dimensin del pndulo el cual no superara una altura de 30cm y cuyo peso ser de 150gr. Otro punto a tener en consideracin es el ngulo de inclinacin del pndulo con respecto a su estado de equilibrio, para poder mantener el equilibrio y el mvil pueda reaccionar, el ngulo no debe ser mayor de 30 grados.

La imagen mostrada anteriormente muestra el resultado deseado del proyecto, en donde se pueda observar el mvil de dos ruedas y el pndulo invertido, ubicndose debajo del pndulo y en medio de las dos ruedas el procesador que se encarga de realizar la funcin de movimiento de equilibrio automtico.

1.4. ESTADO DEL ARTE:

Para la realizacin del proyecto se han consultado anteriores proyectos relacionados al pndulo invertido, lo que nos ha permitido ver los avances respecto a lo que nos hemos planteado realizar. Entre las muchas publicaciones que hemos revisado una que resalta es la de Learning to control an inverted pendulum using neural networks en donde se menciona la aplicacin de las redes neuronales para el aprendizaje bajo incertidumbre y de funciones no lineales, siendo esta publicacin de mucha ayuda dado que nuestro proyecto va emplear las redes neuronales para el control del pndulo invertido. Otra publicacin resaltante es el articulo de Industrial Electronics titulado JOE: a mobile inverted pendulum en donde se hace referencia al control del pndulo invertido sobre un vehculo de dos ruedas, siendo importante en el desarrollo de nuestro proyecto puesto que nuestro pndulo invertido ser tambin controlado sobre un vehculo de 2 ruedas. Y por ultimo una aplicacin importante para el empleo de los clculos es Experimental study of an inverted pendulum en donde se centran principalmente en las propiedades fsicas del pndulo invertido y la relacin de estas pormedio de ecuaciones matemticas.

1.5. MARCO TEORICO:

El modelo del pndulo invertido es un ejemplo clsico en la literatura de control y tiene mltiples aplicaciones: desde el control de misiles hasta el anlisis de la biomecnica de la marcha, balance y postura humana. El sistema a considerar consiste en un carro sobre el cual se encuentra un pndulo invertido sujetado mediante un pivote sin friccin (vase Figura 1). El carro es movido por un motor que en el instante t ejerce una fuerza u(t) en sentido horizontal, que es la accin de control. Suponemos que todos los movimientos ocurren en un plano, es decir que el carro se mueve a lo largo de una recta. Las ecuaciones que gobiernan el sistema representado en la Figura 1 son:

10

La primera ecuacin representa la suma de las fuerzas en la direccin horizontal, mientras que la segunda es la suma de los torques alrededor del punto pivote. Considerando valores de pequeos, el sistema lineal aproximado queda:

11

La lgica difusa se basa en lo relativo de lo observado como posicin diferencial. Este tipo de lgica toma dos valores aleatorios, pero contextualizados y referidos entre s. As, por ejemplo, una persona que mida 2 metros es claramente una persona alta, si previamente se ha tomado el valor de persona baja y se ha establecido en 1 metro. Ambos valores estn contextualizados a personas y referidos a una medida mtrica lineal.

a. FUNCIONAMIENTO: La lgica difusa se adapta mejor al mundo real en el que vivimos, e incluso puede comprender y funcionar con nuestras expresiones, del tipo "hace mucho calor", "no es muy alto", "el ritmo del corazn est un poco acelerado", etc. La clave de esta adaptacin al lenguaje, se basa en comprender los cuantificadores de nuestro lenguaje (en los ejemplos de arriba "mucho", "muy" y "un poco"). En la teora de conjuntos difusos se definen las operaciones de: Unin Interseccin Diferencia Negacin

12

Complemento Y otras operaciones sobre conjuntos, en los que se basa esta lgica.

Para cada conjunto difuso, existe asociada una funcin de pertenencia para sus elementos, que indican en qu medida el elemento forma parte de ese conjunto difuso. Se basa en reglas heursticas de la forma SI (antecedente) ENTONCES (consecuente), donde el antecedente y el consecuente son tambin conjuntos difusos, ya sea puros o resultado de operar con ellos. Sirvan como ejemplos de regla heurstica para esta lgica o SI hace muchsimo calor ENTONCES aument drsticamente la temperatura o SI voy a llegar un poco tarde ENTONCES aumento levemente la velocidad. Los mtodos de inferencia para esta base de reglas deben ser simples, veloces y eficaces. Los resultados de dichos mtodos son un rea final, fruto de un conjunto de reas solapadas entre s. Para escoger una salida concreta a partir de tanta premisa difusa, el mtodo ms usado es el del cancroide, en el que la salida final ser el centro de gravedad del rea total resultante. Las reglas de las que dispone el motor de inferencia de un sistema difuso pueden ser formuladas por expertos, o bien aprendidas por el propio sistema, haciendo uso en este caso de redes neuronales para fortalecer las futuras tomas de decisiones. Los datos de entrada suelen ser recogidos por sensores, que miden las variables de entrada de un sistema. El motor de inferencias se basa en chips difusos, que estn aumentando exponencialmente su capacidad de procesamiento de reglas ao a ao. Lgica fuzzy

A mediados de la dcada del 60 el Profesor Lotfi Zadeh, de la Universidad de California en Berkeley, introdujo su teora de los conjuntos fuzzy , donde la idea de pertenencia de un elemento a un determinado conjunto no era ya pertenece o no pertenece, sino que pertenece en un cierto grado. Las funciones que vinculan al elemento con su grado de pertenencia, se llaman membership functions. Basndose sobre esta idea, se construy nuevamente toda la teora de conjuntos, redefiniendo inclusin, unin, operadores lgicos ( AND, OR ), otras operaciones y sus propiedades. En lo referente a la lgica, aparecen nuevas alternativas respecto de la lgica tradicional, puesto

13

Que, al evaluar una proposicin, ya no es verdadera o falsa sino que la misma tiene un cierto grado de veracidad, y que a su vez depende del grado de veracidad de sus premisas. De aqu que al utilizar fuzzy logic en la evaluacin de reglas, todas las reglas cuyas premisas tengan algn grado de veracidad, influirn tambin en cierto grado a la solucin del problema. Es decir toda regla que sepa algo opina Controladores fuzzy

Los controladores fuzzy, igual que otros controladores, toman el valor de las variables de entrada, procesan, y actan sobre sus salidas a fin de controlar la planta. En fuzzy control se utilizan sistemas basados en reglas, que emplean fuzzy logic, como elemento central. Dado su estado, y los valores de las variables de entrada, estos sistemas evalan la veracidad de cada regla, y as, toman decisin sobre los cambios a realizar en las variables de salida. Una vez actualizadas las mismas, estas producirn un cambio sobre la planta, luego se vuelven a obtener los valores de las variables de entrada, comenzando un nuevo ciclo. Al utilizar este tipo de resolucin de problemas, es importante observar que lo que se est procesando no son ya ecuaciones, nmeros o tablas crudas sino, reglas, es decir se procesan cosas tales como: SI la temperatura es baja ENTONCES aumenta el ciclo de actividad del calefactor Tal tipo de procesamiento est mucho ms cercano al razonamiento del experto humano, ya que permite realizar operaciones entre palabras como ms bajo, subir un poquito etc. b. Ventajas: Es fcil de entender conceptualmente:

Los conceptos matemticos detrs de sta son muy simples. Lo que la hace Atractiva es la naturalidad con la que uno puede expresar problemas de cierta complejidad . Es flexible: Una vez diseado un algoritmo fuzzy es fcil cambiar las reglas de Comportamiento.

14

Los datos pueden ser imprecisos y sin embargo, el sistema funcionar igualmente. Se pueden modelar sistemas no-lineales de complejidad arbitraria. El sistema fuzzy puede ser construido en base a la experiencia de expertos. Esto es una gran ventaja si lo comparamos con las redes neuronales donde la red entrenada es como una caja negra, en problemas complejos. Puede combinarse con tcnicas de control convencionales.

Servomecanismo: Es un sistema formado de partes mecnicas y electrnicas que en ocasiones son usadas en robots, con parte mvil o fija. Puede estar formado tambin de partes neumticas, hidrulicas y controlado con precisin. Ejemplos: brazo robot, mecanismo de frenos automotor, etc. Pndulo: es un sistema fsico que puede oscilar bajo la accin gravitatoria u otra caracterstica fsica (elasticidad, por ejemplo) y que est configurado por una masa suspendida de un punto o de un eje horizontal fijos mediante un hilo, una varilla, u otro dispositivo que sirve para medir el tiempo. Servomotor (tambin llamado servo). Es un dispositivo similar a un motor de corriente continua que tiene la capacidad de ubicarse en cualquier posicin dentro de su rango de operacin, y mantenerse estable en dicha posicin.

Estrategias de control: Determina la estructura o circuito que sigue la informacin

o seales en el lazo. Dependiendo de la aplicacin (entorno de trabajo, mquina) a gobernar se debe definir el actuar de las variables de proceso (presin, flujo, temperatura, etc.,). En funcin de esta informacin se incorporaran determinados instrumentos y/o equipos con los cuales se debe lograr la estabilidad en la aplicacin o sistema.

Plano ortogonal: Se define as a un plano perpendicular o que forma 90 grados con respecto al plano horizontal.

Control PID: Un PID es un mecanismo de control por realimentacin que calcula la desviacin o error entre un valor medido y el valor que se quiere obtener, para

15

aplicar una accin correctora que ajuste el proceso. El algoritmo de clculo del control PID se da en tres parmetros distintos: el proporcional, el integral, y el derivativo. El valor Proporcional determina la reaccin del error actual. El Integral genera una correccin proporcional a la integral del error, esto nos asegura que aplicando un esfuerzo de control suficiente, el error de seguimiento se reduce a cero. El Derivativo determina la reaccin del tiempo en el que el error se produce. Modelado matemtico: Se refiere al anlisis matemtico que se realza en base a las propiedades fsicas de cada parte del objeto en estudio, esto nos permite una mejor comprensin de su comportamiento para un mejor anlisis del mismo. Diseo: Es el proceso posterior al moldeamiento matemtico, es el proceso de dar forma, dimensiones, materiales, tecnologa de fabricacin y funcionamiento de una mquina para que cumpla unas determinadas funciones o necesidades. Simulacin: La simulacin es el proceso de disear un modelo de un sistema real y llevar a trmino experiencias con l, con la finalidad de comprender el comportamiento del sistema o evaluar nuevas estrategias -dentro de los lmites impuestos por un cierto criterio o un conjunto de ellos - para el funcionamiento del sistema

1.6.

CRONOGRAMA:

16

17

1.7. PRESUPUESTO:

18

2. MODELADO MATEMTICO DEL PNDULO

Para la realizacin del modelado se ha tomado en cuenta ciertos parmetros de importancia al momento de realizar las ecuaciones.

2.1. ANLISIS DE FUERZAS Y SISTEMA DE ECUACIONES

El primer paso antes de las simulaciones es el anlisis de fuerzas de cada uno de los componentes por separado.

Diagramas de cuerpo libre del sistema.

En la figura anterior se puede observar los diagramas de cuerpo libre tanto del pndulo invertido como del mvil.

19

Para nuestro sistema se ha empleado ecuaciones en dos dimensiones al realizar el anlisis de fuerzas. Siendo las ecuaciones fundamentales las siguientes:

Al realizar la suma de fuerzas horizontales en el mvil se ha obtenido la siguiente ecuacin:

La sumatoria de fuerzas horizontales para el pndulo invertido nos presenta la siguiente ecuacin:

Se debe resaltar que la sumatoria de fuerzas verticales no nos proporciona informacin de mucha importancia para esta parte del anlisis de fuerzas. Combinando las dos ecuaciones resultantes del anlisis de fuerzas se obtiene como resultado la primera ecuacin de importancia para el sistema.

Para la obtener una mayor cantidad de informacin del movimiento en el sistema, se ha sumado las fuerzas perpendiculares al pndulo.

Con la finalidad de obtener una ecuacin sin los parmetros P y N, se ha realizado un artificio matemtico, en donde se han sumado los momentos sobre el cancroide para obtener una nueva ecuacin adicional.

Al combinar las dos anteriores ecuaciones se obtiene la segunda ecuacin importante del sistema.

20

Para una mayor facilidad en los clculos se asume que como resultado las siguientes ecuaciones del sistema.

. Tendiendo

2.2. FUNCIN DE TRANSFERENCIA

Para poder realizar el anlisis del comportamiento del sistema fsico es necesario recurrir a la funcin de transferencia, dado que esta herramienta matemtica nos permite expresar de manera algebraica el comportamiento de un sistema fsico al relacionar la salida con la entrada del sistema.

Siendo Y(s) la transformada Laplace de la seal de salida del sistema, U(s) la transformada Laplace de la seal de entrada del sistema y H(s) es la funcin de transferencia del sistema. Lo primero que se realizo para obtener la funcin de transferencia fue realizar la transformada Laplace de las ecuaciones del sistema.

Para nuestro anlisis la seal de salida que nos importa es , por lo que es necesario desplazar X(s) en la primera ecuacin para as poder sustituirlo en la segunda ecuacin como se muestra a continuacin.

21

Al ordenar la ecuacin anterior se obtiene la funcin de transferencia.

2.3. SIMULACION DEL MODELO

Las primeras pruebas en Matlab fueron para analizar el comportamiento del sistema sin ningn tipo de control, para ello se tomo en consideracin algunos parmetros ya establecidos del proyecto. M: m: b: L: I: F: masa del carro = 0.5 kg masa del pndulo = 0.5 kg friccin del carro = 0.1 N*m/seg longitud del pndulo = 0.3 m inercia del pndulo = 0.006 kg*m2 fuerza aplicada al carro

2.3.1. FUNCION DE TRANSFERENCIA EN MATLAB

La primera simulacin nos permiti analizar el comportamiento del sistema sin un control para el pndulo. Para ello se empleo el siguiente cdigo de programacin: close all clc clear all M = 0.5; m = 0.2; b = 0.1;

22

i = 0.006; g = 9.8; l = 0.3; q = (M+m)*(i+m*l^2) -(m*l)^2; num = [m*l/q 0] den = [1 b*(i+m*l^2)/q -(M+m)*m*g*l/q -b*m*g*l/q] t =0:0.01:5; impulse (num ,den ,t) axis ([0 1 0 60]) Obtenindose como respuesta el siguiente grafico.

Como se puede observar en la figura anterior, el sistema no tiende a ningn valor constante por lo que el sistema es inestable al no tener un adecuado control de sobre el pndulo.

3. DISEO DEL CONTROLADOR DEL PENDULO 3.1. CONTROL PID

Para realizar la estabilizacin del sistema se ha decidido implementar un controlador PID como primer sistema de control, luego se le aadirn ms herramientas que faciliten el control ante diferentes perturbaciones.

23

3.3.1. DISEO DEL CONTROL PID

El primer objetivo para la estabilizacin del pndulo es calcular manualmente la funcin de transferencia que represente el regulador ptimo. Normalmente, el procedimiento valido a la hora de disear un PID es comenzar utilizando solo el control proporcional. De forma que el diagrama de bloques ser:

La ecuacin caracterstica del bucle cerrado viene dada por:

El denominador aparece sumado ya que la realimentacin es negativa, en caso de ser positiva habra que sustituirlo por 1 - Ku G(z). En el caso del pndulo invertido se har uso de la herramienta Matlab. La forma de disear este PID es haciendo uso del mtodo de ajuste de NicholsZiegler. Bsicamente consiste en lograr unos valores para la I (integral) y D (derivados) de modo que la ganancia sea cero. La funcin de transferencia del regulador tiene la siguiente estructura:

Para cada tipo de controlador se sigue los siguientes parmetros: - Controlador P: Kc=0.5Ku - Controlador PI: Kc=0.45KuTi = Tu=1;2 - Controlador PID: Kc=0.6KuTi = Tu=2Td = Tu=8

24

Donde,

Paso 1 Calcular Ku

Conociendo la ecuacin caracterstica en bucle cerrado se puede igualar a cero el denominador para despejar Ku:

El siguiente paso ser resolver la ecuacin de segundo grado manteniendo la incgnita Ku y forzando a que el mdulo de los polos sea 1.

Finalmente, despejando se obtiene que Ku=1

Paso 2. Obtener polos para Ku

Una vez obtenida Ku ya se puede sustituir en la ecuacin de segundo grado (3.7):

25

Paso 3. Calculo de Tu

Se supone que el valor de periodo es de 0.1. Es importante destacar que la divisin entre y se calcula en radianes.

Paso 4. Obtener regulador discreto.

Paso 5. Obtener fdt del regulador discreto.

En este punto, sustituyendo los valores obtenidos en la funcin 3.3 se puede hallar los valores para a0, a1 y a2.

26

Paso 6. Obtener ecuacin en diferencia para implementar en PC

Llegados a este punto ya se ha obtenido el regulador que se estaba buscando y no es necesario continuar. No obstante, se va a detallar como obtener la ecuacin en diferencia, es decir, sacar la expresin capaz de ser interpretada por un ordenador. El procedimiento a seguir ser obtener la anti transformada a partir de la f.d.t calculada anteriormente.

27