Modelo Matematico Quadricoptero

ESCUELA POLITCNICA NACIONAL
FACULTAD DE INGENIERA ELCTRICA Y

ELECTRNICA
MODELACIN, SIMULACIN Y CONTROL DE SISTEMAS

AREOS NO TRIPULADOS UTILIZANDO INTELIGENCIA
ARTIFICIAL
PROYECTO PREVIO A LA OBTENCIN DEL TTULO DE INGENIERO EN

ELECTRNICA Y CONTROL
FREDDY ROBERTO GUERRERO NOBOA

roberto.guerrero.noboa@gmail.com
OSWALDO ANBAL MENNDEZ GRANIZO

oswaldomenendez1989@gmail.com
DIRECTOR: ING. CSAR AUGUSTO ASTUDILLO MUOZ
cesar_astudillo1@yahoo.es
CO- DIRECTOR: ING. ANDRES ROSALES ACOSTA, PhD

andres.rosales@epn.edu.ec
Quito, Septiembre 2013
ii
DECLARACIN
Nosotros, Freddy Roberto Guerrero Noboa y Oswaldo Anbal Menndez Granizo,
declaramos bajo juramento que el trabajo aqu descrito es de nuestra autora;
que no ha sido previamente presentada para ningn grado o calificacin
profesional; y, que hemos consultado las referencias bibliogrficas que se
incluyen en este documento.
A travs de la presente declaracin cedemos nuestros derechos de propiedad

intelectual correspondientes a este trabajo, a la Escuela Politcnica Nacional,
segn lo establecido por la Ley de Propiedad Intelectual, por su Reglamento y por
la normatividad institucional vigente.
_________________________
____________________________
Freddy Roberto Guerrero Noboa
Oswaldo Anbal Menndez Granizo
iii
CERTIFICACIN
Certifico que el presente trabajo fue desarrollado por Freddy Roberto Guerrero
Noboa y Oswaldo Anbal Menndez Granizo, bajo mi supervisin.
________________________
Ing. Csar Augusto Astudillo Muoz
DIRECTOR DEL PROYECTO
________________________
Ing. Andrs Rosales Acosta, PhD
CO - DIRECTOR DEL PROYECTO
iv
AGRADECIMIENTO
Agradezco a Dios, por haberme acompaado y guiado a lo largo de mi vida y mi
carrera para lograr los objetivos que me he planteado.
Le doy gracias a mi madre Fanny por apoyarme en todo momento, y por haber
inculcado en m grandes valores y cualidades durante toda mi vida, as como por
darme la posibilidad de tener una excelente educacin.
A mi hermano Sebastin por ser una parte importante en mi vida y por siempre
estar apoyndome. A mi familia por ser quien representa la unin y la
confraternidad en mi vida, y por demostrarme su completo cario y apoyo
incondicional.
Agradezco a los profesores de la Escuela Politcnica Nacional por haber
compartido sus conocimientos, en especial al Dr. Andrs Rosales por su
confianza y apoyo en los momentos necesarios. As tambin agradezco al Ing.
Cesar Astudillo por haberme guiado en el proyecto de titulacin, y al Dr. Gustavo
Scaglia por formar parte en mi proceso de aprendizaje.
A mi compaero de tesis, Oswaldo, por su paciencia y dedicacin para realizar el
proyecto, pero por sobre todas las cosas por ser un gran amigo.
Y finalmente agradezco a todos mis amigos por confiar en m y apoyarme
incondicionalmente, adems de hacer de mi experiencia universitaria una etapa
de mi vida que nunca olvidare.
Freddy
AGRADECIMIENTO
Le agradezco a Dios por haberme guiado a lo largo de mi vida y por haber sido mi
fortaleza para poder culminar con xitos este proyecto de titulacin.
A mis padres Oswaldo y Anglica, por todo el apoyo brindado a lo largo de mi
vida, por ser un ejemplo de dedicacin y esfuerzo y por darme la oportunidad de
haber estudiado y seguido esta carrera.
A mi hermana Paola, por apoyarme en los momentos de necesidad y representar
la unin familiar. As tambin a mi sobrino Matas por convertirse en mi nuevo
motor de vida y ser la persona por la que debo esforzarme y ser un gran ejemplo.
A mi abuelita Tere, por creer en m en cada momento. Y a toda mi familia por
demostrarme su amor incondicional a lo largo de mi vida.
A mis profesores, Dr. Andrs Rosales por haberme brindado su apoyo durante la
realizacin de este proyecto, por su tiempo y dedicacin y por sobre todo por su
gran amistad. Al Ing. Cesar Astudillo por haber credo en mi y permitirme
desarrollar esta tesis profesional. Y al Dr. Gustavo Scaglia por todo el
conocimiento enseado para el desarrollo de esta tesis.
A Freddy por ser un gran apoyo durante la realizacin de este proyecto pero por
sobre todo por convertirse en algo ms que un amigo, un gran hermano.
A mis amigos de universidad por todos los momentos compartidos juntos, por la
amistad y por hacer de esta etapa una de las mejores de mi vida. As tambin a
mis amigos de colegio, que ms que amigos son hermanos, por permanecer a mi
lado en todas las dificultades y brindarme su amistad incondicionalmente.
Y finalmente a mi Flaka Ily, por todo el apoyo brindado, por soportarme y por
buscar siempre la manera de alegrarme los das y no dejar que me d por
vendido, pero por sobre todas las cosas por siempre mi mejor amiga. Te amo.
Oswaldo
vi
DEDICATORIA
A mi madre Fanny y mi hermano Sebastin.

Sebastin.
Freddy
vii
DEDICATORIA
Dedico
Dedico este logro a mi mam y a mi pap que
fueron los motores para alcanzarlo.
alcanzarlo.
Oswaldo
viii
CONTENIDO
DECLARACIN .................................................................................................... ii
CERTIFICACIN ................................................................................................................... iii
AGRADECIMIENTO .............................................................................................................. iv
AGRADECIMIENTO ............................................................................................................... v
DEDICATORIA ....................................................................................................................... vi
DEDICATORIA ...................................................................................................................... vii
CONTENIDO ........................................................................................................................ viii
RESUMEN ............................................................................................................................ xiv
PRESENTACIN .................................................................................................................. xv
1. MARCO TERICO ........................................................................................... 1

1.1.
DEFINICIONES GENERALES ..............................................................................................1
1.1.1.
SISTEMA AREO NO TRIPULADO. ............................................................................1
1.1.2.
TIPOS DE SISTEMAS AREOS NO TRIPULADOS. ........................................................1
1.1.3.
INTELIGENCIA ARTIFICIAL. .......................................................................................2
1.1.4.
MODELO MATEMTICO. .........................................................................................2
1.1.5.
SISTEMA. ................................................................................................................3
1.2.
CONTROLADOR AUTOMTICO. .......................................................................................9
1.2.1.
CLASIFICACIN DE LOS CONTROLADORES. ..............................................................9
1.2.2.
ACCIN DE CONTROL PROPORCIONAL. ...................................................................9
1.2.3.
ACCIN DE CONTROL INTEGRAL............................................................................10
1.2.4.
ACCIN DE CONTROL PROPORCIONAL INTEGRAL. .................................................10
1.2.5.
ACCIN DE CONTROL PROPORCIONAL DERIVATIVA. .............................................11
1.2.6.
ACCIN DE CONTROL PROPORCIONAL INTEGRAL DERIVATIVA. .............................12
1.2.7.
EFECTOS DE LA ACCIN DE CONTROL INTEGRAL. ..................................................13
1.2.8.
EFECTOS DE LA ACCIN DE CONTROL DERIVATIVA. ...............................................13
1.2.9.
CONTROLADOR BASADO EN LGICA DIFUSA. ........................................................14
1.2.10.
CONTROLADOR EN BASE A REDES NEURONALES. ..................................................17
1.2.11.
CONTROLADOR BASADO EN LGEBRA LINEAL. ......................................................22
2. DESARROLLO Y OBTENCIN DEL MODELO MATEMTICO DE UAV .... 23

2.1.
AVIN PVTOL. [10], [11]...............................................................................................23
2.1.1
2.2
MODELO MATEMTICO DEL AVIN PVTOL. ..........................................................23
CUADRICPTERO. [10], [12] .........................................................................................25
ix
2.2.1
MOVIMIENTO DE ALABEO (ROLL). .........................................................................25
2.2.2
MOVIMIENTO DE CABECEO (PITCH). .....................................................................25
2.2.3
MOVIMIENTO DE GUIADA (YAW)........................................................................26
2.2.4
MODELO MATEMTICO CUADRICPTERO. ...........................................................26
2.3
TRICPTERO. [10], [13], [14], [15] ...............................................................................31
2.3.1
2.4
BIRD LIKE (SKY SAILOR) [10], [16], [17], [18]. ...............................................................35
2.4.1
2.5
MODELO MATEMTICO. .......................................................................................31
HELICPTERO. [10], [19], [20], [21], [22] .....................................................................43
2.5.1
2.5.2
DINMICA DE CUERPO RGIDO..............................................................................45
2.5.3
FUERZAS Y TORQUES DEL HELICPTERO. ..............................................................46
2.5.3.1
FUERZAS DEL HELICPTERO. .............................................................................46
2.5.3.1.1 Fuerza generada debido al empuje del motor principal. ..............................47

2.5.3.1.2 Fuerza generada debido al empuje del motor principal. ..............................47
2.5.3.1.3 Fuerza generada por la aceleracin de la gravedad......................................47
2.5.3.2
TORQUES DEL HELICPTERO. ............................................................................48
2.5.3.2.1 Torque generado debido al empuje del motor principal. .............................48

2.5.3.2.2 Torque causado debido al empuje del motor de cola...................................49
2.5.4
ADAPTACIN DEL MODELO PARA EL CONTROL. ....................................................49
2.5.5
LINEALIZACIN DEL MODELO. ...............................................................................51
2.5.6
MODELO DE ALTITUD DEL HELICPTERO. ............................................................. 52
2.5.7
MODELO LATERAL DEL HELICPTERO. ..................................................................53
2.5.8
MODELO LONGITUDINAL DEL HELICPTERO. ........................................................55
2.5.9
MODELO DE ORIENTACION DEL HELICPTERO. .....................................................55
3. DESARROLLO, SIMULACIN Y CONTROL DE LOS MODELOS

MATEMTICOS.................................................................................................. 57
3.1
SIMULACIN Y CONTROL UAV AVIN PVTOL. ...............................................................58
3.1.1
SIMULACIN UAV AVIN PVTOL. ..........................................................................59
3.1.2
CONTROL DEL UAV AVIN PVTOL. ........................................................................60
3.1.3
DISEO DEL CONTROLADOR BASADO EN LGICA DIFUSA PARA EL UAV AVIN
PVTOL. [23], [24], [25], [26].................................................................................................61
3.1.4
3.1.4.1
DISEO DEL CONTROLADOR PID PARA EL UAV AVIN PVTOL. [4]..........................64

Diseo del controlador PID para altura del avin PVTOL. ...................................64
3.1.4.2
Diseo del controlador PID para posicin en x del avin PVTOL. ........................65
3.1.5
DISEO DEL CONTROLADOR BASADO EN REDES NEURONALES PARA EL UAV AVIN
PVTOL. [27] ..........................................................................................................................66
3.1.6
DISEO DEL CONTROLADOR BASADO EN LGEBRA LINEAL PARA EL UAV AVIN
PVTOL. [11] ..........................................................................................................................69
3.2
SIMULACIN Y CONTROL UAV CUADRICPTERO. ......................................................... 72
3.2.1
SIMULACIN UAV CUADRICOPTERO .....................................................................73
3.2.2
CONTROL DEL UAV CUADRICPTERO. ...................................................................75
3.2.3
DISEO DEL CONTROLADOR BASADO EN LGICA DIFUSA PARA EL
CUADRICPTERO. [23], [24], [25], [26] ................................................................................76
3.2.4
DISEO DEL CONTROLADOR PID PARA EL UAV CUADRICPTERO. [4] ....................77
3.2.5
DISEO DEL CONTROLADOR BASADO EN REDES NEURONALES PARA EL UAV
CUADRICPTERO. [27] .........................................................................................................78
3.2.6
DISEO DEL CONTROLADOR BASADO EN LGEBRA LINEAL PARA EL UAV
CUADRICPTERO. [12] .........................................................................................................79
3.3
SIMULACIN Y CONTROL UAV TRICPTERO. ................................................................85
3.3.1
SIMULACIN UAV TRICOPTERO. ...........................................................................86
3.3.2
CONTROL DEL UAV TRICPTERO. ..........................................................................88
3.3.3
DISEO DEL CONTROLADOR BASADO EN LGICA DIFUSA PARA EL TRICPTERO. ..89
3.3.4
DISEO DEL CONTROLADOR PID PARA EL UAV TRICPTERO. [4] ...........................89
3.3.5
TRICPTERO. [27] ................................................................................................................91
3.3.6
TRICPTERO. [12] ................................................................................................................92
3.4
SIMULACIN Y CONTROL UAV BIRD LIKE. .....................................................................98
3.4.1
SIMULACIN UAV BIRD LIKE..................................................................................99
3.4.2
CONTROL DEL UAV BIRD LIKE. ............................................................................. 100
3.4.3
DISEO DEL CONTROLADOR BASADO EN LGICA DIFUSA PARA EL UAV BIRD LIKE.
[23], [24], [25], [26]........................................................................................................... 101
3.4.4
DISEO DEL CONTROLADOR PID PARA EL UAV BIRD LIKE. [4] .............................. 101
3.4.5
DISEO DEL CONTROLADOR BASADO EN REDES NEURONALES PARA EL UAV BIRD
LIKE. [27] ........................................................................................................................... 103
3.4.6
3.5
DISEO DEL CONTROLADOR BASADO EN LGEBRA LINEAL PARA EL UAV BIRD LIKE.
........................................................................................................................... 105
SIMULACIN Y CONTROL UAV HELICOPTERO.............................................................. 112
3.5.1
SIMULACIN UAV HELICOPTERO......................................................................... 113
xi
3.5.2
CONTROL DEL UAV HELICOPTERO. ...................................................................... 114
3.5.3
DISEO DEL CONTROLADOR BASADO EN LGICA DIFUSA PARA EL UAV
HELICOPTERO. [23], [24], [25], [26] ................................................................................... 115
3.5.4
DISEO DEL CONTROLADOR PID PARA EL UAV HELICOPTERO. [4] ....................... 116
3.5.5
HELICOPTERO. [27] ............................................................................................................ 118
3.5.6
HELICPTERO. .................................................................................................................... 119
4. PRUEBAS Y RESULTADOS. ...................................................................... 127

4.1
RESULTADOS DEL AVION PVTOL. ................................................................................ 127
4.1.1
4.1.1.1
Trayectoria Recta. ........................................................................................... 127
4.1.1.2
Trayectoria Circular. ........................................................................................ 128
4.1.1.3
Trayectoria Seno. ............................................................................................ 128
4.1.2
RESULTADOS DEL CONTROL COMBINADO ENTRE REDES NEURONALES Y PID. ..... 129
4.1.2.1
4.1.2.2
4.1.2.3
4.1.3
4.2
RESULTADOS DEL CONTROL COMBINADO ENTRE LGICA DIFUSA Y PID. ............. 127
RESULTADOS CONTROLADOR BASADO EN LGEBRA LINEAL. .............................. 132
4.1.3.1
4.1.3.2
4.1.3.3
RESULTADOS DEL CUADRICPTERO. ........................................................................... 134
4.2.1
RESULTADOS CONTROL COMBINADO ENTRE LGICA DIFUSA Y PID..................... 134
4.2.1.1
4.2.1.2
Trayectoria Espiral........................................................................................... 134
4.2.1.3
Trayectoria Resorte. ........................................................................................ 135
4.2.2
RESULTADOS CONTROL COMBINADO ENTRE REDES NEURONALES Y PID............. 136
4.2.2.1
4.2.2.2
4.2.2.3
4.2.3
RESULTADOS CONTROLADOR BASADO EN LGEBRA LINEAL ............................... 138
4.2.3.1
4.2.3.2
xii
4.2.3.3
4.3
RESULTADOS DEL TRICPTERO. .................................................................................. 140
4.3.1
4.3.1.2
Trayectoria Seno Creciente. ............................................................................ 142
4.3.1.3

4.3.2.1
4.3.2.2
4.3.2.3
4.3.3
4.3.3.1
4.3.3.2
4.3.3.3
RESULTADOS DEL UAV BIRD LIKE. ............................................................................... 147
4.4.1
4.4.1.1
4.4.1.2
4.4.1.3
4.4.2
4.4.2.1
4.4.2.2
4.4.2.3
4.4.3
4.5
4.3.1.1
4.3.2
4.4
4.4.3.1
4.4.3.2
4.4.3.3
Trayectoria Seno creciente. ............................................................................. 151
RESULTADOS DEL UAV HELICPTERO. ........................................................................ 152
4.5.1
4.5.1.1
4.5.1.2
4.5.1.3
4.5.2
xiii
4.5.2.1
4.5.2.2
4.5.2.3
4.5.3
4.6
4.5.3.1
4.5.3.2
4.5.3.3
Desarrollo de la interfaz grfica GUI............................................................................ 158
5. CONCLUSIONES Y RECOMENDACIONES ............................................... 159

5.1
CONCLUSIONES. ......................................................................................................... 159
5.2
RECOMENDACIONES .................................................................................................. 162
REFERENCIAS BIBLIOGRAFICAS .................................................................................. 163

CAPITULO UNO ................................................................................................................. 163
CAPITULO DOS .................................................................................................................. 164
CAPITULO TRES ................................................................................................................ 165
REFERENCIAS ANALIZADAS .......................................................................................... 165
xiv
RESUMEN
El presente proyecto tiene como objetivo la modelacin, simulacin y control de
cinco sistemas areos no tripulados (UAV Unmanned Aerial Vehicle): Avin
PVTOL, Cuadricptero, Tricptero, Bird Like y Helicptero.
La modelacin de los cinco sistemas areos no tripulados se basa en la
metodologa de Newton Euler y Euler LaGrange, con lo cual se obtienen los
modelos matemticos no lineales de los cinco sistemas. Los cinco modelos se
implementan utilizando s-functions 1 , archivos .m y los diferentes bloques y
funciones del software Matlab y Simulink. En la simulacin de cada modelo se
obtienen las respuestas de posicin ante varios tipos de entradas.
El control de los cinco UAV se realiza mediante el diseo de cuatro tipos de

controladores para cada modelo: PID, Lgica Difusa, Redes Neuronales y un
controlador basado en lgebra Lineal. Los controladores se implementan en
Matlab y Simulink, y se incorporan a los modelos previamente obtenidos para
conseguir que los UAV sigan una trayectoria establecida.
Las respuestas de los diferentes modelos son mostradas mediante una interfaz
grfica (GUI) desarrollada en MATLAB.
Todos los objetivos, as como el alcance del Plan de Proyecto de Titulacin fueron
cumplidos a cabalidad, y adems, se comprob el funcionamiento de los
controladores diseados en el presente proyecto mediante la simulacin realizada
en el software Matlab.
S-function, bloque de Simulink que ejecuta un cdigo escrito en un archivo .m de Matlab, se

utiliza para reducir el nmero de interconexiones en el entorno de Simulink.
xv
PRESENTACIN
El proyecto se divide en cuatro captulos, ms el captulo de conclusiones y
recomendaciones,
desarrollados de manera secuencial para conseguir los
objetivos planteados, siendo stos los siguientes:
El Captulo Uno, Marco Terico, abarca los conceptos bsicos sobre sistemas
areos no tripulados, sistemas de control, respuestas de un sistema de control,
as como una breve introduccin de cada uno de los controladores utilizados en el
proyecto.
El Captulo Dos, Desarrollo y Obtencin del Modelo Matemtico de UAV,

contiene el anlisis matemtico de cada uno de los sistemas areos no tripulados:
Avin PVTOL, Cuadricptero, Tricptero, Bird Like y Helicptero, as como la
obtencin del modelo matemtico que rige el comportamiento de los cinco
sistemas.
En el Captulo Tres, Desarrollo, Simulacin y Control de los Modelos

Matemticos, se realiza la simulacin de los cinco sistemas para obtener la
respuesta de los sistemas frente a las entradas de control del modelo. Una vez
obtenida la respuesta de los sistemas, se disean las cuatro tcnicas de control:
PID, Lgica Difusa, Redes Neuronales y Controlador basado en lgebra Lineal
para cada uno de los sistemas.
El Captulo Cuatro, Pruebas y Resultados, presenta las grficas de seguimiento

de los sistemas mediante el uso de los controladores diseados para las
trayectorias deseadas. Tambin contiene el desarrollo del GUI diseado para
crear una interfaz grfica.
Finalmente el Captulo Cinco, Conclusiones y Recomendaciones, abarca las

conclusiones ms importantes obtenidas de este trabajo, as como tambin las
soluciones ms convenientes para resolver el problema de seguimiento de
trayectoria
de
los
cinco
sistemas
areos
no
tripulados.
CAPTULO 1
1.
MARCO TERICO
1.1.
DEFINICIONES GENERALES
1.1.1.
SISTEMA AREO NO TRIPULADO.
Es una aeronave que vuela sin la presencia de tripulacin humana a bordo.

Conocido por sus siglas en ingls como UAV (Unmanned Aerial Vehicle). [1]
1.1.2.
TIPOS DE SISTEMAS AREOS NO TRIPULADOS.
Los UAV, dependiendo su misin principal, suelen ser clasificados en seis tipos:
a)
UAV de Blanco.
Utilizados para simular aviones o ataques enemigos en los sistemas de defensa

de tierra o aire.
b)
UAV de Reconocimiento.
Utilizado para el envo y recepcin de informacin.
c)
UAV de Combate.
Utilizado para combatir y llevar a cabo misiones que suelen ser muy peligrosas.
d)
UAV de Logstica.
Diseado y utilizado para el transporte de carga de un lugar a otro.
e)
UAV de Investigacin y Desarrollo.
Construidos para realizar pruebas de los diferentes sistemas en desarrollo.
f)
UAV Comerciales y Civiles.
Diseados y construidos para efectuar propsitos civiles o particulares.
1.1.3.
INTELIGENCIA ARTIFICIAL.
Capacidad de una mquina para realizar actividades conforme a ciertos principios

de optimizacin y consistencia, con el fin de conseguir que simulen la inteligencia
humana.
La inteligencia artificial permite a una mquina u objeto evaluar y
actuar para satisfacer algn objetivo o finalidad.
1.1.4.
MODELO MATEMTICO.
El modelado matemtico de un sistema dinmico se define como un conjunto de

ecuaciones que representan el sistema, lo ms cercano a la realidad. Se debe
tener en cuenta que un modelo matemtico no es nico para un sistema, es decir
un sistema puede ser representado en varias formas, por lo que se puede obtener
algunos modelos matemticos, dependiendo del grado de exactitud que la
persona que realiza el modelo le desee dar.
La dinmica de sistemas, ya sean elctricos, electrnicos, mecnicos, etc., se
describe en base de ecuaciones diferenciales. Tales ecuaciones diferenciales se
obtienen a partir de las leyes fsicas que gobiernan dicho sistema, como son las
leyes de la mecnica clsica de Newton para sistemas mecnicos o las leyes de
Kirchhoff para sistemas elctricos. Una vez obtenido el modelo matemtico de un
sistema,
se
utilizan
algunos
recursos
analticos
disponibles
como
las
computadoras y software especializados para estudiarlo y sintetizarlo.

Dentro de los modelos matemticos existe una divisin muy importante: sistemas
lineales y sistemas no lineales, ambos sern explicados ms adelante.
Para poder realizar un sistema de control, como en este proyecto, un control PID,
control por Redes Neuronales, control por Lgica Difusa y control basado en
lgebra Lineal, es necesario primero conocer el modelo matemtico de los
sistemas a controlar, por esta razn el primer paso es definir el modelo
matemtico del vuelo estacionario de un avin PVTOL, un cuadricptero, un
tricptero, un helicptero y un bird-like.
1.1.5.
SISTEMA.
Un sistema es un conjunto de componentes que interactan entre s buscando un

fin especfico.
a)
SISTEMA DINMICO.
Sistema que evoluciona con el tiempo, capaz de almacenar energa y que

presenta un estado transitorio.
b)
SISTEMA LINEAL.
Un sistema es lineal si se aplica el principio de superposicin. Este principio

establece que la respuesta producida por la aplicacin simultnea de dos o ms
funciones de entradas diferentes es la suma de las dos o ms respuestas
individuales. De esta manera, para el sistema lineal, la respuesta a varias
entradas se calcula evaluando una entrada a la vez y sumando los resultados.
c)
SISTEMA NO LINEAL.
Un sistema es no lineal si no se aplica el principio de superposicin. Por tanto, un

sistema no lineal no puede ser tratado por separado ante la aplicacin de varias
entradas para luego sumar los resultados.
Cabe recalcar que la mayora de problemas de la vida real se modelan como

sistemas no lineales. En general, los procedimientos
ocedimientos para encontrar las
soluciones de un sistema no lineal son muy complicados.
d)
LINEALIZACIN
N DE SISTEMAS NO LINEALES.
LINEALES
En ingeniera de control, la operacin normal del sistema puede ocurrir alrededor

de un punto de equilibrio2, y las seales pueden considerarse seales pequeas
alrededor del equilibrio. Sin embargo, si el sistema opera alrededor de un punto
de equilibrio y si las seales son pequeas, es posible aproximar el sistema no
lineal mediante un sistema lineal. Dicho sistema lineal es equivalente al sistema
no lineal, considerado dentro de un rango de operacin limitado.
e)
SISTEMA DE CONTROL EN LAZO ABIERTO.

ABIERTO
Es aquel en el que la seal de salida no influye sobre la seal de entrada. Su

exactitud depende de la calibracin y son muy sensibles
sensibles a perturbaciones.
Figura 1.1
1 Sistema de control en lazo abierto. [2]
f)
SISTEMA DE CONTROL EN LAZO CERRADO.

CERRADO
Es aquel que presenta realimentacin (feed-back).

(feed back). La realimentacin permite
comparar la salida del sistema con la entrada del mismo para determinar el error y
de manera que la accin de control sea una funcin de ambas. Son menos
sensibles a perturbaciones.
Punto de equilibrio:: Valor en el cual la operacin del sistema es estable y normal.
Figura 1.2 Sistema de control en lazo cerrado. [3]

g)
FUNCION DE TRANSFERENCIA.
La funcin de transferencia de un sistema se define como el cociente entre la

transformada de Laplace de la salida y la transformada de Laplace de la entrada.
La funcin de transferencia relaciona la salida del sistema con la entrada del
mismo. Debido a que los modelos matemticos resultan ecuaciones diferenciales,

se utiliza la transformada de Laplace para facilitar los clculos.

Ecuacin 1.1-1
h)
DIAGRAMA DE BLOQUES.
Los diagramas de bloques se emplean con frecuencia para modelar todo tipo de
sistemas lineales o no lineales, describen la composicin e interconexin de un
sistema, as como el flujo de seales. Conjuntamente con funciones de
transferencia, presentan las relaciones entrada salida de todo el sistema.
i)
SIMULACIN.
Simulacin es una tcnica que comprende disear un modelo de un sistema real,

realizar pruebas en l para comprender el comportamiento del mismo y evaluar
los parmetros que intervienen en el sistema.
j)
ANALISIS DE RESPUESTA EN EL TIEMPO DE UN SISTEMA.
En el anlisis y diseo de sistemas de control, se debe tener una base de

comparacin del desempeo de estos sistemas. Esta base se configura
especificando las seales de entrada de prueba particulares y comparando las
respuestas de varios sistemas a estas seales de entrada. [4]
Los modelos se analizarn obteniendo las respuestas de los diferentes sistemas
ante diversos tipos de seales de entrada, para de esta
esta manera realizar un
anlisis de los diferentes parmetros y desarrollar controladores ptimos.
k)
TIPOS DE SEALES DE ENTRADA.

ENTRADA
Las seales de prueba que se usan regularmente son funciones escaln, rampa,
parbola, impulso, senoidales, etc. Con estas seales de prueba, es posible
realizar con facilidad anlisis matemticos y experimentales de sistemas de
control, dado que las seales son funciones del tiempo muy simples.
simples [4]
a)
Funcin Paso.
La funcin paso es una seal discontinua que toma el valor de uno para tiempos
mayores a cero y el valor de cero para tiempos menores de cero. Toma el nombre
de paso unitario cuando el valor mximo de la funcin es uno.
Figura 1.3 Funcin Paso Unitario. [5]
b)
Funcin Rampa.
La funcin rampa es la integral de la funcin escaln. Si se considera que se

est sumando toda el rea bajo la funcin escaln a hasta un tiempo . La funcin
rampa es continua y diferenciable en todo su dominio excepto en un punto (inicio
de la rama). La funcin rampa se puede definir como:
Figura 1.4 Funcin Rampa. [6]

PARAMETROS DE LA RESPUESTA DE UN SISTEMA.
SISTEMA
La respuesta transitoria de un sistema de control prctico exhibe con frecuencia

oscilaciones amortiguadas antes de alcanzar el estado estable.
estable Para definir la
estabilidad de un sistema de control se debe conocer los parmetros de la
respuesta
spuesta mostrados en la Figura
F
1.5.
Figura 1.5 Parmetros de la respuesta de un sistema.

sistema [4]
Los parmetros de la respuesta de un sistema son: Tiempo de retardo,

Tiempo de crecimiento,
establecimiento,
; Tiempo pico,
; Sobrepaso mximo,
; y Tiempo de
Tiempo de Retardo (td).
El tiempo de retardo es el tiempo requerido para que la respuesta alcance por

primera vez la mitad del valor final.
Tiempo de Crecimiento (tr).
El tiempo de crecimiento es el tiempo requerido para que la respuesta pase del

10% al 90%, de su valor final.
Tiempo Pico (tp).
El tiempo pico es el tiempo requerido para que la respuesta alcance el primer pico
del sobrepaso.
Sobrepaso mximo (Mp).
El sobrepaso mximo es el valor pico mximo de la curva de respuesta, medido a

partir de la unidad. Si el valor final en estado estable de la respuesta es diferente
de la unidad, es comn usar el porcentaje de sobrepaso mximo. Se define
mediante:

100%

Ecuacin 1.1-2
La cantidad de sobrepaso mximo (en porcentaje) indica de manera directa la

estabilidad relativa del sistema.
Tiempo de Establecimiento (ts).
El tiempo de establecimiento es el tiempo que se requiere para que la curva de

respuesta alcance un rango alrededor del valor final del tamao especificado por
el porcentaje absoluto del valor final (por lo general, de 2 a 5%) y permanezca

dentro de l.
1.2.
CONTROLADOR AUTOMTICO.
Un controlador automtico compara el valor real de la salida de un sistema con el

valor de entrada (valor deseado), determina el error y produce una seal de
control que reducir el error a cero o a un valor pequeo. La manera en la cual el
controlador automtico produce la seal de control se denomina accin de control.
[4]
1.2.1.
CLASIFICACIN DE LOS CONTROLADORES.
A continuacin se nombran los controladores que se utilizarn:

Proporcionales.
Integrales.
Proporcionales-integrales.
Proporcionales-derivativos.
Proporcionales-integrales-derivativos.
Controlador basado en Lgica Difusa.
Controlador en base a Redes Neuronales.
Controlador basado en lgebra Lineal.
1.2.2.
ACCIN DE CONTROL PROPORCIONAL.
del controlador y la seal de error es: , en donde se
Para un controlador con accin de control proporcional, la relacin entre la salida
considera la ganancia proporcional. Cualquiera que sea el mecanismo real y la
forma de la potencia de operacin, el controlador proporcional es, en esencia, un

amplificador con una ganancia ajustable. [10]
La funcin de transferencia de un control proporcional es:
10

Ecuacin 1.2-1
Figura 1.6 Accin de control proporcional. [4]
1.2.3.
ACCIN DE CONTROL INTEGRAL.
controlador se cambia a una razn proporcional a la seal de error .
En un controlador con accin de control integral, el valor de la salida del
Es decir,
!"#
!#
$ o escrito de otra manera: $ % &, en donde $
es una constante ajustable. Para un error de cero, el valor de permanece
estacionario. [4]
La funcin de transferencia de un controlador integral es:

$

Ecuacin 1.2-2
Figura 1.7 Accin de Control Integral. [4]

1.2.4.
ACCIN DE CONTROL PROPORCIONAL INTEGRAL.
11
La accin de control de un controlador proporcional-integral (PI) se define

mediante:
'

( &
$
En donde , es la ganancia proporcional y $ se denomina tiempo integral. Tanto

Ecuacin 1.2-3
como $ son ajustables. El tiempo integral ajusta la accin de control integral,
mientras que un cambio en el valor de afecta las partes integral y proporcional
El inverso del tiempo integral $ se denomina velocidad de reajuste. La velocidad

de la accin de control.
de reajuste es la cantidad de veces por minuto que se duplica la parte

proporcional de la accin de control. La velocidad de reajuste se mide en trminos
de las repeticiones por minuto. [4]
La funcin de transferencia de un controlador proporcional integral es:
1

)1 '
*
$

Ecuacin 1.2-4
Figura 1.8 Accin de control proporcional integral. [4]
1.2.5.
ACCIN DE CONTROL PROPORCIONAL DERIVATIVA.
La accin de control de un controlador proporcional-derivativo (PD) se define

mediante: ut Kp et 'Kp Td
d et
.
dt
En donde Kp es la ganancia proporcional y Td es una constante denominada
tiempo derivativo. Tanto Kp como Td son ajustables. La accin de control

derivativa, en ocasiones denominada control de velocidad, ocurre donde la
12
la seal de error. El tiempo derivativo Td es el intervalo de tiempo durante el cual

magnitud de la salida del controlador es proporcional a la velocidad de cambio de
la accin de la velocidad hace avanzar el efecto de la accin de control

proporcional. [4]
La funcin de transferencia de un controlador proporcional derivativo es:
Us
Kp 1'Td s
Es
Ecuacin 1.2-5
Figura 1.9 Accin de control proporcional derivativo. [4]
1.2.6.
ACCIN DE CONTROL PROPORCIONAL INTEGRAL DERIVATIVA.
La combinacin de una accin de control proporcional, una accin de control

integral y una accin de control derivativa se denomina accin de control
proporcional-integral-derivativa (PID). Esta accin combinada tiene las ventajas
de cada una de las tres acciones de control individuales. La ecuacin de un
controlador con esta accin combinada se obtiene mediante:
ut Kp ' 56 % etdt 'Kp Td

Kp
d et
.
dt
En donde Kp es la ganancia proporcional, Ti es el tiempo integral y Td es el

Ecuacin 1.2-6
tiempo derivativo. La funcin de transferencia de un control proporcional integral

derivativo (PID) es:
Us
1
Kp 1'
' Td s
Es
Ti s
Ecuacin 1.2-7
13
Figura 1.10 Accin de control proporcional integral derivativo. [4]
1.2.7.
EFECTOS DE LA ACCIN DE CONTROL INTEGRAL.
En el control proporcional de una planta, cuya funcin de transferencia no posee

un integrador (1/s), hay un error en estado estable, o desplazamiento (offset), en
la respuesta para una entrada escaln. Tal offset se elimina si se incluye la accin
de control integral en el controlador. La accin de control integral, aunque elimina
el offset o el error en estado estable, puede conducir a una respuesta oscilatoria
de amplitud decreciente lenta o, incluso, de amplitud creciente, y ambos casos,
por lo general, se consideran inconvenientes. [4]
1.2.8.
EFECTOS DE LA ACCIN DE CONTROL DERIVATIVA.
Cuando una accin de control derivativa se agrega a un controlador proporcional,

aporta un medio de obtener un controlador con alta sensibilidad. Una ventaja de
usar una accin de control derivativa es que responde a la velocidad del cambio
del error y produce una correccin significativa antes de que la magnitud del error
se vuelva demasiado grande. Por tanto, el control derivativo prev el error, inicia
una accin correctiva oportuna y tiende a aumentar la estabilidad del sistema.
Aunque el control derivativo no afecta en forma directa el error en estado estable,
aade amortiguamiento al sistema y, por tanto, permite el uso de un valor ms
grande que la ganancia K, lo cual provoca una mejora en la precisin en estado
estable. Debido a que el control derivativo opera sobre la velocidad de cambio del
error, y no sobre el error mismo, este modo nunca se usa solo. Siempre se
emplea junto con una accin de control proporcional o proporcional-integral. [4]
14
1.2.9.
CONTROLADOR BASADO EN LGICA DIFUSA.
Teora de los Conjuntos Difusos.
La Teora de Conjuntos Difusos se refiere al estudio de clases de objetos con

fronteras indefinidas, de tal forma que las transiciones entre sus conjuntos son
graduales antes que abruptas. Los conjuntos difusos permiten representar
conceptos imprecisos. Estn basados en la premisa que los elementos clave en el
pensamiento humano no son solamente nmeros, sino que pueden ser
representados, aproximadamente, por clases de objetos cuyas funciones de
membreca pueden tener transiciones graduales entre ellas y traslaparse.
La funcin de membreca.
Define como un punto en el espacio de entrada (universo de lectura), es

proyectado a un valor de membreca (difusidad) comprendido entre 0 y 1. La
funcin de membreca puede ser lineal por tramos o una curva continua de forma
arbitraria, escogida de tal manera que satisfaga la naturaleza del problema que
representa.
Difusidad.
La difusidad describe el grado de pertenencia o membreca de un elemento a un

conjunto difuso. Es una medida de cuan bien una instancia (valor) conforma con
un ideal semntico o concepto. [7]
Variables lingsticas.
Una variable lingstica puede tener uno o ms valores lingsticos, que

corresponden a los nombres de las funciones de membreca. [7]
15
Conjuntos difusos.
Los conjuntos difusos relacionan un valor que representa un miembro de un

conjunto, a un nmero entre 0 y 1 que indica el grado de pertenencia (u) de ese
miembro a dicho conjunto. Un grado igual a 0 significa que el valor no est
contenido en el conjunto, mientras que un grado igual a 1 implica que el valor es
totalmente representativo del conjunto. Estos dos extremos estn unidos por una
funcin continua que representa una transicin gradual entre 0 y 1.
Lgica difusa.
Es la base para el desarrollo de una nueva tecnologa en el diseo de sistemas

de inteligencia artificial. La lgica difusa se encuentra relacionada en las reas de
procesos e ingeniera de control, con el beneficio de:
Reduccin significativa del tiempo de desarrollo.
Modelacin de sistemas no-lineales muy complejos.
Implantacin de controles utilizando sensores y circuitos integrados ms

baratos.
Proporciona los medios para reducir y explicar la complejidad de sistemas: mucho

de la complejidad est relacionada con la forma en que las variables del sistema
son representadas y procesadas. [7]
Sistemas difusos.
Las variables y la lgica difusa pueden ser utilizadas en reglas difusas para hacer
inferencias y crear un sistema difuso. El razonamiento en sistemas difusos, se
realiza a travs de proposiciones (reglas). Los conjuntos difusos son los bloques
constructivos de las reglas difusas.
Interpretacin de las reglas difusas.
La interpretacin de las reglas difusas se realiza en tres pasos:
16
Fusificar las entradas que significa resolver todas las proposiciones difusas
de los antecedentes a un grado de membreca entre 0 y 1.
Aplicar operadores fuzzy a antecedentes mltiples, si en el antecedente

hay mltiples partes, entonces aplicar los operadores difusos y resolver el
antecedente a un solo valor entre 0 y 1.
Aplicar el mtodo de implicacin es decir usar el grado de contribucin de

la regla para conformar el conjunto difuso de salida.
Si el antecedente es parcialmente verdadero, el conjunto difuso de salida es

truncado, de acuerdo al mtodo de implicacin utilizado. En los sistemas difusos,
las reglas se ejecutan en paralelo y todas contribuyen al resultado, segn su
grado de veracidad. La salida de cada regla es un conjunto difuso. Los conjuntos
difusos resultantes de todas las reglas son agregados en un solo conjunto difuso
de salida. Finalmente, el conjunto resultante es defusificado, es decir resuelto a
un valor numrico nico.
Inferencia difusa.
Es un mtodo que interpreta los valores de un vector de entrada y, basado en un

conjunto de reglas, asigna valores al vector de salida. Para relacionar el vector de
entrada dado al vector de salida, el proceso de inferencia difusa involucra
funciones de membreca, operadores difusos y reglas difusas. Estas relaciones
proporcionan la base para tomar decisiones o identificar patrones.
Metodologa para desarrollo de sistemas difusos.
Para desarrollar un sistema difuso se debe seguir el mtodo:
Seleccionar las variables de entrada y salida del modelo.
Definir las funciones de membreca para cada valor difuso de las variables
de entrada y salida del modelo.
Definir las reglas difusas: Establecer las relaciones entre todos los valores
difusos de las variables de entrada y salida.
Definir los mtodos para los operadores difusos: AND y OR.
17
Ejecutar la simulacin del sistema.
Refinar y validar el modelo.
Para el desarrollo del controlador basado en lgica difusa se emplea el ToolBox

de Matlab: Fuzzy Logic.
Figura 1.11 Toolbox Matlab Fuzzy Logic. [7]
1.2.10. CONTROLADOR EN BASE A REDES NEURONALES. [9]
Neurociencia.
La neurociencia es una disciplina cientfica que estudia la estructura, funcin,

desarrollo, del sistema nervioso y la psicologa.
En la actualidad la neurociencia se complementa con otras disciplinas incluyendo
ciencias de computacin, estadstica, fsica, matemtica, filosofa y medicina. La
neurociencia est en la frontera de la investigacin del cerebro y la mente.
Neurona biolgica.
Nuestro sistema nervioso y, en especial, nuestro cerebro, est compuesto por un

conjunto de clulas nerviosas, tambin llamadas neuronas. Una neurona es una
clula altamente especializada en el proceso de informacin, cuya estructura
bsica puede observarse en la Figura 1.12.
18
Figura 1.12 Estructura bsica de una neurona. [8]

La morfologa de una neurona comprende tres elementos principales: el soma, o
ncleo; las dendritas, o terminaciones de la neurona que actan como contactos
funcionales de entrada con otras neuronas; y el axn o eje, una rama ms larga
que ser la encargada de conducir el impulso nervioso y que finaliza tambin en
diversas ramificaciones. La comunicacin entre neuronas se realiza a travs de
las llamadas sinapsis, que son los puntos de conexin entre las fibras terminales
del axn de una neurona y una dendrita de otra. El tiempo de respuesta de una
neurona esta limitado al orden de milisegundos, lo cual es mucho ms lento que
un circuito electrnico.
Modelo neuronal.
Las neuronas biolgicas, que sirven de modelo para la computacin neuronal, son
entre 5 a 6 rdenes de magnitud ms lentas que los chips de silicio. Los eventos
de las neuronas biolgicas ocurren en el orden de los milisegundos, mientras que
en los chips de silicio ocurren en el rango de los nanosegundos.
Modelo McCulloch Pitts.
En 1943 McCulloch y Pitts publicaron un trabajo en el que se hablaba, por primera

vez, de las neuronas artificiales y de cmo stas podran realizar clculos lgicos.
El modelo de neurona artificial propuesto consiste en una unidad con funcin de
activacin tipo escaln similar a la Figura 15.
19
Figura 1.13 Modelo McCulloch y Pitts. [9]
Este modelo de neurona artificial presenta numerosas analogas con las neuronas
biolgicas, como los cables o conexiones son anlogos a dendritas y axones, los
pesos de ponderacin de las conexiones equivalen a las sinapsis; y, el umbral de
activacin de la neurona representa la actividad del soma. En funcin de su signo,
los pesos sinpticos pueden actuar tanto como activadores cuando presentan
signo positivo o como inhibidores cuando presentan signo negativo. La operacin
de la neurona funciona as: la unidad realiza una funcin de proceso, sumando los
productos de los valores de las entradas pi por los pesos sinpticos wi:
8 wi pi
R
i=1
Ecuacin 1.2-8
Si el resultado obtenido es igual o mayor el valor del umbral (-b), la neurona se

activa produciendo como respuesta el valor de la activacin (a=1).
Por el contrario, si el resultado de aplicar la funcin de proceso a los valores de
entrada no superara el valor del umbral (-b), la neurona permanecer inactiva y su
salida ser nula (a=0).
Funciones de Activacin.
Las funciones de activacin ms empleadas son: funcin Rampa, Gaussiana y

Sigmoide, como se muestra en la Figura 1.14.
20
Figura 1.14 Funciones de activacin. [9]
Proceso de aprendizaje.
El proceso de aprendizaje de una neurona implica la siguiente secuencia de

eventos:
La red neuronal es estimulada por muestras de su entorno.
La red neuronal sufre cambios como resultado del estmulo aplicado.
La red neuronal responde al entorno demostrando el entrenamiento

recibido, debido a los cambios que ha ocurrido en su estructura interna.
Red neuronal.
Una red neuronal es un sistema procesador paralelo distribuido, masivamente

interconectado, capaz de almacenar y utilizar conocimiento experimental. Est
diseado para modelar la forma en que el cerebro realiza una tarea o funcin de
inters. En una red neuronal el conocimiento es adquirido mediante un proceso de
adaptacin y dicho conocimiento se almacena en las conexiones entre las
neuronas de la red (sinapsis).
Arquitectura de redes neuronales artificiales.
Las redes neuronales artificiales se pueden agrupar en tres estructuras: mono

capa, multicapa, recurrentes y en malla.
21
a)
b)
c)
d)
Figura 1.15 Arquitectura de redes neuronales a)Mono capa, b) Multicapa, c)

Recurrente y d) Malla. [9]
Diseo de redes neuronales artificiales.
El diseo de redes neuronales artificiales comprende los siguientes pasos:

Seleccionar una arquitectura de red neuronal apropiada para resolver el
problema identificado.
Escoger un conjunto de ejemplos para entrenar la red, utilizando un
algoritmo apropiado.
Probar la capacidad de la red entrenada para resolver el problema
propuesto, utilizando un conjunto de datos de prueba.
Evaluar la operacin de la red con un conjunto de datos de verificacin, que
no hayan sido utilizados en el entrenamiento o las pruebas. [9]
22
1.2.11. CONTROLADOR BASADO EN LGEBRA LINEAL.
Un controlador basado en lgebra Lineal representa un nuevo enfoque de control

que se basa en la aplicacin de mtodos numricos y lgebra lineal para el
seguimiento de una trayectoria deseada aplicada.
Este tipo de control provee el valor de seal adecuado para el sistema con el fin
de seguir una trayectoria si se conoce el valor del estado del sistema.
23
CAPTULO 2
2. DESARROLLO
OBTENCIN
DEL
MODELO
MATEMTICO DE UAV
2.1.
AVIN PVTOL. [10], [11]
vertical. El avin PVTOL posee tres grados de libertad (9, :, ;) que corresponden
El avin PVTOL es un vehculo areo no tripulado que se desplaza en un plano
a la posicin y orientacin en el plano. El avin PVTOL posee dos propulsores,
ubicados en las alas del mismo, los cuales producen una fuerza de sustentacin y
un momento en el vuelo de la aeronave, que le permite el desplazamiento en el
aire, como se muestra en la Figura 2.1.
Figura 2.1 Esquema del avin PVTOL. [10]
2.1.1
MODELO MATEMTICO DEL AVIN PVTOL.
El modelo matemtico del avin PVTOL se obtiene aplicando las leyes de Newton
para obtener las fuerzas que actan en el avin.
En la Figura 2.1 se muestra el avin PVTOL con la nomenclatura a utilizar, donde
9 es el desplazamiento horizontal, : es el desplazamiento vertical, ; es el ngulo
que forma el cohete con la lnea horizontal, < es la fuerza total, = es el torque
24
del cohete y es un parmetro que caracteriza el acoplamiento entre el momento

de balanceo y la aceleracin lateral de la aeronave.
Aplicando la segunda ley de Newton para cada eje se tiene:

8 9 ?9@
?9@ < $A; ' B = CD ;

Ecuacin 2.1-1
Ecuacin 2.1-2
8 : ?:@
?:@ < CD ; ' B = $ A; 1

Ecuacin 2.1-3
Donde ? representa la masa del avin PVTOL.

Ecuacin 2.1-4
1
< $A ; ' B = CD ;
?
Despejando la aceleracin en cada eje se obtiene:

9@
:@
1
CD ; ' B = $ A; 1
?
Ecuacin 2.1-5
En general el parmetro es insignificante y se puede considerar nulo, es decir,

Ecuacin 2.1-6
0. Con lo cual las Ecuaciones 2.1-5 y 2.1-6 se pueden escribir como:

9@
:@
1
< $A ;
?
1
1 CD ; 1
?
Ecuacin 2.1-7
Ecuacin 2.1-8
Para el anlisis del torque se emplea la ecuacin de torque de un cuerpo que gira
en torno a un eje fijo:
E ;@
Donde E representa el torque del avin, llamada en este proyecto = , es la

Ecuacin 2.1-9
inercia del cohete y ;@ es la aceleracin angular.
Asumiendo la inercia del cuerpo, = 1 kg/m2, y cambiando la nomenclatura se

tiene:
25
= ;@
Ecuacin 2.1-10
Con lo cual el modelo del cohete PVTOL queda definido por las Ecuaciones 2.1-7,
2.1-8 y 2.1-10.
1
1 $A ;
?
1
:@ CD ; 1
?
2 ;@
9@
Donde < y = representan las entradas de control.

Ecuacin 2.1-11
2.2 CUADRICPTERO. [10], [12]
El cuadricptero es un UAV que posee cuatro rotores ubicados a manera de una

cruz para realizar los movimientos de desplazamiento y elevacin. El control del
movimiento se logra variando la velocidad angular de cada uno de los cuatro
motores. Los cuadricpteros poseen tres tipos de movimiento: alabeo (roll),
cabeceo (pitch) y guiada (yaw).
Figura 2.2 Cuadricptero. [23]
2.2.1
MOVIMIENTO DE ALABEO (ROLL).
izquierda o derecha. Este movimiento est definido por el ngulo de giro ;.
El movimiento de alabeo permite al cuadricptero realizar movimientos a la
2.2.2
MOVIMIENTO DE CABECEO (PITCH).
El movimiento de cabeceo permite al cuadricptero realizar movimientos hacia

adelante y atrs. Este movimiento est definido por el ngulo de giro G.
26
2.2.3
MOVIMIENTO DE GUIADA (YAW).
El movimiento de guiada permite al cuadricptero girar su eje vertical. Este

movimiento est definido por el ngulo de giro H.
Figura 2.3 Movimientos del cuadricptero. [21]
2.2.4
MODELO MATEMTICO CUADRICPTERO.
Los cuadricptero posee algunas ventajas sobre los helicpteros convencionales

debido a que los motores traseros giran en sentido anti-horario y los delanteros en
sentido horario, los efectos giroscpicos y momentos aerodinmicos tienden a
cancelarse en vuelos pequeos.
La entrada del acelerador es la suma de los empujes de cada motor. Para obtener
el momento de pitch se realiza el aumento de la velocidad del motor trasero
mientras se reduce la velocidad del motor de adelante. Para generar el momento
de roll se realiza lo mismo pero con las velocidades de los motores laterales.
Mientras que para generar el momento de yaw se trabaja mediante el aumento de
las velocidades de los motores delantero y trasero, y disminucin de las
velocidades de los motores laterales.
slido de masa ? en un sistema de referencia , sujeto a una fuerza total y a
Para modelar matemticamente el cuadricptero se considera como un cuerpo

tres momentos EI , EJ , EK . La dinmica de los motores del cuadricptero es
relativamente rpida, por lo que se desprecia la flexibilidad de las alas. Las
27
coordenadas generales del modelo del cuadricptero de manera general vienen

dadas por:
L 9, , :, ;, G, H M NO
Donde 9, , : denota la posicin del centro de masa del cuadricptero

Ecuacin 2.2-1
respecto a la Tierra y ;, G, H son los ngulos de Euler e indican la
orientacin del cuadricptero. Para la obtencin del modelo se utiliza Euler

LaGrange, que es un mtodo en el que se relaciona la energa cintica de un
cuerpo con su energa potencial. As se tiene que la energa cintica de traslacin
del cuerpo viene dado por:
R5
1
?ST ST
2
Donde se tiene que m es la masa del cuadricptero y T es la velocidad lineal en

Ecuacin 2.2-2
1
WT X WT
2
cada uno de los ejes, la energa cintica de rotacin viene dada por:
RV
La matriz X es la matriz de inercias del cuadricptero y WT es la velocidad angular

Ecuacin 2.2-3
Y ?Z:
en cada uno de los ejes. La energa potencial del cuadricptero viene dada por:
Donde : es la altura a la que se encuentra el cuadricptero en el espacio.
Ecuacin 2.2-4
L, LT R5 ' RV Y
Con las energas que se tiene se puede calcular el Lagrangiano como:

1
1
L, LT ?ST 5 S ' WT 5 XWT ?Z:
2
2
Ecuacin 2.2-5
Ecuacin 2.2-6
El modelo dinmico del cuadricptero es obtenido por el mtodo del Euler

& [ &

\
& [LT &L
LaGrange con la fuerza externa generalizada, as se tiene que:
Ecuacin 2.2-7
28
Se conoce que \ ] , E , donde ] es la fuerza de traslacin y E son los
fuerza depende principalmente de las entradas de control ^ y E, por lo que se

momentos generalizados aplicados al cuadricptero por la entrada de control. La
0
_ `0a
^
puede escribir de la siguiente manera:
Donde se tiene que ^ es la fuerza de sustentacin y viene dada por:

Ecuacin 2.2-8
^ b< ' b= ' bc ' bd

Ecuacin 2.2-9
Y se tiene que:
b6 e6 f6
$ 1,2,3,4
Donde se tiene que e6 i 0 y f6 es la velocidad angular a la que gira el motor de

Ecuacin 2.2-10
las hlices.
La fuerza de traslacin es calculada de la siguiente manera:
Donde
mno 5
jkl
es
mno 5 _
] jkl
la matriz de rotacin y _ est definida en la Ecuacin 2.2-8.

Ecuacin 2.2-11
Las matrices de rotacin de cada uno de los ejes vienen dadas por:
Figura 2.4 ngulos de Euler
29
p,K
CD H
` $A H
0
CD G
0
$A G
$A H
CD H
0
0
$A G
1
0 a
0 CD G
Ecuacin 2.2-12
q,J `
1
`0
0
0
CD ;
$A ;
0
0a
1
0
$A ;a
CD ;
Ecuacin 2.2-13
r,I
mno
jkl
Dnde:
CHCG
` HCG
G
HC; ' CH G ;
CHC; ' H G ;
CG ;
Ecuacin 2.2-14
CH= CD H, CG CD G, C;=CD ;
Ecuacin 2.2-15
H ; ' CHC; G
CH ; ' G HC;a
C;CG
H= $A H, G $A G, ;= $A ;
Remplazando en la Ecuacin 2.2-11:

CHCG
] ` HCG
G
HC; ' CH G ;
CHC; ' H G ;
CG ;
H ; ' CHC; G 5 0
CH ; ' G HC;a `0a
^
C;CG
Ecuacin 2.2-16
G
] ^ `CG ; a
C;CG
Desarrollando la Ecuacin 2.2-16 se obtiene:
Ecuacin 2.2-17
Los momentos generalizados viene dados por:

EK
E s ` EJ a
EI
La letra E representa a los tres momentos que el cuadricptero presenta en los

Ecuacin 2.2-18
tres ejes. Est referido a los ngulos de yaw, pitch y roll. Para el momento de
guiada (yaw) se tiene:
1 '2 '3 '4

Ecuacin 2.2-19
30
EJ b=,d . x
Para el momento de cabeceo (pitch) se tiene:
Donde b=,d es la diferencia de fuerza de sustentacin que habr entre los

Ecuacin 2.2-20
motores 2 y 4, que se encuentran ubicados uno en frente de otro, multiplicada por

la distancia desde el motor 2 o 4 hasta el centro de gravedad.
EI b<,c . x
Para el momento de alabeo (roll) se tiene:
Donde b<,c es la diferencia de fuerza de sustentacin que habr entre los

Ecuacin 2.2-21
motores 1 y 3, que se encuentran ubicados uno en frente de otro, multiplicada por
la distancia desde el motor 1 o 3 hasta el centro de gravedad. Uniendo los

E< ' E= ' Ec ' Ed
EK
E< ' E= ' Ec ' Ed
H@
b=,d . x
E ` EJ a y
z ` b2 b4 x a y G@ z
EI
b<,c . x
b1 b3x
;@
momentos en una sola matriz se tiene:
Ecuacin 2.2-22
energa cintica, se puede combinar T y T ; la ecuacin de Euler Lagrange puede

Como las ecuaciones del Lagrangiano no contienen trminos cruzados en la
ser dividida en dinmica para S y dinmica para W, de esta manera se tiene que:
0
@
?S ` 0 a ]
?Z
Ecuacin 2.2-23
Remplazando la Ecuacin 2.2-17 en la Ecuacin 2.2-23 y separando en cada uno

de los ejes se obtiene:
m 9@ u sin
m @ u cos sin
Ecuacin 2.2-24
m :@ u cos cos ?Z
Ecuacin 2.2-25
Ecuacin 2.2-26
Con lo cual con las Ecuaciones 2.2-22, 2.2-24, 2.2-25 y 2.2-26, queda definido el
modelo del cuadricptero.
31
m 9@ u sin
m @ u cos sin
m :@ u cos cos ?Z
EK
H@
` EJ a y G@ z
EI
;@
Donde u, EK EJ , EI representan las entradas de control.

Ecuacin 2.2-27
2.3 TRICPTERO. [10], [13], [14], [15]
Un Tricptero es un vehculo areo no tripulado que posee dos motores

principales en la parte delantera, los dos motores giran en direcciones opuestas y
estn fijadas al fuselaje. Debido a que los dos motores giran en direcciones
opuestas el torque de reaccin generado es aproximadamente cero. El tercer
motor se coloca en la cola del tricptero y este puede inclinarse mediante un
servomotor con la finalidad de producir un torque de guiada. Las velocidades
angulares de los dos rotores principales pueden ser modificadas para producir el
empuje principal, as como el torque de alabeo. El torque de alabeo es calculado
como funcin de la diferencia de velocidades angulares de los dos rotores
principales. Finalmente, el momento de cabeceo se obtiene variando la velocidad
angular del rotor de cola.
2.3.1
MODELO MATEMTICO.
de masa ? en un sistema de referencia , sujeto a una fuerza total y a tres
Para modelar matemticamente el tricptero se considera como un cuerpo slido

momentos EI , EJ , EK . La dinmica de los motores del tricptero es relativamente
rpida como en el cuadricptero, por lo que se desprecia la flexibilidad de las alas.
Las coordenadas generales del modelo del cuadricptero de manera general

vienen dados por:
L 9, , :, ;, G, H M NO
Ecuacin 2.3-1
32
Donde S 9, , : denota la posicin del centro de masa del cuadricptero

respecto a la Tierra y W ;, G, H son los ngulos de Euler e indican la
orientacin del tricptero.
Para la obtencin del modelo se utilizar Euler
LaGrange que es un mtodo en el que se relaciona la energa cintica de un

cuerpo con su energa potencial as se tiene que la energa cintica de traslacin
del cuerpo viene dada por:
R5
1
?ST ST
2
Donde se tiene que ? es la masa del tricptero y ST es la velocidad lineal en cada

Ecuacin 2.3-2
1
WT X WT
2
uno de los ejes, la energa cintica de rotacin viene dada por:

RV
La matriz X es la matriz de inercias del tricptero y WT es la velocidad angular en

Ecuacin 2.3-3
Y ?Z:
cada uno de los ejes. La energa potencial del tricptero viene dado por:
Donde : es la altura a la que se encuentra el tricptero en el espacio.

Ecuacin 2.3-4
L, LT R5 ' RV Y
Con las energas que se tiene se puede calcular el Lagrangiano como:

1
1
L, LT ?ST 5 S ' WT 5 XWT ?Z:
2
2
Ecuacin 2.3-5
Ecuacin 2.3-6
El modelo dinmico del tricptero es obtenido por el mtodo del Euler LaGrange
& [ &

\
& [LT &L
con la fuerza externa generalizada as se tiene que:
Se conoce que \ ] , E , donde ] es la fuerza de traslacin y E son los

Ecuacin 2.3-7
momentos generalizados aplicados al tricptero por la entrada de control. La

fuerza depende principalmente de las entradas de control ^ y E, por lo que se
puede escribir de la siguiente manera:
33
0
_
`0 a
^
Donde se tiene que ^ es la fuerza de sustentacin y viene dada por:

Ecuacin 2.3-8
^ b< ' b= ' bc CD

Ecuacin 2.3-9
b6 e6 f6
Y se tiene que:
$ 1,2,3,4
Y representa el ngulo de inclinacin del motor de cola del tricptero.

Ecuacin 2.3-10
Donde se tiene que e6 i 0 y f6 es la velocidad angular a la que gira el motor de
las hlices.
La fuerza de traslacin es calculada de la siguiente manera:

mno 5 _
] jkl
mno 5
Donde jkl
es la matriz de rotacin y _ est definida en la Ecuacin 2.3-8.
Ecuacin 2.3-11
CD H
` $A H
0
$A H
CD H
0
0
0a
1
Las matrices de rotacin de cada uno de los ejes vienen dados por:
p,K
CD G
0
$A G
0
$A G
1
0 a
0 CD G
Ecuacin 2.3-12
q,J `
1
`0
0
0
CD ;
$A ;
0
$A ;a
CD ;
Ecuacin 2.3-13
r,I
mno
jkl
Donde:
CHCG
` HCG
G
HC; ' CH G ;
CHC; ' H G ;
CG ;
Ecuacin 2.3-14
CH= CD H, CG CD G, C;=CD ;
Ecuacin 2.3-15
H= $A H, G $A G, ;= $A ;
Remplazando en la Ecuacin 2.3-11:
H ; ' CHC; G
CH ; ' G HC;a
C;CG
34
CHCG
] ` HCG
G
HC; ' CH G ;
CHC; ' H G ;
CG ;
H ; ' CHC; G 5 0
CH ; ' G HC;a `0a
^
C;CG
Ecuacin 2.3-16
G
] ^ `CG ; a
C;CG
Desarrollando la Ecuacin 2.3-16 se obtiene:
Ecuacin 2.3-17
Los momentos generalizados viene dados por:

EK
E s ` EJ a
EI
La letra representa a los tres momentos que el tricptero presenta en los tres
Ecuacin 2.3-18
ejes y est referido a los ngulos de yaw, pitch y roll. Para el momento de guiada
(yaw) se tiene:
EK x= bc $A
Ecuacin 2.3-19
EJ xc b< ' b= x= bc CD
Para el momento de cabeceo (pitch) se tiene:
Ecuacin 2.3-20
EI b= b< x=
Para el momento de alabeo (roll) se tiene:
Ecuacin 2.3-21
EK
x= bc $A
x= bc $A
H@
E
E ` J a yxc b< ' b= x= bc CD z yxc b< ' b= x= bc CD z y G@ z
EI
b=,< . x
b2 b1x
;@
Resumiendo las ecuaciones de torque se obtiene:
Ecuacin 2.3-22
energa cintica, se puede combinar ST y WT , la ecuacin de Euler Lagrange
Como las ecuaciones del Lagrangiano no contiene trminos cruzados en la

puede ser dividida en dinmica para S y dinmica para W de esta manera se tiene
que:
35
0
@
?S ` 0 a ]
?Z
Ecuacin 2.3-23
Remplazando la Ecuacin 2.3-17 en la Ecuacin 2.3-22 y separando en cada uno

de los ejes se obtiene:
m 9@ u sin
m @ u cos sin
Ecuacin 2.3-24
m :@ u cos cos ?Z
Ecuacin 2.3-25
Ecuacin 2.3-26
Con lo cual con las Ecuaciones 2.3-22, 2.3-24, 2.3-25 y 2.3-26, queda definido el
modelo del tricptero.
m 9@ u sin
m @ u cos sin
m :@ u cos cos ?Z
EK
H@
` EJ a y G@ z
EI
;@
Donde u, EK EJ , EI representan las entradas de control.

Ecuacin 2.3-27
Como puede observarse, tanto el modelo del cuadricptero como el modelo del
como un cuerpo rgido y se considera que presentan solo tres momentos EI , EJ , EK
tricptero son los mismos. Esto se debe a que se realiza un anlisis de cada UAV
que representan las entradas de control.
2.4 BIRD LIKE (SKY SAILOR) [10], [16], [17], [18].
El Bird Like es un vehculo areo no tripulado inspirado en sistemas biolgicos

con alas como son aves, insectos, etc. El vuelo automtico de estos robots
todava es incipiente debido a la alta complejidad y no linealidad de los modelos.
En este proyecto se realizar la modelacin y simulacin de uno de los
precursores de los modelos para Bird Like conocido como Sky Sailor, que es un
36
modelo propulsado por dos motores ubicados a cada uno sobre el ala del Sky
Sailor que tiene posibilidad de movimiento vertical como horizontal lo que le da
bastante maniobrabilidad.
El Sky Sailor es un modelo de Bird Like modelado a escala para alcanzar el vuelo
continuo. Se compone de un planeador con un motor de corriente continua
conectado a una hlice a travs de una caja de cambios. Posee dos alerones que
le permite al ala principal realizar el momento de roll del avin. Posee dos
superficies de control que actan principalmente en el elevador y en momento de
giada si la desviacin no es simtrica. Los sistemas voladores son muy difciles
de modelar, debido a la gran cantidad de fuerzas dinmicas y aerodinmicas que
actan sobre el sistema, por lo que es necesario hacer suposiciones con el fin de
encontrar el modelo ideal y simplificado del sistema de una manera correcta.
El Bird Like (Sky Sailor) analizado se considera como un sistema de cuerpo rgido
con 6 grados de libertad en donde actan tres tipos de fuerzas aerodinmicas
diferentes como son: sustentacin, resistencia y momento. Se asume que el
centro de masa y el origen del sistema de coordenadas del cuerpo de la aeronave
coinciden. La velocidad del viento se desprecia en el presente estudio, lo que
representa que la velocidad del Bird Like solo depende de las caractersticas del
sistema mecnico.
2.4.1
MODELO MATEMTICO.
El modelo de un Bird Like como se nombr anteriormente es un sistema de

cuerpo rgido con 6 grados de libertad y donde actan fuerzas aerodinmicas de
esta manera el modelo matemtico se lo obtiene de la siguiente manera:
Las ecuaciones cinemticas para la traslacin y la rotacin de un sistema de
coordenadas ABC con eje en el cuerpo a un sistema local de coordenadas
geogrfica NED (Norte Este Abajo) puede ser expresado en trminos de los
ngulos de Euler.
nT

mno
y nT z jkl
` a p,K q,J r,I ` a
nT
Ecuacin 2.4-1
37
cos H
` sin H
0
sin H
cos H
0
0
0a
1
Las matrices de rotacin de cada uno de los ejes vienen dadas por:
p,K
cos G
0
sin G
0
1
0
sin G
0 a
cos G
Ecuacin 2.4-2
q,J `
1
`0
0
0
cos ;
sin ;
0
sin ;a
cos ;
Ecuacin 2.4-3
r,I
CHCG
mno
jkl
` HCG
G
HC; ' CH G ;
CHC; ' H G ;
CG ;
Ecuacin 2.4-4
Ecuacin 2.4-5
H ; ' CHC; G
CH ; ' G HC;a
C;CG
0

0
;T
T
L ` 0 a ' r,I `G a ' r,I q,J ` 0 a
HT
0
0
Las ecuaciones de la posicin del Bird Like vienen dadas por:
Ecuacin 2.4-6
;T
1 CG
y GT z
`0
CG 0
T
H
Trabajando con la Ecuacin 2.4-6 se obtiene:

; G
C;CG
;
Ecuacin 2.4-7
C; G
;CGa L
C;
CHCG ' HC; ' CH G ; ' H ; ' CHC; G

T
`T a y HCG ' CHC; ' H G ; ' CH ; ' G HC;z
G ' CG ; ' C;CG
T
Trabajando con la Ecuacin 2.4-1 se obtiene:
Ecuacin 2.4-8
Las ecuaciones del cuerpo rgido del Bird Like se obtienen mediante la segunda
&

?
&
ecuacin de Newton para la fuerza y momento se tiene:

8
&

&
Ecuacin 2.4-9

8
Ecuacin 2.4-10
38
Donde el vector es la fuerza que acta sobre el Bird Like y se asume que es
representa el momento
igual a la tasa de cambio de la fuerza del cuerpo;
externo sobre el cuerpo y se asume que es igual a la tasa de tiempo de cambio

del momento de impulso (momento angular).
&
?
&
La Ecuacin 2.4-9 puede ser escrita para cada eje como:

r
&
?
&
Ecuacin 2.4-11
q
&
?
&
Ecuacin 2.4-12
p
Donde se tiene que r , q , p y , , son las componentes de la fuerza y la

Ecuacin 2.4-13
velocidad en coordenadas x, y, z, respectivamente.

&

& r
La Ecuacin 2.4-10 puede ser escrita para cada eje como:

&

& q
Ecuacin 2.4-14

&

& p
Ecuacin 2.4-15
Ecuacin 2.4-16
Donde se tiene que , , y r , q , p son las componentes del momento total
y del momento de impulso en coordenadas x, y, z respectivamente.
Los componentes de la fuerza se componen de varias contribuciones debidas a

las fuerzas aerodinmicas, fuerzas de propulsin y fuerzas gravitacionales que
actan sobre el Bird Like.
39
Figura 2.5 Bird Like(Sky Sailor)
Realizando el anlisis para un elemento de masa ? del Bird Like, con la

&

&
segundo ley de Newton, se puede escribir como:

?
es la velocidad del elemento de masa con respecto al eje

Donde se tiene que
Ecuacin 2.4-17
absoluto de inercias y es la fuerza resultante que acta sobre el elemento de
masa.
Por lo tanto, la fuerza actuante sobre el Bird Like es:

8
Ecuacin 2.4-18
&

&
La velocidad del elemento diferencial de masa puede ser expresado como:

l '
l es la velocidad del centro de masa del aeroplano y es la velocidad

Donde
!#
Ecuacin 2.4-19
del elemento de masa relativo al centro de masa.
&
&
l ' * ?
8 )
&
&
Por lo que, podemos expresar la Ecuacin 2.4-9 como:

8
Ecuacin 2.4-20
Asumiendo que el centro de masa del vehculo es constante se puede decir que:
40
?
&
&=
l '
8 ?
&
& =
En las ecuaciones se tiene que se mide desde el centro de masa, por lo que el
Ecuacin 2.4-21
trmino ? es igual a cero. Entonces, las fuerzas externas que afectan al Bird
&
& l
Like respecto al centro de masa pueden ser escritas como:

?
Para un diferencial de masa ?, el momento puede ser escrito como:

Ecuacin 2.4-22

&
&

?
&
&
Ecuacin 2.4-23
&
l ' f

&
La velocidad de un elemento de masa puede ser expresado como:

l '
Donde f
es la velocidad angular del vehculo y es la posicin del elemento de
Ecuacin 2.4-24
f
' L ' e
masa medida desde el centro de masa.
9 ' ' :e
Ecuacin 2.4-25
Ecuacin 2.4-26
El momento total puede ser escrito como:
8
8 ?
l ' 8
l ?
Como se mide desde el centro de masa el trmino ? es igual a cero.

Ecuacin 2.4-27
para cada eje se tiene:

Entonces reescribiendo
r 8 = ' : = ? L 8 9 ? 8 9: ?
Ecuacin 2.4-28
q 8 9? ' L 89 = ' : = ? 8 : ?

Ecuacin 2.4-29
p 8 9:? L 8 : ? ' 89 = ' = ?

Ecuacin 2.4-30
41
rr , qq , pp se tiene que:
Rescribiendo las Ecuaciones 2.4-27, 2.4-28, 2.4-29 en trminos de inercias

r rr L rq rp
q rq ' L qq qp
Ecuacin 2.4-31
r rp L qp ' pp
Ecuacin 2.4-32
y
de las Ecuaciones 2.4-24 y 2.4-27
Tomando las derivadas de los vectores
Ecuacin 2.4-33
&
' ?f
l

& l
respecto al eje de rotacin del cuerpo se tiene:

?
?

&
' ?f

&
Ecuacin 2.4-34
Ecuacin 2.4-35
Escribiendo las Ecuaciones 2.4-34 y 2.4-35 para cada eje se obtiene:

r ?T ' L
q ?T '
Ecuacin 2.4-36
p ?T ' L
Ecuacin 2.4-37
rT ' Lp q
Ecuacin 2.4-38
qT ' r p
Ecuacin 2.4-39
pT ' q Lr
Ecuacin 2.4-40
Ecuacin 2.4-41
por lo tanto qp rq 0.
Posicionando el eje del cuerpo en el plano xz se tiene simetra en el plano xy, yz
Por lo que se obtiene las ecuaciones del momento como:
rr T rp T ' L pp qq rp L
Ecuacin 2.4-42
42
qq LT ' rr pp ' rp = =
rp T ' pp T ' L qq pp ' rp L

Ecuacin 2.4-43
Ecuacin 2.4-44
Las Ecuaciones 2.4-36, 2.4-37, 2.4-38, 2.4-42, 2.4-43, 2.4-44 representan las
posee simetra en el plano xy, el producto rp 0.
ecuaciones generales de los sistemas no lineales. Como el Bird Like (Sky-Sailor)
Por lo que, las Ecuaciones 2.4-42, 2.4-43, 2.4-44 para el Bird Like (Sky Sailor) se
obtienen:
rr T ' L pp qq
qq LT ' rr pp
Ecuacin 2.4-45
pp T ' L qq pp
Ecuacin 2.4-46
Ecuacin 2.4-47
Trabajando con las Ecuaciones 2.4-36, 2.4-37, 2.4-38, 2.4-45, 2.4-46, 2.4-47 se
tiene:
pp qq
1

L

rr
rr
T
rr pp
1

`LT a
qq
qq
T
1 qq rr L
pp
pp
1
r L '
?
T
1
` T a
q '
?
T
1

'
L
p
?
Ecuacin 2.4-48
Ecuacin 2.4-49

T
G ' CG ; ' C;CG
T
Con lo cual, el modelo del Bird Like queda definido por las ecuaciones:
43
;T
CG
1
T
yG z
`0
CG
0
HT
; G
C;CG
;
C; G
;CGa L
C;
pp qq
1

L
rr
rr
T
rr pp
1

`LT a
qq
qq
T
1 qq rr L
pp
pp
1
r L '
?
T
1
` T a q '
?
T
1
? p ' L
Donde r , q , p , , , , representan las entradas de control.

Ecuacin 2.4-50
2.5 HELICPTERO. [10], [19], [20], [21], [22]
Un helicptero puede ser definido como una mquina voladora donde su

sustentacin y propulsin es proporcionada por uno o ms rotores horizontales.
La principal ventaja del helicptero est dada por el rotor, que proporciona
sustentacin sin
que
la
aeronave
se est desplazando, esto permite
realizar despegues y aterrizajes verticales.

El helicptero para el estudio est compuesto por un rotor principal y uno de cola.
Figura 2.6 Helicptero UAV. [21]

El helicptero presenta tres tipos de movimiento: roll, pitch, yaw.
Roll define el movimiento angular alrededor del eje x. Un movimiento de roll
positivo se define cuando es realizado en sentido de las manecillas del reloj visto
desde la parte trasera del helicptero.
44
Pitch define el movimiento angular alrededor del eje y. Un movimiento de pitch

desde la parte izquierda del helicptero.
Yaw define el movimiento angular alrededor del eje z. Un movimiento de yaw
desde la parte superior del helicptero.
Figura 2.7 Movimientos del helicptero. [19]
El helicptero es controlado por cuatro entradas de control diferentes, de las

cuales, tres son para el rotor principal y una para el rotor de cola.
2.5.1
MODELO MATEMTICO.
El modelo del helicptero consiste en 2 bloques:
Fuerza y torque en el helicptero.- En este bloque el helicptero puede ser

considerado como un cuerpo rgido ya que no posee partes mviles y se
calcula como las fuerzas y torques generados por el rotor que afectan en el
movimiento del helicptero.
Cuerpo Rgido.- El helicptero es considerado como un cuerpo rgido con

seis grados de libertad donde se puede aplicar la segunda ley de Newton y
los ngulos de rotacin de Euler.
45
Figura 2.8 Bloques del modelo del helicptero. [19]
El modelo dinmico del helicptero es obtenido con las siguientes suposiciones:
Cada rotor siempre estar en un disco denominado disco del rotor, por lo
que se considera que el ngulo de conicidad es igual a cero (no hay
desplazamiento de la bisagra).
Se supone que los ngulos de aleteo longitudinal y lateral son medibles y

controlables, por lo que, se consideran como entradas de control
directamente.
La nica resistencia del aire que se modelan son las fuerzas de arrastre
simples que se oponen a la rotacin de los dos rotores.
No se consideran las fuerzas aerodinmicas generadas por el viento

relativo.
Los efectos de operar el helicptero cerca de la tierra no se toman en

cuenta.
Los
efectos
de
las
fuerzas
aerodinmicas
generadas
por
los
estabilizadores no se toman en cuenta.
2.5.2
DINMICA DE CUERPO RGIDO.
Para obtener las ecuaciones del cuerpo rgido se ha utilizado las ecuaciones
obtenidas para el Bird Like, de donde se obtiene que:
46

T
T
` a y HCG ' CHC; ' H G ; ' CH ; ' G HC;z
G ' CG ; ' C;CG
T
;T
CG
1
y GT z
`0
CG
T
0
H
; G
C;CG
;
Ecuacin 2.5-1
C; G
;CGa L
C;
pp qq
1

L
rr
rr
T
rr pp
1

`LT a
qq
qq
T
1 qq rr L
pp
pp
Ecuacin 2.5-2
1
r L '
?
T
1
` T a
q '
?
T
1

'
L
p
?
Ecuacin 2.5-3
Ecuacin 2.5-4
Donde debido a la poca influencia de la fuerza centrpeta la Ecuacin 2.5-4 puede

ser escrita como:
` T a

T

Ecuacin 2.5-5
Por lo tanto el helicptero considerado como un cuerpo rgido puede ser descrito
por las Ecuaciones 2.5-1, 2.5-2, 2.5-3, y 2.5-5.
2.5.3
FUERZAS Y TORQUES DEL HELICPTERO.
2.5.3.1 FUERZAS DEL HELICPTERO.
47
El helicptero se ve afectado por diferentes fuerzas externas pero principalmente

por 3 fuerzas, que son: la fuerza que genera el empuje del motor principal, la
fuerza que genera el empuje del motor de cola y la fuerza que genera la
aceleracin de la gravedad.
2.5.3.1.1
Fuerza generada debido al empuje del motor principal.
La fuerza que genera el efecto de empuje del motor principal depende
directamente de los ngulos de aleteo longitudinal <l y lateral < como se ve en
la figura 24.
Figura 2.9 ngulos de aleteo longitudinal y lateral del helicptero. [19]
La fuerza que genera el efecto de empuje del motor principal puede ser escrita
como:
k
Y
V sin <l

V sin <
`
a
V cos <l cos <
Ecuacin 2.5-6
2.5.3.1.2
Fuerza generada debido al empuje del motor principal.
La fuerza generada debido al motor de cola solo es una fuerza que acta en
0
k
R
`5V a
0
direccin de y, por lo que se tiene que:
Ecuacin 2.5-7
2.5.3.1.3
Fuerza generada por la aceleracin de la gravedad.
48
La fuerza de la gravedad que afecta al helicptero lo afecta solo en el eje z, por lo

tanto se tiene que:
? Z
Ecuacin 2.5-8
2.5.3.2 TORQUES DEL HELICPTERO.

El torque causado sobre el helicptero es debido a las fuerzas del motor de cola y
el motor principal, la gravedad no genera torque. Los torques se calculan con la
ecuacin general:
E &
Ecuacin 2.5-9
Las distancias al eje se calculan en base a las Figuras 2.10 y 2.11.
Figura 2.10 Distancia del eje de referencia al motor principal del helicptero. [19]
Figura 2.11 Distancia del eje de referencia al motor de cola del helicptero. [19]
2.5.3.2.1
Torque generado debido al empuje del motor principal.
49
El torque causado debido a la fuerza del motor principal viene dado por:
k
k
? p,Y
?
q,Y
V
k
k
`V a r,Y ? p,Y x?
V
k ? ' k x?
r,Y
Ecuacin 2.5-10
2.5.3.2.2
q,Y
Torque causado debido al empuje del motor de cola.
El torque causado debido a la fuerza del motor de cola viene dado por:
k
q,5V

5V
z
`5V a y
0
k
5V
q,5V x
Ecuacin 2.5-11
2.5.4
ADAPTACIN DEL MODELO PARA EL CONTROL.
La adaptacin del modelo del helicptero se realiza ya que es un sistema con un

alto grado de complejidad debido al acoplamiento de trminos de traslacin y
rotacin, por lo que se propone un desacoplamiento de los trminos de rotacin
con los de traslacin. Debido al desacoplamiento de trminos la fuera externa
sin 1C
0

sin 1
V
' C ` a
0
cos 1C cos 1
total del helicptero puede ser escrita como:
5#j
Ecuacin 2.5-12
Como se considera que el helicptero esta en vuelo estacionario los ngulos de

aleteo longitudinal y lateral son muy pequeos, ya que no requiere de variaciones
1C
0

V y 1 z ' C ` a
0
1
abruptas, por lo que la ecuacin anterior viene dada por:
5#j
Ecuacin 2.5-13
La ecuacin del torque total del helicptero puede ser representada por:
k
k
q,Y
? p,Y
?
k

q,5V
k
k
E 5#j r,Y ? p,Y x? ' y
z
0
k
k
k

x
q,5V
r,Y ? ' q,Y x?
Ecuacin 2.5-14
50
0
E 5#j V ` ?
?
0
E 5#j ` ?
?
1C
? ?

0
x?a y 1 z ' 5V ` 0 a
x?
0
x
1
1C
?
? x
0
0 a y 1 z ' V x?
x?
0
5V
Ecuacin 2.5-15
Ecuacin 2.5-16
Para simplificar la ecuacin anterior se utiliza la siguiente notacin:

0
` ?
?
? x
0
0a
x?
?
e x?
0
Ecuacin 2.5-17
Donde se puede ver que el trmino contribuye significativamente para el control

Ecuacin 2.5-18
de la dinmica de la rotacin, mientras el trmino e
es el trmino de
acoplamiento entre la rotacin y la traslacin, entonces se puede introducir un

<
<l
`= a ` < a
c

vector de entradas de control para la dinmica de rotacin.
Ecuacin 2.5-19
Entonces considerando la fuerza de traslacin. Esta fuerza puede ser escrita

como:
k
5#j
Donde 1
V c ' <
1C
= y 1 z

3 son los vectores unitarios en coordenadas respecto al cuerpo

Ecuacin 2.5-20
del helicptero. Definiendo la entrada de control como asociada a la dinmica
de la traslacin se tiene que:

Ecuacin 2.5-21
Considerando:
51
1 0 0
`0 1 1 a
0 0 0
Ecuacin 2.5-22
Entonces la fuerza puede ser escrita como:
k
5#j
c ' <
Ecuacin 2.5-23
Donde
<
Ecuacin 2.5-24
Con lo cual la fuerza total que acta sobre el helicptero es:

k
5#j
c '
Ecuacin 2.5-25
Finalmente la fuerza de traslacin puede ser escrita como un trmino relacionado

con la traslacin directamente y un trmino ortogonal a c .
' e
Ecuacin 2.5-26

T
G ' CG ; ' C;CG
T
Finalmente,
el
modelo
adaptado
para
el
control
es:
k
5#j
c '
;T
CG
<
y GT z lJ ` 0
0
HT
; G
C;CG
;
' e
C; G
;CGa L
C;
En donde y representan las entradas del control.

Ecuacin 2.5-27
2.5.5
LINEALIZACIN DEL MODELO.
El modelo del helicptero es muy extenso y complejo al tratar de tener una visin
general de la interconexin entre los diferentes bloques y la dependencia entre
cada uno de ellos. Por lo cual, se trabaja con los modelos simplificados del
helicptero, en los cuales se asume que cada entrada de control afecta un solo
parmetro del helicptero, despreciando los acoplamientos cruzados que existen
52
control de la Figura 2.12 estn relacionadas as: est relacionada con la
entre los diversos parmetros. De esta manera se asume que las entradas de
posicin del helicptero en el eje x; la entrada j# est relacionada con la
posicin del helicptero en el eje y; est relacionada con la posicin del

helicptero en el eje z y, # est relacionada con la orientacin del helicptero.
De esta manera pasamos a un sistema SISO en el cual cada entrada de control

afecta a un solo parmetro del helicptero, como se muestra en la Figura 2.12.
Figura 2.12 Modelo simplificado del helicptero.

Los modelos linealizados fueron tomados del libro Autonomous hover of a small
electric Helicopter Towards Helicopter Aided Mapping of Crops que consta en
la bibliografa. [19]
2.5.6
MODELO DE ALTITUD DEL HELICPTERO.
La funcin de transferencia de la posicin de altitud del helicptero es dada por:
Figura 2.13 Modelo de altitud del helicptero. [19]
53
Dnde:
L es el empuje de sustentacin del rotor principal
Loffset = 8,26N es la interseccin con el eje de la abscisa de la funcin L
M= 2 kg es la masa del helicptero
KL = 0,126 Ns/rad es la ganancia de ? a L

g= 9,8m/s2 es el valor de la gravedad
es una funcin de segundo grado que representa la funcin de transferencia

25
' 10 ' 25
de un servo motor que es utilizado como actuador en el helicptero.

Ecuacin 2.5-28
Al remplazar los valores de las variables y realizando la reduccin del diagrama

de bloques de la Figura 2.13 se obtiene la funcin de transferencia del movimiento
de altitud del helicptero.
6.54910d = ' 2.61910d ' 6.47910d

p
25 d ' 10 c ' 25 =
Ecuacin 2.5-29
2.5.7
MODELO LATERAL DEL HELICPTERO.
El movimiento lateral del helicptero es producido por el ngulo ; que general un

momento de alabeo (roll), debido a la inclinacin que produce el rotor principal.
Para modelar este movimiento se asume que existe una relacin entre la entrada
de control j# y el ngulo de alabeo (;), la misma que dice que la velocidad
angular roll es proporcional a la entrada j# .

;
j#
Dnde: ; es el ngulo roll del helicptero.
j#
Ecuacin 2.5-30
j# = 2 rad/s es la ganancia DC de j# a ;

j# es la entrada de control.
Para evitar acoplamientos cruzados entre los diferentes parmetros del

helicptero se asume que el empuje de sustentacin es igual a
54
?Z.
Ecuacin 2.5-31

Con lo cual, la aceleracin del helicptero en el eje y puede ser calculada como:
@
Dnde: es la proyeccin del empuje de sustentacin sobre el eje y, el cual es

Ecuacin 2.5-32
calculado de la siguiente manera:
sin ;
Ecuacin 2.5-33
sin; ;
Se asume que se trabaja con ngulos pequeos con lo cual
Ecuacin 2.5-34
Sustituyendo las Ecuaciones 2.5-31 y 2.5-34 en 2.5-33 se obtiene:

Z ;
Ecuacin 2.5-35
Z ;

Remplazando la Ecuacin 2.5-35 en 2.5-32 se tiene:

@
Ecuacin 2.5-36
@
Integrando dos veces la aceleracin en y para obtener la posicin en y se tiene:

Ecuacin 2.5-37
Z j#
Trabajando con las Ecuaciones 2.5-30, 2.5-36 en 2.5-37:

j#
Ecuacin 2.5-38
Con lo cual, se obtiene la funcin de transferencia del movimiento lateral del

helicptero:
q
Zj#
c
Remplazando los valores de Z y j# , finalmente se obtiene:

Ecuacin 2.5-39
q
19.6
c
Ecuacin 2.5-40
55
2.5.8
MODELO LONGITUDINAL DEL HELICPTERO.
El movimiento longitudinal del helicptero se modela exactamente de la misma
manera que el lateral, con la diferencia que el ngulo G interviene en este
movimiento y genera un momento de cabeceo (pitch).
La funcin de transferencia ser la misma que la del movimiento lateral, con una
diferencia en el signo, debido a que la proyeccin del empuje de sustentacin
sobre el eje x es:
9 sin G
Ecuacin 2.5-41
Z
Con lo cual, la funcin de transferencia del movimiento longitudinal es:

r
Donde = 2 rad/s es la ganancia DC de a G

Ecuacin 2.5-42
19.6
Finalmente, la funcin de transferencia es:

r
Ecuacin 2.5-43
2.5.9
MODELO DE ORIENTACION DEL HELICPTERO.
El modelo de orientacin del helicptero es caracterizado por el ngulo yaw (H) y

es modelado como una simple ganancia de la entrada a la salida que en este
caso es la velocidad angular en yaw (H).
qj
La funcin de transferencia de la orientacin del helicptero es:
Donde qj = 1 rad/s
Con lo cual se obtiene:
K
Ecuacin 2.5-44
K
Ecuacin 2.5-45
56
De esta manera con las Ecuaciones 2.5-29, 2.5-40, 2.5-43, 2.5-45 queda definido
el modelo lineal del helicptero.
p
r
q
19.6
c
19.6
c
6.54910d = ' 2.61910d ' 6.47910d

25 d ' 10 c ' 25 =
1
K
Ecuacin 2.5-46
57
CAPTULO 3
3. DESARROLLO, SIMULACIN Y CONTROL DE LOS

MODELOS MATEMTICOS.
El desarrollo, simulacin y control de los modelos matemticos se desarrolla
utilizando MATLAB y Simulink. Para la implementacin de los modelos
matemticos obtenidos en el Captulo 2, se utilizan los diferentes bloques de
Simulink, adems de s-functions que son archivos .m en los cuales se genera un
cdigo de programa til en la implementacin del modelo. De la misma manera
para la implementacin de los controles se utiliza los diferentes bloques de
Simulink, como son:
Bloque de control PID, en el cual se puede cargar los valores de las

ganancias proporcional, integral y derivativo.
Figura 3.1 Bloque controlador PID
Bloque de Lgica Difusa, en el cual se carga el controlador previamente

realizado en el toolbox Fuzzy Logic.
Figura 3.2 Bloque controlador Lgica Difusa
Bloque de Redes Neuronales, en el cual se genera la red neuronal

previamente realizada en Matlab.
Figura 3.3 Bloque controlador redes neuronales
Bloque de funcin, en el cual se carga el archivo .m que contiene el

controlador basado en lgebra Lineal.
58
Figura 3.4 Bloque de funcin de MATLAB
3.1
SIMULACIN Y CONTROL UAV AVIN PVTOL.
El modelo del avin PVTOL implementado en Simulink basndose en las

Ecuaciones 2.1-11 es:
ESCUELA POLIT ECNICA NACIONAL
MODELACION, SIMULACION Y CONTROL DE SISTEMAS AEREOS NO T RIPULADOS UTILIZANDO INTELIGENCIA ART IFICIAL
ELABORADOR POR:
GUERRERO NOBOA FREDDY ROBERTO

MENENDEZ GRANIZO OSWALDO ANIBAL
MODELO: MODELO NO LINEAL AVION PVT OL
u2
Ramp
phi
phi
Saturation
Posicion X PVT OL
ENTRADA
Angulo
CALCULO DE PHI
u1
Ramp1
Posicion Z PVT OL
Saturation1
PVT OL
Posicion X PVTOL1
CALCULO DE POSICION
Figura 3.5 Modelo del avin PVTOL
El modelo del avin PVTOL consta de las entrada de control < , = un bloque de
clculo del ngulo ; y un bloque de clculo de la posicin del avin PVTOL.
El bloque de clculo del ngulo ; consiste de dos integradores, mientras que el
bloque de posicin del avin PVTOL contiene una s-function para el respectivo
clculo, como se muestra en las Figuras 3.6 y 3.7 respectivamente.
1
u2
1
s
1
s
Integrator
Integrator1
1
phi
Figura 3.6 Bloque de clculo de phi del avin PVTOL
59
phi
posicion_sfunc_pvtol
2
u1
S-Function
1
s
1
s
Integrator
Integrator1
x
2
z
Figura 3.7 Bloque de clculo de posicin del avin PVTOL
3.1.1
SIMULACIN UAV AVIN PVTOL.
Una vez implementado el modelo, se coloca una entrada (1, 2) tipo rampa a
cada entrada de control, con una saturacin en el valor de 10.
Figura 3.8 Entrada de control ( , ) del avin PVTOL
Al aplicar la entrada de control de la figura 3.8 a 1, 2 se espera que el avin
PVTOL alcance la posicin 10 en x, y en z. Las respuestas en x, z se muestran en

las figuras 3.9 y 3.10, respectivamente.
Figura 3.9 Respuesta x del avin PVTOL
60
Figura 3.10 Respuesta z del avin PVTOL

Las respuestas en los ejes x, z indican que el avin PVTOL no sigue la trayectoria
deseada, por lo que es necesario introducir un controlador al modelo para lograr
la posicin deseada.
3.1.2
CONTROL DEL UAV AVIN PVTOL.
Para realizar el control de posicin del avin PVTOL es necesario agregar un

bloque de generacin de trayectoria adicional al modelo, el mismo que contenga
modelo (1, 2). De igual manera para el control del avin PVTOL se trabaja con
los controladores que sern los encargados de generar las seales de entrada al
los 12 estados de un cuerpo rgido que son: posicin (9, , :), orientacin (, G, H),
velocidad lineal (9T , T , :T ) y velocidad angular (T, GT, HT ).
Para el caso del avin PVTOL, que posee tres grados de libertad (9, :, ), se
trabaja solo con estos parmetros, los dems parmetros se cargan con cero (0).
Los 12 estados del PVTOL se trabajan por medio del bloque de Simulink: Bus
creator, que permite generar una sola lnea de datos con los 12 parmetros, sta
lnea toma el nombre de Estados PVTOL en el modelo. Para el control de la seal
de control (1) se utiliza un controlador PID cuya entrada es el error entre la altura
deseada y la posicin real en y del avin PVTOL, mientras que para el control de
la seal de control (2) se utilizar un control combinado entre PID y lgica difusa,
as como PID y Redes Neuronales.
61
ESCUELA POLITECNICA NACIONAL

MODELACION, SIMULACION Y CONTROL DE SISTEMAS AEREOS NO TRIPULADOS UTILIZANDO INTELIGENCIA ARTIFICIAL
ELABORADOR POR:

MODELO: MODELO NO LINEAL AVION PVTOL CON PID y LOGICA DIFUSA
xd
xd
u2
zd
u2
zd
Estados PVTOL
Trayectoria
u1
u1
Estados PVTOL
Controlador
Modelo PVTOL
Display
TSim
Clock
Display1
Figura 3.11 Modelo de control del avin PVTOL
3.1.3

UAV AVIN PVTOL. [23], [24], [25], [26]
El controlador basado en lgica difusa se utiliza para el control de

posicionamiento en x, el cual permite adaptar variables, es decir de un valor de x
deseado obtener un valor de ; deseado, el cual ser la entrada de un PID que
genera la seal de control (2). Para disear el controlador basado en lgica

difusa se utiliza el Toolbox de Matlab Fuzzy Logic.
Primero, se elige dos entradas para el controlador y una salida:
Entrada de error de posicin, que se obtiene al restar la posicin deseada

de la posicin real del avin PVTOL.
Entrada de velocidad del avin PVTOL, en este caso ser la velocidad en x

del avin PVTOL.
Salida de control, la cual es el ngulo ; deseado.
62
Figura 3.12 Entradas y salida del controlador de lgica difusa

Las funciones de membresa de las entradas y la salida fueron realizadas de la
siguiente manera:
Funcin de membresa del error, que posee un rango mximo de error entre
[-60, 60] en el cual se consideran tres funciones: negativo, cero y positivo.
Figura 3.13 Funcin de membresa del error

Funcin de membresa de la velocidad del avin PVTOL, que posee un rango
entre [-10, 10] en el cual se consideran tres funciones: negativo, cero y positivo.
Figura 3.14 Funcin de membresa de la velocidad

Funcin de membresa de salida de control, que posee un rango entre
[-0.02, 0.02], debido a que se debe generar ngulos pequeos comprendidos
63
entre
-1.14 y 1.14, en el cual se consideran nu eve funciones: s1, s2, s3, s4, s5,
s6, s7, s8 y s9, todas del tipo triangular, en donde:

s1= ngulo negativo grande
s2= ngulo negativo poco grande
s3= ngulo negativo muy pequeo
s4= ngulo negativo pequeo
s5= ngulo cero
s6= ngulo positivo pequeo
s7= ngulo positivo muy pequeo
s8= ngulo positivo poco grande
s9= ngulo positivo grande.
Se elige nueve funciones para obtener una mayor pertenencia entre las variables
del controlador.
Figura 3.15 Funcin de membresa de la salida de control

Con las funciones de membresa de las entradas y salida definidas se procede a
elaborar las reglas del controlador, las mismas que son:
Si error es negativo y velocidad es negativa, entonces salida es negativo

grande.
Si error es cero y velocidad es negativa, entonces salida es negativo poco

grande.
Si error es positivo y velocidad es negativa, entonces salida es negativo

muy pequeo.
Si error es negativo y velocidad es cero, entonces salida es positivo

pequeo.
Si error es cero y velocidad es cero, entonces salida es cero.
64
Si error es positivo y velocidad es cero, entonces salida es negativo

pequeo.
Si error es negativo y velocidad es positivo, entonces salida es positivo

muy pequeo.
Si error es cero y velocidad es positivo, entonces salida es positivo poco

grande.
Si error es positivo y velocidad es positivo, entonces salida es positivo

grande.
Figura 3.16 Reglas del controlador de lgica difusa

3.1.4 DISEO DEL CONTROLADOR PID PARA EL UAV AVIN PVTOL. [4]
Para el control del modelo en z, es decir alcanzar una altura deseada, se utiliza
un PID, el cual toma el error entre la altura deseada y la altura real del avin
PVTOL y genera un valor de entrada (1) al modelo.
La funcin del controlador PID es tomar el error de una medicin y reducir el error
a cero, en este caso calcular los valores deseados de las entradas de control
(1, 2) que eliminen el error.
3.1.4.1 Diseo del controlador PID para altura del avin PVTOL.
El PID para control de altura interviene directamente en la entrada de control (1),

para lo cual el diagrama del controlador es el siguiente:
65
2
zd
PID
<z>
2
u1
PID Controller
3
Estados PVT OL
Figura 3.17 Diagrama PID para control altura del avin PVTOL.
En la Figura 3.17 se observa que la entrada del PID es el error entre la altura
deseada (zd) y la altura real del avin PVTOL, la misma que es realimentada a
travs del bus de datos (Estados PVTOL), y la salida del PID se conecta
directamente a la entrada de control (1).
La sintonizacin del PID se realiza mediante prueba y error debido a que se trata
de un sistema no lineal y lo que se busca con el control PID es mantener una
referencia. Con lo cual las constantes del controlador PID luego de realizar
algunas pruebas son:
Tabla 3.1 Valores PID para altura del avin PVTOL
Controlador PID
para altura del
avin PVTOL
40
10
3.1.4.2 Diseo del controlador PID para posicin en x del avin PVTOL.
El PID para control de posicin en x interviene directamente en la entrada de

control (2), el cual se une con el controlador basado en lgica difusa para
generar la entrada de control. La entrada del PID es el error entre el ngulo ;
deseado, que es obtenido mediante el controlador de lgica difusa, y el ngulo ;

actual del avin que es realimentado.
El esquema de control es el siguiente:
Figura 3.18 Esquema de control de posicin en x del avin PVTOL
66
El PID diseado es un controlador PD, debido a que al realizar pruebas con parte
integral el sistema se vuelve inestable. Siguiendo el procedimiento de 3.1.4.1 las
constantes del PID son:
Tabla 3.2 Valores PID para posicin en x del avin PVTOL
Controlador PID
para posicin en x
del avin PVTOL
10
10
El control conjunto entre lgica difusa y PID se muestra a continuacin:

1
xd
x error
PID
Fuzzy Logic
Controller
PID Controller1
1
u2
Vx
phi
2
zd
<z>
PID
PID Controller
2
u1
3
Estados PVTOL
Figura 3.19 Diagrama de control conjunto PID y lgica difusa para el avin
PVTOL
3.1.5 DISEO DEL CONTROLADOR BASADO EN REDES NEURONALES

PARA EL UAV AVIN PVTOL. [27]
El controlador basado en redes neuronales, al igual que el controlador basado en

adaptar variables, es decir de un valor de x deseado obtener un valor de ;
lgica difusa, se utiliza para el control de posicionamiento en x, el cual permite
deseado, el cual ser la entrada de un PID que genera la seal de control (2).
Para disear el controlador basado en redes neuronales primero se crea la red

neuronal en un archivo .m de Matlab para luego ser exportado a Simulink.
67
Para disear el controlador basado en redes neuronales se utiliza la funcin

newff. En el diseo se considera que la entrada de la red neuronal es el error de
posicin y la velocidad del avin PVTOL y la salida es el valor de ; deseado.
Las funciones de entrada: error de posicin y velocidad estn en el intervalo entre

-1 a 1. Adems la red neuronal tendr seis capas ocultas. La funcin de activacin
de la red neuronal para la entrada y salida de la red neuronal es tansig que
representa una funcin tangente. El entrenamiento de la red neuronal se realiza
por medio de la funcin 'trainlm' que es la funcin que presenta el Matlab por
default. El cdigo para generar esta red neuronal es:
net = newff([-1 1; -1 1], [6,1], {'tansig','tansig'}, 'traingdx');
Las salidas deseadas de la red neuronal entrenada son las siguientes:

Pos_Vel = [ -1
-1
-1
1 ;
-1
-1
-1
1 ];
Angulo
= [ -0.182
0.073
0.182];
-0.073
-0.0091
-0.0364
0.0364
0.0091
Donde la matriz Pos_Vel es una matriz que representa las entradas de la red
neuronal: error de posicin y velocidad, mientras que la matriz Angulo representa
la salida de la red neuronal. La red neuronal es programada para que efecte
10000 interacciones en su entrenamiento con un error de 0.0000001.
net.trainParam.epochs = 10000;
net.trainParam.goal
= 0.0000001;
net = train(net, Pos_Vel, Angulo);
Una vez entrenada la red neuronal se la exporta al entorno de Simulink.

sim(net,Pos_Vel)
gensim(net,-1)
Con lo cual se obtiene el controlador basado en redes neuronales.

1
x p
x{1}
Process Input 1
p{1}
a{1}
a{1}
a{1}
Layer 1
a{1}
a{2}
Layer 2
ay
Process Output 1
y{1}
Figura 3.20 Controlador basado en redes neuronales para el avin PVTOL
68
TDL
weight
p{1}
Delays 1
IW{1,1}
bias
1
netsum
tansig
a{1}
b{1}
Figura 3.21 Red neuronal con funcin de activacin

En la Figura 3.21 se muestra que la funcin tansig es utilizada para activar la red
neuronal.
El controlador completo de redes neuronales se muestra en la Figura 3.22.
if (u1 < -0.15)
u1 elseif (u1 > 0.15)
else
If
if { }
-1
In1
Constant
Out1
If Action
Subsystem
In1
elseif { }
Out1
Merge
x{1}
Entrada
Constant1
If Action
Subsystem1
In1
Constant2
y {1}
Display2
1
Control
Merge
Neural Network
else { }
Out1
If Action
Subsystem2
Display1
if (u1 > 0.15)

u1 elseif (u1 < -0.15)
else
If1
Display
if { }
In1
Constant3
Out1
If Action
Subsystem3
-1
In1
Constant4
elseif { }
Out1
If Action
Subsystem4
In1
Constant5
Merge
Merge1
else { }
Out1
If Action
Subsystem5
Figura 3.22 Controlador basado en redes neuronales para el avin PVTOL.
Las entradas del controlador basado en redes neuronales son acondicionadas

mediante una seleccin previa de las entradas, error de posicin y velocidad, las
cuales generarn las seales de salida del controlador.
El controlador basado en redes neuronales se complementa con un PID para
mantener la referencia del ngulo. Las constantes del controlador PID luego de
realizar algunas pruebas son:
Tabla 3.3 Valores PID complementario para redes neuronales del avin PVTOL
Controlador PID
10
10
69
3.1.6 DISEO DEL CONTROLADOR BASADO EN LGEBRA LINEAL PARA

EL UAV AVIN PVTOL. [11]
seales (1, 2) que permitan al avin PVTOL seguir una trayectoria deseada
El objetivo de disear el controlador basado en algebra lineal es obtener las

(9&, :&).
El primer paso en el diseo del controlador consiste en expresar el modelo del

avin PVTOL mostrado en la Ecuacin 3.1-1 en espacio de Estado, considerando
una masa de 1kg, como un conjunto de ecuaciones diferenciales lineales de
primer orden.
9@ 1 $A ;
:@ 1 CD ; 1
2 ;@
9
9<
9T
9=
9c :
:T
9d

9
9O T
Ecuacin 3.1-1 Modelo del avin PVTOL
9=
9<T
9=T
1 sin 9

9d
9T
c
9dT 1 cos9 1
9T
9O
9OT
2
Ecuacin 3.1-2 Variables de estado
Ecuacin 3.1-3 Modelo avin PVTOL en espacio de estado
Usando la aproximacin de Euler tenemos:
9<< 9< ' 9=
9=< 9= 1 sin 9

9c< 9c ' 9d
9d< 9d ' 1 cos9

9< 9 ' 9O
9O< 9O ' 2
Ecuacin 3.1-4 Aproximacin de Euler del modelo del avin PVTOL
70
9<< 9< 9=

0
0
sin 9
9=< 9=
0
9c< 9c 9d

0
1
0

9d< 9d '
cos 9 0 2
0
9< 9 9O

9O< 9O
0
Expresando la Ecuacin 3.1-4 en forma matricial se tiene
Ecuacin 3.1-5 Modelo del avin PVTOL expresado en forma matricial
La ecuacin 3.1-5 representa un sistema de ecuaciones lineales que permite

calcular las acciones de control (1, 2) para cada instante de muestreo, con el fin
de que el avin PVTOL siga la trayectoria deseada. Ahora, es necesario

especificar las condiciones para que ste sistema tenga solucin exacta. La
primera condicin es que el sistema de 3 ecuaciones con 2 incgnitas posea
solucin exacta.
9=< 9=
sin 9 0
1
1
y cos 9 0z `9d< 9d ' a
2

9O< 9O
1
0
9=< 9=
sin 9
1 9
cos 9
d< 9d '
Ecuacin 3.1-6
Ecuacin 3.1-7
exacta al calcular 9p mediante la divisin entre la fila 1 y 2.
Utilizando la Ecuacin 3.1-7 se puede verificar que el sistema posee solucin

sin 9
9=< 9=

cos 9 9d< 9d '
9=
9d '
Ecuacin 3.1-8
Z9p
Donde 9p es la variable de referencia para que el sistema de la Ecuacin 3.1-5

Ecuacin 3.1-9
posea solucin exacta y de esta manera el avin PVTOL siga la trayectoria
deseada. Esta variable de referencia representa la orientacin necesaria que

debe tener el avin PVTOL para que el error de seguimiento sea igual a cero.
De igual manera de la Ecuacin 3.1-5 las filas 1, 3, 5 deben cumplir la condicin
de igualdad a cero, entonces
71
9<
9=
9
1 <<
9
9
` d a ` c< 9c a
9< 9
9O
Ecuacin 3.1-10
Con el objetivo de que el error de seguimiento tienda a cero, se definen las

9<< 9&<< e< 9&< 9<
siguientes expresiones
9c< 9&c< ec 9&c 9c

9< 9&< e 9& 9
Donde e< , ec , e son constantes de diseo entre 0 y 1.

Ecuacin 3.1-11
Remplazando la Ecuacin 3.1-11 en la Ecuacin 3.1-10 se obtiene la velocidad

necesaria del avin PVTOL para que el error de seguimiento sea cero. Estos
valores son los deseados de velocidad. Por lo que se representa con el subndice
&.
9!=<
9!d<
9!O<
9&<< e< 9&< 9< 9<

9&c< ec 9&c 9c 9c

9&< e 9& 9 9

Ecuacin 3.1-12
Aplicando la misma estructura de enfoque que la expresada en 3.1-11 con los

valores que se obtuvieron en 3.1-12, para hacer que la velocidad del avin
9=< 9&=< e= 9&= 9=
PVTOL tienda a la velocidad de referencia.
9d< 9&d< ed 9&d 9d

9O< 9&O< eO 9&O 9O
Donde e= , ed , eO son constantes de diseo entre 0 y 1.

Ecuacin 3.1-13
Con lo cual el sistema final por ser resuelto es el siguiente
72
9=< 9=
sin 9p 0
1
1
` cos 9p 0a `9d< 9d ' a
2

9O< 9O
1
0
Ecuacin 3.1-14
9
La Ecuacin 3.1-14 expresada de manera simplificada es:
Ecuacin 3.1-15
Para resolver el sistema de la Ecuacin 3.1-14 se utiliza la matriz pseudo inversa

para encontrar las acciones de control.
9 5 < 5
La solucin del sistema puede ser encontrado de la siguiente manera
Ecuacin 3.1-16
1

2
Entonces
sin 9p 0 <
sin 9p cos 9p 0
sin 9p cos 9p 0

` cos 9p 0a
0
0
1
0
0
1
1
0
9d< 9d
9=< 9=
sin 9p '
cos 9p

<

1
1 0

9O< 9O
2
0 1

Con lo cual las acciones de control son:
9=< 9=
9d< 9d
1
sin 9p '
cos 9p

9O< 9O
2

Ecuacin 3.1-17 Acciones de control del avin PVTOL
3.2
SIMULACIN Y CONTROL UAV CUADRICPTERO.
El modelo del Cuadricptero implementado en Simulink basndose en las

73

ELABORADOR POR:

MODELO: MODELO NO LINEAL CUADRICOPTERO
-12.25
-3.038
Scope
-1.055e+004
1250
Ramp
Saturation
1250
1250
ENTRADAS DE CONTROL
Estados Cuadricoptero
-0.1789
-0.0469
-410.8
Tphi,Tteta,Tpsi
Constant
50
50
50
Modelo Cuadricptero
Display1
Figura 3.23 Modelo del Cuadricptero.
, E , EJ , EK y un bloque que contiene el modelo del cuadricptero implementado
El modelo implementado del cuadricptero posee las entradas de control que son:
en una s-function, como se muestra en la Figura 3.24.
Cuadri coptero_Posicion_X
Cuadri coptero_Posicion_Y
Cuadri coptero_Posicion_Z
u
<phi>
<theta>
posicion_sfunc_c
1
s
ddX
dX
1
s
S-Function
phi
2
Tphi,Tteta,Tpsi
ddn
1
s
dn
1
s
theta
psi
dx
1
Estados Cuadri coptero
dy
dz
dphi
dtheta
dpsi
Figura 3.24 Bloque del modelo del cuadricptero
3.2.1
SIMULACIN UAV CUADRICOPTERO
Una vez implementado el modelo, se coloca una entrada () tipo rampa, con una
Nm. a cada entrada de control de torque (E , EJ , EK ).
saturacin en el valor de 15 y se coloca una entrada tipo paso con el valor de 1
74
Figura 3.25 Entrada de control del cuadricptero
Figura 3.26 Entrada de control para los torques del cuadricptero
Con dichas entradas de control se realiza la simulacin con un tiempo de 50s, las
respuestas de posicin en x, y, z son las siguientes:
Figura 3.27 Respuesta en x del cuadricptero
75
Figura 3.28 Respuesta en y del cuadricptero
Figura 3.29 Respuesta en z del cuadricptero

Las Figuras 3.27, 3.28, 3.29 muestran las respuestas del cuadricptero en los
ejes x, y, z respectivamente, las cuales tratan de seguir la forma de rampa de la
entrada de control () pero crecen sin control al transcurrir el tiempo, por lo que es
necesario implementar acciones de control para que el cuadricptero realice una
trayectoria deseada.
3.2.2
CONTROL DEL UAV CUADRICPTERO.
Para realizar el control de posicin del cuadricptero es necesario agregar un

modelo (, E , EJ , EK ).
De igual manera para el control del cuadricptero se trabaja con los 12 estados de
un cuerpo rgido que son: posicin (9, , :), orientacin (, G, H), velocidad lineal
(9T , T , :T ) y velocidad angular (T, GT , HT ).
76
El control del cuadricptero se realiza para un ngulo de guiada (H) igual a cero,
con lo cual EK 0, para evitar el movimiento sobre el propio eje del cuadricptero.
Para el control de la fuerza de sustentacin del cuadricptero () se utilizar un

en z del cuadricptero, mientras que para el control de los torques (E , EJ , EK ) se
controlador PID cuya entrada es el error entre la altura deseada y la posicin real
utilizar un control combinado entre PID y lgica difusa, as como PID y redes
neuronales.
MODELACION, SIMULACION Y CONTROL DE SIST EMAS AEREOS NO T RIPULADOS UTILIZANDO INT ELIGENCIA ART IFICIAL
ELABORADOR POR:

MODELO: MODELO NO LINEAL CUADRICOPT ERO CON CONT ROL AUT OMTICO
xd
xd
yd
yd
zd
zd
Estados Cuadricoptero
Tphi, Ttheta, Tpsi
Tphi,Tteta,Tpsi
Trayectoria
Estados Cuadricptero
Controlador
Modelo Cuadricptero
Display1
TSim
Clock
Display
Figura 3.30 Modelo para control del cuadricptero
3.2.3 DISEO DEL CONTROLADOR BASADO EN LGICA DIFUSA PARA EL

CUADRICPTERO. [23], [24], [25], [26]
Se utiliza dos controladores basados en lgica difusa, uno para calcular el ngulo
G deseado y otro para calcular el ngulo deseado. Estos controladores permiten
adaptar variables, es decir, pasar de una trayectoria deseada a un valor de ngulo

Para encontrar el ngulo G deseado el controlador basado en lgica difusa
deseado.
presenta como entradas la posicin y velocidad en x, y como salida se obtiene el

ngulo G.
77
Para encontrar el ngulo deseado el controlador basado en lgica difusa

ngulo .
presenta como entradas la posicin y velocidad en y, y como salida se obtiene el
El diseo de los controladores basados en lgica difusa se utiliza exactamente el

mismo procedimiento que en la seccin 3.1.3.
3.2.4
DISEO DEL CONTROLADOR PID PARA EL UAV CUADRICPTERO.

[4]
Para el control del cuadricptero se utiliza tres PID.
Uno para el control de altura deseada para la entrada de control ().
Uno para acoplar el ngulo a la entra de control ( E )
Uno para acoplar el ngulo G a la entrada de control (EJ )
El diseo de los controladores PID se realiza de la misma manera que en la

seccin 3.1.4, con lo cual los valores de las constantes de los diferentes PID son:
Tabla 3.4 Valores PID para altura del cuadricptero.
Controlador PID
para altura del
cuadricptero
70
Tabla 3.5 Valores PID para _ del cuadricptero.

Controlador PID
para del
cuadricptero
10
10
Tabla 3.6 Valores PID para _ del cuadricptero.

para del
Controlador PID
cuadricptero
10
10
78
Con lo cual el diagrama de control combinado entre PID y lgica difusa es el

siguiente:
<z>
-70
error z
1
u
Gain1
3
zd
<dz>
Estados
Cuadricptero
Gain
<x>
error x
1
theta d
xd
PID Control ler1
Fuzzy Logic
Controller
<dx>
PID
error theta
Tphi, Ttheta, Tpsi
<theta>
<y >
error y
yd
phi d
PID Control ler2
Fuzzy Logic
Controller1
<dy >
PID
error phi
<phi>
Figura 3.31 Diagrama de control conjunto PID y lgica difusa para el

cuadricptero
3.2.5
DISEO DEL CONTROLADOR BASADO EN REDES NEURONALES

PARA EL UAV CUADRICPTERO. [27]
Para diseo del controlador basado en redes neuronales para el UAV

cuadricptero se sigue el mismo procedimiento efectuado en la seccin 3.1.5. Con
lo cual el cdigo de programa en un archivo .m es:
Pos_Vel = [ -1
-1
-1
1 ;
-1
-1
-1
1 ];
Angulo
= [ -0.182
0.073
0.182];
-0.073
-0.0091
net.trainParam.goal
= 0.0000001;
-0.0364
0.0364
0.0091
79

sim(net,Pos_Vel)
gensim(net,-1)
El controlador basado en redes neuronales para el UAV cuadricptero es:

if (u1 < -0.15)
u1 elseif (u1 > 0.15)
else
If
if { }
-1
In1
Constant
Entrada
Constant1
Out1
If Action
Subsystem
In1
elseif { }
Out1
Merge
x{1}
If Action
Subsystem1
y {1}
Display2
1
Control
Merge
Neural Network
else { }
In1
Out1
0
Constant2
If Action
Subsystem2
Display1
if (u1 > 0.15)

u1 elseif (u1 < -0.15)
else
If1
Display
if { }
In1
Constant3
Out1
If Action
Subsystem3
-1
In1
Constant4
elseif { }
Out1
If Action
Subsystem4
In1
Constant5
Merge
Merge1
else { }
Out1
If Action
Subsystem5
Figura 3.32 Controlador basado en redes neuronales para el UAV cuadricptero

Tabla 3.7 Valores de PID complementario para redes neuronales del

cuadricptero
Controlador PID
3.2.6
10
10
DISEO DEL CONTROLADOR BASADO EN LGEBRA LINEAL PARA

EL UAV CUADRICPTERO. [12]
80
seales (, E , EJ , EK ) que permitan al cuadricptero seguir una trayectoria deseada
El objetivo de disear el controlador basado en algebra lineal es obtener las

(9&, &, :&).

cuadricptero mostrado a continuacin en espacio de Estado, como un conjunto
m 9@ u sin
de ecuaciones diferenciales lineales de primer orden.
m @ u cos sin
m :@ u cos cos ?Z
EK
H@
E
` J a y G@ z
EI
;@
9
9<
9T
9=
9
c
9 T
d
9 :
:T
9
O

9 T
9
9 G
9< GT
H
9<<
9<= HT
Ecuacin 3.2-1
9=

sin 9
?
9d
9<T
9T
=
9T
c
9dT ? cos9 sin 9
9T
9O
9OT
9T cos9 cos9 Z
9 T ?
EI
9T
9<
T
9<
EJ
9<<
T
9
9<=
<=
T
EK
Ecuacin 3.2-3 Modelo cuadricptero en espacio de estado
81
9<< 9< ' 9=
Usando la aproximacin de Euler se tiene:
9=< 9=

sin 9
?
9c< 9c ' 9d
9d< 9d '

cos9 sin 9
?
9< 9 ' 9O
9O< 9O '

cos9 cos9 Z
?
9< 9 ' 9
9< 9 ' EI
9< 9 ' 9<
9<< 9< ' EJ
9<<< 9<< ' 9<=

9<=< 9<= ' EK
Ecuacin 3.2-4 Aproximacin de Euler del modelo del cuadricptero

sin 9
?

cos9 sin 9
?
cos9 cos9
?
0
Expresando la Ecuacin 3.2-4 en forma matricial se tiene:

0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
9=< 9=
0
9d< 9d
0
9
O< 9O ' Z

0
9< 9
0
9<< 9<

0
9

9
<=<
<=
1 EI
E 9<< 9< 9=
0 J
9c< 9c 9d
0 EK
9< 9 9O
0
9
9 9
0
<
0
9< 9 9<
0
9<<< 9<< 9<=
Ecuacin 3.2-5 Modelo del cuadricptero expresado en forma matricial
calcular las acciones de control (, E , EJ , EK ) para cada instante de muestreo, con
La Ecuacin 3.2-5 representa un sistema de ecuaciones lineales que permite
el fin de que el cuadricptero siga la trayectoria deseada. Ahora, es necesario

especificar las condiciones para que este sistema tenga solucin exacta. La
82
primera condicin es que el sistema de 6 ecuaciones con 4 incgnitas posee

1
sin 9
?
1
cos9 sin 9
?
1
cos9 cos9
?
solucin exacta.
0
0
0
1
0
0
0
0
0
0
1
0
9=< 9=
0
9d< 9d
0
1 9O< 9O ' Z

0 EI
9
0 EJ
< 9

0 EK
9<< 9<
9<=< 9<=
1
1
sin 9
?
9=< 9=
1
1
cos9 sin 9 ` 9d< 9d a
9
?
O< 9O ' Z

1
? cos9 cos9
Ecuacin 3.2-6
Ecuacin 3.2-7
exacta al calcular 9p y 9p .

Z9p
9d
9O ' Z
9=
sin 9p
9d
Ecuacin 3.2-8
Z9p
Ecuacin 3.2-9
Donde 9p y 9p son las variables de referencia para que el sistema de la
Ecuacin 3.2-5 posea solucin exacta y de sta manera el cuadricptero siga la

trayectoria deseada. Estas variables de referencia representan la orientacin
necesaria que debe tener el cuadricptero para que el error de seguimiento sea
igual a cero.
De igual manera de la Ecuacin 3.2-5 las filas 7, 8, 9, 10, 11, 12 deben cumplir la
condicin de igualdad a cero, entonces
83
9<< 9<
9=
9c< 9c
9d
9
19
9
O <
9p 9
9
9p 9
9<
9

9
9
<=
<<<
<<
Ecuacin 3.2-10

9<< 9&<< e< 9&< 9<
9c< 9&c< ec 9&c 9c

9< 9&< e 9& 9
9< 9p e 9p 9
9< 9p e 9p 9
9<<< 9&<<< e<< 9&<< 9<<

Donde e< , ec , e , e , e , e<< son constantes de diseo entre 0 y 1.
Ecuacin 3.2-11

necesaria del cuadricptero para que el error de seguimiento sea cero. Estos
&.
9!=<
9!d<
9!O<
9&<< e< 9&< 9< 9<

9&c< ec 9&c 9c 9c

9&< e 9& 9 9
9!<
9!<<
9!<=<
9p e 9p 9 9
9p e 9p 9 9
9&<<< e<< 9&<< 9<< 9<<

Ecuacin 3.2-12
84
Aplicamos la misma estructura de enfoque que la expresada en la Ecuacin 3.211 con los valores que se obtuvieron en la Ecuacin 3.2-12 para hacer que la
9=< 9&=< e= 9&= 9=
velocidad del cuadricptero tienda a la velocidad de referencia.

9d< 9&d< ed 9&d 9d
9O< 9&O< eO 9&O 9O
9< 9&< e 9& 9
9<< 9&<< e< 9&< 9<

9<=< 9&<=< e<= 9&<= 9<=
Donde e= , ed , eO , e , e< , e<= son constantes de diseo entre 0 y 1.

Ecuacin 3.2-13
sin 9p
?
1
cos9p sin 9p
?
1
cos9p cos9p
?
Con lo cual el sistema final por ser resuelto es el siguiente

0
0
0
1
0
0
0
0
0
0
1
0
9=< 9=
0
9d< 9d

0
1 9O< 9O ' Z

0 EI

0 EJ
9< 9
0 EK
9<< 9<
9<=< 9<=
1
Ecuacin 3.2-14

9
Ecuacin 3.2-15

9 5 < 5
Ecuacin 3.2-16
Donde
5 <
?=
0
0
0
0
1
0
0
Ecuacin 3.2-17
0
0
1
0
0
0
0
1
85
5

1

sin9p
cos9p sin9p
cos9p cos9p
9= '
9d '
9O ' Z
?
?
?
9< 9
9<< 9<
9<=< 9<=
Ecuacin 3.2-18
1
sin99:
cos99: sin97:
cos99: cos97:

92 '
94 '
96 ' ZD
D
?
?
?

EI
EJ
EK
1
9
9
<
1
9
9<
<<
1
9
9<=
<=<
Ecuacin 3.2-19 Acciones de control del cuadricptero
3.3
SIMULACIN Y CONTROL UAV TRICPTERO.
El modelo del Tricptero implementado en Simulink basndose en las Ecuaciones

2.3-27 es:
ELABORADOR POR:

MODELO: MODELO NO LINEAL TRICOPTERO
Ramp
Saturation
ENTRADAS DE CONTROL
Estados Tricptero
1
Constant
Tphi,Tteta,Tpsi
Modelo Tricoptero
Display1
Figura 3.33 Modelo del Tricptero
86
, E , EJ , EK y un bloque que contiene el modelo del cuadricptero implementado
El modelo implementado del tricptero posee las entradas de control que son:
en una s-function, como se muestra en la Figura 3.34.
T ricoptero_Posicion_X
T ricoptero_Posicion_Y
T ricoptero_Posicion_Z
u
posicion_sfunc_t
<phi>
<theta>
1
s
ddX
dX
1
s
y
z
S-Function
phi
2
Tphi,Tteta,Tpsi
ddn
1
s
dn
1
s
theta
psi
dx
1
Estados Tricptero
dy
dz
dphi
dtheta
dpsi
Figura 3.34 Bloque del modelo del tricptero
3.3.1
SIMULACIN UAV TRICOPTERO.
Una vez implementado el modelo, se coloca una entrada () tipo rampa, con una
Nm. a cada entrada de control de torque (E , EJ , EK ).
saturacin en el valor de 15 y se coloca una entrada tipo paso con el valor de 1
Figura 3.35 Entrada de control u del tricptero
87
Figura 3.36 Entrada de control para los torques del tricptero
Figura 3.37 Respuesta en x del tricptero
Figura 3.38 Respuesta en y del tricptero
88
Figura 3.39 Respuesta en z del tricptero

Las figuras muestran las respuestas del
tricptero en los ejes x, y, z
respectivamente, las cuales tratan de seguir la forma de rampa de la entrada de

control () pero crecen sin control al transcurrir el tiempo, por lo que es necesario
implementar acciones de control para que el tricptero realice una trayectoria
deseada.
3.3.2
CONTROL DEL UAV TRICPTERO.
Para realizar el control de posicin del tricptero es necesario agregar un bloque

de generacin de trayectoria adicional al modelo, el mismo que contenga los
modelo (, E , EJ , EK ).
controladores que sern los encargados de generar las seales de entrada al
De igual manera para el control del tricptero se trabaja con los 12 estados de un
cuerpo rgido que son: posicin (9, , : ), orientacin ( , G, H ), velocidad lineal
(9T , T , :T ) y velocidad angular (T, GT , HT ).
El control del tricptero se realizar para un ngulo de guiada (H) igual a cero,
con lo cual EK 0, para evitar el movimiento sobre el propio eje del tricptero.
Para el control de la fuerza de sustentacin del tricptero ( ) se utiliza un

en z del tricptero, mientras que para el control de los torques (E , EJ , EK ) se utiliza
controlador PID cuya entrada es el error entre la altura deseada y la posicin real
un control combinado entre PID y lgica difusa, as como PID y redes neuronales.
89

ELABORADOR POR:

MODELO: MODELO NO LINEAL TRICOPTERO CON CONTROL AUTOMTICO
-2.564
xd
1.002
xd
14.44
u
yd
0.0001042
-0.000283
yd
0
Estados Tricptero
zd
zd
0.03778
0.07651
Tphi, Ttheta, Tpsi
Tphi,Tteta,Tpsi
Trayectoria
0.00019
7.328e-006
Estados Tricptero
3.994e-005
Controlador
Dinmica Tricoptero
Display1
TSim
Clock
179.6
Display
Figura 3.40 Modelo para control del tricptero
3.3.3

TRICPTERO.

deseado.

ngulo G.

ngulo .

mismo procedimiento que en 3.1.3.
3.3.4
DISEO DEL CONTROLADOR PID PARA EL UAV TRICPTERO. [4]
Para el control del tricptero se utiliza tres PID.
90
Uno para el control de altura deseada para la entrada de control ().
Uno para acoplar el ngulo a la entra de control ( E ).
Uno para acoplar el ngulo G a la entrada de control (EJ ).

Tabla 3.8 Valores PID para altura del tricptero
Controlador PID
para altura del
cuadricptero
para del
Controlador PID
cuadricptero
para del
Controlador PID
cuadricptero
70
Tabla 3.9 Valores PID para del tricptero

P
10
10
Tabla 3.10 Valores PID para del tricptero

P
10
10

siguiente:
91
<z>
-70
error z
1
u
Gain1
3
zd
<dz>
Estados
Tricptero
Gain
<x>
error x
1
theta d
xd
error theta
<dx>
PID
2
Tphi, Ttheta, T psi
PID Controller1
Fuzzy Logic
Controller
0
Constant
<theta>
<y >
error y
yd
phi d
error phi
Fuzzy Logic
Controller1
<dy >
PID
PID Controller2
<phi>
Figura 3.41 Diagrama de control conjunto PID y lgica difusa para el tricptero

PARA EL UAV TRICPTERO. [27]
Para diseo del controlador basado en redes neuronales para el UAV tricptero
se sigue el mismo procedimiento efectuado en 3.1.5. Con lo cual el cdigo de
programa en un archivo .m es:
Pos_Vel = [ -1
-1
-1
1 ;
-1
-1
-1
1 ];
Angulo
= [ -0.182
0.073
0.182];
-0.073
-0.0091
net.trainParam.goal
= 0.0000001;
sim(net,Pos_Vel)
-0.0364
0.0364
0.0091
92
gensim(net,-1)
El controlador basado en redes neuronales para el UAV tricptero es:

if (u1 < -0.15)
u1 elseif (u1 > 0.15)
else
If
if { }
-1
In1
Constant
Entrada
Constant1
Out1
If Action
Subsystem
In1
elseif { }
Out1
Merge
x{1}
If Action
Subsystem1
In1
Constant2
y {1}
Display2
1
Control
Merge
Neural Network
else { }
Out1
If Action
Subsystem2
Display1
if (u1 > 0.15)

u1 elseif (u1 < -0.15)
else
If1
Display
if { }
In1
Constant3
Out1
If Action
Subsystem3
-1
In1
Constant4
elseif { }
Out1
If Action
Subsystem4
In1
Constant5
Merge
Merge1
else { }
Out1
If Action
Subsystem5
Figura 3.42 Controlador basado en redes neuronales para el UAV tricptero

Tabla 3.11 Valores de PID complementario para redes neuronales del tricptero
Controlador PID
3.3.6
10
10

EL UAV TRICPTERO. [12]
seales (, E , EJ , EK ) que permitan al tricptero seguir una trayectoria deseada

El objetivo de disear el controlador basado en lgebra Lineal es obtener las
(9&, &, :&).
93

tricptero mostrado a continuacin en espacio de Estado, como un conjunto de
m 9@ u sin
ecuaciones diferenciales lineales de primer orden.
m @ u cos sin
m :@ u cos cos ?Z
EK
H@
E
` J a y G@ z
EI
;@
9
9<
9T
9=
9
c
9 T
d
9 :
:T
9
O

9 T
9
9 G
9< GT
H
9<<
9<= HT
Ecuacin 3.3-1
9=

sin 9
?
9d
9<T
9=T

9cT

9
T

cos9
sin
9

d
9T
9O
9OT
9T cos9 cos9 Z
9 T ?
EI
9T
9<
T
9<
EJ
9<<
T
9
9<=
<=
T
EK
Ecuacin 3.3-3 Modelo tricptero en espacio de estado
9<< 9< ' 9=
9=< 9=

sin 9
?
94
9c< 9c ' 9d
9d< 9d '

cos9 sin 9
?
9< 9 ' 9O
9O< 9O '

cos9 cos9 Z
?
9< 9 ' 9
9< 9 ' EI
9< 9 ' 9<
9<< 9< ' EJ
9<<< 9<< ' 9<=

9<=< 9<= ' EK
Ecuacin 3.3-4 Aproximacin de Euler del modelo del tricptero

sin 9
?

cos9 sin 9
?
cos9 cos9
?
0
Expresando la Ecuacin 3.3-4 en forma matricial se tiene

0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
9=< 9=
0
9d< 9d
0
9
O< 9O ' Z

0
9< 9
0
9<< 9<
0
9<=< 9<=
E
I
1
E 9<< 9< 9=
0 J
9c< 9c 9d
0 EK
9
0
< 9 9O
9< 9 9
0
0
9

9

9

<

<
0
9<<< 9<< 9<=
Ecuacin 3.3-5 Modelo del tricptero expresado en forma matricial
el fin de que el tricptero siga la trayectoria deseada. Ahora, es necesario

solucin exacta.
95
1
sin 9
?
1
cos9 sin 9
?
1
cos9 cos9
?
0
0
0
1
0
0
0
0
0
0
1
0
9=< 9=
0
9d< 9d
0
1 9O< 9O ' Z

0 EI

0 EJ
9< 9
0 EK
9<< 9<
9<=< 9<=
1
1
sin 9
?
9=< 9=
1
1
cos9 sin 9 ` 9d< 9d a
9
?
O< 9O ' Z

1
? cos9 cos9
Ecuacin 3.3-6
Ecuacin 3.3-7

Z9p
9d
9O ' Z
9=
sin 9p
9d
Ecuacin 3.3-8
Z9p

Ecuacin 3.3-9
Ecuacin 3.3-5 posea solucin exacta y de esta manera el tricptero siga la

necesaria que debe tener el tricptero para que el error de seguimiento sea igual
a cero.
9<< 9<
9=
9c< 9c
9d
9
19
9
O <
9p 9
9
9p 9
9<
9<=
9<<< 9<<
Ecuacin 3.3-10
96

9<< 9&<< e< 9&< 9<
9c< 9&c< ec 9&c 9c

9< 9&< e 9& 9
9< 9p e 9p 9
9< 9p e 9p 9
9<<< 9&<<< e<< 9&<< 9<<

Ecuacin 3.3-11

necesaria del tricptero para que el error de seguimiento sea cero. Estos valores
son los deseados de velocidad. Por lo que se representa con el subndice &.
9!=<
9!d<
9!O<
9&<< e< 9&< 9< 9<

9&c< ec 9&c 9c 9c

9&< e 9& 9 9
9!<
9!<<
9!<=<
9p e 9p 9 9
9p e 9p 9 9
9&<<< e<< 9&<< 9<< 9<<

Ecuacin 3.3-12
Aplicando la misma estructura de enfoque que la expresada en la Ecuacin 3.3-11

con los valores que se obtuvieron en la Ecuacin 3.3-12, para hacer que la
9=< 9&=< e= 9&= 9=
velocidad del tricptero tienda a la velocidad de referencia.
9d< 9&d< ed 9&d 9d
97
9O< 9&O< eO 9&O 9O

9< 9&< e 9& 9
9<< 9&<< e< 9&< 9<

9<=< 9&<=< e<= 9&<= 9<=

Ecuacin 3.3-13
sin 9p
?
1
cos9p sin 9p
?
1
cos9p cos9p
?
Con lo cual el sistema final por ser resuelto es el siguiente:

0
0
0
1
0
0
0
0
0
0
1
0
9=< 9=
0
9d< 9d
0
1 9O< 9O ' Z

0 EI
9
0 EJ
< 9

0 EK
9<< 9<
9<=< 9<=
1
Ecuacin 3.3-14
9
Ecuacin 3.3-15

9 5 < 5
Ecuacin 3.3-16
Donde

5
5

1

<
?=
0
0
0
0
1
0
0
Ecuacin 3.3-17
0
0
1
0
0
0
0
1
sin9p
cos9p sin9p
cos9p cos9p
9= '
9d '
9O ' Z
?
?
?
9< 9
9<< 9<
9<=< 9<=
Ecuacin 3.3-18
98

1
sin99:
cos99: sin97:
cos99: cos97:

92 '
94 '
96 ' ZD
?
?
?
D
EI
EJ
EK
1
9
9
<
1
9
9<
<<
1
9
9<=
<=<
Ecuacin 3.3-19 Acciones de control del tricptero
3.4
SIMULACIN Y CONTROL UAV BIRD LIKE.
El modelo del UAV Bird Like implementado en Simulink basndose en las

ELABORADOR POR:

MODELO: MODELO NO LINEAL BIRD LIKE
Fz
Ramp
Saturation
T phi
T theta
Estados Bird Like
Ramp1
Saturation1
T psi
ENTRADAS DE CONTROL
Fx
Fy
Modelo Bird Like

Display
Figura 3.43 Modelo no lineal del UAV Bird Like

El modelo del UAV Bird Like est desarrollado en cuatro sub-bloques que son
clculo de velocidades lineales, clculo de velocidades angulares, clculo de los
ngulos de Euler y clculo de la posicin del UAV Bird Like. Cada uno de estos
sub- bloques contienen una s-function con las ecuaciones respectivas del
sistema.
99
P,Q,R
Scope
U,V,W
Fx
Fx
6
Fy
U,V,W1
Scope2
Fy
1
Fz
Scope1
Fz
Calcul o de velocidad lineal U, V, W

x
U,V,W
x
x,y ,z
P,Q,R
phi,teta,psi
L
M
T theta
4
T psi
z
phi
P,Q,R1
T phi
3
Calculo de la Posicin X, Y, Z
teta
psi
Calculo de la velocidad angular P,Q,R
dx
1
Estados Bird Like
dy
dz
P,Q,R
dphi
phi,teta,psi1
dteta
phi,teta,psi
dpsi
Calculo de los Angulos de Euler
Figura 3.44 Sub- bloques del UAV Bird Like que permiten calcular velocidad
lineal, angular, posicin y ngulos de Euler
3.4.1
SIMULACIN UAV BIRD LIKE.
Una vez implementado el modelo, se coloca una entrada tipo rampa, con una
(r , q , p , , , ).
saturacin en el valor de 2 a las entradas de control que son las fuerzas y torques
Figura 3.45 Entradas de control , , , , , , del UAV Bird Like

100
Figura 3.46 Respuesta en x del UAV Bird Like
Figura 3.47 Respuesta en y del UAV Bird Like
Figura 3.48 Respuesta en z del UAV Bird Like

Las figuras muestran las respuestas del UAV Bird Like en los ejes x, y, z
control (r , q , p , , , ) pero crecen sin control al transcurrir el tiempo, por lo
respectivamente, las cuales tratan de seguir la forma de rampa de la entrada de
que es necesario implementar acciones de control para que el UAV Bird Like
realice una trayectoria deseada.
3.4.2
CONTROL DEL UAV BIRD LIKE.
Para realizar el control de posicin del UAV Bird Like es necesario agregar un
101
modelo (r , q , p , , , ). De igual manera para el control del UAV Bird Like se
trabaja con los 12 estados de un cuerpo rgido que son: posicin ( 9, , : ),

orientacin (, G, H), velocidad lineal (9T , T , :T ) y velocidad angular (T, GT, HT ).
El control del UAV Bird Like se realiza para un ngulo de guiada (H) igual a cero,
con lo cual 0, para evitar el movimiento sobre el propio eje del UAV Bird Like.
Para el control de las fuerzas del sistema ( r , q , p ) se utilizar PID cuyas

entradas sern los errores entre la trayectoria deseada y la realimentacin de la
(, , ) se utiliza un control combinado ente PID y lgica difusa, as como PID y
posicin real del UAV Bird Like, mientras que para el control de los torques
Redes Neuronales.

UAV BIRD LIKE. [23], [24], [25], [26]

deseado.

ngulo G.

ngulo .

mismo procedimiento que en 3.1.3.
3.4.4 DISEO DEL CONTROLADOR PID PARA EL UAV BIRD LIKE. [4]
Para el control del UAV Bird Like se utiliza cinco PID.
Uno para el control de fuerza en x (r ).
Uno para el control de fuerza en y (q ).
102
Uno para el control de fuerza en z (p ).
Uno para acoplar el ngulo G a la entrada de control ( )

Uno para acoplar el ngulo a la entra de control ( )

Tabla 3.12 Valores de PID para del UAV BIrd Like
Controlador PID
para r del UAV
Bird Like
70
para r del UAV
Controlador PID
Bird Like
70
para r del UAV
Controlador PID
Bird Like
70
Tabla 3.15 Valores PID para del UAV Bird Like
Controlador PID
para del UAV

Bird Like
10
10
Tabla 3.16 Valores PID para del UAV Bird Like
para del UAV

Controlador PID
Bird Like
10
10
Tabla 3.17
siguiente:
103
<z>
-70
error z
1
Fz
Gain1
3
zd
<dz>
Estados
Bird Like
Gain
-70
<x>
error x
error x
Gain2
1
theta d
xd
PID
error theta
2
Tphi, Ttheta, Tpsi
PID Controller1
Fuzzy Logic
Controller
<dx>
3
Fx
Gain3
0
Constant
<teta>
-70
4
Fy
Gain5
<y >
error y
1
Gain4
error y
yd
phi d
PID Controller2
Fuzzy Logic
Controller1
<dy >
PID
error phi
<phi>
Figura 3.49 Diagrama de control conjunto PID y lgica difusa para el UAV Bird
Like

PARA EL UAV BIRD LIKE. [27]
Para diseo del controlador basado en redes neuronales para el UAV Bird Like se
sigue el mismo procedimiento efectuado en la seccin 3.1.5. Con lo cual el cdigo
de programa en un archivo .m es:
Pos_Vel = [ -1
-1
-1
1 ;
-1
-1
-1
1 ];
Angulo
= [ -0.182
0.073
0.182];
-0.073
-0.0091
-0.0364
0.0364
0.0091
104
net.trainParam.goal
= 0.0000001;
sim(net,Pos_Vel)
gensim(net,-1)
El controlador basado en redes neuronales para el UAV Bird Like es:

if (u1 < -0.15)
u1 elseif (u1 > 0.15)
else
If
if { }
-1
In1
Constant
Entrada
Constant1
Out1
If Action
Subsystem
In1
elseif { }
Out1
Merge
x{1}
If Action
Subsystem1
y {1}
Display2
1
Control
Merge
Neural Network
else { }
In1
Out1
0
Constant2
If Action
Subsystem2
Display1
if (u1 > 0.15)

u1 elseif (u1 < -0.15)
else
If1
Display
if { }
In1
Constant3
Out1
If Action
Subsystem3
-1
In1
Constant4
elseif { }
Out1
Merge
If Action
Subsystem4
In1
Constant5
Merge1
else { }
Out1
If Action
Subsystem5
Figura 3.50 Controlador basado en redes neuronales para el UAV Bird Like

Tabla 3.18 Valores de PID complementario para redes neuronales del UAV Bird
Like
Controlador PID
10
10
105
3.4.6

EL UAV BIRD LIKE.
Para el diseo del controlador basado en lgebra lineal para el UAV Bird Like, se
realiza las siguientes consideraciones para obtener un modelo simplificado del
sistema:
En el diseo del controlador no se consideran dos acciones de control: r ,
, slo actan cuatro entradas de control en lugar de las seis iniciales del
Bird Like, las mismas que son: p , , , .
Se considera que los torques tiene una influencia directa en los ngulos de
rotacin del sistema, con lo cual se considera que las entrada de control
con un cambio de notacin son:
EK
H@
E
` J a y G@ z
EI
;@
La fuerza de sustentacin p , denominada u , representa la fuerza de

Ecuacin 3.4-1
sustentacin del UAV BIrd Like, de esta forma las ecuaciones de posicin
del sistema son:
mno
] jkl
p
5
Donde ] representa la fuerza del Bird Like en los tres ejes inerciales y
Ecuacin 3.4-2
CHCG
` HCG
G
HC; ' CH G ;
CHC; ' H G ;
CG ;
considerando la matriz de rotacin:

mno
jkl
Ecuacin 3.4-3
H ; ' CHC; G
CH ; ' G HC;a
C;CG
m 9@ u H ; ' CHC; G
La posicin del Bird Like est definido por:
m @ u CH ; ' G HC;
m :@ u C;CG ?Z
Ecuacin 3.4-4
Con lo cual el modelo del Bird Like simplificado queda definido por:
106
m 9@ u H ; ' CHC; G
m @ u CH ; ' G HC;
m :@ u C;CG ?Z
EK
H@
` EJ a y G@ z
EI
;@
Ecuacin 3.4-5
seales (, E , EJ , EK ) que permitan al Bird Like seguir una trayectoria deseada
El objetivo de disear el controlador basado en lgebra lineal es obtener las

(9&, &, :&).

Bird Like mostrado en la Ecuacin 3.4-5 en espacio de Estado, como un conjunto
de ecuaciones diferenciales lineales de primer orden.
9
9<
9T
9=
9
c
9 T
d
9 :
:T
9
O

9 T
9
9 G
9< GT
H
9<<
9<= HT
9=

9<T
? sin9 cos9<< cos9 ' sin9<< sin9
9=T

9d
9T
c
9dT ? sin9<< sin9 cos9 cos9<< sin9
9T
9O
9OT

cos9 cos9 Z
9T
?
9T
EI
9T
9<
T
9<
EJ
9<<
T
9
9<=
<=
T
EK
Ecuacin 3.4-7 Modelo Bird Like en espacio de estado
107
9<< 9< ' 9=

9=< 9= '
9d< 9d '

sin9 cos9<< cos9 ' sin9<< sin9
?
9c< 9c ' 9d

sin9<< sin9 cos9 cos9<< sin9
?
9< 9 ' 9O
9O< 9O '

cos9 cos9 Z
?
9< 9 ' 9
9< 9 ' EI
9< 9 ' 9<
9<< 9< ' EJ
9<<< 9<< ' 9<=

9<=< 9<= ' EK
Ecuacin 3.4-8 Aproximacin de Euler del modelo del Bird Like
Expresando la Ecuacin 3.4-7 en forma matricial se tiene la Ecuacin 3.4-9.

el fin de que el Bird Like siga la trayectoria deseada. Ahora, es necesario
solucin exacta.
108

?

?
cos9 cos9
?
0
9=< 9=
9d< 9d
9
O< 9O ' Z
9< 9
9

9
<<
<
9<=< 9<=
9<< 9< 9=

9c< 9c 9d
9
< 9 9O
9
9 9
<
9< 9 9<
9<<< 9<< 9<=
1
?
1
?
1
cos9 cos9
0
9=< 9=
9d< 9d
1 9O< 9O ' Z
9
< 9

9<< 9<
9<=< 9<=
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
Ecuacin 3.4-9 Modelo del Bird Like expresado en forma matricial
Ecuacin 3.4-10
0
0
0
1
0
0
0
0
0
0
1
0
0
0
0
0
0
1 EI

0 EJ
0 EK
0
0
0
0
0 EI

0 EJ
0 EK
109
1
9=< 9=
?
1
1
sin9<< sin9 cos9 cos9<< sin9 ` 9d< 9d a
9
?
O< 9O ' Z

1
cos9 cos9
?
Ecuacin 3.4-11

Z9p
sin9 9d cosH 9= sinH

9d sinH ' 9= cosH
Z9p
9d sinH ' 9= cosH

9O ' Z
Ecuacin 3.4-12

Ecuacin 3.4-13
Ecuacin 3.4-9 posea solucin exacta y de esta manera el Bird Like siga la

necesaria que debe tener el Bird Like para que el error de seguimiento sea igual a
cero.
9<< 9<
9=
9c< 9c
9d
9
19
9
O <
9p 9
9
9p 9
9<
9

9
9
<=
<<<
<<
Ecuacin 3.4-14

9<< 9&<< e< 9&< 9<
9c< 9&c< ec 9&c 9c

9< 9&< e 9& 9
9< 9p e 9p 9
9< 9p e 9p 9
110
9<<< 9&<<< e<< 9&<< 9<<

Ecuacin 3.4-15

necesaria del Bird Like para que el error de seguimiento sea cero. Estos valores
son los deseados de velocidad. Por lo que se representa con el subndice &.
9!=<
9!d<
9!O<
9&<< e< 9&< 9< 9<

9&c< ec 9&c 9c 9c

9&< e 9& 9 9
9!<
9!<<
9!<=<
9p e 9p 9 9
9p e 9p 9 9
9&<<< e<< 9&<< 9<< 9<<

Ecuacin 3.4-16
Aplicamos la misma estructura de enfoque que la expresada en la Ecuacin 3.415 con los valores que se obtuvieron en la Ecuacin 3.4-16 para hacer que la
9=< 9&=< e= 9&= 9=
velocidad del tricptero tienda a la velocidad de referencia.
9d< 9&d< ed 9&d 9d

9O< 9&O< eO 9&O 9O
9< 9&< e 9& 9
9<< 9&<< e< 9&< 9<

9<=< 9&<=< e<= 9&<= 9<=

Ecuacin 3.4-17
Con lo cual el sistema final por ser resuelto es el siguiente:
111
1
?
1
?
1
cos9p cos9p
0
9=< 9=
9d< 9d
1 9O< 9O ' Z
9
< 9

9<< 9<
9<=< 9<=
0
0
0
1
0
0
0
0
0
0
1
0
0
0
0 EI

0 EJ
0 EK
Ecuacin 3.4-18
9
Ecuacin 3.4-19

La solucin del sistema puede ser encontrada de la siguiente manera:
9 5 < 5
Ecuacin 3.4-20
Donde
5 <
?=
0
0
0
0
1
0
0
Ecuacin 3.4-21
0
0
1
0
0
0
0
1

cos9p cos9p
9= '
9d '
9O ' Z
?
?
?
1
9< 9
5

9

9
<<
<
9

9
<=<
<=
Ecuacin 3.4-22
112

1 sin99 cos911 cos97 ' sin911 sin97

92
?
D
sin911 sin99 cos97 cos911 sin97

94
?
cos99: cos97:
'
96 ' ZD
?
1
EI
9
9
<
'
EJ
EK
1
9
9<
<<
1
9
9<=
<=<
Ecuacin 3.4-23 Acciones de control del Bird Like
3.5
SIMULACIN Y CONTROL UAV HELICOPTERO.
El modelo lineal del Helicptero implementado en Simulink basndose en las

MODELACION, SIMULACION Y CONTROL DE SISTEMAS AEREOS NO TRIPULADOS UTILIZANDO INT ELIGENCIA ART IFICIAL
ELABORADOR POR:

MODELO: CONTROL MODELO LINEALIZADO DEL HELICOPT ERO
Ulong
Si ne Wave
Model o Movimi ento Longitudinal1
Ulat
Sine Wave1
Modelo Movimi ento Lateral
Yaw_ref
y aw
Di spl ay
Constant
Modelo Movimiento de Timn o Yaw
zd
Ramp
Saturation
Modelo Movimiento Alti tud
Figura 3.51 Modelo lineal del Helicptero

En la Figura 3.51 se observa los bloques que conforman el modelo lineal del
helicptero, cada bloque contiene la funcin de transferencia que caracteriza el
comportamiento del sistema.
113
Mientras que el modelo no lineal basndose en las Ecuaciones 2.5-27 se muestra

en la Figura 3.52.
1
x1 (x)
x2 (u)
Phi
x3 (y )
Theta
x4 (v )
Psi
x5 (z)
Tphi Ttheta Tpsi
x6 (w)
Dinmica de Traslacin Helicptero
x11 (Phi)
x9 (Theta)
1
Estados Helicptero
x7 (Psi)
ngulos de Euler
Ixx
Iyy
Izz
x12 (P)
Ixx Iy y Izz
x10 (Q)
4
Tphi
3
Tphi Ttheta Tpsi
Ttheta
2
x8 (R)
Ecuaciones de Rotacin
Tpsi
tphi
Figura 3.52 Modelo No Lineal Helicptero

3.5.1
SIMULACIN UAV HELICOPTERO.
saturacin en el valor de 2 a las entradas de control ( , j# , , ). Se
Una vez implementado el modelo, se coloca una entrada tipo rampa, con una
propone el control del helicptero sin movimiento sobre su propio eje, con lo cual
el ngulo yaw es cargado con 0 (cero).
Figura 3.53 Entradas de control del helicptero

114
Figura 3.54 Respuesta en x del Helicptero
Figura 3.55 Respuesta en y del helicptero
Figura 3.56 Respuesta en z del helicptero

Las figuras muestran las respuestas del UAV Helicptero en los ejes x, y, z
respectivamente, las cuales crecen sin control al transcurrir el tiempo, por lo que
es necesario implementar acciones de control para que el UAV Helicptero realice
una trayectoria deseada.
3.5.2
CONTROL DEL UAV HELICOPTERO.
Debido a la complejidad del modelo no lineal del helicptero, para este modelo
solo se realiza el diseo de un controlador basado en lgebra lineal, mientras que
115
para el modelo lineal se realiza el diseo de los controladores basados en Lgica

Difusa, Redes Neuronales y PID.

UAV HELICOPTERO. [23], [24], [25], [26]
Se utiliza dos controladores basados en lgica difusa, para calcular la velocidad

deseada del helicptero en los ejes x,z. Estos controladores permiten adaptar
variables, es decir, pasar de una trayectoria deseada a un valor de velocidad
deseado, para luego con este valor de velocidad poder controlar la posicin del
helicptero por medio de un PID, en cada eje, que mantenga una referencia
deseada.
mismo procedimiento que en 3.1.3, con las siguientes diferencias:
Se utiliza una sola entrada al controlador basado en Lgica Difusa, esta

entrada representa el error de posicin en cada eje y una salida que
representa la velocidad deseada.
Las funciones de membreca de la entrada y salida se muestran en las Figuras

3.57 y 3.58.
Figura 3.57 Funcin de membresa de la entrada del controlador basado en

Lgica Difusa
116
Figura 3.58 Funcin de membresa de la salida del controlador basado en Lgica

Difusa
Las reglas del controlador se muestran en la Figura 3.59.
Figura 3.59 Reglas del controlador basado en Lgica Difusa para el helicptero.
3.5.4
DISEO DEL CONTROLADOR PID PARA EL UAV HELICOPTERO. [4]
Para el control del UAV Helicptero se utiliza cuatro PID.
Uno para el control de posicin en x.
Dos para el control de posicin en y. En ste eje se utilizan dos PID, uno
para obtener una velocidad deseada y otro para mantener la referencia de
velocidad y de sta manera poder alcanzar la trayectoria deseada.
Uno para el control de posicin en z.

Tabla 3.19 Valores de PID para posicin en x del helicptero
Controlador PID
para r del UAV
Helicptero
10
3.295
6.4582
117
Tabla 3.20 Valores de PID para velocidad en y del helicptero

Controlador PID
para r del UAV
Helicptero
10
0.85
Tabla 3.21 Valores de PID para posicin en y del helicptero

para r del UAV
Controlador PID
Helicptero
-10
-3.295
-6.4582
Tabla 3.22 Valores PID para posicin en z del helicptero

para del UAV
Controlador PID
Helicptero
0.0095
0.0001

siguiente:
Scope
19.6
PID
s2
PID interno Transfer Fcn
Ulong
Fuzzy Logic
Controller
1
s
Integrator
Figura 3.60 Control en el eje x del helicptero

Scope
1
Ulat
PID
PID
PID externo
PID interno
-19.6
s2
1
s
Transfer Fcn
Integrator
1
y
Figura 3.61 Control en el eje y del helicptero
118
Scope
1
zd
PID
num(s)
den(s)
Fuzzy Logi c
Controller
PID interno
1
s
Integrator
1
z
Transfer Fcn
Figura 3.62 Control en el eje z del helicptero.

PARA EL UAV HELICOPTERO. [27]
Para el diseo del controlador basado en Redes Neuronales se utiliza el toolbox

de Matlab Neural Network Tool, en el cual se elige el controlador NARMA - L2
Controller, en el cual se cargan los parmetros para el diseo de la red neuronal.
Figura 3.63 Controlador usado para realizar Redes Neuronales en el helicptero

Los parmetros a cargar son:
10000 muestras de entrenamiento
Seal de entrada acotada entre -1 y 4
Seal de salida mayor a cero
119
Figura 3.64 Parmetros cargados de la red neuronal

El diseo de la red neuronal se completa con un PID que se encarga de mantener
una referencia de velocidad del helicptero. Las constantes del PID son:
Tabla 3.23 Valores PID para Redes Neuronales del helicptero

P
10
6.5
Controlador PID
para Redes
Neuronales del
helicptero
Finalmente el control implementado es el siguiente:
NARMA-L2 Controller
Reference
1
xd
f
Plant
Output
Control
Signal
PID
PID interno
19.6
s2
1
s
Transfer Fcn
Integrator
1
x
Figura 3.65 Control combinado entre Redes Neuronales y PID para el helicptero.
3.5.6

EL UAV HELICPTERO.
120
Para el diseo del controlador basado en lgebra lineal para el UAV Helicptero,
se realiza en base al sistema desacoplado no lineal del helicptero.
m 9@ u H ; ' CHC; G
La posicin del helicptero est definido por:
m @ u CH ; ' G HC;
m :@ u C;CG ?Z
Ecuacin 3.5-1
m 9@ u H ; ' CHC; G
Con lo cual el modelo del helicptero simplificado queda definido por:
m @ u CH ; ' G HC;
m :@ u C;CG ?Z
HT
;
C;
L'
CG
CG
GT C;L ;
T ' C;G
; ' ;GL
T
EK
r q
L '
p
p
T
EI
q p
L '
r
r
LT
EJ
p r
'
q
q
Ecuacin 3.5-2
seales (, E , EJ , EK ) que permitan al Helicptero seguir una trayectoria deseada
El objetivo de disear el controlador basado en lgebra lineal es obtener las

(9&, &, :&).

Helicptero mostrado en la Ecuacin 3.5-2 en espacio de Estado, como un
conjunto de ecuaciones diferenciales lineales de primer orden.
121
9
9<
9T
9=
9
c
9 T
d
9 :

:T
9
O
9 H
9
9 G
9< L
9<<
;
9<=
9=

? sin9 cos9<< cos9 ' sin9<< sin9
9d

9<T
sin9 sin9 cos9<< cos9 sin9<<
9T
?
=
9O
9cT

cos9 cos9<< Z
9dT
?
9T
sin9<<
cos9<<
9OT
9
'
9
<
cos9
cos9
9T
9T
EK
r q
9< 9<= '

9
T
p
p

cos9<< 9< sin9<< 9
T
9<
p r
EJ
9<<
T
9
9
'
<=
9<=
T
q
q
9<= ' sin9<< tan9 9< ' cos9<< tan9 9

EI
q p
9 9< '
r
r
Ecuacin 3.5-4 Modelo Helicptero en espacio de estado

9=< 9= '
9d< 9d '
9<< 9< ' 9=

?
9c< 9c ' 9d

sin9 sin9 cos9<< cos9 sin9<<
?
9< 9 ' 9O
9O< 9O '

cos9 cos9<< Z
?
122
9< 9 ' )
sin9<<
cos9<<
9< '
9
*
cos9
cos9
9< 9 ' )
EK
r q
9< 9<= '
*
p
p
9< 9 ' cos9<< 9< sin9<< 9

9<< 9< '
EJ
p r
9<= 9 '
q
q
911A'1 911A ' D 912A ' sin911 tan99 910A ' cos911 tan99 98A
9<=< 9<= ' )
EI
q p
9 9< '
*
r
r
Ecuacin 3.5-5 Aproximacin de Euler del modelo del Helicptero
Expresando la Ecuacin 3.5-4 en forma matricial se tiene la Ecuacin 3.5-6

0
sin9 cos9<< cos9 ' sin9<< sin9 0
?
0

sin9 sin9 cos9<< cos9 sin9<< 1
?
r

cos9
cos9
<<
?
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
q
0
0
0
0
0
0
0
0
0
0
0
E
I
1 EJ
p EK
0
0
0
0
0
0
123
9=< 9=
9d< 9d
9O< 9O ' Z
r q
9< 9 )
9< 9<= *

p r
9<< 9<
9<= 9

q
p
9<=< 9<= )
9 9< *
9<< 9< 9=
9c< 9c 9d
9< 9 9O
sin9<<
cos9<<
9< 9 )
9< '
9 *
cos9
cos9
9< 9 cos9<< 9< sin9<< 9
9<<< 9<< 912A ' sin911 tan99 910A ' cos911 tan99 98A
Ecuacin 3.5-6 Modelo del Helicptero expresado en forma matricial
el fin de que el Helicptero siga la trayectoria deseada. Ahora, es necesario

especificar las condiciones para que ste sistema tenga solucin exacta. La
1
sin9 cos9 cos9<< ' sin9 sin9<<
9=< 9=
?
1
1 sin9 sin9 cos9<< cos9 sin9<< ` 9d< 9d a
9
?
O< 9O ' Z

1
cos9 cos9<<
solucin exacta.
Ecuacin 3.5-7

Z9<<p
sin9p 9d cosH 9= sinH

9d sinH ' 9= cosH
Ecuacin 3.5-8
124
Z9p
9d sinH ' 9= cosH

9O ' Z

Ecuacin 3.5-9
Ecuacin 3.5-6 posea solucin exacta y de sta manera el Helicptero siga la

necesaria que debe tener el Helicptero para que el error de seguimiento sea
igual a cero.
9=
9
9<
1 <<
9
9
` d a
` c< 9c a
D
9< 9
9O
cos911A
sin911A
0
98A
cos99A
cos99A
1
`910A a
D
sin911A
cos911A
0
912A
sin911A tan99A cos911A tan99A 1
1
97: 97A
99: 99A
`
a
911bA'1 911A
Ecuacin 3.5-10

9<< 9&<< e< 9&< 9<
9c< 9&c< ec 9&c 9c

9< 9&< e 9& 9
9< 9&< e 9p 9
9< 9p e 9p 9
9<<< 9<<p e<< 9&<< 9<<

Ecuacin 3.5-11
Remplazando la Ecuacin 3.5-11 en la ecuacin 3.5-10 se obtiene la velocidad

necesaria del Helicptero para que el error de seguimiento sea cero. Estos
125
&.
9!=<
9!d<
9!O<
9&<< e< 9&< 9< 9<

9&c< ec 9&c 9c 9c

9&< e 9& 9 9
9!<
9&< e 9p 9 9
9!<<
9!<=<
9p e 9p 9 9
9<<p e<< 9&<< 9<< 9<<

Ecuacin 3.5-12
Aplicando la misma estructura de enfoque que la expresada en la Ecuacin 3.5-11

con los valores que se obtuvieron en la Ecuacin 3.5-12
para hacer que la
9=< 9&=< e= 9&= 9=
velocidad del helicptero tienda a la velocidad de referencia.
9d< 9&d< ed 9&d 9d

9O< 9&O< eO 9&O 9O
9< 9&< e 9& 9
9<< 9&<< e< 9&< 9<

9<=< 9&<=< e<= 9&<= 9<=

Ecuacin 3.5-13
Con lo cual, el sistema final por ser resuelto es el siguiente:
126
0
1 sin9 cos9 cos9 ' sin9 sin9 0
<<
<<
?
0
1
1
? sin9 sin9 cos9<< cos9 sin9<<
r
cos9 cos9<<
?
0
0
0
0
0
0
1
q
0
9=< 9=
9d< 9d
9O< 9O ' Z

r
q
9< 9<= *
1 9< 9 )
p

p r
9

9

9
9
<<
<
<=
q
q p
9
9<= )
9 9< *
<=<
r
0
0
0

0 EI

EJ
0 EK
1
p
Ecuacin 3.5-14

9
Ecuacin 3.5-15

9 5 < 5
Ecuacin 3.5-16
127
CAPTULO 4
4. PRUEBAS Y RESULTADOS.
El modelo de los cada uno de los sistemas areos no tripulados obtenido en el
Captulo 2, es controlado con los cuatro controladores diseados en el Captulo 3,
en donde mediante la combinacin de las tcnicas de control se logr obtener
resultados satisfactorios en el seguimiento de una trayectoria deseada. Las
simulaciones fueron desarrolladas en MATLAB y Simulink, cada sistema fue
simulado para tres diferentes trayectorias de referencia obteniendo resultados
acordes a lo deseado.
4.1
RESULTADOS DEL AVION PVTOL.
4.1.1
RESULTADOS DEL CONTROL COMBINADO ENTRE LGICA DIFUSA

Y PID.
4.1.1.1
Trayectoria Recta.
Se propone una trayectoria recta, la cual se genera mediante entradas tipo rampa,
en cada uno de los ejes de referencia x, z. Esta trayectoria es cargada en
Simulink en el bloque generacin de trayectoria. Se realiza la simulacin del
modelo del Avin PVTOL con control combinado entre Lgica Difusa y PID para
un tiempo de 1000s y se obtiene que el control combinado entre Lgica Difusa y
PID presenta un control en el seguimiento de trayectoria muy bueno, en el cual el
error de posicin es muy pequeo, adems que el sistema no presenta
oscilaciones.
128
SIMULACION AVIN PVTOL
Posicin X vs Tiempo
10
Posicin X
Posicin Actual
Posicin Deseada
Posicin Actual
Posicin Deseada
10
-5
100
200
300
0.5
Posicin Y
Posicion Z
5
4
700
800
900
1000
Posicin Actual
Posicin Deseada
-0.5
-1
1
0
400
500
600
Tiempo
Posicin Y vs Tiempo
100
200
300
400
500
600
Tiempo
Posicin Z vs Tiempo
700
800
900
1000
10
Posicin Actual
Posicin Deseada
10
8
-1
Posicion Y
Posicin Z
2
-2
-5
Posicion X
100
200
300
400
500
Tiempo
600
700
800
900
1000
Figura 4.1 Respuesta del Avin PVTOL ante una trayectoria recta con control
combinado entre Lgica Difusa y PID
4.1.1.2
Trayectoria Circular.
Se propone una trayectoria circular, la cual se genera mediante una entrada tipo
seno en el eje x y una entrada tipo coseno en el eje z , esta trayectoria es cargada
en Simulink en el bloque generacin de trayectoria. Se realiza la simulacin del
PID cumple con el objetivo de seguimiento de trayectoria a pesar de que presenta
una pequea oscilacin en el eje x en los primeros segundos pero la misma
desaparece al transcurrir el tiempo, mientras que en el eje z el seguimiento de
trayectoria presenta un error muy pequeo.
4.1.1.3
Trayectoria Seno.
Se propone una trayectoria tipo seno, la cual se genera mediante una entrada tipo
rampa en el eje x y una entrada seno en el eje z. Se realiza la simulacin del
129
PID es muy bueno, en el cual el error de posicin es muy pequeo adems que el
sistema no presenta oscilaciones.
Posicin X vs Tiempo
5
Posicin Actual
Posicin Deseada
Posicin X
Posicin Actual
Posicin Deseada
-5
3
2
1
500
1000
1500
2000
2500
Tiempo
Posicin Y vs Tiempo
3000
3500
4000
0
-1
Posicin Actual
Posicin Deseada
0.5
Posicin Y
Posicion Z
0
-0.5
-2
-1
500
1000
-3
1500
2000
2500
Tiempo
Posicin Z vs Tiempo
3000
3500
4000
5
Posicin Actual
Posicin Deseada
Posicin Z
2
1
4
0
-1
-2
Posicion Y
-5
-2
Posicion X
500
1000
1500
2000
Tiempo
2500
3000
3500
4000
Figura 4.2 Respuesta del Avin PVTOL ante una trayectoria circular con control
combinado entre Lgica Difusa y PID.
Posicin X vs Tiempo
40
Posicin X
Posicin Actual
Posicin Deseada
Posicin Actual
Posicin Deseada
20
4
-20
500
1000
1500
2000
2500
Tiempo
Posicin Y vs Tiempo
3000
3500
4000
1
Posicin Y
Posicion Z
0
-1
Posicin Actual
Posicin Deseada
0.5
0
-0.5
-2
-1
500
1000
-3
1500
2000
2500
Tiempo
Posicin Z vs Tiempo
3000
3500
4000
5
Posicin Actual
Posicin Deseada
40
30
20
-1
Posicion Y
Posicin Z
10
-2
-5
Posicion X
500
1000
1500
2000
Tiempo
2500
3000
3500
4000
Figura 4.3 Respuesta del Avin PVTOL ante una trayectoria seno con control
4.1.2
RESULTADOS
DEL
NEURONALES Y PID.
CONTROL
COMBINADO
ENTRE
REDES
130
4.1.2.1
Trayectoria Recta.
A diferencia del control combinado entre Lgica Difusa y PID,
el control
combinado entre Redes Neuronales y PID presenta oscilaciones muy pequeas

en cada uno de los ejes de referencia x, z del sistema, pero el seguimiento de
trayectoria es muy bueno con error de posicin muy pequeo.
Posicin X vs Tiempo
40
Posicin X
Posicin Actual
Posicin Deseada
Posicin Actual
Posicin Deseada
30
20
10
40
0
35
500
1000
1500
2000
2500
Tiempo
Posicin Y vs Tiempo
3000
3500
4000
25
Posicin Y
Posicion Z
30
20
15
Posicin Actual
Posicin Deseada
0.5
0
-0.5
10
-1
5
0
500
1000
1500
2000
2500
Tiempo
Posicin Z vs Tiempo
3000
3500
4000
60
Posicin Actual
Posicin Deseada
40
30
0
20
-1
Posicion Y
10
-2
Posicin Z
2
40
20
0
-20
Posicion X
500
1000
1500
2000
Tiempo
2500
3000
3500
4000
combinado entre Redes Neuronales y PID
4.1.2.2
El control combinado entre Redes Neuronales y PID presenta oscilaciones muy

pequeas en cada uno de los ejes de referencia x, z del sistema y en
comparacin con el control combinado entre Lgica Difusa y PID, este control
disminuye la oscilacin inicial que se present en el eje x, adems el seguimiento
de trayectoria es muy bueno con error de posicin muy pequeo.
131
Posicin X vs Tiempo
5
Posicin Actual
Posicin Deseada
Posicin X
Posicin Actual
Posicin Deseada
0
4
-5
500
1000
1500
2000
2500
Tiempo
Posicin Y vs Tiempo
3000
3500
4000
1
Posicin Actual
Posicin Deseada
0.5
Posicin Y
Posicion Z
1
0
-1
0
-0.5
-2
-1
500
1000
-3
1500
2000
2500
Tiempo
Posicin Z vs Tiempo
3000
3500
4000
5
Posicin Actual
Posicin Deseada
Posicin Z
2
4
2
0
-1
-2
Posicion Y
-5
Posicion X
-2
500
1000
1500
2000
Tiempo
2500
3000
3500
4000
combinado entre Redes Neuronales y PID.
4.1.2.3
Trayectoria Seno.
El control combinado entre Redes Neuronales y PID presenta oscilaciones muy

pequeas en el eje x del sistema, pero stas no afectan en el seguimiento de la
trayectoria deseada.
Posicin X vs Tiempo
40
Posicin X
Posicin Actual
Posicin Deseada
Posicin Actual
Posicin Deseada
20
4
-20
500
1000
1500
2000
2500
Tiempo
Posicin Y vs Tiempo
3000
3500
4000
Posicin Y
Posicion Z
1
1
0
-1
Posicin Actual
Posicin Deseada
0.5
0
-0.5
-2
-1
500
1000
-3
1500
2000
2500
Tiempo
Posicin Z vs Tiempo
3000
3500
4000
5
Posicin Actual
Posicin Deseada
40
30
20
-1
10
Posicion Y
Posicin Z
-2
-5
Posicion X
500
1000
1500
2000
Tiempo
2500
3000
3500
4000
132
4.1.3
RESULTADOS CONTROLADOR BASADO EN LGEBRA LINEAL.
4.1.3.1
Trayectoria Recta.
El controlador basado en lgebra lineal presenta una excelente respuesta en el

seguimiento de trayectoria a pesar de presentar un error de posicin pequeo al
inicio de la trayectoria pero que se corrige inmediatamente.
SIMULACIN DEL PVTOL
Posicion X vs Tiempo
1.4
1.4
Posicin Actual
Posicin Deseada
Posicin Actual
Posicin Deseada
1.2
1
Posicin X
1.2
0.8
0.6
0.4
Posicin Y
0.2
0.8
0.6
1.4
10
20
30
40
50
Tiempo
60
70
80
90
100
Posicion Z vs Tiempo
Posicin Actual
Posicin Deseada
1.2
1
Posicin Z
0.4
0.2
0.8
0.6
0.4
0.2
0.2
0.4
0.6
0.8
Posicin X
1.2
1.4
10
20
30
40
50
Tiempo
60
70
80
90
100
basado en Algebra Lineal
4.1.3.2
El controlador basado en Lgica Difusa permite eliminar las pequeas

oscilaciones en el sistema; presenta un error de posicin pequeo respecto a la
trayectoria deseada, ste se produce por un pequeo error en el eje x, ya que en
el eje z no se presenta este error.
133
SIMULACIN DEL PVTOL
2.5
1.5
Posicin Actual
Posicin Deseada
Posicin Actual
Posicin Deseada
Posicin X
0.5
0
-0.5
1.5
-1
Posicin Y
-1.5
50
100
150
Tiempo
1
2.5
Posicin Actual
Posicin Deseada
0.5
Posicin Z
1.5
1
0.5
0
-0.5
-1.5
-1
-0.5
0
Posicin X
0.5
-0.5
1.5
50
100
150
Tiempo
basado en lgebra Lineal
4.1.3.3
Trayectoria Seno.
El controlador basado en Lgica Difusa permite un seguimiento de trayectoria casi

perfecto para una trayectoria tipo seno, presenta un error pequeo de posicin al
inicio de la trayectoria pero se corrige inmediatamente y de una manera
adecuada.
SIMULACIN DEL PVTOL
1.4
Posicin Actual
Posicin Deseada
Posicin Actual
Posicin Deseada
1.2
Posicin X
1
0.5
0.8
0.6
0.4
0.2
0
Posicin Y
10
20
30
40
50
Tiempo
60
70
80
90
100
1
-0.5
Posicin Actual
Posicin Deseada
Posicin Z
0.5
-1
-0.5
-1
-1.5
0.2
0.4
0.6
0.8
Posicin X
1.2
1.4
-1.5
10
20
30
40
50
Tiempo
60
70
80
90
100
basado en lgebra Lineal.
134
4.2
RESULTADOS DEL CUADRICPTERO.
El modelo del cuadricptero obtenido en el Captulo 2, es controlado con los

cuatro controladores diseados en el Captulo 3, en donde mediante la
combinacin de las tcnicas de control se logr obtener resultados satisfactorios
en el seguimiento de trayectorias.
4.2.1
RESULTADOS CONTROL COMBINADO ENTRE LGICA DIFUSA Y

PID.
Se realiz un control combinado entre lgica difusa y PID para seguir una
trayectoria deseada, la simulacin fue desarrollada en MATLAB y Simulink
obteniendo los siguientes resultados.
4.2.1.1
Trayectoria Recta.
en cada uno de los ejes de referencia x, y, z. Esta trayectoria es cargada en
modelo del Cuadricptero con control combinado entre Lgica Difusa y PID para
PID presenta un control en el seguimiento de trayectoria muy bueno, en el cual el
error de posicin es muy pequeo.
4.2.1.2
Trayectoria Espiral.
Se propone una trayectoria espiral, la cual se genera mediante una entrada tipo
seno en el eje x, una entrada tipo coseno en el eje y, una entrada tipo rampa
saturada en el eje z. Esta trayectoria es cargada en Simulink en el bloque
generacin de trayectoria. Se realiza la simulacin del modelo del Cuadricptero
con control combinado entre Lgica Difusa y PID para un tiempo de 4000s y se
135
obtiene que el control combinado entre Lgica Difusa y PID posee un error muy
pequeo de posicin respecto a la trayectoria deseada.
4.2.1.3
Trayectoria Resorte.
Se propone una trayectoria resorte, la cual se genera mediante una entrada tipo
seno en el eje x, una entrada tipo coseno en el eje y, una entrada tipo rampa sin
saturacin en el eje z. Esta trayectoria es cargada en Simulink en el bloque
generacin de trayectoria. Se realiza la simulacin del modelo del Cuadricptero
con control combinado entre Lgica Difusa y PID para un tiempo de 4000s y se
obtiene que el control combinado entre Lgica Difusa y PID posee un error muy
pequeo de posicin en el eje z respecto a la trayectoria deseada, mientras que el
seguimiento de trayectoria en los eje x, y es perfecto.
SIMULACION CUADRICPTERO
Posicin X vs Tiempo
10
Posicin X
Posicin Actual
Posicin Deseada
10
9
Posicin Deseada
Posicin Real
5
8
7
100
200
300
400
500
600
Tiempo
Posicin Y vs Tiempo
700
900
1000
10
6
5
Posicin Y
Posicion Z
800
4
3
Posicin Deseada
Posicin Real
5
2
0
1
100
200
300
400
500
600
Tiempo
Posicin Z vs Tiempo
700
800
900
1000
10
Posicin Deseada
Posicin Real
10
8
5
Posicin Z
10
5
4
Posicion Y
2
0
-5
Posicion X
100
200
300
400
500
Tiempo
600
700
800
900
1000
Figura 4.10 Respuesta del Cuadricptero ante una trayectoria recta con control
136
Posicin X vs Tiempo
4
Posicin X
Posicin Actual
Posicin Deseada
15
Posicin Deseada
Posicin Real
2
0
-2
-4
500
1000
1500
2000
2500
Tiempo
Posicin Y vs Tiempo
3000
3500
4000
Posicin Y
Posicion Z
10
0
-2
-4
Posicin Deseada
Posicin Real
500
1000
1500
2000
2500
Tiempo
Posicin Z vs Tiempo
3000
3500
4000
Posicin Z
15
3
2
1
0
0
5
0
-1
-2
Posicion Y
Posicin Deseada
Posicin Real
10
-5
-2
Posicion X
500
1000
1500
2000
Tiempo
2500
3000
3500
4000
Figura 4.11 Respuesta del Cuadricptero ante una trayectoria espiral con control
Posicin X vs Tiempo
4
Posicin X
Posicin Actual
Posicin Deseada
10
9
0
-2
-4
8
7
Posicin Deseada
Posicin Real
1000
2000
3000
4000 5000 6000 7000

Tiempo
Posicin Y vs Tiempo
9000
10000
6
5
Posicin Y
Posicion Z
8000
4
3
Posicin Deseada
Posicin Real
2
0
-2
2
-4
1000
2000
3000
4000 5000 6000 7000

Tiempo
Posicin Z vs Tiempo
8000
9000
10000
3
2
1
Posicin Z
10
Posicin Deseada
Posicin Real
0
Posicion Y
-2
-1
-2
-5
Posicion X
1000
2000
3000
4000
5000 6000
Tiempo
7000
8000
9000
10000
Figura 4.12 Respuesta del Cuadricptero ante una trayectoria resorte con control
4.2.2
RESULTADOS CONTROL COMBINADO ENTRE REDES NEURONALES

Y PID.
137
4.2.2.1
Trayectoria Recta.
El control combinado entre Redes Neuronales y PID presenta pequeas

oscilaciones en los ejes x, y, adems de un ligero error de posicin en el eje z,
pero el seguimiento de trayectoria es muy bueno.
Posicin X vs Tiempo
15
Posicin X
Posicin Actual
Posicin Deseada
10
9
5
0
-5
8
7
Posicin Deseada
Posicin Real
10
100
200
300
400
500
600
Tiempo
Posicin Y vs Tiempo
700
900
1000
15
6
5
Posicin Y
Posicion Z
800
4
3
Posicin Deseada
Posicin Real
10
5
0
2
-5
1
100
200
300
400
500
600
Tiempo
Posicin Z vs Tiempo
700
800
900
1000
10
8
5
Posicin Z
10
10
Posicin Deseada
Posicin Real
4
Posicion Y
2
0
-5
Posicion X
100
200
300
400
500
Tiempo
600
700
800
900
1000
4.2.2.2

pero el controlador cumple el objetivo de seguir una trayectoria definida.
4.2.2.3

pero el controlador cumple el objetivo de seguir una trayectoria definida. Adems
que las oscilaciones presentes en las respuestas son pequeas que no le afectan
en el seguimiento de trayectoria al modelo.
138
Posicin X vs Tiempo
4
Posicin X
Posicin Actual
Posicin Deseada
15
Posicin Deseada
Posicin Real
2
0
-2
-4
500
1000
1500
2000
2500
Tiempo
Posicin Y vs Tiempo
3000
3500
4000
4
Posicin Y
Posicion Z
10
0
-2
-4
Posicin Deseada
Posicin Real
500
1000
1500
2000
2500
Tiempo
Posicin Z vs Tiempo
3000
3500
4000
Posicin Z
15
2
2
0
0
-2
-2
Posicion Y
5
0
-5
Posicion X
Posicin Deseada
Posicin Real
10
500
1000
1500
2000
Tiempo
2500
3000
3500
4000
Figura 4.14 Respuesta del Cuadricptero ante una trayectoria circular con control
Posicin X vs Tiempo
4
Posicin X
Posicin Actual
Posicin Deseada
10
9
0
-2
-4
8
7
Posicin Deseada
Posicin Real
1000
2000
3000
4000 5000 6000 7000

Tiempo
Posicin Y vs Tiempo
9000
10000
6
5
Posicin Y
Posicion Z
8000
4
3
Posicin Deseada
Posicin Real
2
0
-2
2
-4
1000
2000
3000
4000 5000 6000 7000

Tiempo
Posicin Z vs Tiempo
8000
9000
10000
2
2
0
Posicin Z
10
Posicin Deseada
Posicin Real
0
-2
Posicion Y
-2
-5
Posicion X
1000
2000
3000
4000
5000 6000
Tiempo
7000
8000
9000
10000
Figura 4.15 Respuesta del Cuadricptero ante una trayectoria espiral con control
4.2.3
4.2.3.1
RESULTADOS CONTROLADOR BASADO EN LGEBRA LINEAL .
Trayectoria Recta.
139
El controlador basado en lgebra Lineal elimina todo tipo de oscilaciones

presentes en el sistema, adems de no poseer error de posicin, con lo cual el
seguimiento de trayectoria es perfecto.
SIMULACIN DEL CUADRICPTERO
0.8
Posicin X
Posicin Actual
Posicin Deseada
0.45
Posicin Actual
Posicin Deseada
0.6
0.4
0.2
0.4
0
0.3
0.8
0.25
0.6
Posicin Y
Posicin Z
0.35
0.2
0.15
10
15
20
25
Tiempo
Posicion Y vs Tiempo
30
35
40
Posicin Actual
Posicin Deseada
0.4
0.2
0.1
0
0.05
0
10
15
20
25
Tiempo
30
35
40
0.8
Posicin Actual
Posicin Deseada
0.6
Posicin Z
0.8
0.5
0.4
0.4
0.3
0.2
0.2
Posicin Y
0.1
0
0.6
0.4
0.2
0
Posicin X
10
15
20
Tiempo
25
30
35
40
4.2.3.2
El controlador basado en lgebra lineal elimina las oscilaciones presentes en el

sistema, adems de no poseer error de posicin, con lo cual el seguimiento de
trayectoria es perfecto.
4.2.3.3
De igual manera el controlador basado en lgebra Lineal elimina las oscilaciones

presentes en el sistema, adems de no poseer error de posicin, con lo cual el
modelo sigue perfectamente la trayectoria.
140
1
Posicin X
Posicin Actual
Posicin Deseada
0.5
Posicin Actual
Posicin Deseada
-1
0.45
-2
0.4
10
20
30
0.35
40
50
60
Tiempo
70
80
90
100
0.2
0.15
Posicin Actual
Posicin Deseada
Posicin Y
Posicin Z
0.3
0.25
1
0
0.1
-1
10
20
30
0.05
0
40
50
60
Tiempo
70
80
90
100
0.8
Posicin Actual
Posicin Deseada
3
1
0.5
1
0.6
Posicin Z
2
0
0.4
0.2
-0.5
0
-1
Posicin Y
-1
0
Posicin X
-1.5
10
20
30
40
50
Tiempo
60
70
80
90
100
Figura 4.17 Respuesta del Cuadricptero ante una trayectoria circular con control
1
Posicin X
Posicin Actual
Posicin Deseada
Posicin Actual
Posicin Deseada
-1
0.9
-2
0.8
10
20
30
0.7
40
50
60
Tiempo
70
80
90
100
Posicin Y
Posicin Z
0.6
0.5
0.4
0.3
0.2
1
0
-1
0.1
0
Posicin Actual
Posicin Deseada
10
20
30
40
50
60
Tiempo
70
80
90
100
1
Posicin Actual
Posicin Deseada
1
0.5
1
0.5
-0.5
0
Posicin Y
Posicin Z
-1
-1
-1.5
0
Posicin X
10
20
30
40
50
Tiempo
60
70
80
90
100
Figura 4.18 Respuesta del Cuadricptero ante una trayectoria resorte con control
4.3
RESULTADOS DEL TRICPTERO.
El modelo del tricptero obtenido en el Captulo 2, es controlado con los cuatro

controladores diseados en el Captulo 3, en donde mediante la combinacin de
las tcnicas de control se logr obtener resultados satisfactorios en el seguimiento
de trayectorias.
141
4.3.1

PID.
Se realiz un control combinado entre lgica difusa y PID para seguir una
4.3.1.1
Trayectoria Recta.
en cada uno de los ejes de referencia x, y, z. Esta trayectoria es cargada en
modelo del Tricptero con control combinado entre Lgica Difusa y PID para un
tiempo de 1000s y se obtiene que el control combinado entre Lgica Difusa y PID
presenta un control en el seguimiento de trayectoria muy bueno, en el cual el error
de posicin es muy pequeo.
SIMULACION TRICPTERO
Posicin X vs Tiempo
Posicin X
10
10
Posicin Deseada
Posicin Real
5
0
200
400
600
Tiempo
Posicin Y vs Tiempo
800
1000
10
6
Posicin Y
Posicion Z
Posicin Deseada
Posicin Real
200
400
600
Tiempo
Posicin Z vs Tiempo
800
1000
10
6
4
5
0
Posicion X
Posicin Deseada
Posicin Real
5
0
-5
2
Posicion Y
Posicin Z
10
10
200
400
600
800
1000
Tiempo
Figura 4.19 Respuesta del Tricptero ante una trayectoria recta con control
142
4.3.1.2
Trayectoria Seno Creciente.
en los ejes de referencia x, y, mientras que en el eje z se genera una entrada tipo
seno. La trayectoria es cargada en Simulink en el bloque generacin de
trayectoria. Se realiza la simulacin del modelo del Tricptero con control
combinado entre Lgica Difusa y PID para un tiempo de 4000s y se obtiene que el
control combinado entre Lgica Difusa y PID presenta un control en el
seguimiento de trayectoria muy bueno, el cual presenta un pequeo error de
posicin en el eje z, pero en el eje x, y el seguimiento es perfecto.
4.3.1.3
Se propone una trayectoria recta, la cual se genera mediante entradas tipo seno
en el eje x, una entrada tipo coseno en el eje y, mientras que en el eje z se genera
una entrada tipo rampa. Se realiza la simulacin del modelo del Tricptero con
control combinado entre Lgica Difusa y PID para un tiempo de 4000s y se
obtiene que el control combinado entre Lgica Difusa y PID presenta un control en
el seguimiento de trayectoria perfecto.
Posicin X vs Tiempo
Posicin X
40
Posicin Deseada
Posicin Real
20
500
1000
2000 2500 3000

Tiempo
Posicin Y vs Tiempo
3500
4000
40
0
Posicin Y
Posicion Z
1500
-1
-2
Posicin Deseada
Posicin Real
20
500
1000
-3
1500
2000 2500 3000

Tiempo
Posicin Z vs Tiempo
3500
4000
30
40
30
20
20
10
Posicion Y
10
0
Posicion X
Posicin Z
5
40
Posicin Deseada
Posicin Real
0
-5
500
1000
1500
2000 2500
Tiempo
3000
3500
4000
Figura 4.20 Respuesta del Tricptero ante una trayectoria seno creciente con
control combinado entre Lgica Difusa y PID.
143
Posicin X vs Tiempo
Posicin X
40
Posicin Deseada
Posicin Real
0
-5
500
1000
2000 2500 3000

Tiempo
Posicin Y vs Tiempo
3500
4000
5
Posicin Y
Posicion Z
30
1500
20
10
Posicin Deseada
Posicin Real
0
-5
500
1000
1500
2000 2500 3000

Tiempo
Posicin Z vs Tiempo
3500
4000
2
1
2
0
-1
-2
Posicion Y
-2
Posicion X
Posicin Z
40
3
Posicin Deseada
Posicin Real
20
0
-20
500
1000
1500
2000 2500
Tiempo
3000
3500
4000
Figura 4.21 Respuesta del Tricptero ante una trayectoria resorte con control
4.3.2

Y PID.
4.3.2.1
Trayectoria Recta.

oscilaciones en el sistema, pero el seguimiento de trayectoria es muy bueno.
4.3.2.2

oscilaciones en el sistema, adems de un pequeo error de posicin en el eje z.
4.3.2.3
El control combinado entre Redes Neuronales y PID presenta oscilaciones en los

tres ejes de referencia, lo que representa una vibracin mayor del sistema en su
trayectoria.
144
Posicin X vs Tiempo
Posicin X
20
10
Posicin Deseada
Posicin Real
10
0
-10
200
400
600
Tiempo
Posicin Y vs Tiempo
800
1000
20
6
Posicin Y
Posicion Z
Posicin Deseada
Posicin Real
10
0
-10
200
400
600
Tiempo
Posicin Z vs Tiempo
800
1000
10
8
Posicin Z
10
10
6
4
5
0
0
-5
2
Posicion Y
Posicin Deseada
Posicin Real
200
400
Posicion X
600
800
1000
Tiempo
Posicin X vs Tiempo
Posicin X
50
-50
Posicin Deseada
Posicin Real
500
1000
1500
2000 2500 3000

Tiempo
Posicin Y vs Tiempo
3500
4000
50
0
Posicin Y
Posicion Z
-1
-50
-2
Posicin Deseada
Posicin Real
500
1000
-3
1500
2000 2500 3000

Tiempo
Posicin Z vs Tiempo
3500
4000
30
40
30
20
20
10
Posicion Y
10
0
Posicion X
Posicin Z
5
40
Posicin Deseada
Posicin Real
0
-5
500
1000
1500
2000 2500
Tiempo
3000
3500
4000
control combinado entre Redes Neuronales y PID.
145
Posicin X vs Tiempo
Posicin X
5
Posicin Deseada
Posicin Real
40
-5
500
1000
2000 2500 3000

Tiempo
Posicin Y vs Tiempo
3500
4000
5
Posicin Y
Posicion Z
30
1500
20
Posicin Deseada
Posicin Real
10
-5
500
1000
1500
2000 2500 3000

Tiempo
Posicin Z vs Tiempo
3500
4000
Posicin Z
40
2
2
0
0
-2
0
-20
-2
Posicion Y
Posicin Deseada
Posicin Real
20
500
1000
1500
Posicion X
2000 2500
Tiempo
3000
3500
4000
Figura 4.24 Respuesta del Tricptero ante una trayectoria circular con control
4.3.3
4.3.3.1
Trayectoria Recta.
El controlador basado en lgebra Lineal presenta un seguimiento de trayectoria

perfecto, con un error casi nulo de posicin en cada uno de los ejes.
SIMULACIN DEL TRICPTERO
Posicin X
2.5
1
0
10
15
20
25
30
Tiempo
35
40
1.5
Posicin Y
Posicin Z
Posicin Deseada
Posicin Real
1
0
0.5
0
2.5
Posicin Deseada
Posicin Real
10
15
20
25
30
Tiempo
35
40
3
1.5
1
1
0.5
Posicin Y
Posicin Z
3
2
Posicin Deseada
Posicin Real
2
1
0
10
Posicin X
15
20
Tiempo
25
30
35
40
146
4.3.3.2
El controlador basado en lgebra Lineal para una trayectoria tipo seno creciente
presenta grandes resultados ya que posee un error casi nulo de posicin en cada
uno de los ejes.
Posicin X
3
2.5
2
1
0
1.5
10
15
20
25
30
Tiempo
35
40
1
Posicin Y
Posicin Z
Posicin Deseada
Posicin Real
0.5
0
1
0
-0.5
3
Posicin Deseada
Posicin Real
10
15
20
25
30
Tiempo
35
40
1
Posicin Y
0.5
1.5
2.5
Posicin Z
4
2
Posicin Deseada
Posicin Real
2
0
-2
10
Posicin X
15
20
Tiempo
25
30
35
40
control basado en lgebra Lineal
4.3.3.3
El controlador basado en lgebra Lineal presenta un seguimiento muy bueno en

una trayectoria tipo resorte como se muestra en la Figura 4.27.
147
Posicin X
2.5
-1
-2
10
15
20
25
30
Tiempo
35
40
1.5
Posicin Y
Posicin Z
Posicin Deseada
Posicin Real
0
-2
0.5
0
3
Posicin Deseada
Posicin Real
10
15
20
25
30
Tiempo
35
40
1
1
0
0
Posicin Y
-1
-1
-2
Posicin Z
3
2
Posicin Deseada
Posicin Real
2
1
0
10
Posicin X
15
20
Tiempo
25
30
35
40
Figura 4.27 Respuesta del Tricptero ante una trayectoria resorte con control
basado en Algebra Lineal.
4.4
RESULTADOS DEL UAV BIRD LIKE.
4.4.1

PID.
Se realiza un control combinado entre lgica difusa y PID para seguir una
4.4.1.1
Trayectoria Recta.
El control combinado entre lgica difusa y PID presenta excelentes resultados,

mostrados en la Figura 4.28, los errores de posicin en cada uno de los ejes es
cero
4.4.1.2
En una trayectoria espiral el control presenta una pequea oscilacin al inicio de

la trayectoria pero que es corregida inmediatamente, como se muestra en la
Figura 4.29.
148
SIMULACION BIRD LIKE
Posicin X vs Tiempo
10
Posicin Deseada
Posicin Real
Posicin X
Posicin Actual
Posicin Deseada
10
0
100
200
300
700
800
900
1000
10
7
Posicion Z
400
500
600
Tiempo
Posicin Y vs Tiempo
Posicin Deseada
Posicin Real
Posicin Y
6
5
4
3
0
100
200
300
1
0
400
500
600
Tiempo
Posicin Z vs Tiempo
700
800
900
1000
10
Posicin Deseada
Posicin Real
Posicin Z
10
10
8
4
2
Posicion Y
0
Posicion X
100
200
300
400
500
Tiempo
600
700
800
900
1000
Figura 4.28 Respuesta del Bird Like ante una trayectoria recta con control
Posicin X vs Tiempo
4
Posicin X
Posicin Actual
Posicin Deseada
Posicin Deseada
Posicin Real
2
0
-2
10
-4
100
200
300
400
500
600
700
Tiempo
Posicin Y vs Tiempo
800
900
1000
Posicin Y
Posicion Z
4
6
0
-2
-4
Posicin Deseada
Posicin Real
100
200
300
400
500
600
700
Tiempo
Posicin Z vs Tiempo
800
900
1000
3
2
1
Posicin Z
10
2
Posicin Deseada
Posicin Real
5
0
Posicion Y
-2
-1
-2
0
Posicion X
100
200
300
400
500
Tiempo
600
700
800
900
1000
Figura 4.29 Respuesta del Bird Like ante una trayectoria espiral con control
4.4.1.3
El control es perfecto en la trayectoria tipo seno creciente, ya que se trabaja con

una rampa que crece lentamente, esto para no forzar al sistema a respuestas muy
rpidas.
149
Posicin X vs Tiempo
10
Posicin X
Posicin Actual
Posicin Deseada
Posicin Deseada
Posicin Real
5
0
2
100
200
300
400
500
600
700
Tiempo
Posicin Y vs Tiempo
800
900
1000
10
Posicin Y
1
Posicion Z
-1
Posicin Deseada
Posicin Real
5
0
-2
100
200
300
400
500
600
700
Tiempo
Posicin Z vs Tiempo
800
900
1000
4
Posicin Z
10
10
8
Posicin Deseada
Posicin Real
2
0
-2
4
-4
Posicion Y
Posicion X
100
200
300
400
500
Tiempo
600
700
800
900
1000
Figura 4.30 Respuesta del Bird Like ante una trayectoria seno creciente con
control combinado entre Lgica Difusa y PID.
4.4.2

Y PID.
4.4.2.1
Trayectoria Recta.
El control combinado entre Redes Neuronales y PID genera un seguimiento de

trayectoria muy bueno, como se muestra en la Figura 4.31.
Posicin X vs Tiempo
1
Posicin X
Posicin Actual
Posicin Deseada
Posicin Deseada
Posicin Real
0.5
1
0
100
200
300
0.8
400
500
600
700
Tiempo
Posicin Y vs Tiempo
800
900
1000
Posicin Y
Posicion Z
1
0.6
0.4
Posicin Deseada
Posicin Real
0.5
0.2
100
200
300
400
500
600
700
Tiempo
Posicin Z vs Tiempo
800
900
1000
1
0.8
0.5
0.6
Posicin Z
1
1
Posicin Deseada
Posicin Real
0.5
0.4
Posicion Y
0.2
0
Posicion X
100
200
300
400
500
Tiempo
600
700
800
900
1000
Figura 4.31 Respuesta del Bird Like ante una trayectoria recta con control
150
4.4.2.2
El seguimiento de una trayectoria espiral utilizando un control combinado entre

Redes Neuronales y PID presenta magnficos resultados como se muestra en la
Figura 4.32.
Posicin X vs Tiempo
4
Posicin X
Posicin Actual
Posicin Deseada
Posicin Deseada
Posicin Real
2
0
-2
1
-4
100
200
300
0.8
400
500
600
700
Tiempo
Posicin Y vs Tiempo
800
900
1000
Posicin Y
Posicion Z
4
0.6
0.4
0
-2
-4
0.2
Posicin Deseada
Posicin Real
100
200
300
400
500
600
700
Tiempo
Posicin Z vs Tiempo
800
900
1000
Posicin Z
1
2
3
2
1
Posicin Deseada
Posicin Real
0.5
0
0
Posicion Y
-1
-2
-2
-0.5
Posicion X
100
200
300
400
500
600
Tiempo
700
800
900
1000
4.4.2.3
Para una trayectoria tipo seno creciente no existen errores de posicin en ninguno
de los ejes del Bird Like, como se muestra en la Figura 4.33.
Posicin X vs Tiempo
1
Posicin X
Posicin Actual
Posicin Deseada
Posicin Deseada
Posicin Real
0.5
0
2
Posicin Y
1
Posicion Z
100
200
300
400
500
600
700
Tiempo
Posicin Y vs Tiempo
800
900
1000
-1
Posicin Deseada
Posicin Real
0.5
0
-2
100
200
300
400
500
600
700
Tiempo
Posicin Z vs Tiempo
800
900
1000
1
1
0.8
0.5
0.6
Posicin Z
4
Posicin Deseada
Posicin Real
2
0
-2
0.4
Posicion Y
-4
0.2
0
Posicion X
100
200
300
400
500
600
Tiempo
700
800
900
1000
control combinado entre Redes Neuronales y PID.
151
4.4.3
4.4.3.1
Trayectoria Recta.
El controlador basado en lgebra lineal nos permite tener un seguimiento de

trayectoria sin error de posicin, como se muestra en la Figura 4.34.
SIMULACIN DEL BIRD LIKE
0.7
3
Posicin X
Posicin Actual
Posicin Deseada
0.6
Posicin Actual
Posicin Deseada
2
1
0
10
0.5
15
20
25
Tiempo
30
35
40
Posicin Y
Posicin Z
3
0.4
0.3
0.2
1
0
0.1
0
Posicin Actual
Posicin Deseada
10
15
20
25
Tiempo
30
35
40
0.8
Posicin Z
3
2.5
2
1.5
1
Posicin Y
Posicin Actual
Posicin Deseada
0.6
0.4
0.2
1
0
0.5
0
Posicin X
10
15
20
Tiempo
25
30
35
40
Figura 4.34 Respuesta del Bird Like ante una trayectoria recta con control basado
en lgebra Lineal.
4.4.3.2
El controlador basado en algebra lineal permite tener un seguimiento de

trayectoria adecuado, como se muestra en la Figura 4.35.
4.4.3.3
Trayectoria Seno creciente.
El controlador basado en lgebra lineal permite tener un seguimiento de

trayectoria sin error de posicin en ningn eje de referencia.
152
1
Posicin X
Posicin Actual
Posicin Deseada
2
1.8
1.6
Posicin Actual
Posicin Deseada
-1
-2
10
20
30
1.4
40
50
60
Tiempo
70
80
90
100
2
Posicin Y
Posicin Z
1.2
1
0.8
0.6
Posicin Actual
Posicin Deseada
-1
10
20
30
0.4
40
50
60
Tiempo
70
80
90
100
2
0.2
Posicin Z
0
2
1
1
1
0.5
0
0
-1
-1
Posicin Y
-2
Posicin Actual
Posicin Deseada
1.5
10
20
30
40
Posicin X
50
Tiempo
60
70
80
90
100
0.5
4
Posicin X
Posicin Actual
Posicin Deseada
0
0.4
10
0.2
40
50
Posicin Actual
Posicin Deseada
2
0
0.1
10
20
30
Tiempo
40
50
4
3
2
2
Posicin Actual
Posicin Deseada
0.5
0
1
0 0
Posicin Z
Posicin Y
20
30
Tiempo
0.3
Posicin Y
Posicin Z
Posicin Actual
Posicin Deseada
10
20
Posicin X
30
40
50
Tiempo
control basado en lgebra Lineal.
4.5
RESULTADOS DEL UAV HELICPTERO.
4.5.1

PID.
153
4.5.1.1
Trayectoria Recta.
El control combinado presenta una respuesta con error de posicin en el eje x el

cual se refleja en el seguimiento de trayectoria, como se muestra en la Figura
4.37.
SIMULACION HELICPTERO
Posicin X vs Tiempo
100
Posicin Actual
Posicin Deseada
Posicin X
120
Posicin Deseada
Posicin Real
80
60
40
20
100
10
20
30
80
40
50
60
Tiempo
Posicin Y vs Tiempo
70
80
90
100
Posicin Deseada
Posicin Real
80
Posicin Y
Posicion Z
100
60
40
20
60
40
20
0
0
-20
10
20
30
40
50
60
Tiempo
Posicin Z vs Tiempo
70
90
100
150
Posicin Deseada
Posicin Real
100
80
50
60
40
20
0
Posicin Z
100
100
Posicion Y
80
50
0
-50
Posicion X
10
20
30
40
50
Tiempo
60
70
80
90
100
Figura 4.37 Respuesta del Helicptero ante una trayectoria recta con control
4.5.1.2
El control combinado presenta una excelente respuesta de seguimiento en una

trayectoria tipo resorte, ya que no presenta error de posicin en ningn eje de
referencia.
4.5.1.3
El seguimiento de trayectoria se demuestra en la Figura 4.39.
154
Posicin X vs Tiempo
1
Posicin X
Posicin Actual
Posicin Deseada
120
Posicin Deseada
Posicin Real
0.5
0
-0.5
100
-1
10
20
30
80
40
50
60
Tiempo
Posicin Y vs Tiempo
70
80
90
100
Posicin Y
Posicion Z
2
60
40
20
0
-1
-2
0
-20
Posicin Deseada
Posicin Real
10
20
30
40
50
60
Tiempo
Posicin Z vs Tiempo
70
80
90
100
150
Posicin Deseada
Posicin Real
Posicin Z
2
1
0.5
0
0
-1
Posicion Y
-0.5
-2
50
0
-50
Posicion X
-1
100
10
20
30
40
50
Tiempo
60
70
80
90
100
Figura 4.38 Respuesta del Helicptero ante una trayectoria resorte con control
Posicin X vs Tiempo
1
Posicin X
Posicin Actual
Posicin Deseada
120
100
Posicin Deseada
Posicin Real
0.5
0
-0.5
-1
10
20
30
80
40
50
60
Tiempo
Posicin Y vs Tiempo
70
80
90
100
60
Posicin Deseada
Posicin Real
80
Posicin Y
Posicion Z
100
40
20
60
40
20
0
0
-20
10
20
30
40
50
60
Tiempo
Posicin Z vs Tiempo
70
80
90
100
150
Posicin Deseada
Posicin Real
100
0.5
50
0
-0.5
Posicion Y
-1
Posicin Z
100
1
50
0
-50
Posicion X
10
20
30
40
50
Tiempo
60
70
80
90
100
Figura 4.39 Respuesta del Helicptero ante una trayectoria seno creciente con
control combinado entre Lgica Difusa y PID
4.5.2

Y PID.
155
4.5.2.1
Trayectoria Recta.
El seguimiento de trayectoria recta es muy bueno, como se muestra en la Figura

4.40.
SIMULACIN DEL HELICPTERO
3
Posicin X
Posicin Actual
Posicin Deseada
2.5
Posicin Actual
Posicin Deseada
0
2
10
15
20
25
Tiempo
30
35
40
Posicin Y
Posicin Z
1.5
0.5
Posicin Actual
Posicin Deseada
10
15
20
25
Tiempo
30
35
40
3
Posicin Actual
Posicin Deseada
2.5
2
1.5
1
Posicin Y
Posicin Z
3
2
1
0.5
0
0
Posicin X
10
15
20
Tiempo
25
30
35
40
4.5.2.2
El helicptero con un control combinado entre redes neuronales y PID no

presenta errores de posicin y logra seguir la trayectoria deseada.
4.5.2.3
No se presentan problemas de seguimiento de una trayectoria tipo seno creciente,

como se muestra en la Figura 4.42.
156
Posicin X vs Tiempo
1
Posicin X
Posicin Actual
Posicin Deseada
120
Posicin Deseada
Posicin Real
0.5
0
-0.5
100
-1
10
20
30
80
40
50
60
Tiempo
Posicin Y vs Tiempo
70
80
90
100
Posicin Y
Posicion Z
2
60
40
20
0
-1
-2
0
-20
Posicin Deseada
Posicin Real
10
20
30
40
50
60
Tiempo
Posicin Z vs Tiempo
70
80
90
100
150
Posicin Deseada
Posicin Real
Posicin Z
2
1
0.5
0
0
-1
100
-0.5
Posicion Y
-2
50
0
-50
Posicion X
-1
10
20
30
40
50
Tiempo
60
70
80
90
100
Figura 4.41 Respuesta del Helicptero ante una trayectoria resorte con control
2.5
1
Posicin X
Posicin Actual
Posicin Deseada
-1
-2
Posicin Actual
Posicin Deseada
10
15
20
25
Tiempo
30
35
40
1.5
Posicin Y
Posicin Z
Posicin Actual
Posicin Deseada
2
1
0
0.5
-1
10
15
20
25
Tiempo
0.5
1
40
-0.5
0
Posicin Y
Posicin Z
35
Posicin Actual
Posicin Deseada
3
2
30
-1
-1
-1.5
0
Posicin X
10
15
20
Tiempo
25
30
35
40
control combinado entre Redes Neuronales y PID
4.5.3
4.5.3.1
Trayectoria Recta.
El controlador basado en lgebra Lineal proporciona un seguimiento de

trayectoria recta sin error de posicin en ninguno de los ejes del helicptero.
157
3
Posicin X
Posicin Actual
Posicin Deseada
2.5
Posicin Actual
Posicin Deseada
0
2
10
15
20
25
Tiempo
30
35
40
Posicin Y
Posicin Z
1.5
0.5
Posicin Actual
Posicin Deseada
10
15
20
25
Tiempo
30
35
40
3
Posicin Actual
Posicin Deseada
Posicin Z
3
2.5
2
1.5
1
1
0.5
Posicin Y
0
Posicin X
10
15
20
Tiempo
25
30
35
40
4.5.3.2
El controlador basado en lgebra Lineal utilizado para el seguimiento de una

trayectoria circular proporciona una respuesta adecuada, como se muestra en la
siguiente figura
1
Posicin X
Posicin Actual
Posicin Deseada
2.5
Posicin Actual
Posicin Deseada
-1
-2
2
10
15
20
25
Tiempo
30
35
40
Posicin Y
Posicin Z
1.5
Posicin Actual
Posicin Deseada
2
1
0
0.5
-1
10
15
20
25
Tiempo
0.5
1
40
-0.5
0
Posicin Y
Posicin Z
35
Posicin Actual
Posicin Deseada
3
2
30
-1
-1
-1.5
0
Posicin X
10
15
20
Tiempo
25
30
35
40
Figura 4.44 Respuesta del Helicptero ante una trayectoria circular con control
158
4.5.3.3
El controlador basado en lgebra lineal para una trayectoria tipo seno creciente
presenta un pequeo error de posicin al inicio de la trayectoria, pero el mismo es
corregido inmediatamente por el controlador.
2.5
1
Posicin X
Posicin Actual
Posicin Deseada
-1
-2
Posicin Actual
Posicin Deseada
10
15
20
25
Tiempo
30
35
40
1.5
Posicin Y
Posicin Z
Posicin Actual
Posicin Deseada
2
1
0
0.5
-1
10
15
20
25
Tiempo
0.5
1
40
-0.5
0
Posicin Y
Posicin Z
35
Posicin Actual
Posicin Deseada
3
2
30
-1
-1
-1.5
0
Posicin X
10
15
20
Tiempo
25
30
35
40
control basado en lgebra Lineal
4.6
Desarrollo de la interfaz grfica GUI.
Se desarroll una interfaz grfica para el manejo de las diferentes simulaciones

de los sistemas areos no tripulados en el entorno grfico de MATLAB.
El manual de usuario consta en el Anexo A.
Figura 4.46 Interfaz Grfica GUI desarrollada en MATLAB.
159
CAPITULO 5
5.
CONCLUSIONES Y RECOMENDACIONES
5.1
CONCLUSIONES.
El presente proyecto cumple con el objetivo propuesto, el cual consiste en

modelar, simular y aplicar cuatro tcnicas diferentes de control a 5
diferentes tipos de sistemas areos no tripulados. Esto se demuestra con
las pruebas realizadas en el Captulo 4, en el cual se presentan los
resultados de las simulaciones efectuadas.
En la modelacin de los cinco tipos de sistemas areos no tripulados se

utilizaron dos tcnicas de modelacin: Newton Euler y Euler- LaGrange,
las mismas que fueron seleccionadas de acuerdo al tipo de sistema areo
no tripulado a modelar. Los dos mtodos de modelacin mencionados
permiten obtener los mismos resultados.
El avin PVTOL es un sistema areo no tripulado que presenta tres grados

de libertad, por lo que se facilita la modelacin y control del mismo, pero
presenta limitaciones de movimiento en el eje y. Para el control del avin
PVTOL se utiliz el modelo no lineal del mismo, con el cual se obtuvieron
resultados satisfactorios, como lo demuestra las simulaciones del Captulo
4.
El cuadricptero, sobre los otros sistemas areos no tripulados, posee

grandes ventajas debido a que los rotores de la parte delantera y trasera
giran en sentido contrario a los rotores de la parte izquierda y derecha con
lo cual el control de movimiento en un plano se realiza variando las
velocidades de los cuatro motores. Pero a su vez tiene una desventaja, ya
que al poseer cuatro rotores independientes la fuerza para mantenerse en
160
vuelo debe ser ms grande, por lo que los motores deben ser ms potentes
para poder alzar a la nave en conjunto.
El tricptero es un sistema areo no tripulado de gran utilidad ya que su

control es de manera similar a la de un cuadricptero pero debido a que en
su motor de cola puede variar su inclinacin esto se traduce en que la
aeronave pueda rotar sobre su propio eje (ngulo yaw) de una manera ms
sencilla y sin la necesidad de variar las velocidades de rotacin de los
motores para poder lograr este efecto como en el cuadricptero. La
desventaja que presenta es que segn la configuracin, la complejidad del
diseo del control de la aeronave aumenta.
El helicptero es el sistema areo no tripulado ms complejo de todos los

sistemas analizados en este proyecto, por lo que, el diseo del controlador
se debe hacer preferentemente en su modelo lineal para evitar el cruce de
trminos de rotacin y traslacin, pero si se requiere realizar un control en
el modelo no lineal se debe realizar una adaptacin del modelo para
desacoplar trminos como se realiz en el Captulo 2 y 3.
La utilizacin de tcnicas de control inteligente como redes neuronales y

lgica difusa fueron de gran utilidad, ya que en estas tcnicas de control no
es necesario conocer exactamente el modelo de la planta y permiten
realizar cambios de variables, es decir, pasar de valores de posicin a
valores de ngulos o velocidades, de acuerdo a la aplicacin que se
requiere. Una desventaja de las mismas es que para mayor flexibilidad del
sistema se necesita aumentar el nmero de condiciones para poder
encontrar la accin de control ms ptima lo que se traduce en un sistema
de control ms complejo y con ms capacidad de memoria.
La tcnica de control basada en lgebra lineal es un controlador efectivo y

sencillo de realizar y que entrega buenos resultados a la hora de
implementarlo en un sistema. Para realizar el controlador basado en
161
algebra lineal se necesita conocer el modelo matemtico del proceso para

poder implementar el controlador.
Las tcnicas de control inteligente implementadas tienen una gran ventaja

en el control de sistemas complejos, ya que al ser sistemas de eleccin en
rangos como en el presente proyecto, pueden ser inmunes a ciertas
perturbaciones que se puedan presentar en el sistema.
Los sistemas areos no tripulados al ser sistemas no lineales, para su

control con tcnicas clsicas de control resulta difcil, por lo que es de gran
ventaja utilizar tcnicas basadas en inteligencia artificial como lgica difusa
y redes neuronales, que al combinarlas con tcnicas de control como PID
permiten obtener un control de trayectoria muy bueno.
La combinacin de tcnicas de control es muy til para resolver problemas

de control en sistemas no lineales, as es como la combinacin
entre
Lgica Difusa y PID permite obtener un seguimiento de trayectoria en los

UAV con error de posicin mnimos y sin oscilaciones.
El control combinado entre Redes Neuronales y PID crea pequeas

oscilaciones en los sistemas areos no tripulados, lo que puede significar
una desventaja al momento de implementarlos, ya que puede crear
vibraciones que afecten a los sistemas.
El controlador basado en lgebra Lineal es un tipo de control que se basa

en mtodos numricos, que permite obtener acciones de control muy
precisas para los sistemas, las mismas que al ser aplicadas proporcionan
resultados positivos en el seguimiento de trayectorias.
162
5.2
RECOMENDACIONES
Para obtener el modelo matemtico de un sistema se recomienda trabajar

con el mtodo Newton- Euler, ya que resulta ms sencillo que trabajar con
el mtodo Euler-LaGrange que requiere un desarrollo matemtico ms
complejo y al trabajar con los dos mtodos se obtienen los mismos
resultados.
Para implementar un modelo matemtico en Simulink es recomendable

utilizar s-functions, ya que stas nos permiten sintetizar una ecuacin
matemtica compleja en un cdigo de programa, en lugar de realizar las
interconexiones con los diferentes bloques de Simulink.
Para realizar el control de ciertos tipos de UAV como el Bird Like y

Helicptero es recomendable adaptar los modelos o desacoplar trminos
de los mismos para realizar el control, ya que se facilita el desarrollo de las
ecuaciones y la obtencin del controlador.
163
REFERENCIAS BIBLIOGRAFICAS
CAPITULO UNO
[1]
Wikipedia,
Sistema
Areo
No
Tripulado
http://es.wikipedia.org/wiki/Veh%C3%ADculo_a%C3%A9reo_no_tripulado
[2] Sistema de Control en lazo abierto

http://automatizacionhistori.blogspot.com/
[3] Sistema de Control en lazo cerrado

http://automatizacionhistori.blogspot.com/
[4] OGATA, Katsuhico, Ingeniera de Control Moderna, Tercera Edicin
[5] Funcin Paso Unitario

http://commons.wikimedia.org/wiki/File:Dirac_distribution_CDF.svg
[6] Funcin Rampa
http://commons.wikimedia.org/wiki/File:Dirac_distribution_CDF.svg
[7] BANDA GAMBOA, Hugo A. , Inteligencia Computacional, Departamento de

Informtica y Ciencias de la Computacin, Escuela Politcnica Nacional.
[8] Neurona Biolgica

http://tuneurociencia.blogspot.com/2010/12/conceptos-basicos-las-neuronas.html
[9] BANDA GAMBOA, Hugo A. , Computacin Neuronal, Departamento de

Informtica y Ciencias de la Computacin, Escuela Politcnica Nacional.
164
CAPITULO DOS
[10] CASTILLO, Pedro; LOZANO, Rogelio; DZUL, Alejandro, Modelling and
Control of Mini- Flying Machines, Springer.
[11] GANDOLFO, D.; SCAGLIA, G.; PATIO, D.; JORDAN M., Trajectory
Tracking Control of a PVTOL Aircraft Based on Linear Algebra Theory
[12] ROSALES, Claudio,
SCAGLIA, Gustavo; JORDAN, Mario; CARELLI,
Ricardo, Trajectory tracking of a mini four-rotor helicopter in dynamic

environments - a linear algebra approach.
[13] YOO, Dong-Wan; OH, Hyon-Dong; WON, Dae-Yeon; TAHK, Min-Jea,

Dynamic Modeling and Stabilization Techniques for Tri-Rotor Unmanned Aerial
Vehicles
[14] ASTROV, Igor; PEDAI, Andrus, Situational Awareness Based Flight Control
of a Three-Rotor Mini-Aircraft.
[15]
SALAZAR-CRUZ,
Sergio;
LOZANO,
Rogelio;
ESCAREO,
Juan,
Stabilization and nonlinear control for a novel trirotor mini-aircraft.
[16] SIEGWART, Roland; MATTIO, Andrea, Modelling and Control of the UAV
Sky-Sailor.
[17] HARMON, Robyn, AERODYNAMIC MODELING OF A FLAPPING

MEMBRANE WING USING MOTION TRACKING EXPERIMENTS
[18] DENG, Xinyan; SCHENATO, Luca; CHUNG WU, Wei; SASTRY, S. Shankar,
Flapping Flight for Biomimetic Robotic Insects: Part I - System Modeling
165
[19] HALD, Ulrik B;. HESSELBEK, Mikkel V; HOLMGAARD, Jacob T.; JENSEN,
Christian S; JAKOBSEN, Stefan L.; SIEGUMFELDT, Martin, Autonomous
Helicopter - Modelling and Control
[20] SVENSTRUP, Mikael; WINTHER, Kasper, Autonomous Hover of an Electric

Helicopter, Junio 2007.
[21]
digital
IMPERATO, Alberto; MANJARRES, Pamela, Diseo de un control PID

para la regulacin de vuelo estacionario de un mini helicptero UAV,
Noviembre 2010.
[22] FOSSEN, Thor I., MATHEMATICAL MODELS FOR CONTROL OF

AIRCRAFT AND SATELLITES, Enero 2011.
[23] Cuadricptero
http://xclusivos.mercadoshops.com.ar/cuadricoptero-ar-drone-parrot-wifi_14xJM
CAPITULO TRES
[23] KOURO, Samir; MUSALEM, Rodrigo, Control mediante Lgica Difusa.
[24] ALDRETE VIDRIO, Hctor Eduardo, Control Inteligente Hbrido de un Minihelicptero Autnomo
[25] ARREDONDO VIDAL, Tomas, Introduccin a la lgica difusa.
[26] Jang, J.-S. Roger; Gulley, Ned, Users Guide Fuzzy Logic Version 1
Toolbox, MATLAB
[27] DEMUTH, Howard; BEALE, Mark, Neural Network Toolbox, MATLAB
REFERENCIAS ANALIZADAS
LEDESMA, Sergio; Las Redes Neuronales implementacin y consideraciones
prcticas
166
ORTIZ, Paula A.; GUTIRREZ, Luis; Modelo matemtico para un vehculo areo
no tripulado de ala fija, usando un estimador de parmetros Filtro de Kalman
HAIDER, Ali Shahbaz ; SAJJAD, Muhammad; Structural Design and Non-linear

Modeling of a Highly Stable Multi-Rotor Hovercraft
GARZA, Frederico; MORELLI, Eugene; A Collection of Nonlinear Aircraft

Simulations in MATLAB
CORKE, Peter; Robotics, Vision and Control; Springer
HUA, Minh Duc; Contributions au contrle automatique de vhicules ariens
PERTUZ CAMPO, Jairo; Diseo, entrenamiento y simulacin de redes

neuronales con MATLAB
BARSK, Karl-Johan; Model Predictive Control of a Tricopter
BARRAGAN, Juan; Identificacin de UAVs de ala fija y ala rotatoria

Modelo Matematico Quadricoptero

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Modelo Matematico Quadricoptero

Diunggah oleh

Hak Cipta:

Format Tersedia

ESCUELA POLITCNICA NACIONAL

FACULTAD DE INGENIERA ELCTRICA Y

MODELACIN, SIMULACIN Y CONTROL DE SISTEMAS

PROYECTO PREVIO A LA OBTENCIN DEL TTULO DE INGENIERO EN

FREDDY ROBERTO GUERRERO NOBOA

OSWALDO ANBAL MENNDEZ GRANIZO

CO- DIRECTOR: ING. ANDRES ROSALES ACOSTA, PhD

Quito, Septiembre 2013

A travs de la presente declaracin cedemos nuestros derechos de propiedad

Freddy Roberto Guerrero Noboa

Oswaldo Anbal Menndez Granizo

A mi madre Fanny y mi hermano Sebastin.

1. MARCO TERICO ........................................................................................... 1

DEFINICIONES GENERALES ..............................................................................................1

SISTEMA AREO NO TRIPULADO. ............................................................................1

TIPOS DE SISTEMAS AREOS NO TRIPULADOS. ........................................................1

INTELIGENCIA ARTIFICIAL. .......................................................................................2

MODELO MATEMTICO. .........................................................................................2

CONTROLADOR AUTOMTICO. .......................................................................................9

CLASIFICACIN DE LOS CONTROLADORES. ..............................................................9

ACCIN DE CONTROL PROPORCIONAL. ...................................................................9

ACCIN DE CONTROL INTEGRAL............................................................................10

ACCIN DE CONTROL PROPORCIONAL INTEGRAL. .................................................10

ACCIN DE CONTROL PROPORCIONAL DERIVATIVA. .............................................11

ACCIN DE CONTROL PROPORCIONAL INTEGRAL DERIVATIVA. .............................12

EFECTOS DE LA ACCIN DE CONTROL INTEGRAL. ..................................................13

EFECTOS DE LA ACCIN DE CONTROL DERIVATIVA. ...............................................13

CONTROLADOR BASADO EN LGICA DIFUSA. ........................................................14

CONTROLADOR EN BASE A REDES NEURONALES. ..................................................17

CONTROLADOR BASADO EN LGEBRA LINEAL. ......................................................22

2. DESARROLLO Y OBTENCIN DEL MODELO MATEMTICO DE UAV .... 23

AVIN PVTOL. [10], [11]...............................................................................................23

MODELO MATEMTICO DEL AVIN PVTOL. ..........................................................23

CUADRICPTERO. [10], [12] .........................................................................................25

MOVIMIENTO DE ALABEO (ROLL). .........................................................................25

MOVIMIENTO DE CABECEO (PITCH). .....................................................................25

MOVIMIENTO DE GUIADA (YAW)........................................................................26

MODELO MATEMTICO CUADRICPTERO. ...........................................................26

TRICPTERO. [10], [13], [14], [15] ...............................................................................31

BIRD LIKE (SKY SAILOR) [10], [16], [17], [18]. ...............................................................35

MODELO MATEMTICO. .......................................................................................31

MODELO MATEMTICO. .......................................................................................36

HELICPTERO. [10], [19], [20], [21], [22] .....................................................................43

MODELO MATEMTICO. .......................................................................................44

DINMICA DE CUERPO RGIDO..............................................................................45

FUERZAS Y TORQUES DEL HELICPTERO. ..............................................................46

FUERZAS DEL HELICPTERO. .............................................................................46

2.5.3.1.1 Fuerza generada debido al empuje del motor principal. ..............................47

TORQUES DEL HELICPTERO. ............................................................................48

2.5.3.2.1 Torque generado debido al empuje del motor principal. .............................48

ADAPTACIN DEL MODELO PARA EL CONTROL. ....................................................49

LINEALIZACIN DEL MODELO. ...............................................................................51

MODELO DE ALTITUD DEL HELICPTERO. ............................................................. 52

MODELO LATERAL DEL HELICPTERO. ..................................................................53

MODELO LONGITUDINAL DEL HELICPTERO. ........................................................55

MODELO DE ORIENTACION DEL HELICPTERO. .....................................................55

3. DESARROLLO, SIMULACIN Y CONTROL DE LOS MODELOS

SIMULACIN Y CONTROL UAV AVIN PVTOL. ...............................................................58

SIMULACIN UAV AVIN PVTOL. ..........................................................................59

CONTROL DEL UAV AVIN PVTOL. ........................................................................60

DISEO DEL CONTROLADOR PID PARA EL UAV AVIN PVTOL. [4]..........................64

SIMULACIN Y CONTROL UAV CUADRICPTERO. ......................................................... 72

SIMULACIN UAV CUADRICOPTERO .....................................................................73