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.
_________________________
____________________________
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
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
1.1.1.
1.1.2.
1.1.3.
1.1.4.
1.1.5.
SISTEMA. ................................................................................................................3
1.2.
1.2.1.
1.2.2.
1.2.3.
1.2.4.
1.2.5.
1.2.6.
1.2.7.
1.2.8.
1.2.9.
1.2.10.
1.2.11.
2.1.1
2.2
ix
2.2.1
2.2.2
2.2.3
2.2.4
2.3
2.3.1
2.4
2.4.1
2.5
2.5.1
2.5.2
2.5.3
2.5.3.1
2.5.5
2.5.6
2.5.7
2.5.8
2.5.9
3.1.1
3.1.2
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
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
3.2.1
3.2.2
3.2.3
DISEO DEL CONTROLADOR BASADO EN LGICA DIFUSA PARA EL
CUADRICPTERO. [23], [24], [25], [26] ................................................................................76
3.2.4
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
3.3.1
3.3.2
3.3.3
3.3.4
3.3.5
DISEO DEL CONTROLADOR BASADO EN REDES NEURONALES PARA EL UAV
TRICPTERO. [27] ................................................................................................................91
3.3.6
DISEO DEL CONTROLADOR BASADO EN LGEBRA LINEAL PARA EL UAV
TRICPTERO. [12] ................................................................................................................92
3.4
3.4.1
3.4.2
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
3.5.1
xi
3.5.2
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
DISEO DEL CONTROLADOR BASADO EN REDES NEURONALES PARA EL UAV
HELICOPTERO. [27] ............................................................................................................ 118
3.5.6
DISEO DEL CONTROLADOR BASADO EN LGEBRA LINEAL PARA EL UAV
HELICPTERO. .................................................................................................................... 119
4.1.1
4.1.1.1
4.1.1.2
4.1.1.3
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
4.1.3.1
4.1.3.2
4.1.3.3
4.2.1
4.2.1.1
4.2.1.2
4.2.1.3
4.2.2
4.2.2.1
4.2.2.2
4.2.2.3
4.2.3
4.2.3.1
4.2.3.2
xii
4.2.3.3
4.3
4.3.1
4.3.1.2
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
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
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
5.2
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.
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.
xv
PRESENTACIN
El proyecto se divide en cuatro captulos, ms el captulo de conclusiones y
recomendaciones,
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.
de
los
cinco
sistemas
areos
no
tripulados.
CAPTULO 1
1.
MARCO TERICO
1.1.
DEFINICIONES GENERALES
1.1.1.
1.1.2.
Los UAV, dependiendo su misin principal, suelen ser clasificados en seis tipos:
a)
UAV de Blanco.
b)
UAV de Reconocimiento.
c)
UAV de Combate.
Utilizado para combatir y llevar a cabo misiones que suelen ser muy peligrosas.
d)
UAV de Logstica.
e)
f)
1.1.3.
INTELIGENCIA ARTIFICIAL.
1.1.4.
MODELO MATEMTICO.
se
utilizan
algunos
recursos
analticos
disponibles
como
las
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.
a)
SISTEMA DINMICO.
b)
SISTEMA LINEAL.
c)
SISTEMA NO LINEAL.
d)
LINEALIZACIN
N DE SISTEMAS NO LINEALES.
LINEALES
e)
Figura 1.1
1 Sistema de control en lazo abierto. [2]
f)
FUNCION DE TRANSFERENCIA.
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.
j)
k)
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.
b)
Funcin Rampa.
; Tiempo pico,
; Sobrepaso mximo,
; y Tiempo de
El tiempo pico es el tiempo requerido para que la respuesta alcance el primer pico
del sobrepaso.
100%
Ecuacin 1.1-2
1.2.
CONTROLADOR AUTOMTICO.
del controlador y la seal de error es: , en donde se
10
Ecuacin 1.2-1
1.2.3.
Es decir,
!"#
!#
estacionario. [4]
Ecuacin 1.2-2
11
( &
$
1.2.5.
d et
.
dt
12
Us
Kp 1'Td s
Es
Ecuacin 1.2-5
1.2.6.
d et
.
dt
Us
1
Kp 1'
' Td s
Es
Ti s
Ecuacin 1.2-7
13
1.2.7.
1.2.8.
14
1.2.9.
La funcin de membreca.
Difusidad.
Variables lingsticas.
15
Conjuntos difusos.
Lgica difusa.
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.
16
Fusificar las entradas que significa resolver todas las proposiciones difusas
de los antecedentes a un grado de membreca entre 0 y 1.
Inferencia difusa.
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.
17
Neurociencia.
Neurona biolgica.
18
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.
19
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
Funciones de Activacin.
20
Proceso de aprendizaje.
Red neuronal.
21
a)
b)
c)
d)
22
23
CAPTULO 2
2. DESARROLLO
OBTENCIN
DEL
MODELO
MATEMTICO DE UAV
2.1.
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
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.
2.1.1
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
Ecuacin 2.1-2
8 : ?:@
1
< $A ; ' B = CD ;
?
:@
1
CD ; ' B = $ A; 1
?
Ecuacin 2.1-5
:@
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 ;@
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@
2.2.1
2.2.2
26
2.2.3
2.2.4
27
L 9, , :, ;, G, H M NO
R5
1
?ST ST
2
1
WT X WT
2
cada uno de los ejes, la energa cintica de rotacin viene dada por:
RV
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
Ecuacin 2.2-6
Ecuacin 2.2-7
28
Y se tiene que:
b6 e6 f6
$ 1,2,3,4
las hlices.
Donde
mno 5
jkl
es
mno 5 _
] jkl
Las matrices de rotacin de cada uno de los ejes vienen dadas por:
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 ;
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
Ecuacin 2.2-17
tres ejes. Est referido a los ngulos de yaw, pitch y roll. Para el momento de
guiada (yaw) se tiene:
30
EJ b=,d . x
Ecuacin 2.2-22
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
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
;@
2.3.1
MODELO MATEMTICO.
L 9, , :, ;, G, H M NO
Ecuacin 2.3-1
32
R5
1
?ST ST
2
1
WT X WT
2
Y ?Z:
cada uno de los ejes. La energa potencial del tricptero viene dado por:
L, LT R5 ' RV Y
Ecuacin 2.3-6
El modelo dinmico del tricptero es obtenido por el mtodo del Euler LaGrange
& [ &
\
& [LT &L
33
0
_
`0 a
^
b6 e6 f6
Y se tiene que:
$ 1,2,3,4
las hlices.
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 ;
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
Ecuacin 2.3-17
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
Ecuacin 2.3-20
EI b= b< x=
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
;@
Ecuacin 2.3-22
35
0
@
?S ` 0 a ]
?Z
Ecuacin 2.3-23
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
;@
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
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.
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
Ecuacin 2.4-6
;T
1 CG
y GT z
`0
CG 0
T
H
Ecuacin 2.4-7
C; G
;CGa L
C;
Ecuacin 2.4-8
Las ecuaciones del cuerpo rgido del Bird Like se obtienen mediante la segunda
&
?
&
&
&
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;
&
?
&
Ecuacin 2.4-11
q
&
?
&
Ecuacin 2.4-12
p
&
& q
Ecuacin 2.4-14
&
& p
Ecuacin 2.4-15
Ecuacin 2.4-16
39
masa.
Ecuacin 2.4-18
&
&
&
&
l ' * ?
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
&
&
?
&
&
Ecuacin 2.4-23
&
l ' f
&
Donde f
es la velocidad angular del vehculo y es la posicin del elemento de
Ecuacin 2.4-24
f
' L ' e
9 ' ' :e
Ecuacin 2.4-25
Ecuacin 2.4-26
8
8 ?
l ' 8
l ?
r 8 = ' : = ? L 8 9 ? 8 9: ?
Ecuacin 2.4-28
41
rr , qq , pp se tiene que:
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
?
&
' ?f
&
Ecuacin 2.4-34
Ecuacin 2.4-35
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.
rr T rp T ' L pp qq rp L
Ecuacin 2.4-42
42
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.
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
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
que
la
aeronave
44
2.5.1
MODELO MATEMTICO.
45
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).
La nica resistencia del aire que se modelan son las fuerzas de arrastre
simples que se oponen a la rotacin de los dos rotores.
Los
efectos
de
las
fuerzas
aerodinmicas
generadas
por
los
2.5.2
Para obtener las ecuaciones del cuerpo rgido se ha utilizado las ecuaciones
obtenidas para el Bird Like, de donde se obtiene que:
46
; 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
` 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
47
2.5.3.1.1
la figura 24.
La fuerza que genera el efecto de empuje del motor principal puede ser escrita
como:
k
Y
2.5.3.1.2
La fuerza generada debido al motor de cola solo es una fuerza que acta en
0
k
R
`5V a
0
Ecuacin 2.5-7
2.5.3.1.3
48
? Z
Ecuacin 2.5-8
E &
Ecuacin 2.5-9
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
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
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
sin 1
V
' C ` a
0
cos 1C cos 1
5#j
Ecuacin 2.5-12
V y 1 z ' C ` a
0
1
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
? x
0
0a
x?
?
e x?
0
Ecuacin 2.5-17
es el trmino de
Ecuacin 2.5-19
Donde 1
V c ' <
1C
= y 1 z
Ecuacin 2.5-21
Considerando:
51
1 0 0
`0 1 1 a
0 0 0
Ecuacin 2.5-22
k
5#j
c ' <
Ecuacin 2.5-23
Donde
<
Ecuacin 2.5-24
Ecuacin 2.5-25
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;
2.5.5
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
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
2.5.6
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
Ecuacin 2.5-28
2.5.7
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
j#
j#
Ecuacin 2.5-30
54
?Z.
Ecuacin 2.5-31
Con lo cual, la aceleracin del helicptero en el eje y puede ser calculada como:
@
sin ;
Ecuacin 2.5-33
sin; ;
Ecuacin 2.5-34
Ecuacin 2.5-35
Z ;
Ecuacin 2.5-36
@
Ecuacin 2.5-37
Z j#
j#
Ecuacin 2.5-38
q
Zj#
c
q
19.6
c
Ecuacin 2.5-40
55
2.5.8
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
19.6
Ecuacin 2.5-43
2.5.9
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
57
CAPTULO 3
58
3.1
ELABORADOR POR:
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
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.
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
59
phi
posicion_sfunc_pvtol
2
u1
S-Function
1
s
1
s
Integrator
Integrator1
x
2
z
3.1.1
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.
60
3.1.2
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
ELABORADOR POR:
xd
xd
u2
zd
u2
zd
Estados PVTOL
Trayectoria
u1
u1
Estados PVTOL
Controlador
Modelo PVTOL
Display
TSim
Clock
Display1
3.1.3
62
63
entre
-1.14 y 1.14, en el cual se consideran nu eve funciones: s1, s2, s3, s4, s5,
64
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.
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.
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
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
deseado, el cual ser la entrada de un PID que genera la seal de control (2).
67
-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;
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}
68
TDL
weight
p{1}
Delays 1
IW{1,1}
bias
1
netsum
tansig
a{1}
b{1}
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
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
10
10
69
seales (1, 2) que permitan al avin PVTOL seguir una trayectoria deseada
9@ 1 $A ;
:@ 1 CD ; 1
2 ;@
9
9<
9T
9=
9c :
:T
9d
9
9O T
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
70
sin 9
9=< 9=
0
1
0
9d< 9d '
cos 9 0 2
0
9< 9 9O
9O< 9O
0
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
Ecuacin 3.1-8
Z9p
71
9<
9=
9
1 <<
9
9
` d a ` c< 9c a
9< 9
9O
Ecuacin 3.1-10
siguientes expresiones
&.
9!=<
9!d<
9!O<
72
9=< 9=
sin 9p 0
1
1
` cos 9p 0a `9d< 9d ' a
2
9O< 9O
1
0
Ecuacin 3.1-14
9
Ecuacin 3.1-15
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
73
ELABORADOR POR:
-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
El modelo implementado del cuadricptero posee las entradas de control que son:
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
3.2.1
Una vez implementado el modelo, se coloca una entrada () tipo rampa, con una
Nm. a cada entrada de control de torque (E , EJ , EK ).
74
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:
75
3.2.2
los controladores que sern los encargados de generar las seales de entrada al
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.
utilizar un control combinado entre PID y lgica difusa, as como PID y redes
neuronales.
ESCUELA POLITECNICA NACIONAL
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,Tteta,Tpsi
Trayectoria
Estados Cuadricptero
Controlador
Modelo Cuadricptero
Display1
TSim
Clock
Display
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
77
3.2.4
70
cuadricptero
10
10
Controlador PID
cuadricptero
10
10
78
-70
error z
1
u
Gain1
3
zd
<dz>
Estados
Cuadricptero
Gain
<x>
error x
1
theta d
xd
Fuzzy Logic
Controller
<dx>
PID
error theta
<theta>
<y >
error y
yd
phi d
Fuzzy Logic
Controller1
<dy >
PID
error phi
<phi>
3.2.5
Pos_Vel = [ -1
-1
-1
1 ;
-1
-1
-1
1 ];
Angulo
= [ -0.182
0.073
0.182];
-0.073
-0.0091
net.trainParam.epochs = 10000;
net.trainParam.goal
= 0.0000001;
-0.0364
0.0364
0.0091
79
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
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
3.2.6
10
10
80
m 9@ u sin
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
81
9=< 9=
sin 9
?
cos9 sin 9
?
cos9 cos9 Z
?
9< 9 ' 9
9< 9 ' EI
sin 9
?
cos9 sin 9
?
cos9 cos9
?
0
0
0
0
0
1
0
0
0
0
0
0
0
9=< 9=
0
9d< 9d
0
9
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<=
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
82
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
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
?
? cos9 cos9
Ecuacin 3.2-6
Ecuacin 3.2-7
exacta al calcular 9p y 9p .
9d
9O ' Z
9=
sin 9p
9d
Ecuacin 3.2-8
Z9p
Ecuacin 3.2-9
83
9<< 9<
9=
9c< 9c
9d
9
19
9
O <
9p 9
9
9p 9
9<
9
9
9
<=
<<<
<<
Ecuacin 3.2-10
siguientes expresiones
&.
valores son los deseados de velocidad. Por lo que se representa con el subndice
9!=<
9!d<
9!O<
9!<
9!<<
9!<=<
9p e 9p 9 9
9p e 9p 9 9
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=
sin 9p
?
1
cos9p sin 9p
?
1
cos9p cos9p
?
0
0
0
0
1
0
9=< 9=
0
9d< 9d
0
0 EJ
9< 9
0 EK
9<< 9<
9<=< 9<=
1
Ecuacin 3.2-14
Ecuacin 3.2-15
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<=
<=<
3.3
ELABORADOR POR:
Ramp
Saturation
ENTRADAS DE CONTROL
Estados Tricptero
1
Constant
Tphi,Tteta,Tpsi
Modelo Tricoptero
Display1
86
El modelo implementado del tricptero posee las entradas de control que son:
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
3.3.1
Una vez implementado el modelo, se coloca una entrada () tipo rampa, con una
Nm. a cada entrada de control de torque (E , EJ , EK ).
87
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:
88
3.3.2
De igual manera para el control del tricptero se trabaja con los 12 estados de un
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.
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:
-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,Tteta,Tpsi
Trayectoria
0.00019
7.328e-006
Estados Tricptero
3.994e-005
Controlador
Dinmica Tricoptero
Display1
TSim
Clock
179.6
Display
3.3.3
Se utiliza dos controladores basados en lgica difusa, uno para calcular el ngulo
3.3.4
90
para del
Controlador PID
cuadricptero
para del
Controlador PID
cuadricptero
70
10
10
10
10
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 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:
net = newff([-1 1; -1 1], [6,1], {'tansig','tansig'}, 'traingdx');
Pos_Vel = [ -1
-1
-1
1 ;
-1
-1
-1
1 ];
Angulo
= [ -0.182
0.073
0.182];
-0.073
-0.0091
net.trainParam.epochs = 10000;
net.trainParam.goal
= 0.0000001;
sim(net,Pos_Vel)
-0.0364
0.0364
0.0091
92
gensim(net,-1)
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
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
3.3.6
10
10
93
m 9@ u sin
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
9=< 9=
sin 9
?
94
cos9 sin 9
?
cos9 cos9 Z
?
9< 9 ' 9
9< 9 ' EI
sin 9
?
cos9 sin 9
?
cos9 cos9
?
0
0
0
0
0
1
0
0
0
0
0
0
0
9=< 9=
0
9d< 9d
0
9
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<=
calcular las acciones de control (, E , EJ , EK ) para cada instante de muestreo, con
La Ecuacin 3.3-5 representa un sistema de ecuaciones lineales que permite
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
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
?
? cos9 cos9
Ecuacin 3.3-6
Ecuacin 3.3-7
exacta al calcular 9p y 9p .
9d
9O ' Z
9=
sin 9p
9d
Ecuacin 3.3-8
Z9p
O <
9p 9
9
9p 9
9<
9<=
9<<< 9<<
Ecuacin 3.3-10
96
siguientes expresiones
9!d<
9!O<
9!<
9!<<
9!<=<
9p e 9p 9 9
9p e 9p 9 9
97
sin 9p
?
1
cos9p sin 9p
?
1
cos9p cos9p
?
0
0
0
0
1
0
9=< 9=
0
9d< 9d
0
9
0 EJ
< 9
0 EK
9<< 9<
9<=< 9<=
1
Ecuacin 3.3-14
9
Ecuacin 3.3-15
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<=
<=<
3.4
ELABORADOR POR:
Fz
Ramp
Saturation
T phi
T theta
Estados Bird Like
Ramp1
Saturation1
T psi
ENTRADAS DE CONTROL
Fx
Fy
99
P,Q,R
Scope
U,V,W
Fx
Fx
6
Fy
U,V,W1
Scope2
Fy
1
Fz
Scope1
Fz
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
dx
1
Estados Bird Like
dy
dz
P,Q,R
dphi
phi,teta,psi1
dteta
phi,teta,psi
dpsi
Figura 3.44 Sub- bloques del UAV Bird Like que permiten calcular velocidad
lineal, angular, posicin y ngulos de Euler
3.4.1
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
100
que es necesario implementar acciones de control para que el UAV Bird Like
realice una trayectoria deseada.
3.4.2
Para realizar el control de posicin del UAV Bird Like es necesario agregar un
bloque de generacin de trayectoria adicional al modelo, el mismo que contenga
los controladores que sern los encargados de generar las seales de entrada al
101
modelo (r , q , p , , , ). De igual manera para el control del UAV Bird Like se
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.
posicin real del UAV Bird Like, mientras que para el control de los torques
Redes Neuronales.
Se utiliza dos controladores basados en lgica difusa, uno para calcular el ngulo
3.4.4 DISEO DEL CONTROLADOR PID PARA EL UAV BIRD LIKE. [4]
102
seccin 3.1.4, con lo cual los valores de las constantes de los diferentes PID son:
Controlador PID
para r del UAV
Bird Like
70
Controlador PID
Bird Like
70
Controlador PID
Bird Like
70
Controlador PID
10
10
Bird Like
10
10
Tabla 3.17
Con lo cual el diagrama de control combinado entre PID y lgica difusa es el
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 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:
net = newff([-1 1; -1 1], [6,1], {'tansig','tansig'}, 'traingdx');
Pos_Vel = [ -1
-1
-1
1 ;
-1
-1
-1
1 ];
Angulo
= [ -0.182
0.073
0.182];
-0.073
net.trainParam.epochs = 10000;
-0.0091
-0.0364
0.0364
0.0091
104
net.trainParam.goal
= 0.0000001;
sim(net,Pos_Vel)
gensim(net,-1)
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
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
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:
, 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
;@
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 ;
Ecuacin 3.4-3
H ; ' CHC; G
CH ; ' G HC;a
C;CG
m 9@ u H ; ' CHC; G
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
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
107
sin9 cos9<< cos9 ' sin9<< sin9
?
9c< 9c ' 9d
sin9<< sin9 cos9 cos9<< sin9
?
9< 9 ' 9O
cos9 cos9 Z
?
9< 9 ' 9
9< 9 ' EI
especificar las condiciones para que este sistema tenga solucin exacta. La
primera condicin es que el sistema de 6 ecuaciones con 4 incgnitas posee
solucin exacta.
108
sin9 cos9<< cos9 ' sin9<< sin9
?
sin9<< sin9 cos9 cos9<< sin9
?
cos9 cos9
?
0
9=< 9=
9d< 9d
9
9< 9
9
9
<<
<
9<=< 9<=
< 9 9O
9
9 9
<
9< 9 9<
9<<< 9<< 9<=
1
sin9 cos9<< cos9 ' sin9<< sin9
?
1
sin9<< sin9 cos9 cos9<< sin9
?
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 3.4-10
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
sin9 cos9<< cos9 ' sin9<< sin9
9=< 9=
?
1
1
sin9<< sin9 cos9 cos9<< sin9 ` 9d< 9d a
9
?
cos9 cos9
?
Ecuacin 3.4-11
Z9p
Ecuacin 3.4-9 posea solucin exacta y de esta manera el Bird Like siga la
O <
9p 9
9
9p 9
9<
9
9
9
<=
<<<
<<
Ecuacin 3.4-14
siguientes expresiones
110
9!d<
9!O<
9!<
9!<<
9!<=<
9p e 9p 9 9
9p e 9p 9 9
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=
111
1
sin9 cos9<< cos9 ' sin9<< sin9
?
1
sin9<< sin9 cos9 cos9<< sin9
?
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
Donde
5 <
?=
0
0
0
0
1
0
0
Ecuacin 3.4-21
0
0
1
0
0
0
0
1
9= '
9d '
9O ' Z
?
?
?
1
9< 9
5
9
9
<<
<
9
9
<=<
<=
Ecuacin 3.4-22
112
EJ
EK
1
9
9<
<<
1
9
9<=
<=<
3.5
Ulong
Si ne Wave
Ulat
Sine Wave1
Yaw_ref
y aw
Di spl ay
Constant
zd
Ramp
Saturation
113
x1 (x)
x2 (u)
Phi
x3 (y )
Theta
x4 (v )
Psi
x5 (z)
x6 (w)
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
Ttheta
2
x8 (R)
Ecuaciones de Rotacin
Tpsi
tphi
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).
114
3.5.2
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
116
Figura 3.59 Reglas del controlador basado en Lgica Difusa para el helicptero.
3.5.4
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.
10
3.295
6.4582
117
10
0.85
Controlador PID
Helicptero
-10
-3.295
-6.4582
Helicptero
0.0095
0.0001
Scope
19.6
PID
s2
PID interno Transfer Fcn
Ulong
Fuzzy Logic
Controller
1
s
Integrator
PID
PID
PID externo
PID interno
-19.6
s2
1
s
Transfer Fcn
Integrator
1
y
118
Scope
1
zd
PID
num(s)
den(s)
Fuzzy Logi c
Controller
PID interno
1
s
Integrator
1
z
Transfer Fcn
119
10
6.5
Controlador PID
para Redes
Neuronales del
helicptero
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
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
m @ u CH ; ' G HC;
m :@ u C;CG ?Z
Ecuacin 3.5-1
m 9@ u H ; ' CHC; G
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
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
p
p
cos9<< 9< sin9<< 9
T
9<
p r
EJ
9<<
T
9
9
'
<=
9<=
T
q
q
r
r
sin9 cos9<< cos9 ' sin9<< sin9
?
9c< 9c ' 9d
sin9 sin9 cos9<< cos9 sin9<<
?
9< 9 ' 9O
cos9 cos9<< Z
?
122
9< 9 ' )
sin9<<
cos9<<
9< '
9
*
cos9
cos9
9< 9 ' )
EK
r q
9< 9<= '
*
p
p
EJ
p r
9<= 9 '
q
q
911A'1 911A ' D 912A ' sin911 tan99 910A ' cos911 tan99 98A
EI
q p
9 9< '
*
r
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
r q
9< 9 )
9< 9<= *
p r
9<< 9<
9<= 9
q
p
9<=< 9<= )
9 9< *
9< 9 9O
sin9<<
cos9<<
9< 9 )
9< '
9 *
cos9
cos9
9<<< 9<< 912A ' sin911 tan99 910A ' cos911 tan99 98A
Ecuacin 3.5-6 Modelo del Helicptero expresado en forma matricial
calcular las acciones de control (, E , EJ , EK ) para cada instante de muestreo, con
La Ecuacin 3.5-6 representa un sistema de ecuaciones lineales que permite
1
1 sin9 sin9 cos9<< cos9 sin9<< ` 9d< 9d a
9
?
cos9 cos9<<
solucin exacta.
Ecuacin 3.5-7
124
Z9p
cos911A
sin911A
0
98A
cos99A
cos99A
1
`910A a
D
sin911A
cos911A
0
912A
1
97: 97A
99: 99A
`
a
911bA'1 911A
Ecuacin 3.5-10
siguientes expresiones
125
&.
valores son los deseados de velocidad. Por lo que se representa con el subndice
9!=<
9!d<
9!O<
9!<
9&< e 9p 9 9
9!<<
9!<=<
9p e 9p 9 9
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
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
Ecuacin 3.5-15
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
4.1.1
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
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
modelo del Avin PVTOL 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 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
modelo del Avin PVTOL con control combinado entre Lgica Difusa y PID para
un tiempo de 4000s y se obtiene que el control combinado entre Lgica Difusa y
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
combinado entre Lgica Difusa y PID
4.1.2
RESULTADOS
DEL
NEURONALES Y PID.
CONTROL
COMBINADO
ENTRE
REDES
130
4.1.2.1
Trayectoria Recta.
el control
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
Figura 4.4 Respuesta del Avin PVTOL ante una trayectoria recta con control
combinado entre Redes Neuronales y PID
4.1.2.2
Trayectoria Circular.
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
Figura 4.5 Respuesta del Avin PVTOL ante una trayectoria circular con control
combinado entre Redes Neuronales y PID.
4.1.2.3
Trayectoria Seno.
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
Figura 4.6 Respuesta del Avin PVTOL ante una trayectoria seno con control
combinado entre Redes Neuronales y PID.
132
4.1.3
4.1.3.1
Trayectoria Recta.
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
Figura 4.7 Respuesta del Avin PVTOL ante una trayectoria recta con control
basado en Algebra Lineal
4.1.3.2
Trayectoria Circular.
133
Posicion X vs Tiempo
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
Posicion Z vs Tiempo
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
Figura 4.8 Respuesta del Avin PVTOL ante una trayectoria circular con control
basado en lgebra Lineal
4.1.3.3
Trayectoria Seno.
Posicion X vs Tiempo
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
Posicion Z vs Tiempo
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
Figura 4.9 Respuesta del Avin PVTOL ante una trayectoria seno con control
basado en lgebra Lineal.
134
4.2
4.2.1
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.
Se propone una trayectoria recta, la cual se genera mediante entradas tipo rampa,
en cada uno de los ejes de referencia x, y, 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 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.
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
combinado entre Lgica Difusa y PID.
136
SIMULACION CUADRICPTERO
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
combinado entre Lgica Difusa y PID.
SIMULACION CUADRICPTERO
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
9000
10000
6
5
Posicin Y
Posicion Z
8000
4
3
Posicin Deseada
Posicin Real
2
0
-2
2
-4
1000
2000
3000
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
combinado entre Lgica Difusa y PID.
4.2.2
137
4.2.2.1
Trayectoria Recta.
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
Figura 4.13 Respuesta del Cuadricptero ante una trayectoria recta con control
combinado entre Redes Neuronales y PID.
4.2.2.2
Trayectoria Espiral.
4.2.2.3
Trayectoria Resorte.
138
SIMULACION CUADRICPTERO
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
combinado entre Redes Neuronales y PID.
SIMULACION CUADRICPTERO
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
9000
10000
6
5
Posicin Y
Posicion Z
8000
4
3
Posicin Deseada
Posicin Real
2
0
-2
2
-4
1000
2000
3000
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
combinado entre Redes Neuronales y PID.
4.2.3
4.2.3.1
Trayectoria Recta.
139
Posicion X vs Tiempo
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
Posicion Z vs 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
Figura 4.16 Respuesta del Cuadricptero ante una trayectoria recta con control
basado en lgebra Lineal.
4.2.3.2
Trayectoria Espiral.
4.2.3.3
Trayectoria Resorte.
140
Posicion X vs Tiempo
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
Posicion Y vs 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
Posicion Z vs 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
basado en lgebra Lineal.
Posicion X vs Tiempo
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
Posicion Y vs 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
Posicion Z vs 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
basado en lgebra Lineal.
4.3
141
4.3.1
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.
4.3.1.1
Trayectoria Recta.
Se propone una trayectoria recta, la cual se genera mediante entradas tipo rampa,
en cada uno de los ejes de referencia x, y, z. Esta 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 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
combinado entre Lgica Difusa y PID.
142
4.3.1.2
Se propone una trayectoria recta, la cual se genera mediante entradas tipo rampa,
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
Trayectoria Resorte.
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.
SIMULACION TRICPTERO
Posicin X vs Tiempo
Posicin X
40
Posicin Deseada
Posicin Real
20
500
1000
3500
4000
40
0
Posicin Y
Posicion Z
1500
-1
-2
Posicin Deseada
Posicin Real
20
500
1000
-3
1500
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
SIMULACION TRICPTERO
Posicin X vs Tiempo
Posicin X
40
Posicin Deseada
Posicin Real
0
-5
500
1000
3500
4000
5
Posicin Y
Posicion Z
30
1500
20
10
Posicin Deseada
Posicin Real
0
-5
500
1000
1500
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
combinado entre Lgica Difusa y PID.
4.3.2
4.3.2.1
Trayectoria Recta.
4.3.2.2
4.3.2.3
Trayectoria Circular.
144
SIMULACION TRICPTERO
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
Figura 4.22 Respuesta del Tricptero ante una trayectoria recta con control
combinado entre Redes Neuronales y PID.
SIMULACION TRICPTERO
Posicin X vs Tiempo
Posicin X
50
-50
Posicin Deseada
Posicin Real
500
1000
1500
3500
4000
50
0
Posicin Y
Posicion Z
-1
-50
-2
Posicin Deseada
Posicin Real
500
1000
-3
1500
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 4.23 Respuesta del Tricptero ante una trayectoria seno creciente con
control combinado entre Redes Neuronales y PID.
145
SIMULACION TRICPTERO
Posicin X vs Tiempo
Posicin X
5
Posicin Deseada
Posicin Real
40
-5
500
1000
3500
4000
5
Posicin Y
Posicion Z
30
1500
20
Posicin Deseada
Posicin Real
10
-5
500
1000
1500
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
combinado entre Redes Neuronales y PID.
4.3.3
4.3.3.1
Trayectoria Recta.
Posicion X vs Tiempo
Posicin X
2.5
1
0
10
15
20
25
30
Tiempo
Posicion Y vs 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
Posicion Z vs 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
Figura 4.25 Respuesta del Tricptero ante una trayectoria recta con control
basado en lgebra Lineal
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.
Posicion X vs Tiempo
Posicin X
3
2.5
2
1
0
1.5
10
15
20
25
30
Tiempo
Posicion Y vs 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
Posicion Z vs 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
Figura 4.26 Respuesta del Tricptero ante una trayectoria seno creciente con
control basado en lgebra Lineal
4.3.3.3
Trayectoria Resorte.
147
Posicion X vs Tiempo
Posicin X
2.5
-1
-2
10
15
20
25
30
Tiempo
Posicion Y vs 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
Posicion Z vs 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
4.4.1
Se realiza 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.
4.4.1.1
Trayectoria Recta.
Trayectoria Espiral.
148
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
combinado entre Lgica Difusa y PID.
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
combinado entre Lgica Difusa y PID.
4.4.1.3
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
4.4.2.1
Trayectoria Recta.
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
combinado entre Redes Neuronales y PID.
150
4.4.2.2
Trayectoria Espiral.
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
Figura 4.32 Respuesta del Bird Like ante una trayectoria espiral con control
combinado entre Redes Neuronales y PID
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.
SIMULACION BIRD LIKE
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
Figura 4.33 Respuesta del Bird Like ante una trayectoria seno creciente con
control combinado entre Redes Neuronales y PID.
151
4.4.3
4.4.3.1
Trayectoria Recta.
Posicion X vs Tiempo
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
Posicion Y vs 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
Posicion Z vs 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
Trayectoria Espiral.
4.4.3.3
152
Posicion X vs Tiempo
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
Posicion Y vs 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
Posicion Z vs 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
Figura 4.35 Respuesta del Bird Like ante una trayectoria espiral con control
basado en lgebra Lineal.
Posicion X vs Tiempo
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
Posicion Z vs Tiempo
40
50
4
3
2
2
Posicin Actual
Posicin Deseada
0.5
0
1
0 0
Posicin Z
Posicin Y
20
30
Tiempo
Posicion Y vs Tiempo
0.3
Posicin Y
Posicin Z
Posicin Actual
Posicin Deseada
10
20
Posicin X
30
40
50
Tiempo
Figura 4.36 Respuesta del Bird Like ante una trayectoria seno creciente con
control basado en lgebra Lineal.
4.5
4.5.1
153
4.5.1.1
Trayectoria Recta.
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
combinado entre Lgica Difusa y PID
4.5.1.2
Trayectoria Resorte.
4.5.1.3
154
SIMULACION HELICPTERO
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
combinado entre Lgica Difusa y PID
SIMULACION HELICPTERO
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
155
4.5.2.1
Trayectoria Recta.
Posicion X vs Tiempo
3
Posicin X
Posicin Actual
Posicin Deseada
2.5
Posicin Actual
Posicin Deseada
0
2
10
15
20
25
Tiempo
Posicion Y vs Tiempo
30
35
40
Posicin Y
Posicin Z
1.5
0.5
Posicin Actual
Posicin Deseada
10
15
20
25
Tiempo
Posicion Z vs 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
Figura 4.40 Respuesta del Helicptero ante una trayectoria recta con control
combinado entre Redes Neuronales y PID
4.5.2.2
Trayectoria Resorte.
4.5.2.3
156
SIMULACION HELICPTERO
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
combinado entre Redes Neuronales y PID
SIMULACIN DEL HELICPTERO
Posicion X vs Tiempo
2.5
1
Posicin X
Posicin Actual
Posicin Deseada
-1
-2
Posicin Actual
Posicin Deseada
10
15
20
25
Tiempo
Posicion Y vs 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
Posicion Z vs 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 4.42 Respuesta del Helicptero ante una trayectoria seno creciente con
control combinado entre Redes Neuronales y PID
4.5.3
4.5.3.1
Trayectoria Recta.
157
Posicion X vs Tiempo
3
Posicin X
Posicin Actual
Posicin Deseada
2.5
Posicin Actual
Posicin Deseada
0
2
10
15
20
25
Tiempo
Posicion Y vs Tiempo
30
35
40
Posicin Y
Posicin Z
1.5
0.5
Posicin Actual
Posicin Deseada
10
15
20
25
Tiempo
Posicion Z vs 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
Figura 4.43 Respuesta del Helicptero ante una trayectoria recta con control
basado en lgebra Lineal.
4.5.3.2
Trayectoria Resorte.
Posicion X vs Tiempo
1
Posicin X
Posicin Actual
Posicin Deseada
2.5
Posicin Actual
Posicin Deseada
-1
-2
2
10
15
20
25
Tiempo
Posicion Y vs 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
Posicion Z vs 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
basado en lgebra Lineal
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.
SIMULACIN DEL HELICPTERO
Posicion X vs Tiempo
2.5
1
Posicin X
Posicin Actual
Posicin Deseada
-1
-2
Posicin Actual
Posicin Deseada
10
15
20
25
Tiempo
Posicion Y vs 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
Posicion Z vs 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 4.45 Respuesta del Helicptero ante una trayectoria seno creciente con
control basado en lgebra Lineal
4.6
159
CAPITULO 5
5.
CONCLUSIONES Y RECOMENDACIONES
5.1
CONCLUSIONES.
160
vuelo debe ser ms grande, por lo que los motores deben ser ms potentes
para poder alzar a la nave en conjunto.
161
entre
162
5.2
RECOMENDACIONES
163
REFERENCIAS BIBLIOGRAFICAS
CAPITULO UNO
[1]
Wikipedia,
Sistema
Areo
No
Tripulado
http://es.wikipedia.org/wiki/Veh%C3%ADculo_a%C3%A9reo_no_tripulado
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
[14] ASTROV, Igor; PEDAI, Andrus, Situational Awareness Based Flight Control
of a Three-Rotor Mini-Aircraft.
[15]
SALAZAR-CRUZ,
Sergio;
LOZANO,
Rogelio;
ESCAREO,
Juan,
[16] SIEGWART, Roland; MATTIO, Andrea, Modelling and Control of the UAV
Sky-Sailor.
[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
[21]
digital
Noviembre 2010.
CAPITULO TRES
[23] KOURO, Samir; MUSALEM, Rodrigo, Control mediante Lgica Difusa.
[24] ALDRETE VIDRIO, Hctor Eduardo, Control Inteligente Hbrido de un Minihelicptero Autnomo
[26] Jang, J.-S. Roger; Gulley, Ned, Users Guide Fuzzy Logic Version 1
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