Diseño e implementación de un sistema embebido de control de actitud para aeronaves no tripuladas Alan Kharsansky Director: Dr. Ing. Ariel Lutenberg Facultad de Ingeniería Universidad de Buenos Aires

Junio 2013

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Contenido 1

Introducción

2

Modelado de la planta

3

Controlador PID

4

Diseño de la computadora de vuelo

5

Implementación del piloto automático

6

Resultados

7

Conclusiones

8

Trabajo futuro

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Sistema de control completo

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Introducción

1

Introducción

2

Modelado de la planta

3

Controlador PID

4

Diseño de la computadora de vuelo

5

Implementación del piloto automático

6

Resultados

7

Conclusiones

8

Trabajo futuro

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Introducción

El quadrotor

Pasado

De Bothezat, 1923

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Introducción

El quadrotor

Actualidad

2013

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Introducción

El quadrotor

Diagrama en bloques

ESC

Motor

Hélice

ESC

Motor

Hélice

ESC

Motor

Hélice

ESC

Motor

Hélice

IMU y sensores de Navegación

CPU

Radio

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Introducción

Principio de funcionamiento

Grados de libertad

Control de altura (colectivo)

Control de ”pitch” (cabeceo)

Control de ”roll” (alabeo)

Control de ”yaw” (guiñada)

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Introducción

Estado del arte

Clasificación

Quadrotores

Juguetes

Recreativos

Hobby

Investigación

Profesionales

Militar / Policial

Outdoor, autónomos Indoor, control externo

Busqueda y rescate

Alan Kharsansky

Fotografía aérea

Facultad de Ingeniería Universidad de Buenos Aires

Introducción

Estado del arte

Quadrotores recreativos

Parrot Ar Drone

Phantom

Fáciles de usar Plataformas cerradas, no modificables Bajo costo (USD 300-800)

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Introducción

Estado del arte

Quadrotores recreativos Aficionados

Basados en plataformas open source como Arduino Sencillos de utilizar como juguete Difícil de modificar el software de vuelo Capacidad de procesamiento limitada (micros de 8 bits, poca memoria) No se basan en RTOS Arquitectura de software pobre

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Introducción

Estado del arte

Quadrotores profesionales

Quadrotor policial

Fotografía aérea

Diseño orientado a la carga útil (Payload) Alta confiabilidad Alto costo (USD 5000 - 20000) Soluciones completamente cerradas en cuanto a software Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Introducción

Estado del arte

Quadrotores de investigación

Aerospace control laboratory, MIT

GRASP Laboratory, UPenn

Diseñados a medida para cada experimento Diseños y hardware no abiertos (ni disponibles) Muchos se basan en sistema de visión externos

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Introducción

Navegación, control y guiado

Navegación, control y guiado

Guiado

Control

Actuadores Planta

Navegación

Sensores

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Introducción

Navegación, control y guiado

Navegación, control y guiado

perturb.

ref.

error

acción

-

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

salida

Introducción

Navegación, control y guiado

Objetivos del trabajo

Estudiar la aeronave y determinar el modelo matemático de hovering. Diseñar un controlador digital PID. Diseñar una estrategia de control para hovering. Diseñar e implementar una computadora de vuelo capaz de implementar el control Validar el trabajo en vuelo.

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Introducción

Estructura

Estructura mecánica y actuadores

Modelo Peso de la estructura Diagonal mayor Peso de despegue Hélices recomendada Batería recomendada Motor recomendado Corriente ESC

Alan Kharsansky

F450 282gr 450mm 800gr - 1600gr 8"x4.5” 3S, 11.1v 22x12mm 30A

Facultad de Ingeniería Universidad de Buenos Aires

Modelado de la planta

1

Introducción

2

Modelado de la planta

3

Controlador PID

4

Diseño de la computadora de vuelo

5

Implementación del piloto automático

6

Resultados

7

Conclusiones

8

Trabajo futuro

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Modelado de la planta

Simulador

Simulador 3D

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Modelado de la planta

Introducción

Modelo de caja negra MIMO

Posición Zc

xb , yb , zb

Quadrotor

φc

θc Actitud

ψc

Alan Kharsansky

φ,θ,ψ

Facultad de Ingeniería Universidad de Buenos Aires

Modelado de la planta

Introducción

Modelo de caja negra MIMO

Fuerzas aerodinámicas Zc

y1

φc

y2

¯ MIX M θc

y3

ψc

y4

Actuador 1

Actuador 2

Actuador 3

Actuador 4

M 1 , T1 Faero M 2 , T2

M 3 , T3

Fact

¯1 M Mact

M 4 , T4

+

Posición

∑F

∑M

xb , yb , zb vxb , vyb , vzb

Dinámica del quadrotor Actitud

Maero

¯Q M

Alan Kharsansky

+

Fuerzas aerodinámicas

Facultad de Ingeniería Universidad de Buenos Aires

φ,θ,ψ p, q , r

Modelado de la planta

Dinámica del quadrotor

Dinámica del quadrotor

Fuerzas aerodinámicas y1

Zc

y2

φc ¯ MIX M θc

y3

ψc

y4

Actuador 1

Actuador 2

Actuador 3

Actuador 4

M1 , T1 Faero M2 , T2

M3 , T3

Fact

+

¯1 M Mact

M4 , T4

+

Posición

∑F

∑M

Dinámica del quadrotor Actitud

Maero

Fuerzas aerodinámicas

¯Q M

Alan Kharsansky

xb , yb , zb vxb , vyb , vzb

Facultad de Ingeniería Universidad de Buenos Aires

φ,θ,ψ p, q , r

Modelado de la planta

Dinámica del quadrotor

Dinámica del quadrotor

Hipótesis: La estructura es perfectamente rígida La estructura es perferctamente simétrica No se consideran efectos giroscópicos de las hélices ni motores.

Conclusión Es posible utilizar las ecuaciones de Newton para determinar la evolución del vehículo conociendo las fuerzas y momentos aplicados en el centro de masa.

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Modelado de la planta

Dinámica del quadrotor

Simplificación Hipótesis: El tensor de inercia es diagonal El quadrotor se encuentra en hovering Las desviaciones del punto de hovering son muy pequeñas Las velocidades angulares son muy pequeñas

Conclusión Se puede demostrar que los ejes estan desacoplados. Es decir que un torque sobre un eje solo produce rotación sobre este.

Ahora hay que determinar cuáles son esas fuerzas y momentos. . . Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Modelado de la planta

Dinámica del quadrotor

Actuadores

Fuerzas aerodinámicas Zc

y1

φc

y2

¯ MIX M θc

y3

ψc

y4

Actuador 1

Actuador 2

Actuador 3

Actuador 4

M 1 , T1 Faero M 2 , T2

M 3 , T3

Fact

¯1 M Mact

M 4 , T4

+

Posición

∑F

∑M

xb , yb , zb vxb , vyb , vzb

Dinámica del quadrotor Actitud

Maero

¯Q M

Alan Kharsansky

+

Fuerzas aerodinámicas

Facultad de Ingeniería Universidad de Buenos Aires

φ,θ,ψ p, q , r

Modelado de la planta

Dinámica del quadrotor

Componentes del actuador

ESC

Motor BLDC

Alan Kharsansky

Hélice

Facultad de Ingeniería Universidad de Buenos Aires

Modelado de la planta

Dinámica del quadrotor

Banco de pruebas de motores T

L/2

L/2

W T

Prueba de empuje L/2

L/2

F=M.L

W

M

Prueba de torque

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Modelado de la planta

Dinámica del quadrotor

Banco de pruebas de motores

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Modelado de la planta

Dinámica del quadrotor

Resultados Empuje estático

7

Actuador A Actuador B Actuador C Actuador D

6

Empuje [N]

5

4

3

2

1

0

0

10

20

30

40

Alan Kharsansky

50

60

Entrada [%]

70

80

90

100

Facultad de Ingeniería Universidad de Buenos Aires

Modelado de la planta

Dinámica del quadrotor

Resultados Torque estático

4

Actuador A Actuador B Actuador C Actuador D

3.5 3

Torque [Nm]

2.5 2 1.5 1 0.5 0 −0.5

0

10

20

30

40

Alan Kharsansky

50

Input [%]

60

70

80

90

100

Facultad de Ingeniería Universidad de Buenos Aires

Modelado de la planta

Dinámica del quadrotor

Linealización en 55 %

∆Ti (yi ) = KT ω ∆yi ∆Mi (yi ) = KM ω ∆yi 7

4

Actuador A Actuador B Actuador C Actuador D

6

Actuador A Actuador B Actuador C Actuador D

3.5 3

5

Torque [Nm]

Empuje [N]

2.5

4

3

2 1.5 1 0.5

2

0

1

0

−0.5

0

10

20

30

40

50

Entrada [%]

60

70

80

90

Empuje

100

−1

0

10

20

30

40

50

Input [%]

60

70

80

90

100

Torque

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Modelado de la planta

Fuerzas y momentos - diagrama de cuerpo libre

¯ 1 , matriz de fuerzas y momentos M

Fuerzas aerodinámicas y1

Zc

y2

φc ¯ MIX M θc

y3

ψc

y4

Actuador 1

Actuador 2

Actuador 3

Actuador 4

M1 , T1 Faero M2 , T2

M3 , T3

Fact

+

¯1 M Mact

M4 , T4

+

Posición

∑F

∑M

Dinámica del quadrotor Actitud

Maero

Fuerzas aerodinámicas

¯Q M

Alan Kharsansky

xb , yb , zb vxb , vyb , vzb

Facultad de Ingeniería Universidad de Buenos Aires

φ,θ,ψ p, q , r

Modelado de la planta

Fuerzas y momentos - diagrama de cuerpo libre

Diagrama de cuerpo libre

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Modelado de la planta

Matriz de mezcla

¯ MIX , matriz de mezclas M

Fuerzas aerodinámicas Zc

y1

φc

y2

¯ MIX M θc

y3

ψc

y4

Actuador 1

Actuador 2

Actuador 3

Actuador 4

M 1 , T1 Faero M 2 , T2

M 3 , T3

Fact

¯1 M Mact

M 4 , T4

+

Posición

∑F

∑M

xb , yb , zb vxb , vyb , vzb

Dinámica del quadrotor Actitud

Maero

¯Q M

Alan Kharsansky

+

Fuerzas aerodinámicas

Facultad de Ingeniería Universidad de Buenos Aires

φ,θ,ψ p, q , r

Modelado de la planta

Parametros constantes de las ecs.

Tensor de inercia y masa

!"#



Ixx I = Iyx Izx

Ixy Iyy Izy





Ixz 9400 Iyz  =  0 Izz 0

0 10000 0



0 0  · 10−6 · Kg · m2 18700

masa=1037gr Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Modelado de la planta

Ecuación de transferencia por eje

Modelo de caja negra MIMO A partir de este estudio, se determina que es posible separar al quadrotor en 3 plantas separadas que se controlaran independientemente.

Fuerzas aerodinámicas Zc

y1

φc

y2

¯ MIX M θc

y3

ψc

y4

Actuador 1

Actuador 2

Actuador 3

M 1 , T1 Faero M 2 , T2

M 3 , T3

Fact

+

¯1 M Mact

+

Posición

∑F

∑M

xb , yb , zb vxb , vyb , vzb

Dinámica del quadrotor Actitud

φ, θ, ψ p, q, r

Actuador 4

M 4 , T4

Maero

¯Q M

Alan Kharsansky

Fuerzas aerodinámicas

Facultad de Ingeniería Universidad de Buenos Aires

Controlador PID

1

Introducción

2

Modelado de la planta

3

Controlador PID

4

Diseño de la computadora de vuelo

5

Implementación del piloto automático

6

Resultados

7

Conclusiones

8

Trabajo futuro

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Controlador PID

Introducción

PID Textbook PID

 u (s) = K [e(s) +

1 sTi

 e(s) + sTd ∗ e(s)

d (s )

+ sp(s) +

e (s ) K

1 S .Ti

−

u (s)

+

Hp (s)

+

+

y (s)

+ s.Td

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Controlador PID

Introducción

PID

Mejoras: AntiWindup. Derivative Kick (derivada de la P.V.). Transición Bumpless manual-automático.

Implementación digital del PID. Validación del modelo y comparación con el PID de Matlab.

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Diseño de la computadora de vuelo

1

Introducción

2

Modelado de la planta

3

Controlador PID

4

Diseño de la computadora de vuelo

5

Implementación del piloto automático

6

Resultados

7

Conclusiones

8

Trabajo futuro

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Diseño de la computadora de vuelo

Computadora de vuelo

Arquitectura LED1

LED2

LED3

Temp.     sensor LM60

uSD    Card

LED_5

LED4

Radio Xbee  

ADC

UART

SPI

LED_6

EEPROM 8KB

Barometer BMP085

Led  driver

GPIO

Gyro  &  Accel MPU6050

Status   LED

JTAG

USB

USB

I2C slave

GPIO

JTAG

I2C Bus

LPC1769  uC 32  Bit  ARM  Cortex-­‐M3

Magnetometer HMC5883L  

ADC

DC-­‐DC   Voltage   regulator

Battery   Input

ESC  1

ESC  2

ESC  3

ESC  4

ESC  5

ESC  6

SPI

SPI_0

UART

UART_1

UART

UART_2

I2C

I2C_0

PWM OUTPUT + GPIO/ADC/TIMER INPUT

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Diseño de la computadora de vuelo

Computadora de vuelo

Versión final

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Diseño de la computadora de vuelo

Computadora de vuelo

Segmento de tierra

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Implementación del piloto automático

1

Introducción

2

Modelado de la planta

3

Controlador PID

4

Diseño de la computadora de vuelo

5

Implementación del piloto automático

6

Resultados

7

Conclusiones

8

Trabajo futuro

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Implementación del piloto automático

Diseño en cascada

φsp

CAS -

psp

SAS

φc

Transf. del eje

p

1 s

-

SAS: Stability augmentation system CAS: Control augmentation system

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

φ

Implementación del piloto automático

SAS

Diseño en cascada ¿Por qué un SAS?

El SAS se utiliza para estabilizar sistemas no estables: Estabilidad BIBO: Una entrada de control acotada no produce una salida acotada ni de velocidad angular ni mucho menos de ángulo. Objetivos: Estabilizar el eje Seguir referencias de velocidad angular Tolerancia a perturbaciones.

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Implementación del piloto automático

SAS

Control Augmentation System

La planta que debe controlar el CAS resulta (para el eje de yaw por ejemplo):

φsp

CAS -

psp

SAS

φc

Transf. del eje

p

1 s

-

Objetivos: Seguir referencias de angulo Tolerancia a perturbaciones.

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

φ

Implementación del piloto automático

Modos de vuelo

Modo de vuelo “acrobático”

psp

Piloto o sistema de guiado

qsp

rsp

SAS

SAS

SAS

φc

θc

MMIX

ψc

Diagrama en bloques del sitema de control para el modo de vuelo acrobático

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Implementación del piloto automático

Modos de vuelo

Modo de vuelo “estabilizado”

φsp Piloto o sistema de guiado

θsp

CAS

CAS rsp

psp

qsp

SAS

SAS

SAS

φc

θc

MMIX

ψc

Diagrama en bloques del sitema de control para el modo de vuelo “stabilized”

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Implementación del piloto automático

Modos de vuelo

Modo de vuelo “actitud”

φsp Piloto o sistema de guiado

θsp

ψsp

CAS

CAS

CAS

psp

qsp

rsp

SAS

SAS

SAS

φc

θc

MMIX

ψc

Diagrama en bloques del sitema de control para el modo de vuelo “atti”.

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Resultados

1

Introducción

2

Modelado de la planta

3

Controlador PID

4

Diseño de la computadora de vuelo

5

Implementación del piloto automático

6

Resultados

7

Conclusiones

8

Trabajo futuro

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Resultados

Comparación de modos Experimento: Despegue, hovering y aterrizaje Control: todas las referencias en 0 Angulo yaw sin control

90

Angulo yaw con SAS

90

80

80

70

70

70

60

60

60

50

50

50

40

[deg]

80

[deg]

[deg]

90

40

40

30

30

30

20

20

20

10

10

10

0

0

0

−10

−10

−10

5

10

t[s]

15

5

10

t[s]

15

Angulo yaw con SAS+CAS

5

10

15

20

t[s]

25

30

Comparación de los diferentes modos de control en una maniobra de despegue, hovering y aterrizaje con todas las referencias en 0◦

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

35

Resultados

Comparación de modos

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Resultados

Modo “acrobático” Pitch 150

Vel. angular Referencia

[deg/sec]

100 50 0 −50 −100 −150 20

22

24

26

28

30

32

34

36

t[s] Roll 150

Vel. angular Referencia

[deg/sec]

100 50 0 −50 −100 −150 20

22

24

26

28

30

32

34

t[s] Yaw 150

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires Vel. angular

36

Resultados

Modo “estabilizado” Actitud

20

Roll Pitch Yaw

[deg]

15 10 5 0 ï5

6

8

10

12

14

[deg/sec]

16

18

20

22

24

26

20

22

24

26

20

22

24

26

20

22

24

26

Velocidad angular

200

p q r

100 0 ï100 ï200

6

8

10

12

16

18

Motor 1 Motor 2 Motor 3 Motor 4

60

[%]

14

Señal de control actuadores Yi

80

40 20 0

6

8

10

12

14

16

18

Altura aproximada

1.5

[m]

1 0.5 0

6

8

10

12

14

16

18

t[s]

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Resultados

Modo “actitud” Actitud en yaw

30

20

Actitud Referencia

10

[deg]

0

−10

−20

−30

−40

−50 20

22

24

26

28

30

32

34

36

38

40

42

t[s]

Telemetría de un vuelo en hovering con referencias controladas por joystick. Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Resultados

Modo “actitud” Referencia en pitch

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Resultados

Comparación de modos

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Resultados

Hovering con perturbaciones Modo “estabilizado” Actitud

25 20

[deg]

15

Roll Pitch Yaw

10 5 0 ï5 43

44

45

46

47

48

49

50

51

52

49

50

51

52

49

50

51

52

Salida del SAS

1

[Unid. arbitr.]

qc 0.5 0

ec sc

ï0.5 ï1 43

44

45

46

5

[deg/sec]

0

47

48

Salida del CAS Roll Pitch Yaw

ï5 ï10 ï15 43

44

45

46

47

48

t[s]

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Resultados

Comparación de modos

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Resultados

Hovering con perturbaciones En modo “estabilizado” - Vuelo en altura

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Resultados

Desempeño de la computadora de vuelo

Tareas concurrentes

Seis lazos de control PID a 200 Hz cada uno (3 CAS + 3 SAS, todos en punto flotante). Adquisición de parametros de navegación a 200 Hz. Recepción de setpoints vía radio a 50 Hz. Descarga de telemetría vía radio a 20 Hz.

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Resultados

Desempeño de la computadora de vuelo

Controlador PID

Tamaño de compilación del algoritmo: 984 Bytes de flash Tamaño del objeto controlador por cada instancia: 56 Bytes de RAM Tiempo de ejecución de cada instancia: aproximadamente 24 µ S

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Resultados

Desempeño de la computadora de vuelo

Utilización de CPU

Uso de la cpu durante un vuelo

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Resultados

Desempeño de la computadora de vuelo

Comparación

Procesador Ancho de palabra MIPS Memoria Radio IMU DOFs Telemetría Código abierto Sistema operativo GPS/waypoints Precio [USD]

Arducopter ATMega 2560 8 bits 16 MIPS/16MHz 256 KB Flash, 8KB RAM 2.4 Ghz XBee 9 + Alt si si No Si 765

ARDrone TMS320DMC64 Cortex-A8 32 bits 4000 MIPS/500MHz 288KB RAM

Phantom N/D

WiFi 9 + Alt si no Linux No 299

2.4 GHz 9 + Alt no no N/D Si 699

Alan Kharsansky

N/D N/D N/D

Este trabajo LPC1769 Cortex-M3 32 bits 150 MPIS/120 MHz 512 KB Flash, 64 KB RAM 2.4 GHz XBee 9 + Alt si si FreeRTOS No (es posible) 376

Facultad de Ingeniería Universidad de Buenos Aires

Conclusiones

1

Introducción

2

Modelado de la planta

3

Controlador PID

4

Diseño de la computadora de vuelo

5

Implementación del piloto automático

6

Resultados

7

Conclusiones

8

Trabajo futuro

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Conclusiones

Conclusiones

El diseño elegido y la estrategia de control hacen posible que la aeronave vuele en hovering, inclusive ante la presencia de perturbaciones. Es posible utilizar la técnica de separación por ejes para desacoplar el problema. El control clásico y el controlador PID demostraron ser útiles para resolver el problema. La computadora de vuelo diseñada pudo alojar correctamente el algoritmo de control dejando lugar suficiente para aplicaciones futuras de más alto nivel.

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Trabajo futuro

1

Introducción

2

Modelado de la planta

3

Controlador PID

4

Diseño de la computadora de vuelo

5

Implementación del piloto automático

6

Resultados

7

Conclusiones

8

Trabajo futuro

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Trabajo futuro

Trabajo futuro Mejoras directas de este trabajo

Sistema de control: Compensar la acción colectiva, ZC , en función del ángulo de pitch y roll. Analizar una matriz de mezcla Mmix que permita saturación en los actuadores. Computadora de vuelo: Reducir tamaño y costo. Evaluar la integración de un “transceiver” de radio. Estudiar un procesador más potente, o un sistema de doble nucleo Incorporar un receptor de GPS.

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Trabajo futuro

Trabajo futuro Navegación

Algoritmo de fusión de datos con magnetómetro para referencia de norte. Sistema de navegación inercial que permita determinar la posición de la aeronave en el espacio. Implementar un sistema de estimación de altura, usando sensores barométricos y/o sonar.

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Trabajo futuro

Trabajo futuro Modelado

Modelo para ángulos grandes o velocidades grandes con efectos aerodinámicos y “blade flapping”. Estudiar el “efecto suelo” para aplicaciones de despegue y aterrizaje autónomo. Diseñar un sistema de identificación paramétrica en vuelo del sistema.

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Trabajo futuro

Trabajo futuro Control

Sistema de control de altitud (con compensacion por ángulo) Control adaptativo Control no lineal - implementación según estado Control óptimo para minimizar la utilización de energía. Sistema de control de velocidad de traslación. Ensayar algoritmos de control moderno, como LQR, DMC, LPV, etc.

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Trabajo futuro

Trabajo futuro Guiado

Sistema de guiado que permita mantener estable la posición de la aeronave. Control de trayectorias y guiado por “waypoints”.

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Trabajo futuro

Primeras pruebas

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires

Trabajo futuro

Muchas Gracias

Alan Kharsansky

Facultad de Ingeniería Universidad de Buenos Aires