Diseño e implementación mediante Aerostack de un controlador de posición en interiores aplicado al dron Bebop2

Ramos Rubio, Oscar (2020). Diseño e implementación mediante Aerostack de un controlador de posición en interiores aplicado al dron Bebop2. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. Industriales (UPM).

Description

Title: Diseño e implementación mediante Aerostack de un controlador de posición en interiores aplicado al dron Bebop2
Author/s:
  • Ramos Rubio, Oscar
Contributor/s:
  • Campoy Cervera, Pascual
  • Santos Pérez, Carlos
Item Type: Final Project
Degree: Grado en Ingeniería en Tecnologías Industriales
Date: 2020
Subjects:
Freetext Keywords: Control Predictivo por Modelo, Aerostack, Vehículo Aéreo No Tripulado, Dron, Ingeniería de Control, Programación de robots, Posicionamiento.
Faculty: E.T.S.I. Industriales (UPM)
Department: Automática, Ingeniería Eléctrica y Electrónica e Informática Industrial
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (8MB) | Preview

Abstract

El principal objetivo de este trabajo es el estudio de un Control Predictivo por Modelo (MPC) para Vehículos Aéreos no Tripulados (UAV). Para ello se utilizará tanto MATLAB como Aerostack. Este último es un software creado y actualizado por el Grupo de Investigación en Visión por Computador y Robótica Aérea (CVAR), del Centro de Automática y Robótica (CAR) de la Universidad Politécnica de Madrid (UPM). Los ingenieros siempre han encontrado en las labores de control de los UAV un gran desafío, buscando una relación óptima entre el error de seguimiento de la trayectoria, consumo de recursos y complejidad del controlador. El MPC consigue resultados óptimos gracias a su capacidad de predicción, siempre y cuando se disponga de un buen modelo de la planta. El diseñador de este controlador maneja una diversa variedad de parámetros. Por ello, resulta especialmente desafiante entender como afecta cada parámetro al control de un dron para obtener las respuestas más rápidas y precisas posibles. Hasta la fecha Aerostack realiza sus tareas de control de velocidad con controles PID. El MPC supone una técnica más novedosa que permite mejorar en gran medida los resultados que proporcionan otros controles clásicos más sencillos. Este control permite anticiparse a la referencia futura utilizando el modelo de la planta para predecir la evolución, y de esa forma ir actuando, minimizando el error en el tiempo respecto de la referencia. Los controladores clásicos no predictivos tienen que esperar hasta que se produzca el cambio en la referencia, teniendo que actuar con comportamientos más agresivos para poder llegar al objetivo en el mismo tiempo que un MPC. Para abordar este reto se comienza diseñando en un control MPC en velocidad para el dron Bebop2. Para el diseño del control en velocidad se usará la Model Predictive Toolbox de MATLAB. Esta herramienta permite variar de manera cómoda todos los parámetros de control, de forma que se puede analizar la influencia de cada uno de ellos para poder obtener una relación impecable. En concreto se ha estudiado la velocidad de respuesta del controlador, la tasa de convergencia del estimador de estados y los horizontes de control y predicción. Una vez diseñado el control, se validará su funcionamiento. Para ello se conectará MATLAB con Aerostack, de forma que ambas herramientas trabajen de forma conjunta. El control entero estará integrado en MATLAB y las órdenes se enviarán a Aerostack. Este último es un software específico de robótica aérea que se encargará de realizar las simulaciones utilizando ROS y Gazebo como medios. Para esta validación ha sido necesario el modelado del dron hummingbird, con el que trabaja Aerostack para sus simulaciones. Una vez diseñado y analizado el control MPC se procederá a compararlo con otros controles clásicos como el control borroso y el proporcional. Podrá comprobarse que para el MPC se obtiene una salida más suave, además de reducir el error de seguimiento hasta 10 veces y el tiempo de establecimiento en un 80 %. En contra, debido a la carga computacional que supone la predicción y la optimización, el gasto computacional aumenta llegando a tiempos de simulación 4 veces mayor, por lo que esta técnica requiere de dispositivos hardware más potentes. Por último se analizará el control MPC aplicado al seguimiento de trayectorias. Una vez analizados el peso de los distintos parámetros para el problema de seguimiento de consignas de velocidad ya se está en disposición de abordar este problema más complejo. El controlador analizado es el recientemente integrado en Aerostack para los drones hummingbird y el DJI Matrice 210. En este apartado se examinará la diferencia entre enviar como referencia una trayectoria y una referencia, donde puede verse que el seguimiento de trayectorias consigue menores errores de seguimiento y respuestas más suaves. Con lo que se concluye con la idoneidad de este control para el problema de seguimiento de trayectorias.

More information

Item ID: 65516
DC Identifier: http://oa.upm.es/65516/
OAI Identifier: oai:oa.upm.es:65516
Deposited by: Oscar Ramos Rubio
Deposited on: 22 Nov 2020 08:31
Last Modified: 22 Nov 2020 08:31
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM