Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

Presentacion trabajo de grado

No description
by

Daniel Pacheco

on 4 September 2013

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of Presentacion trabajo de grado

Contenido:
IMU
Resultados y conclusiones
Introducción
Objetivos
Antecedentes
Diseño del quadcopter
Manejo de sensores y comunicaciones
Modelo matemático
Implementación Software y Hardware
Pruebas y resultados
Conclusiones
Trabajos futuros
Referencias
Introducción
En orden de lograr un sistema de vigilancia aérea no tripulada fue necesario primero indagar los implementos necesarios para fabricar el aeromodelo usados generalmente para esta tarea.
Una vez escogidos los distintos elementos fue necesario indagar que algoritmos de filtrado, comunicación y control que se utilizarán para la estabilización del aeromodelo.
En este trabajo se expondrán todos los parámetros, criterios y desarrollo matemático utilizados en las distintas etapas del diseño que se usaron para obtener un sistema de vigilancia aérea.
Objetivo General:
Sistema de vigilancia aérea por medio de un quadcopter equipado con una cámara
Objetivos específicos:
Desarrollar un algoritmo para adecuar las señales proveídas por los sensores de aceleración y los giroscopios de tal manera que sean una buena estimación de la inclinación angular y puedan ser usadas por el sistema de control.
Implementar los comandos de vuelo para el quadcopter por medio de un sistema emisor, usando transceptores RF para enlazar el sistema del operario con el sistema receptor del cuadricoptero.
Montar un sistema visual de cámara inalámbrica en el quadcopter que permita observar el entorno de vuelo.
Implementar un sistema de visualización que permita observar el entorno capturado por la cámara para así efectuar su tarea final de vigilancia remota.
Desarrollar un sistema de control que estabilice el quadcopter y permita así un vuelo fácil y sencillo para el operario.
Antecedentes
OS4
Bouabdallah [1] presenta su desarrollo, el quadcopter llamado OS4, en este desarrollo el presenta el modelo dinámico, el diseño mecánico y la implementación de rutinas de control PID y LQ (Linear Quadratic) además de los algoritmos de sensado para los ángulos. En sus resultados se evidencia que el algoritmo de control más estable resulta ser el PID en comparación con el LQ.
Tomas Jirinec [4], presenta un modelo inercial, y de motores más completo, en contraste con el modelo matemático que es bastante simplificado, realizó un control PID Y LQR con el fin de comparar la estabilidad de ambos algoritmos para el modelo dado, en este caso el control cuadrático presentó un mejor comportamiento en cuanto al tiempo de establecimiento tanto en el modelo lineal como el modelo no lineal.
Michael Schmidt [5], propone un sistema de control PID clásico, pero difiere respecto a los otros trabajos mencionados en que la orientación la definió con cuaterniones y con ángulos de Euler, que son una extensión de los números imaginarios para espacios tridimensionales y requieren algunos conocimientos adicionales sobres sus propiedades algebraicas.
Uriel V2
Diseño del quadcopter
Concepto general
La elección de los distintos componentes con los que se implemente el quadcopter definirán su desempeño por eso es importante tener ciertos criterios como:
Elementos estructurales livianos.
Comunicación fiable y de buen rango de alcance.
Sistema de alimentación.
Sistema de actuadores
Estación base
Transceptor
control de comando
Hélices
Motor
Brushless
ESC
Sistema de control central
Transceptor
IMU
Batería
Compás
Sistema de realimentación visual
pantalla LCD
Modulos TX/RX de video
Cámara
IMU: inertial measurement unit
Una IMU (Inertial Measurement Unit) es un dispositivo electrónico capaz de brindar información acerca de la velocidad angular, orientación y aceleración a la que es sometida la IMU, esto es posible usando una combinación de acelerómetros, giroscopios y magnetómetros, las señales que entrega pueden ser señales análogas o digitales según sea el tipo de sensor utilizado.
Acelerómetros
Básicamente son sensores que se encargan de medir magnitud de aceleración en los ejes X, Y y Z y su unidad de medida es el G o dicho de otra manera la gravedad equivalente a 9,807 m/seg^2.
Giroscopios
Los giroscopios miden velocidad angular en °/seg sobre cada uno de sus ejes, para entender mejor este tipo de sensores se hará un pequeño análisis tomando como punto de referencia los datos brindados por la figura a continuación.
Filtrado
filtrado de los acelerómetros
Filtro PB FIR (Finite Impulse Response)
Filtro PB IIR (Infinite Impulse Response)
Diagrama de bloques
Ecuación
Respuesta frecuencial
Ecuación
Respuesta frecuencial
Diagrama de bloques
Filtrado de giroscopios
Ecuación
Respuesta frecuencial
Diagrama de bloques
Filtro pasa altas IIR
Fusión sensorial
La fusión sensorial surge debido a que los datos brindados por los distintos dispositivos no son del todo fiables pues cada sensor posee ciertas ventajas y desventajas tales como:

Acelerómetros:
Ventajas:
Poseen una referencia que es la fuerza de gravedad.
No poseen offset, o en caso de tenerlo es muy pequeño.
Desventajas:
Son muy sensibles al ruido, incluso estando en reposo presentan ruido.
Las aceleraciones axiales pueden distorsionar los cálculos de orientación.
Giroscopios
Ventajas:
Son inmunes a las vibraciones mecánicas en comparación a los acelerómetros.
Los movimientos lineales no alteran significativamente los datos del sensor
Desventajas:
El cálculo de la orientación mediante este sensor se hace por integración,lo que genera desbordamientos debido a la deriva presente en los datos.
No posee una referencia.
Fusión sensorial
La fusión sensorial surge por la necesidad de obtener datos confiables en este caso la orientación, por medio de los distintos sensores explotando las ventajas de cada uno, dando como resultado un algoritmo de filtrado resistente al ruido mecánico y libre de deriva.
Filtro complementario
Filtro DCM simplificado
Inicialización
Actualización
Aplicación de DCM a los gyros
Calculo del vector de rotación R
Normalización
Calculo de la orientación
Filtro DCM con corrección PI
Cambios de orientación en un instante dt
Matriz de cosenos directores DCM
Matriz de rotación simplificada
Matriz de rotación inicial
Perdida de ortogonalidad
Matriz de rotación al instante t+dt
Proceso de ortogonalización
Proceso de normalización
Corrección de deriva
Extracción de la orientación
Filtro de Kalman
Ecuación de estado del proceso Xt y ecuación de medida Zt
Ecuaciones de predicción
Ecuaciones de corrección
Ciclo del filtro Kalman
Comunicaciones Quadcopter - Estación base
Datagrama de comunicación
Modelo matemático
Modelo cinemático
Modelo inercial
Modelado de motores
Diseño de los controladores
Simulaciones
Diseño Hardware y Software
Implementación Hardware
Sistema de control
Sistema de vídeo
Implementación Software
Diagrama de bloques del programa de mando
Aplicación diseñada para el PC
Resultados de Filtros FIR e IIR
Control con diferentes métodos de fusión sensorial
Resultados de la Fusión sensorial
Resultados de la sintonización de controladores
Sistema de vídeo
Conclusiones
Trabajos futuros
Referencias
Sistema de referencia del quadcopter
Configuración de los motores
M1 y M3 en sentido CCW
M2 y M4 en sentido CW
Fuerzas y momentos sobre el aeromodelo
Ecuación de Newton-Euler
Matriz inercial
Fuerza de empuje desde el sistema de referencia del suelo
Fuerza gravitacional ejercida sobre el quadcopter
Ecuaciones de aceleración del aeromodelo
Momentos de empuje inducido
Modelo matemático obtenido
Ecuaciones de aceleración traslacional
Ecuaciones de aceleración rotacional
Matriz inercial resultante
Modelo matemático obtenido
Momentos de inercia
Teniendo en cuenta que Ix = Iy
modelo aproximado para el calculo de los momentos de inercia
Plataforma para el modelado de los motores
Resolución de la balanza digital: 499 +- 0.1
2da ley de Newton
(g = 9.81 m/seg2)
Empuje para cada motor
Empuje linealizado para cada motor
Ecuaciones de empuje "Thrust"
Ecuación de empuje medio de los motores
Controlador PID
Esquema de control diseñado
Diagrama de bloques del sistema de control
Eje de Roll
Eje de Pitch
Eje de Yaw
Diseño inicial
Materiales: Aluminio y poliestireno
Diseño final
Materiales: Aluminio
Diagrama de bloques general
Sistema de control
Sistema de video
Esquema de control
Quadcopter
Unidad central de procesamiento (vista frontal superior)
Actuadores
Esquema de control
Estación base
Control de mando (vista posterior superior)
Sistema de emisor de vídeo
Sistema receptor de vídeo y LCD
Transmisor de vídeo 5.8 GHz
Cámara SONY CCD
Diagrama de conexiones
Diagrama de conexiones
Sistema de mando, recepción y visualización de vídeo
Esquema general de los programas
Diagrama de bloques del programa principal
Sistema de mando de vuelo
Vistas de los variables configurables
Diagrama de bloques
Vista de la interfaz gráfica de la aplicación
Resultados de comunicación Quadcopter - estación base
Datagrama inicial
Datagrama final
Doble byte de cabecera
Inclusión de datos de configuración
Datagrama de realimentación
Observaciones:
Periodo de envío debe ser mayor a dos veces el de ejecución de programa del receptor.
Usar dos bytes de cabecera evita la mala interpretación los datos.
La comunicación es fiable mediante la implementación de este tipo de datagramas.
Resultados de los filtros FIR e IIR n=1
Resultados de los filtros FIR e IIR n=2
Resultados para los filtros PA
Observaciones
Los filtros IIR presentaron un mejor desempeño que los filtros FIR debido a su característica recursiva.
Un mayor coeficiente de reinyección para el caso de los filtros IIR se traduce en mayor rechazo al ruido.
El grado del filtro incide significativamente en su capacidad de rechazo al ruido, pero además genera un desfase.
El filtro PA aplicado a los giroscopios funcionó correctamente reduciendo la deriva significativamente.
Resultados de estimación de orientación
Sensor inercial sin presencia de ruido
Sensor inercial con presencia de ruido
Tabla de resultados
Tabla de resultados
Observaciones
A pesar de su baja complejidad matemática el filtro complementario presentó un buen desempeño.
El filtro DCM simplificado presentó un desempeño regular por lo que se descartó como algoritmo de realimentación.
El filtro DCM + PI y el filtro de Kalman arrojaron resultados muy buenos, sobretodo por su estabilidad ante el ruido.
Resultados del controlador con realimentación mediante filtro complementario
Resultados del control con realimentación mediante filtro DCM + PI
Resultados del controlador con realimentación mediante filtro Kalman
Tabla de resultados
Sintonización de la componente proporcional (Kp) del controlador
Sintonización de la componente derivativa (Kd) del controlador
Resultados del controlador para el eje de Roll
Resultados del controlador para el eje de Pitch
Resultados para los controladores
Constantes para los controladores finales
Banco de prueba diseñado para la sintonización
de los controladores
Observaciones
Gracias a la capacidad de configuración en tiempo real de los distintos elementos de los controladores mediante el mando de la estación base fue posible determinar los valores de las constantes de manera mas eficaz.
Los controladores presentaron buen rechazo a disturbios externos sin perder la estabilidad.
Primer solución planteada
Funcionaba en la misma frecuencia de los Xbee lo cual generaba interferencia.
Su sintonización es manual y difícil además de inestable.
Rango de transmisión reducido.
Mala calidad de la imagen.
Solución final
Frecuencia de operación diferente a la de los Xbee.
Rango de alcance de mas de 100 en linea de vista.
Sintonización automática.
Buena calidad de vídeo incluso con baja iluminación.
Gracias a las distintos trabajos, artículos y notas de aplicación fue posible implementar los distintos algoritmos utilizados para completar los distintos objetivos planteados en este proyecto.
Por medio de los transceptores Xbee en conjunto con el hardware y software diseñado fue posible establecer una comunicación bilateral entre el quadcopter y la estación base de manera confiable.
Gracias a la capacidad de configuración en tiempo real de los controladores que se implementó, se redujo significativamente el tiempo de experimentación en este tramo del proyecto.
Los controladores en conjunto con el filtro de Kalman presentaron resultados estables además de robustos a perturbaciones externas.
El sistema de realimentación visual implementado para la tarea de vigilancia presentó un buen desempeño, bajo consumo de potencia pues en las pruebas llegó a mas de 90 minutos con una sola carga, en adición a su gran estabilidad.
Para la construcción del armazón es recomendable usar aluminio pues este posee buena resistencia además de ser liviano.

Como primera mejora para este sistema de vigilancia seria el hecho de agregar lazos de control de altitud y posición para lograr que el quadcopter se mantenga estable en un punto.

Un desarrollo más avanzado sería crear un planeador de vuelo y control de trayectoria, para realizar la vigilancia de manera autónoma donde el aeromodelo recorrería una trayectoria preestablecida por medio de un PC.

Otro trabajo futuro puede ser el desarrollo de un sistema de vigilancia aérea donde no solo haya uno sino varios aeromodelos realizando la vigilancia simultáneamente con el fin de brindar una mayor cobertura de vigilancia del entorno.
[1] S. Bouabdallah, Design and control of an indoor micro quadrotor, 2004.
[2] P. Pounds, Towards Dynamically-Favourable Quad-Rotor Aerial Robots, 2004.
[3] R. M. a. P. C. P. Pounds, Modelling and Control of a Quad-Rotor Robot, 2006.
[4] T. Jirinec, Stabilization and Control of Unmanned Quadcopter, 2011.
[5] M. Schmidt, SIMULATION AND CONTROL OF A QUADROTOR UNMANNED AERIAL VEHICLE, 2011.
[6] G. V. Raffo, Modelado y control de un helicoptero quadrotor, 2007.
[7] «stackexchange,» [En línea]. Available: http://robotics.stackexchange.com/questions/25/how-to-choose-the-right-propeller-motor-combination-for-a-quadcopter.
[8] http://reviews.hobbypartz.com/product/Alpha%20300%20(1380kv)%20Brushless%20Motor/alpha-300--1380kv--brushless-motor/yhst-62196343123315.
[9] http://www.raidentech.com/al3001oubrmo.html.
[10]http://www.invensense.com/mems/gyro/imu3000.html.
[11]http://www.analog.com/static/imported-files/data_sheets/ADXL345.pdf.
[12]D. Malgoza, Quad-copter autonomous surveillance robot, 2010.
Introducción
Sistema de observación y vigilancia aérea por medio de un quadcopter equipado con una cámara
Director:
Mario Vera Lizcano


Estudiante:
Daniel Pacheco Daza
0642928

Trabajo de grado
Universidad del valle
Facultad de ingeniería
Escuela de ingeniería eléctrica y electrónica
2013

Velocidad: 57600 bps
Muchas gracias por su atención
"El éxito es aprender a ir de fracaso en fracaso sin desesperarse"


-Winston Churchill
Full transcript