Puesta en operación y modelado de un cuatrirotos: Matrice 100 de DJI
Resumen
En la actualidad el empleo de vehículos aéreos no tripulados (VANT) es muy recurrente en diversas aplicaciones industriales, comerciales, ambientales, académicas, investigación, entre otras. Uno de los temas centrales de estos vehículos es su correcta manipulación/control en ausencia del ser humano. Sin embargo, esto no se puede alcanzar sin la puesta en operación y el empleo de modelos matemáticos. En este manuscrito se presenta la puesta en operación del VANT conocido como Matrice 100 de DJI, además del empleo de las técnicas más recurrente encontradas en la literatura para la obtención de su modelo matemático correspondiente. Este VANT es una plataforma experimental con base de fibra de carbón y cuatro rotores, cuenta con un software (simulador de vuelo) de arquitectura abierta para la comunicación/manipulación; desarrollado en el entorno integral libre Android Studio. Para el modelo matemático se considera una configuración en CRUZ y se emplea la metodología propuesta por Euler-Lagrange para describir las dinámicas traslacionales y rotacionales caracterizando las energías cinéticas y potenciales involucradas, teniendo como resultado un modelo no lineal subactuado de orden doce.
Para corroborar el buen funcionamiento y la manipulación de la plataforma experimental; así como su correspondencia con el modelo matemático, se presentan simulaciones desarrolladas en Simulink-Matlab y el simulador de vuelo del fabricante, además de pruebas experimentales. Para lo anterior, se emplea un control clásico PD sintonizado solo para alcanzar una altura z en el VANT (considerando solo dinámicas traslacionales).
Descargas
Citas
Ammari, S., 2017. Simulation et commande d?un drone (quadrirotor) en utilisant simulink.
Babu, V. M., Das, K., Kumar, S., 2017. Designing of self tuning pid controller for ar drone quadrotor. In: 2017 18th international conference on advanced robotics (ICAR). IEEE, pp. 167–172.
Burri, M., Oleynikova, H., Achtelik, M. W., Siegwart, R., 2015. Real-time visual-inertial mapping, re-localization and planning onboard mavs in unknown environments. In: 2015 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, pp. 1872–1878.
DJI, 2019a. Descripcion general de la plaforma de lo que es el SDK para la ´plataforma DJI Matrice 100. DJI site.
DJI, 2019b. Descripcion general de la plaforma del simulador de vuelo de DJI. ´https://www.dji.com/mx.simulador/info.
DJI, 2019c. Descripcion general de la plaforma DJI Matrice 100. DJI site. ´
DJI, 2019d. Descripcion general del control de vuelo de la platforma Matrice ´100 de DJI. DJI site.
Gandolfo, D. C., Salinas, L. R., Brandao, A., Toibero, J. M., 2016. Stable ˜path-following control for a quadrotor helicopter considering energy consumption. IEEE Transactions on Control Systems Technology 25 (4), 1423–1430.
Jia, Z., Yu, J., Mei, Y., Chen, Y., Shen, Y., Ai, X., 2017. Integral backstepping sliding mode control for quadrotor helicopter under external uncertain disturbances. Aerospace Science and Technology 68, 299–307.
Kiyashko, M. A., Sholmov, A. K., Efremov, A. A., 2017. Quadrotor mathematical and information model analysis. In: 2017 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (EIConRus). IEEE, pp. 901–904.
Liu, Z., Yuan, C., Zhang, Y., Luo, J., 2016. A learning-based fault tolerant tracking control of an unmanned quadrotor helicopter. Journal of Intelligent & Robotic Systems 84 (1-4), 145–162.
Ma, D., Xia, Y., Li, T., Chang, K., 2016. Active disturbance rejection and predictive control strategy for a quadrotor helicopter. IET Control Theory & Applications 10 (17), 2213–2222.
Mellinger, D., Lindsey, Q., Shomin, M., Kumar, V., 2011. Design, modeling, estimation and control for aerial grasping and manipulation. In: 2011 IEEE/RSJ International Conference on Intelligent Robots and Systems. IEEE, pp. 2668–2673.
Navabi, M., Mirzaei, H., 2017. Robust optimal adaptive trajectory tracking control of quadrotor helicopter. Latin American Journal of solids and structures 14 (6), 1040–1063.
Popovic, M., Hitz, G., Nieto, J., Sa, I., Siegwart, R., Galceran, E., 2016. Online informative path planning for active classification using uavs. arXiv preprintarXiv:1609.08446.
Sa, I., Corke, P., 2014. Vertical infrastructure inspection using a quadcopter and shared autonomy control. In: Field and service robotics. Springer, pp. 219–232.
Santana, L. V., Brandao, A. S., Sarcinelli-Filho, M., 2016. Navigation and ˜cooperative control using the ar. drone quadrotor. Journal of Intelligent & Robotic Systems 84 (1-4), 327–350.
Santiaguillo-Salinas, J., Rosaldo-Serrano, M., Aranda-Bricaire, E., 2017. Observer-based time-varying backstepping control for parrot?s ar. drone 2.0. IFAC-PapersOnLine 50 (1), 10305–10310.
Shakev, N. G., Ahmed, S. A., Topalov, A. V., Popov, V. L., Shiev, K. B., 2018. Autonomous flight control and precise gestural positioning of a small quadrotor. In: Learning Systems: From Theory to Practice. Springer, pp. 179–197.
Tian, B., Lu, H., Zuo, Z., Zong, Q., Zhang, Y., 2018. Multivariable finite-time output feedback trajectory tracking control of quadrotor helicopters. International Journal of Robust and Nonlinear Control 28 (1), 281–295.
Zhang, C., Kovacs, J. M., 2012. The application of small unmanned aerial systems for precision agriculture: a review. Precision agriculture 13 (6), 693–712.