Mejorando el control de drones con nueva tecnología
Un nuevo controlador ayuda a los drones a volar suave, ahorrando energía y mejorando el rendimiento.
Francisco M. F. R. Gonçalves, Ryan M. Bena, Néstor O. Pérez-Arancibia
― 6 minilectura
Tabla de contenidos
Los drones son geniales, ¿no? Pueden hacer muchas cosas como tomar fotos increíbles, entregar paquetes y ayudar en investigaciones. Pero volarlos no es tan fácil como parece. Al igual que un niño pequeño tratando de aprender a andar en bicicleta, los drones necesitan un poco de ayuda para volar sin problemas, especialmente cuando tienen que girar o cambiar de dirección rápido.
¿Cuál es el problema?
Cuando los drones están en el aire, enfrentan desafíos para controlar su movimiento. Necesitan ajustar sus ángulos para volar recto o girar, igual que tú necesitas inclinarte para mantener el equilibrio en la bicicleta. Si el drone hace un movimiento repentino, puede llevar a rotaciones no deseadas, lo cual no es bueno. ¡Es como tomar una gran curva en tu bicicleta y terminar en los arbustos!
Una mejor manera de controlar drones
Para abordar los desafíos de controlar drones, los investigadores han desarrollado un nuevo enfoque. Este método implica usar algo llamado un controlador de actitud de conmutación basado en Lyapunov. Ese es un término complicado, pero básicamente ayuda al drone a decidir cómo controlar sus movimientos de manera más eficiente.
Imagina que tienes un personaje de video juego que necesita elegir entre dos caminos. El controlador inteligente ayuda al personaje a elegir la mejor ruta según lo que está pasando a su alrededor. De manera similar, este nuevo controlador ayuda a los drones a elegir la mejor manera de ajustar sus movimientos en tiempo real, manteniéndolos estables durante el vuelo.
¿Cómo funciona?
Este controlador usa una herramienta matemática llamada Cuaterniones. No te preocupes; ¡no es tan aterrador como suena! Los cuaterniones son solo una forma de describir la orientación del drone. Piénsalos como un manual de instrucciones que le dice al drone hacia dónde mirar o qué dirección tomar.
Cuando un drone vuela, tiene puntos específicos donde puede estabilizarse o volverse inestable (como cuando puedes tambalearte en tu bicicleta antes de caer). El nuevo método ayuda a cambiar entre dos puntos fijos: uno donde el drone está estable y otro donde no. Cambiar entre estos puntos es importante para mantener al drone volando suavemente y ahorrar energía.
Decisiones en tiempo real
Una de las características más geniales de este nuevo controlador es su capacidad de tomar decisiones en tiempo real. Digamos que el drone está volando y de repente necesita girar para seguir a un objeto en movimiento. En lugar de simplemente girar, evalúa su situación actual y determina la mejor manera de ajustar su camino mientras usa la menor cantidad de energía. Esto es inteligente por dos razones: ayuda a ahorrar batería y mantiene al drone bajo control.
Para imaginar esto, piensa en manejar un coche. Si ves un embotellamiento adelante, podrías elegir una ruta diferente para ahorrar tiempo y combustible. Eso es exactamente lo que hace el controlador para el drone. Puede evaluar los ángulos del drone y los errores en sus movimientos y seleccionar el mejor torque a aplicar sin exagerar.
Probando el nuevo controlador
Para ver si este nuevo controlador funciona bien, los investigadores decidieron probarlo. Usaron un pequeño drone quadrotor, que parece un mini helicóptero con cuatro aspas giratorias. El equipo puso al drone a prueba, pidiéndole que realizara maniobras a alta velocidad mientras seguían su Ángulo de guiñada. Eso es solo una forma más elegante de decir que querían ver qué tan bien podía girar el drone.
Durante las pruebas, compararon el nuevo controlador con un controlador de referencia, que es como la forma promedio de controlar drones. El objetivo era ver si el nuevo método podía funcionar mejor, ahorrar energía y evitar caer en los arbustos.
Resultados de las pruebas de vuelo
¡Los resultados fueron prometedores! Resulta que el nuevo controlador redujo la cantidad de Esfuerzo de Control necesario durante estas curvas complicadas. De hecho, fue alrededor de un 30% mejor en promedio comparado con el esquema de control estándar. Es como andar en bicicleta con ruedas de entrenamiento y luego cambiar a una bicicleta de carreras que se desliza suavemente sin mucho esfuerzo.
Los investigadores estaban emocionados de descubrir que todas las condiciones iniciales que usaron en estas pruebas de vuelo funcionaron perfectamente dentro de las capacidades del nuevo método. Esto significa que el controlador fue confiable y pudo manejar diferentes escenarios sin problemas.
¿Qué sigue?
Con resultados tan alentadores, hay mucho que esperar en la tecnología de drones. Imagina enjambres de pequeños drones voladores trabajando juntos para revisar cultivos en un campo o rastrear la vida silvestre sin molestarlos. Este nuevo controlador podría ayudar a mantener esos drones volando de manera suave y efectiva mientras hacen su trabajo.
¿Por qué debería importarnos?
Podrías estar preguntándote: “¿Por qué debería importarme cómo se controlan los drones?” Bueno, considera esto: los drones se están convirtiendo en una herramienta esencial en varios campos como la agricultura, la conservación de la vida silvestre e incluso los servicios de entrega. Al mejorar cómo los controlamos, podemos asegurarnos de que trabajen de manera eficiente y ahorren energía. Esto es genial para el medio ambiente y ayuda a las empresas a ahorrar dinero.
Además, los avances en la tecnología de drones a menudo conducen a mejores diseños y aplicaciones más emocionantes. ¿Quién sabe qué depara el futuro? Tal vez algún día tengamos drones personales para ayudarnos en casa – “¡Oye, drone! ¡Tráeme un bocadillo!”
Conclusión
Los drones son máquinas fascinantes que se están volviendo más inteligentes cada día. Con la ayuda de nuevos métodos como el controlador de actitud de conmutación basado en Lyapunov, estas maravillas voladoras pueden volverse aún más eficientes. Esto significa mejor rendimiento en el cielo, reducción en el uso de energía y un mundo donde los drones pueden ayudarnos de maneras que solo hemos soñado.
Así que, la próxima vez que veas un drone volando por encima, recuerda que hay mucha tecnología inteligente detrás de él, ¡trabajando duro para mantenerlo volando suavemente y sin aterrizar en los arbustos!
Título: Closed-Loop Stability of a Lyapunov-Based Switching Attitude Controller for Energy-Efficient Torque-Input-Selection During Flight
Resumen: We present a new Lyapunov-based switching attitude controller for energy-efficient real-time selection of the torque inputted to an uncrewed aerial vehicle (UAV) during flight. The proposed method, using quaternions to describe the attitude of the controlled UAV, interchanges the stability properties of the two fixed points-one locally asymptotically stable and another unstable-of the resulting closed-loop (CL) switching dynamics of the system. In this approach, the switching events are triggered by the value of a compound energy-based function. To analyze and ensure the stability of the CL switching dynamics, we use classical nonlinear Lyapunov techniques, in combination with switching-systems theory. For this purpose, we introduce a new compound Lyapunov function (LF) that not only enables us to derive the conditions for CL asymptotic and exponential stability, but also provides us with an estimate of the CL system's region of attraction. This new estimate is considerably larger than those previously reported for systems of the type considered in this paper. To test and demonstrate the functionality, suitability, and performance of the proposed method, we present and discuss experimental data obtained using a 31-g quadrotor during the execution of high-speed yaw-tracking maneuvers. Also, we provide empirical evidence indicating that all the initial conditions chosen for these maneuvers, as estimated, lie inside the system's region of attraction. Last, experimental data obtained through these flight tests show that the proposed switching controller reduces the control effort by about 53%, on average, with respect to that corresponding to a commonly used benchmark control scheme, when executing a particular type of high-speed yaw-tracking maneuvers.
Autores: Francisco M. F. R. Gonçalves, Ryan M. Bena, Néstor O. Pérez-Arancibia
Última actualización: 2024-11-01 00:00:00
Idioma: English
Fuente URL: https://arxiv.org/abs/2411.00417
Fuente PDF: https://arxiv.org/pdf/2411.00417
Licencia: https://creativecommons.org/licenses/by/4.0/
Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.
Gracias a arxiv por el uso de su interoperabilidad de acceso abierto.