Diseño y validación de controladores predictivos para un vehículo tipo segway

Abstract

Este Proyecto de Final de Máster se centra en continuar con los avances realizados en el diseño y control de un Segway pequeño con capacidad de autoequilibrio. Para lograr esta funcionalidad, se implementarán diversos algoritmos de control, incluyendo el Control Lineal Cuadrático (LQR) y dos variantes del Model Predictive Control (MPC): lineal y no lineal. Estos algoritmos se seleccionan con el objetivo de optimizar el rendimiento del Segway en diferentes condiciones y escenarios. Además, se emplearán dos herramientas clave en el proceso de diseño y control: SPCIES y CasADI. SPCIES será la herramienta empleada en el desarrollo de un código que permita implementar el MPC lineal en el comportamiento del Segway, mientras que CasADI será la herramienta empleada en la implementación del MPC no lineal. Mediante diversas simulaciones realizadas en Matlab, se comprobarán y diseñarán los algoritmos de control anteriores comparándolos entre sí. Otro aspecto a estudiar en este proyecto será la identificación de estados, permitiendo la obtención de matrices del espacio de estados del sistema. Estas matrices se utilizarán para ajustar y validar los parámetros del Segway, verificando su capacidad para corregir errores de equilibrio de manera efectiva. En resumen, este trabajo aborda la tarea de diseñar un Segway con capacidad de autoequilibrarse, integrando algoritmos de control avanzados y herramientas especializadas. La identificación de estados y la validación experimental contribuirán a evaluar la eficacia del sistema en situaciones prácticas, respaldando así la robustez y rendimiento del Segway desarrollado.

This Master's Final Project focuses on continuing the progress made in the design and control of a small self-balancing Segway. To achieve this functionality, various control algorithms will be implemented, including Linear Quadratic Regulation (LQR) and two variants of Model Predictive Control (MPC): linear and non-linear. These algorithms are selected with the aim of optimizing the Segway's performance under different conditions and scenarios. Additionally, two key tools will be employed in the design and control process: SPCIES and CasADI. SPCIES will be used in developing code to implement linear MPC in the behavior of the Segway, while CasADI will be used in the implementation of non-linear MPC. Through various simulations conducted in Matlab, the above-mentioned control algorithms will be tested and designed, comparing them to each other. Another aspect to be studied in this project is the identification of states, allowing the derivation of state-space matrices for the system. These matrices will be used to adjust and validate the Segway's parameters, verifying its ability to effectively correct balance errors. In summary, this work addresses the task of designing a self-balancing Segway, integrating advanced control algorithms and specialized tools. State identification and experimental validation will contribute to evaluating the system's effectiveness in practical situations, thus supporting the robustness and performance of the developed Segway.