Control predictivo de drone comercial

Abstract

En este proyecto se pretende emplear una librería desarrollada por el Massachusetts Institue of Technology (MIT) junto con la empresa Parrot, para generar un controlador predictivo basado en modelo (MPC por sus siglas en inglés) en el entorno de Matlab/Simulink que controle el minidrone Parrot Rolling Spider. Se quiere comparar el comportamiento de esta estrategia de control con el que presenta el sistema bajo un controlador por asignación de polos. Este último ha sido elegido como controlador óptimo por el alumno Emilio Marín Fernández en su trabajo fin de grado. En primer lugar, se presenta la instalación del software necesario para la puesta en marcha de esta librería; indicando todos los pasos y comandos necesarios para conseguir la primera prueba en tiempo real, en la que volará el drone. A continuación, se expone la base teórica del control predictivo basado en modelo, para posteriormente particularizar la estrategia para el problema que se presenta, sintonizando los parámetros necesarios para el control del drone. Se comparará el comportamiento del sistema con el MPC desarrollado con el controlador por asignación de polos. Se propone una alternativa para tratar de solventar las limitaciones encontradas al tratar de implementar el controlador generado; explicando los conceptos teóricos de la estrategia explícita del control predictivo y buscando herramientas para conseguir este controlador. Por último, se presentan una serie de ideas para intentar conseguir la implementación de este controlador en el minidrone, que se saldrían del entorno de Matlab/Simulink; en el que está desarrollado el toolbox.

This project intends to use a library developed by the Massachusetts Institute of Technology (MIT) together with the Parrot company, to generate a model-based predictive controller (MPC) in the Matlab / Simulink environment that controls the Parrot Rolling Spider minidrone. We want to compare the behavior of this control strategy with that of the system under a controller by pole assignment. The last one has been chosen as the optimal controller by the student Emilio Marín Fernández in his final degree project. In the first place, the installation of the necessary software for the start-up of this library is presented; indicating all the steps and commands necessary to get the first test in real time, in which the drone will fly. Next, the theoretical base of the model-based predictive control is exposed, to later customize the strategy for the problem that is presented, tuning the necessary parameters for the control of the drone. The behavior of the system with the MPC developed with the controller will be compared with the pole assignment one. An alternative is proposed to try to solve the limitations found when trying to implement the generated controller; explaining the theoretical concepts of the explicit model-based predictive control strategy and looking for tools to achieve this controller. Finally, we present a series of ideas to try to get the implementation of this controller in the minidrone, that would leave the Matlab / Simulink environment; in which the toolbox is developed.