Maestro del control

Visión general

Los algoritmos de control avanzados son el núcleo de la optimización del rendimiento del drone. En este proyecto aprenderás a implementar los algoritmos de control LQR y MPC para mejorar la estabilidad y la velocidad de respuesta del drone.

Lo que aprenderás

• Principios de LQR (Regulador Cuadrático Lineal)
• Principios de MPC (Control Predictivo por Modelo)
• Modelado e identificación de sistemas
• Diseño e implementación de controladores

Materiales necesarios

Artículo	Cantidad	Descripción
Drone ya ensamblado	1	-
Ordenador	1	Con entorno VS Code + ESP-IDF
Cable de datos USB	1	Para programar
MATLAB o Python	1	Para diseño y simulación de algoritmos

Paso 1: Conocer los algoritmos de control avanzados

LQR (Regulador Cuadrático Lineal)

Diseña un controlador óptimo minimizando una función de coste cuadrática.

MPC (Control Predictivo por Modelo)

Basado en el modelo del sistema, predice los estados futuros y optimiza la secuencia de control.

Paso 2: Modelado del sistema

1. Construye un modelo linealizado del drone
2. Incluye la dinámica de actitud y la dinámica de posición
3. Usa MATLAB o Python para la identificación del sistema y la validación del modelo

Paso 3: Diseño del algoritmo

Usa la función lqr() de MATLAB o la librería control de Python para diseñar el controlador LQR:

from control import lqr

# Matrices del sistema
A = [[...]]  # matriz de estado
B = [[...]]  # matriz de entrada
Q = [[...]]  # matriz de ponderación de estado
R = [[...]]  # matriz de ponderación de control

# Calcular la ganancia LQR
K, S, E = lqr(A, B, Q, R)

Paso 4: Implementación en código

En el directorio components/core/crazyflie/modules/src/controller, crea un nuevo archivo de controlador:

controller_lqr.c

void controllerLQR(control_t *control, setpoint_t *setpoint, const state_t *state) {
    // Calcular el error de estado
    float error[12];
    error[0] = setpoint->position.x - state->position.x;
    error[1] = setpoint->position.y - state->position.y;
    error[2] = setpoint->position.z - state->position.z;
    // ... otros errores de estado

    // Ley de control LQR: u = -K * error
    float control_output[4];
    for (int i = 0; i < 4; i++) {
        control_output[i] = 0;
        for (int j = 0; j < 12; j++) {
            control_output[i] -= K[i][j] * error[j];
        }
    }

    // Aplicar la salida de control
    control->thrust = control_output[0];
    control->roll = control_output[1];
    control->pitch = control_output[2];
    control->yaw = control_output[3];
}

Paso 5: Compilar, grabar y probar

1. Compila y graba el código
2. Realiza pruebas de vuelo y compara la diferencia de rendimiento entre el controlador avanzado y el controlador PID

Solución de problemas

El controlador es inestable

• Comprueba que el modelo del sistema sea preciso
• Ajusta las matrices de ponderación Q y R

La respuesta es lenta

• Aumenta la ponderación de estado Q
• Reduce la ponderación de control R

Sensación de logro

¡Enhorabuena! Has implementado algoritmos de control avanzados, ¡la tecnología central del control de drones!

Siguiente paso

En el siguiente proyecto aprenderás a desarrollar un sistema de fusión de datos de múltiples sensores.