TOLIMA. COLOMBIA. HV 1.

14, ENERO 2013

REPRINTED FROM: IBAGUE.

MODELO INTERNO DE CONTROL(IMC) A UN

HELICOPTERO DOS GRADOS DE LIBERTAD
Jairo H. Mosquera, jairmeca@yahoo.com

Figura 1. Helicoptero 2DOF QUANSER

Figura 2. Diagrama de cuerpo libre del helic

otero

I. INTRODUCCION
El comportamiento de un sistema din
amico se encuentra condicionado por las acciones que se ejerzan sobre el
mismo. Esas acciones pueden ser ejercidas como acciones
deseadas, a traves de variables manipuladas (v
alvulas, interruptores, relevos, potenci
ometros, calefactores, ventiladores, etc.) o a traves de variables no manipuladas directamente, generalmente llamadas perturbaciones ( cambios de
carga, masas, cambios de concentraci
on, etc.). Los efectos
de esas acciones se pueden ver reflejados en una o mas variables del sistema (temperaturas, niveles, presiones, velocidad, concentraciones, posici
on) que bajo ciertas condiciones se desea mantener en un valor determinado (variables
controladas).
DEL SISTEMA
II. DESCRIPCION
El equipo experimental es un helic
optero de dos grados
de libertad de la empresa QUANSER, este fue adquirido
por la Universidad de Ibague para realizar ensayos experimentales de control industrial, en la figura 1 se puede
observar el equipo.
A. Data acquisition board
The measuring and control board is a Q4; this versatile board provides an extensive range of input and output
support. High resolution - 14-bit inputs. High speed sampling up to 350kHz Simultaneous sampling of A/D, digital
J. H. Mosquera es estudiante de Maestra en Ingeniera de Control
Industrial de la Facultad de Ingeniera del programa de Automatizaci
on, , Catedr
atico de las asignaturas de Mecanismos y Elementos de
M
aquinas, Asistente de Investigaci
on del grupo GEMAE, Universidad de Ibagu
e Ibagu
e, 2013. e-mail: jairmeca@yahoo.com

and encoder inputs Extensive I/O: 4 each of A/D, D/A,

encoders y 16 digital I/O on the same board PWM outputs
on-board
B. Real-time control software
PC equipped with QuaRC-Simulink configuration.
C. Helicopter Plant
Quanser 2-DOF Helicopter aerospace experiment.
D. Power module
The experiment uses a Quanser UPM-1503 and a UPM2405.
E. Joystick
Logitech Attack-3 USB joystick, or another windowsenabled joystick.
III. MODELO DEL SISTEMA
El modelo matematico del sistema parte de un diagrama
de cuerpo libre simplificado como se muestra en las figuras
2 y 3, donde se muestran los variables y las constantes con
las cuales se desarrolla el modelo del helicoptero.
Donde las ecuaciones de la dinamica del sistema no lineal
son:
eqp + mheli .L2 ) = Kpp Vmp + Kpy Vmy Bp
(J
cm
mheli .L2 . 2 cos() sin() mheli .g.Lcm . cos

(1)

eqy + mheli .L2 . cos()2 ) = Kyp Vmp + Kyy Vmy

(J
cm

By + 2.mheli .L2 . cos() sin().

(2)

cm

c 2013
J. H. Mosquera

cm

 TOLIMA. COLOMBIA. HV 1. 14, ENERO 2013

REPRINTED FROM: IBAGUE.

Figura 4. Respuesta paso Lazo Abierto

puede observar que todas las funciones de transferencia

poseen un integrador debido a la respuesta rampa encotrada. Ademas se puede observar las interacciones de las
dos entradas sobre las dos salidas. El archivo en matlab es
stepopl.m.

Figura 3. Diagrama simplificado helic

otero

DE LAS FUNCIONES DE
V. OBTENCION
TRANSFERENCIA DEL SISTEMA

Donde:

Los sistemas lineales MIMO pueden representarse al

igual que los sistemas SISO en el dominio del tiempo mediante ecuaciones diferenciales en el espacio de estados.

= Angulo pitch
= Angulo Yaw
Sin embargo se toma el modelo de QUANSER linealizado en el punto de operaci
on de =0, y nos arroja el modelo
en espacio de estados.

0
0

A=
0
0

0
0
0
0

1
0
0
1

9,275
0
0
3,496

x(t)
= Ax(t) + Bu(t),
y(t) = Cx(t) + Du(t),
x(t0 ) = x0

(3)

Y luego haciendo la transformada de lapace y tomando

x0 = 0 se llega a
y(s) = [C(sI A) 1B + D]u(s).

0
0
B=
2,367
0,241

(4)

0
0

0,07898
0,7913

De aqu se define como matriz de transferencia del sistema a

G(s) = C(sI A)1 B + D


1
C=
0

0
1


0
D=
0

0
0


0
0


0
0

IV. ANALISIS
DEL SISTEMA EN LAZO
ABIERTO
Este an
alisis se hace con las matrices dadas anteriormente, en la cual le ingresamos un paso y asi observaremos el
comportamiento din
amico del sistema. En la figura 4 se

(5)

Aplicando la formula matricial 5 podemos obtener lo

siguiente:
"
G(s) =

2,36

0,07898

s2 +9,275s2,339e16

s2 +9,275s2,339e16

0,241
s2 +3,496s+1,22e16

0,7913
s2 +3,496s+1,22e16

Como se puede observar el u

ltimo termindo de el denominador de las funciones de transferencia es practicamente
cero; por lo tanto las funciones de transferencia les queda
un integrador en el denominador. El codigo en matlab de
este procedimiento esta en la carpeta simulaciones.

MOSQUERA: S

VI. VERIFICAR LA CONTROLABILIDAD Y LA

OBSERVABILIDAD
La controlabilidad y la observabilidad son dos conceptos
desarollados para la representacin de sistemas en espacio
de estados, estos permiten caracterizar respectivamente la
capacidad del control para ejercer una influencia sobre alguno de sus estados.
A. Controlabilidad
La controlabilidad es una caraterstica de un sistema,
generalmente representado por un modelo en espacio de
estado, que nos indica si la evoluci
on de una de sus dinamicas (estados) pueden ser modificadas por las entradas del
sistema (Control).
Para un sistema LTI se utiliza el criterio de controlabilidad de (Kalman) donde un sistema es controlable si y solo
si la matriz de controlabilidad C tiene rango n. Matematicamente se expresa as:
rango(C) = rango([B|AB|...|An1 B]) = n

(6)

Usando la funci
on de controlabilidad de matlab ctrb y
las matrices A y B en espacio de estados de nuestro sistema
lializado obtenemos la siguiente matriz:

0
0
0
0

2,4 0,1
0,2 0,8

2,4
0,2
21,9
0,8

0,1
0,8
0,7
2,8

21,9
0,8
203
2,9

7
2,8
6,8
9,7

230
29
1883
10,3

6,8
9,7

63
33,8

Al hallar el rango de esta matriz mediante matlab con

el comando rank nos da como resultado 4, luego este valor
lo comparamos con el tama
no de la matriz A dando como
resultado tambien 4, asi que el sistema es controlable.
B. Observabilidad
La observabilidad es una caracteristica estructurarl complementarioa de una representaci
on de estado de un sistema, o del sistema en s mismo, que nos indica la capacidad
de poder estimar los valores hist
oricos de un estado partiendo del conocimiento de las variables de salida y entrada
del sistema.
La determinaci
o de la observabilidad de un sistema LTI
depende de las matrices A y C del sistema. Y Matematicamente es observable si y solo si la matriz de observabilidada
O tiene rango n.

C
CA

=n
rango(O) = rango

.
.
CAn1

1 0
0 1

0 0

0 0
O=
0 0

0 0

0 0
0 0

0
0
1
0
9,2750
0
86,0256
0

0
0

3,496

0
12,222

Luego a esta matriz le aplicamos la funcion rank el cual

nos da un valor de 4 el cual compararemos con el tama
no
de la matriz A y C es de 4, por lo tanto el sistema es
observable.
VII. VERIFICAR (RGA) DEL SISTEMA
La paridad entre (u1 , y1 ) y (u2 , y2 ), se toma como una
estrategia de control para minimizar la interaccin entre los
lazos de control del sistema. La efectividad de esta estrategia es comprobada a travs de la herramienta matemtica
RGA; donde se obtiene el efecto relativo que hace la entrada u1 sobre la salida y1 y la entrada u2 sobre la salida y1 ,
al igual que el efecto relativo de u1 y u2 sobre y2 , para ello
sacamos el integrador de las funciones de transferencia los
cuales no me dejan sacar las ganancias estacioanarias.
"
G(s) =

2,36
s2 +9,275s
0,241
s2 +3,496s

0,07898
s2 +9,275s
0,7913
s2 +3,496s

Ahora nos queda asi:

1
G(s) =

"

1
s

2,36
s2 +9,275s
0,241
s2 +3,496s

0,07898
s2 +9,275s
0,7913
s2 +3,496s

Obnteniendo la siguiente matriz de ganacias estacionarias.



0,2552 0,008515
K=
0,06893 0,2263

Luego calculamos la matriz RGA de acuerdo a la siguiente definicion:

RGA(k) = (K) = Kx(K 1 )T

(8)

Para finalmente obtener:

(7)

Utilizando el modelo del sistema linealizado en cero y el

comando en MATLAB obsv obtenemos la siguiente matriz
de observabilidad:

1,0103
=
0,0103

0,0103
1,0103

Los valores obtenidos anteriormente tienen una relacin

muy estrecha con la controlabilidad de las parejas (u1 , y1 )
y (u2 , y2 )de variables manupuladas y controladas. Y que la
paridad escogida es la correcta ya que las otras interecciones tienen valores muy peque
nos respecto a las principales.

 TOLIMA. COLOMBIA. HV 1. 14, ENERO 2013

REPRINTED FROM: IBAGUE.

Figura 7. Salida de Yaw Controlador LQR

Figura 5. Sistema controlador LQR

Figura 8. Sistema Controlador LQR con integrador

Figura 6. Salida de Pitch controlador LQR

VIII. VERIFICAR EL CONTROL LQR Y LQG

Pare el dise
no de un controlador LQR hay que tener en
cuenta que se debe minimizar la suma de los esfuerzos de
control y las desviaciones de la seal de salida de su valor
deseado. En este proyecto se usan las ecuaciones linealizados en cero del sistema y se obtienen los para parmetros de
diseo Q y R de la siguiente forma: La matriz Q se calcula
analticamente formando una matriz de igual dimensiones
que la matriz D, cuyas diagonal principal est conformado por los valores mximos al cuadrado que alcanza Pitch
y Yaw al a la salida del sistema sobre 1, y R esta hallada analticamente con los valores mximos al cuadrado que
puede tener Pitch y Yaw a la entrada sobre 1, obteniendo
las siguientes matrices:

0,9120
Q=
0

0,04
R=
0

0
0,0253

0
0,0044

Como se observa un buen resultado en la simulaci

on individualmente; entonces se procede a realizar una simulacin
completa del sistema y observar el funcionamiento del controlador en interaccion y rechazo de perturbaciones, de las
cuales tenemos los resultados en la figura 11 y 12.
En las figuras 11 y 12, se muestra que el controlador
LQR sigue la referencia de manera adecuada, rechazando
las perturbaciones que se presentan de forma rpida; ya que
tan solo le toma de 8 a 9 segundos volver a la referencia.
Para nuestro caso es posible tratar de disear un controlador que mejore el rendimiento en lazo cerrado en cuanto
seguimiento de SetPoint y rechazo a perturbaciones.
IX. CONTROLADOR IMC
Antes de empezar a aplicar las estrategias de control,
debemos observar la naturaleza del sistema en lazo cerrado,
para ello hacemos el siguiente diagrama en simulink que se
muestra en la figura 13.
Del cual se obtuvo las siguientes respuestas en la figura

Una vez calculado los parmetros de diseo anteriores, se

halla el valor de K, obteniendo:

K=


21,3345
2,7228

0,1513
10,6668

1,8591
0,1721

0,0471
2,4016

Con los valores anteriormente hallados utilizamos el siguiente diagrama de SIMULINK en la figura 5:
De la cual se obtienen las salidas para Pitch y Yaw en
las figuras 6 y 7.
Observando las figuras 6 y 7, se observa que existe un
error en estado estacionario por lo tanto, es necesario adicionar un integrador, puesto que presenta error en estado
estacionario las salidas del sistema; pero debido a que no
es posible al anterior diagrama, agregarle fcilmente el integrador se utiliza un nuevo modelo en Simulink.
Luego volvemos a simular con el integrador para obtener
las siguientes respuestas de salida en Pitch y Yaw en las
figuras 9 y 10.

Figura 9. Salida de Pitch controlador LQR con integrador

Figura 10. Salida de Yaw Controlador LQR con integrador

MOSQUERA: S

Figura 11. Salida de Pitch LQR con interacci

on
Figura 14. Respuesta paso sistema en lazo cerrado

Donde:
G(s) es la matriz de transferencia
D(s) es la mtriz de desacople
X(s) es la matrz desacoplada
Luego despejamos D(s) que sera nuestro desacoplador
siguiendo el siguiente proceso.

Figura 12. Salida de Yaw LQR con interacci

on

14.
Como se puede observar en la Figura6. El sistema responde de manera adecuada, presentando error en estado
estacionario igual a cero, recordando que el sistema esta
linealizado alrededor del punto de operacin de 0 grados
tanto para Pitch como para Yaw; tambin podemos notar
las leves interacciones que existen entre los lazos indirectos. El sistema en general no tiene parte mala, en lo que
resulta una facilidad enorme en el diseo del controlador.
A. Desacopladores
El proceso de desacoplamiento se realiza para eliminar
las interacciones de los lazos ya que esto permitira aplicar
las estrategias de control propias del dise
no de sistemas SISO, en nuestro caso la plaicaci
on del IMC (Internal Model
Control). Para ello se parte de la siguiente definicion:

G(s) D(s) = X(s)

[G(s)]1 =

adj(GT (s))
Det(G(s))

Luego tenemos:

X(s) =



X1 (s)
0
0
X1 (s)

G22 (s)X1 (s) G1 2(s)X2 (s)

G21 (s)X1 (s) G1 1(s)X2 (s)
D(s) =
Det(G(s))

De la cual sacamos lo siguiente:

X1 (s) =

Det(G(s))
Det(G(s))
X2 (s) =
G22 (s)
G11 (s)

(9)

"
D(s) =

1
G21 (s)
G2 2 (s)

" Det(G(s))
X(s) =

G12 (s)
G11 (s)

#
(10)

G22 (s)

Det(G(s))
G11 (s)

#
(11)

Entonces reemplazando los valores en estas variables obtenemos la siguientes matrices:



Figura 13. Sistema en lazo cerrado

1
D(s) =
0,3046

0,03337
1

"

X(s) =

2,343
s2 +9,275s

0,7833
s2 +3,496s

 TOLIMA. COLOMBIA. HV 1. 14, ENERO 2013

REPRINTED FROM: IBAGUE.

Figura 15. Desacople sistema en lazo cerrado

Figura 17. Sistema controlador IMC

Figura 18. Nueva implementaci

on IMC

Figura 16. Respuesta paso desacople

Luego procedemos a realizar el montaje en SIMULINK

y para verificar el desacople, ver figura 15:
La respuesta paso se ve en la figura 16.
Como se observa los desacopladores trabajan de la mejor
manera, y por lo tanto ahora se procede al diseo del IMC.
B. Dise
no del IMC
Para la implementaci
on del IMC se parte de la la planta
tiene dos partes una buena y una mala, en nuestro caso la
plantas de nuestra matriz de transferencia no tienen parte
mala, por lo tanto se procedera de la siguiente manera:
Pb = 1
Pg1

(12)

= P 1 (s)

R(s) =

Luego diseamos el IMC utilizando el filtro utilizando la

siguiente ecuaci
on.
C(s) = Pg1 F (s)

(14)

Remplazando en las ecuaciones ateriores tenemos:

" s2 +9,275s
C(s) =

2,343

. (1+11 s)2

"
R(s) =

1
(1 + s)2

0
s2 +3,496s
1
0,7833 . (1+2 s)2

Pg1 (s)F (s)

1 Pb (s)F (s)

(15)

Y la cual podemos implementar como en la figura 18.

Finalmente obtenemos nuestro nuevo IMC.

(13)

Siendo:

F (s) =

Como observamos, con ayuda de los desacopladores quitamos de alguna manera la interaccin de los lazos indirectos, y por lo tanto podramos decir que nuestro sistema
Multivariable de dos entradas y dos salidas, quedo desacoplado y por lo tanto el diseo se toma en base a las tcnicas
aprendidas para el caso SISO, puesto que el sistema presentado responde como 2 lazos SISOs separados. Tambin
observamos que, para los controladores aparecen dos variables de sintonizacin (lamda1 y lamda2), para el primer lazo
que se encarga de controlar la posicin de Pitch y para el
segundo que se encarga de controlar la posicin de PITCH,
respectivamente. Se hace uso de un filtro bsico por facilidad de clculos en el diseo. Luego procedemos al montaje
en simulink como se observa en la figura 17.
Existe otra manera de implementar el IMC el cual es
mas compacto y es muy similar a la implementaci
on de un
PID. La cual se realiza con la siguiente ecuacion:

s2 +9,275
2,343(21 s+21 )

s+3,496
0,7833(22 s+22 )

Hacemos nuestro diagrama en SIMULINK implementando el nuevo controlador, ver figura 19.
En cuanto a la simulacion se las graficas 20 y 21 muestran las entradas y salidas de la planta.
C. Implementaci
on del IMC al modelo no lineal
Como anteriormente se muestra el buen funcionamiento
del controlador IMC con el modelo lineal, ahora procederemos a implementarlo el modelo no lineal suministrado en

MOSQUERA: S

Figura 19. Nueva implementaci

on IMC compacto
Figura 22. Implementaci
on IMC modelo no lineal

Figura 23. Seguimiento del set point IMC modelo no lineal

Figura 20. Entradas IMC compacto

los archivos de QUANSER. Antes de realizar la simulacin,

debemos tener en cuenta el punto de operacin para el cual
fue linealizada la planta.
Punto de operaci
on:
= 0O y Vmp = 12,5vol = 0O y Vmy = 3,8vol
En la figura 22 se muestra el diagrama en SIMULINK
con el modelo no lineal.
Como se menciono anteriormente el punto de operacin
de la planta resulta crucial para el funcionamiento correcto
y obtener resultados adecuados en el modelo no lineal y en
el real; por lo tanto se agregan dos bloques que suman a la
accin de control el valor de los voltajes de entrada para los

Figura 21. Salidas IMC compacto

cuales, los controladores fueron diseados (P itch2 y Y aw2 ).

Tambin agregamos dos bloques ms a la salida para simular perturbaciones tipo escaln (Dist1 y Dist2). Finalmente
en el SetPoint ponemos un interruptor que con un simple
click, varia la seal de entrada de escaln a pulso rectangular,
esta resulta conveniente para observar el comportamiento
que realiza el sistema ante un cambio en el SetPoint de alguna entrada mientras la otra permanece constante. En la
figura 23 se muestra el compotamiento del sistema cuando
cambia el set point y la figura 24 es el comportamiento al
rechazo de perturbaciones.
D. An
alisis de la salida del controlador
Observando las Figuras 25 y 26 nos podemos dar cuenta que el controlador responde de manera un poco brusca, debido a los valores de los lambda iguales a uno, para
obtener resultados ms suaves, resulta necesario aumentar
estas constantes de sintonizacin. Observamos que los valo-

Figura 24. Rechazo de perturbaciones IMC modelo no lineal

 TOLIMA. COLOMBIA. HV 1. 14, ENERO 2013

REPRINTED FROM: IBAGUE.

Figura 25. Salida controlador

Figura 28. LQR Comparacion real y simulada Pitch

Figura 26. Salida controlador Rechazo de perturbaciones

res a los cuales el sistema responde estn dentro del rango

permitido, puesto que los motores tienen las siguientes limitaciones en su entrada de voltaje:
M otordeP itch = + 24volt M otordeY aw = + 15
Figura 29. LQR Comparacion real y simulada Yaw

X. IMPLEMENTACION IMC MODELO REAL

Antes de operar el helicptero procedemos a observar el
comportamiento de dicho sistema con el controlador tipo
LQR+I que trae de fabrica la planta.
A. Implementacion LQR con Integrador
En la figura 27 se muestra el archivo de SIMULINK que
viene de la fabrica de QUANSER para el uso con matlab.
La cual la ponemos a correr en la planta real y se muestran en las figuras del 28 al 33.
Como podemos Observar en la figura 28 al 33 los resultados no son muy alentadores puesto que lo que se esperaba,
era que el sistema respondiera de manera adecuada, rechazando las perturbaciones de manera rpida y siguiendo de
Figura 30. LQR Real simulaci
on

Figura 27. Simulink LQR QUANSER

Figura 31. LQR Comparacion real y simulada Pitch

MOSQUERA: S

Figura 34. Implementaci

on real IMC

B. Implementaci
on IMC a la planta real

Figura 32. LQR Comparacion real y simulada Yaw

inicialmente se toamron unas mediciones para encontrar

los valores del voltaje para las cuales el helicoptero estuviera en el estado estacionario, las cuales arrojaron los siguientes datos iniciales de trabajo:
Puntos de operacio reales de trabajo = 0O y Vmp =
16,97vol = 0O y Vmy = 8,14vol
Luego nuestro IMC provado con el modelo no lineal se
acopla con la planta real para hacer la respectiva simulacion, en la figura 34 se muestra el esquema en SIMULINK.
En este punto el sistema parecia que controlara, ya que
cuando el helcoptero en Pitch se encuentra por debajo del
punto de operacion la salida del controlador muestra que el
voltaje es mayor al que nosotros sensamos como set point
de 16.97 Volt; sin embargo la respuesta es retardada lo cual
hace que las oscilaciones aumenten en ves de disminuir.
Tambin se probo ralizando variaciones en ambos lambda1
y lambda2 para los cuales ubo una mejora; sin embargo el
comportamiento parecia de on-off.
XI. CONCLUSIONES

Figura 33. LQR Real Entradas

manera perfecta el SetPoint. Pero a pesar de esto el sistema responde de manera aceptable, presentado algunos
errores debidos a la variacin que ha tenido el modelo a lo
largo del tiempo.
Los anteriores experimentos se realizaron en dos etapas,
la primera variando el SetPoint de la posicin de pitch de
(-5 a 5 grados) y dejando el SetPoint de Yaw constante en
cero; y la segunda etapa haciendo lo opuesto, variando el
SetPoint de Yaw de (-20 a 20 grados) y dejando constante
en cero el SetPoint de pitch. Observando la salida de la
planta real en los dos experimentos, podemos concluir que
la salida de yaw presenta un error de estado estacionario
relativamente considerable, posiblemente debido a la variacin de los parmetros a lo largo del tiempo, y que no se
tuvieron en cuenta. Tambin se observa la salida de Pitch
posee un pequeo error de estado estacionario, que se hace
mayor a medida que se aleja del punto de operacin. Finalmente este experimento nos hace dar cuenta que el punto
de operacin de entrada, en cuanto al voltaje de los motores vara considerablemente con el supuesto, en modelo no
lineal para el diseo del controlador.

Para la implmenetacion de controladores en sistemas

MIMO es importantisimo manejar perfectamente los
conceptos de control para sistemas SISO.
Para el dise
no implementacion del IMC se encuentran
algunas excepciones para las cuales todos los sistemas
no se podran trabajar de la misma forma, asi que se
debe ser cuidadoso ya que al final el controlador puede
no fuencionar adecuadamente.
Es recomendable hacer una buena identificai
on del sistema, ya que las teorias de diseo de controladores como IMC, PID y MPC son basado en modelos y por
lo tanto si el modelo es alejado de la realidad no se
podra tener un buen control.
Al trabajar con el helicoptero se observa que al momento de estrellarse en los limites superior e inferior,
hace que las constantes de configuracion del sistema
tambien lo cual hace que la accion de control de nuestro controlador no tuviera una mejor respuesta.
El controlador cuando se trabajo con los modelos linealizado y el no lineal, se obtivieron resultados perfectos tanto en seguimiento del setpoint como en el
rechazo de perturbaciones.
Se probo ambas configuraciones del IMC, las cuales a
la hora de las simulaciones, se obtuvieron los mismos
resultados.

 TOLIMA. COLOMBIA. HV 1. 14, ENERO 2013

REPRINTED FROM: IBAGUE.

10

El controlador LQR presenta un buen desempe

no, sin
embargo maneja un error en estado estacionario cuando se probo con la planta real.
XII. ARCHIVOS
Los archivos de simulaci
on y diseo se encuentran en la
carpeta simulaciones.