Identificación no paramétrica del comportamiento dinámico de un quadcopter F450 utilizando redes neuronales artificiales
No Thumbnail Available
Date
2023-04
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Nacional de Trujillo
Abstract
El presente trabajo de investigación se desarrolló con el objetivo de realizar una
identificación no paramétrica de la dinámica no lineal de un quadcopter utilizando redes
neuronales artificiales, dicha red neuronal representó un modelo no lineal de la aeronave.
El quadcopter utilizado estuvo basado en el frame comercial F450, propulsado con 4
motores brushless DC y controlado por la placa de desarrollo de hardware Arduino.
En la ejecución de este trabajo se realizaron sesiones experimentales sobre un test
bench en un ambiente controlado para adquirir datos de los ángulos de actitud del
quadcopter medidos a través de una IMU (Inertial Measurement Unit), y también datos
de los ciclos de trabajo de las señales PWM de entrada a las 4 unidades de propulsión
eléctrica de la aeronave. Se realizó una verificación de correspondencia no lineal entre
los datos de entrada y salida del sistema dinámico. Con estos datos se entrenó un modelo
neuronal previamente seleccionado que debía capturar el comportamiento dinámico del
quadcopter F450.
Finalmente se validó el modelo neuronal entrenado mediante el análisis de la
respuesta en el tiempo de los ángulos de actitud reales del quadcopter frente a los ángulos
de actitud predichos por el modelo neuronal, también se obtuvieron valores cuantitativos
como: el error medio cuadrático (MSE), la raíz del error medio cuadrático (RMSE), el
porcentaje RMSE, el porcentaje de ajuste de la señal, y una validación estadística de
correlación cruzada. Así también, se realizó una validación cruzada con un conjunto de
datos ajenos a los utilizado para el entrenamiento del modelo neuronal.
Description
The present research was developed with the goal of performing a nonparametric
identification of the nonlinear dynamics of a quadcopter using neural networks. This
neural network represented a nonlinear model of the aircraft. The quadcopter used was
based on the commercial F450 frame, propelled by 4 brushless DC motors and controlled
by an Arduino board.
Experimental tests were achieved with an in-door environment test bench in order
to acquire attitude angles data from the quadcopter and PWM input signals duty cycle
data from the 4 aircraft electrical propulsion units (EPU). A non-linearity verification was
performed between the dynamic system input and output data. The neural network model
was trained using this data to obtain the F450 quadcopter’s dynamic behavior.
Finally, the trained neural network model was validated by comparing the time
response of the quadcopter real attitude angles and the predicted attitude angles by the
neural network model. Validation values were also obtained, such as: the mean square
error (MSE), root mean square error (RMSE), RMSE percent, signal fit percent, and a
correlation statistical validation. In addition, a cross validation was developed using a
different data set from the neural network training data.
Keywords
comportamiento dinámico de un quadcopter F450 utilizando redes neuronales artificiales