INSTITUTO TECNOLÓGICO
SUPERIOR DE URUAPAN
INGENIERIA MECATRONICA
“PRACTICA ARDUINO-MATLAP”
ARANDA ACUÑA RAMÓN ANDRE
GARCÍA GONZÁLEZ ARI GERMAN
BARRAGÁN SÁNCHEZ WILLIAM ALEJANDRO
PROFESOR:
DR. GERARDO LORETO GOMEZ
GRADO Y GRUPO:
9no B
URUAPAN MICHOACÁN, 08 DICIEMBRE
2024.
Introducción
Los manipuladores robóticos son sistemas electromecánicos complejos que requieren
un control preciso para realizar tareas diversas. El control PID (Proporcional, Integral,
Derivativo) es una técnica ampliamente utilizada debido a su simplicidad y eficacia. Esta
investigación se centrará en analizar el funcionamiento del control PID en
manipuladores robóticos, explorando su aplicación en tareas como el seguimiento de
trayectorias y el control de fuerza.
Las leyes de control se basan en principios matemáticos y físicos que describen la
relación entre las entradas y las salidas de un sistema. Algunas de las leyes más
importantes en robótica son:
Ley de control proporcional (P): La salida del controlador es proporcional al
error entre la señal de referencia (el valor deseado) y la señal de salida actual.
Ley de control integral (I): La salida del controlador es proporcional a la integral
del error a lo largo del tiempo. Esto ayuda a eliminar el error estático.
Ley de control derivativo (D): La salida del controlador es proporcional a la
derivada del error con respecto al tiempo. Esto ayuda a anticipar cambios en el
error y mejorar la respuesta del sistema.
Control PID (Proporcional, Integral, Derivativo)
El control PID es uno de los algoritmos de control más utilizados en robótica. Combina
las tres acciones (proporcional, integral y derivativo) para lograr un control preciso y
robusto.
Ventajas del control PID:
o Fácil de implementar.
o Robusto ante perturbaciones.
o Amplias aplicaciones.
Desventajas del control PID:
o Requiere ajuste de parámetros.
o Puede ser sensible a ruido.
Aplicaciones del Control en Robótica
Control de posición: Mantener un efector final en una posición específica en el
espacio.
Control de fuerza: Controlar la fuerza ejercida por el robot sobre un objeto.
Control de trayectoria: Hacer que el efector final siga una trayectoria deseada.
Control de estabilidad: Mantener el equilibrio del robot en diferentes
condiciones.
Diagramas de Bloques
Un diagrama de bloques es una representación gráfica de un sistema de control.
Muestra cómo las diferentes señales (referencia, salida, error) se relacionan entre sí.
Fig.1 “Diagrama de bloques de un sistema de control”
El control PID es un punto de partida excelente para entender el control en robótica, pero
existen muchas otras técnicas y consideraciones a tener en cuenta.
Sintonización de parámetros: Encontrar los valores óptimos para las ganancias
proporcional (Kp), integral (Ki) y derivativa (Kd) es fundamental para el desempeño del
sistema. Existen métodos analíticos y heurísticos para la sintonización, como Ziegler-
Nichols y Cohen-Coon. Sin embargo, en sistemas complejos, la sintonización puede ser
un proceso iterativo y empírico.
Limitaciones del control PID: El control PID es un controlador lineal, lo que significa
que asume que el sistema a controlar también es lineal. En sistemas no lineales, el
control PID puede no proporcionar un desempeño óptimo. Además, es sensible a ruido y
perturbaciones.
Extensiones del control PID: Se han desarrollado diversas extensiones del control PID
para abordar las limitaciones del controlador clásico, como el control PID con anti-
windup, el control PID fuzzy y el control PID adaptativo.
Otras Técnicas de Control
Control por modo deslizante: Esta técnica fuerza al sistema a moverse a lo largo de
una superficie deslizante en el espacio de estados, lo que permite un control robusto
ante perturbaciones.
Control predictivo: Utiliza un modelo del sistema para predecir la evolución futura de
las variables del estado y calcular la señal de control que minimiza un índice de
desempeño.
Control basado en modelos: Utiliza un modelo matemático del sistema para diseñar el
controlador.
Control óptimo: Busca la señal de control que minimiza una función de costo definida.
Aprendizaje por refuerzo: Utiliza técnicas de inteligencia artificial para aprender a
controlar el sistema a través de interacciones con el entorno.
Consideraciones Adicionales
No linealidades: Los sistemas robóticos son inherentemente no lineales debido a
factores como la fricción, la saturación de los actuadores y las holguras mecánicas.
Incertidumbre: Los parámetros del sistema pueden variar con el tiempo debido a
factores como el desgaste, la temperatura y las variaciones en la carga.
Ruido: Las señales medidas están contaminadas por ruido, lo que puede afectar el
desempeño del controlador.
Estabilidad: Es fundamental garantizar que el sistema de control sea estable, es decir,
que las pequeñas perturbaciones no provoquen una respuesta inestable.
Aplicaciones Avanzadas
Robótica colaborativa: El control de robots que interactúan con humanos requiere
técnicas de control suaves y seguras.
Robótica móvil: El control de robots móviles implica lidiar con la incertidumbre en el
entorno y la navegación autónoma.
Control de drones: El control de drones requiere un control preciso de la posición, la
orientación y la velocidad.
PRACTICA REALIZADA EN CLASE:
Fig.2 “Diagrama de bloques en Matlap”
Fig.3 “Parámetros en el Enconder”
Fig.4 “Lógica del sentido de giro”
PWM de 0 a 255 que es el rango de la fuente. El factor de conversión es 255/3.
Es la lógica que se envía al hardware para realizar el control.
La ultima parte convierte todo a positivo para la ley de control.
RESULTADOS OBTENIDOS:
1.9−1.5
k= =4.8959
0.9135−0.9952
1.5−1
k= =2.0210
0.9952−0.7478
Valor máximo 1.9
kp= = =0.021111
error en ángulo 90
ganancia KP = 0.02
SIN LA GANANCIA K
Con ganancia K= 1.3 y posición 60. dato real.
Con ganancia k = 1.3 y posición 60 y dato deseado.
GANANCIA KP = 0.01
con ganancia k = 0, posición 60 y dato deseado.
Dato real y con valor de K = 1.3. Posición 60
Con ganancia k = 1.3, dato deseado y 60 de posición.
Agregando parte integral
ganancia K = 0, dato deseado y posición 60.
Ganancia k = 1.3, dato real y posición 60.
Ganancia k = 1.3, dato deseado y posición 60.
CONCLUSIONES:
ARANDA ACUÑA RAMÓN ANDRE: A través de esta práctica se logró implementar un sistema de
control PID en un robot utilizando Arduino y MATLAB. La sintonización de las ganancias
proporcional e integral permitió obtener un seguimiento de referencia satisfactorio, demostrando
la efectividad del control PID en aplicaciones robóticas. Si bien la parte derivativa no fue
implementada debido a las características del motor, los resultados obtenidos indican que el
control PID puede ser una herramienta valiosa para el control de robots.
GARCÍA GONZÁLEZ ARI GERMAN: La presente práctica permitió adquirir conocimientos prácticos
sobre la implementación de sistemas de control PID en robots. Los resultados obtenidos
demuestran la importancia de la sintonización de los parámetros proporcional e integral en el
desempeño del sistema.
BARRAGÁN SÁNCHEZ WILLIAM ALEJANDRO: La práctica realizada evidenció la viabilidad de utilizar
Arduino y MATLAB para el control de robots, sin embargo, se identificó que la parte derivativa
de dejo aun lado debido al motor utilizado y todo eso me sirvió para darme cuenta de lo
importante de la parte integral y proporcional, además de cuando no es conveniente utilizar una
de ellas.