Modelamiento dinámico de los parametros de control de vuelo de una aeronave del tipo ala volante utilizando redes neuronales artificiales.

Descripción del Articulo

Esta tesis de investigación propone obtener el modelo aerodinámico de una aeronave del tipo ala volante utilizando redes neuronales artificiales con el fin de mejorar la performance del controlador de vuelo del sistema de navegación de un vehículo aéreo no tripulado. Actualmente la aeronave pierde a...

Descripción completa

Detalles Bibliográficos
Autor: Saito Villanueva, Carlos
Formato: tesis de maestría
Fecha de Publicación:2018
Institución:Pontificia Universidad Católica del Perú
Repositorio:PUCP-Tesis
Lenguaje:español
OAI Identifier:oai:tesis.pucp.edu.pe:20.500.12404/13308
Enlace del recurso:http://hdl.handle.net/20.500.12404/13308
Nivel de acceso:acceso abierto
Materia:Vehículos aéreos no tripulados-Aerodinámica
Redes neuronales
Sensores inteligentes
https://purl.org/pe-repo/ocde/ford#2.00.00
id PUCP_18274709b094fe5344dc580051cbc2cd
oai_identifier_str oai:tesis.pucp.edu.pe:20.500.12404/13308
network_acronym_str PUCP
network_name_str PUCP-Tesis
repository_id_str .
spelling Moran Cardenas, Antonio ManuelSaito Villanueva, Carlos2019-01-24T21:03:10Z2019-01-24T21:03:10Z20182019-01-21http://hdl.handle.net/20.500.12404/13308Esta tesis de investigación propone obtener el modelo aerodinámico de una aeronave del tipo ala volante utilizando redes neuronales artificiales con el fin de mejorar la performance del controlador de vuelo del sistema de navegación de un vehículo aéreo no tripulado. Actualmente la aeronave pierde altitud al momento de realizar los giros, y se entiende porque es un problema con el ángulo de cabeceo y velocidad de vuelo. El tipo de Red Neuronal Artificial (RNA) utilizada es de Back Propagation Dinámico y tiene dos capas intermedias con 100 neuronas cada una. Se utilizó este tipo de RNA porque permite entrenar un modelo dinámico como es el caso de una aeronave. Las variables de entrada utilizadas para el entrenamiento fueron: posición del elevador, posición de los alerones, posición del throtle y aceleraciones en los tres ejes de la aeronave. Las variables de salida fueron: ángulo de cabeceo, ángulo de alabeo, cambio en el tiempo de ángulo de cabeceo y alabeo, velocidad y altitud. Asimismo, se utilizó un “bias” para tomar en consideración fuerzas o perturbaciones que no se pueden medir. La metodología utilizada permitió realizar el modelado de manera satisfactoria del ángulo de cabeceo y velocidad. Los errores de entrenamiento fueron de 36% y 5.5% respectivamente. La validación de ambos parámetros fue de 68% y 3.38%. La metodología aplicada todavía necesita ser mejorada para obtener un error de entrenamiento satisfactorio en el ángulo de alabeo y mejorar los entrenamientos obtenidos para el ángulo de cabeceo y velocidad. Este trabajo demuestra que el modelamiento de una aeronave del tipo ala volante es más complejo que una aeronave convencional. Son pocos los trabajos de investigación sobre modelamiento de aeronaves que han realizado el modelamiento de este tipo de aeronaves. En la mayoría de los casos utilizan técnicas diferentes a las de RNA y realizan modelamiento lineal y no dinámico como se ha realizado en esta tesis.TesisspaPontificia Universidad Católica del PerúPEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/2.5/pe/Vehículos aéreos no tripulados-AerodinámicaRedes neuronalesSensores inteligenteshttps://purl.org/pe-repo/ocde/ford#2.00.00Modelamiento dinámico de los parametros de control de vuelo de una aeronave del tipo ala volante utilizando redes neuronales artificiales.info:eu-repo/semantics/masterThesisreponame:PUCP-Tesisinstname:Pontificia Universidad Católica del Perúinstacron:PUCPSUNEDUMaestro en Ingeniería MecatrónicaMaestríaPontificia Universidad Católica del Perú. Escuela de PosgradoIngeniería Mecatrónica10573987713167https://purl.org/pe-repo/renati/level#maestrohttps://purl.org/pe-repo/renati/type#tesisTHUMBNAILSAITO_VILLANUEVA_CARLOS.pdf.jpgSAITO_VILLANUEVA_CARLOS.pdf.jpgIM Thumbnailimage/jpeg22538https://tesis.pucp.edu.pe/bitstreams/e659d39f-d048-4c56-bccb-1d7c143bae73/download4a1d0e1cdc3279e0065afcefae78c919MD52falseAnonymousREADTEXTSAITO_VILLANUEVA_CARLOS.pdf.txtSAITO_VILLANUEVA_CARLOS.pdf.txtExtracted texttext/plain187724https://tesis.pucp.edu.pe/bitstreams/e3764fb1-9911-45be-8775-7aafec6cddb6/download92c47bb5651cda6d901b1cf8bcfcb687MD53falseAnonymousREADORIGINALSAITO_VILLANUEVA_CARLOS.pdfSAITO_VILLANUEVA_CARLOS.pdfTexto completoapplication/pdf4368186https://tesis.pucp.edu.pe/bitstreams/f9512c39-8366-48c2-ab97-a950de2e77f2/downloadb856532dafee5ef43517aacb0da2dc74MD54trueAnonymousREAD20.500.12404/13308oai:tesis.pucp.edu.pe:20.500.12404/133082024-12-03 12:10:42.017http://creativecommons.org/licenses/by-nc-nd/2.5/pe/info:eu-repo/semantics/openAccessopen.accesshttps://tesis.pucp.edu.peRepositorio de Tesis PUCPraul.sifuentes@pucp.pe
dc.title.es_ES.fl_str_mv Modelamiento dinámico de los parametros de control de vuelo de una aeronave del tipo ala volante utilizando redes neuronales artificiales.
title Modelamiento dinámico de los parametros de control de vuelo de una aeronave del tipo ala volante utilizando redes neuronales artificiales.
spellingShingle Modelamiento dinámico de los parametros de control de vuelo de una aeronave del tipo ala volante utilizando redes neuronales artificiales.
Saito Villanueva, Carlos
Vehículos aéreos no tripulados-Aerodinámica
Redes neuronales
Sensores inteligentes
https://purl.org/pe-repo/ocde/ford#2.00.00
title_short Modelamiento dinámico de los parametros de control de vuelo de una aeronave del tipo ala volante utilizando redes neuronales artificiales.
title_full Modelamiento dinámico de los parametros de control de vuelo de una aeronave del tipo ala volante utilizando redes neuronales artificiales.
title_fullStr Modelamiento dinámico de los parametros de control de vuelo de una aeronave del tipo ala volante utilizando redes neuronales artificiales.
title_full_unstemmed Modelamiento dinámico de los parametros de control de vuelo de una aeronave del tipo ala volante utilizando redes neuronales artificiales.
title_sort Modelamiento dinámico de los parametros de control de vuelo de una aeronave del tipo ala volante utilizando redes neuronales artificiales.
author Saito Villanueva, Carlos
author_facet Saito Villanueva, Carlos
author_role author
dc.contributor.advisor.fl_str_mv Moran Cardenas, Antonio Manuel
dc.contributor.author.fl_str_mv Saito Villanueva, Carlos
dc.subject.es_ES.fl_str_mv Vehículos aéreos no tripulados-Aerodinámica
Redes neuronales
Sensores inteligentes
topic Vehículos aéreos no tripulados-Aerodinámica
Redes neuronales
Sensores inteligentes
https://purl.org/pe-repo/ocde/ford#2.00.00
dc.subject.ocde.es_ES.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.00.00
description Esta tesis de investigación propone obtener el modelo aerodinámico de una aeronave del tipo ala volante utilizando redes neuronales artificiales con el fin de mejorar la performance del controlador de vuelo del sistema de navegación de un vehículo aéreo no tripulado. Actualmente la aeronave pierde altitud al momento de realizar los giros, y se entiende porque es un problema con el ángulo de cabeceo y velocidad de vuelo. El tipo de Red Neuronal Artificial (RNA) utilizada es de Back Propagation Dinámico y tiene dos capas intermedias con 100 neuronas cada una. Se utilizó este tipo de RNA porque permite entrenar un modelo dinámico como es el caso de una aeronave. Las variables de entrada utilizadas para el entrenamiento fueron: posición del elevador, posición de los alerones, posición del throtle y aceleraciones en los tres ejes de la aeronave. Las variables de salida fueron: ángulo de cabeceo, ángulo de alabeo, cambio en el tiempo de ángulo de cabeceo y alabeo, velocidad y altitud. Asimismo, se utilizó un “bias” para tomar en consideración fuerzas o perturbaciones que no se pueden medir. La metodología utilizada permitió realizar el modelado de manera satisfactoria del ángulo de cabeceo y velocidad. Los errores de entrenamiento fueron de 36% y 5.5% respectivamente. La validación de ambos parámetros fue de 68% y 3.38%. La metodología aplicada todavía necesita ser mejorada para obtener un error de entrenamiento satisfactorio en el ángulo de alabeo y mejorar los entrenamientos obtenidos para el ángulo de cabeceo y velocidad. Este trabajo demuestra que el modelamiento de una aeronave del tipo ala volante es más complejo que una aeronave convencional. Son pocos los trabajos de investigación sobre modelamiento de aeronaves que han realizado el modelamiento de este tipo de aeronaves. En la mayoría de los casos utilizan técnicas diferentes a las de RNA y realizan modelamiento lineal y no dinámico como se ha realizado en esta tesis.
publishDate 2018
dc.date.created.es_ES.fl_str_mv 2018
dc.date.accessioned.es_ES.fl_str_mv 2019-01-24T21:03:10Z
dc.date.available.es_ES.fl_str_mv 2019-01-24T21:03:10Z
dc.date.issued.fl_str_mv 2019-01-21
dc.type.es_ES.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/20.500.12404/13308
url http://hdl.handle.net/20.500.12404/13308
dc.language.iso.es_ES.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.es_ES.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/pe/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/pe/
dc.publisher.es_ES.fl_str_mv Pontificia Universidad Católica del Perú
dc.publisher.country.es_ES.fl_str_mv PE
dc.source.none.fl_str_mv reponame:PUCP-Tesis
instname:Pontificia Universidad Católica del Perú
instacron:PUCP
instname_str Pontificia Universidad Católica del Perú
instacron_str PUCP
institution PUCP
reponame_str PUCP-Tesis
collection PUCP-Tesis
bitstream.url.fl_str_mv https://tesis.pucp.edu.pe/bitstreams/e659d39f-d048-4c56-bccb-1d7c143bae73/download
https://tesis.pucp.edu.pe/bitstreams/e3764fb1-9911-45be-8775-7aafec6cddb6/download
https://tesis.pucp.edu.pe/bitstreams/f9512c39-8366-48c2-ab97-a950de2e77f2/download
bitstream.checksum.fl_str_mv 4a1d0e1cdc3279e0065afcefae78c919
92c47bb5651cda6d901b1cf8bcfcb687
b856532dafee5ef43517aacb0da2dc74
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio de Tesis PUCP
repository.mail.fl_str_mv raul.sifuentes@pucp.pe
_version_ 1834736907646402560
score 13.983407
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).