Implementación de controlador de vuelo para vehículos aéreos no tripulados multi-rotor basado en técnicas de aprendizaje profundo
Cargando...
Fecha
2022-06-22
Enlace al recurso
DOI
Google Scholar
gruplac
Descripción Dominio:
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Santo Tomás
Compartir
Documentos PDF
Cargando...
Resumen
Este proyecto de grado presenta el diseño e implementación de un controlador de posición
para un UAV multi-rotor basado en redes neuronales profundas y entrenado mediante
aprendizaje supervisado, tomando como referencia un controlador PID. Se detalla el proceso
de selección del entorno de simulación, el controlador y el modelo seleccionado. Así mismo, se
realizan evaluaciones de trayectorias de control para la construcción de un conjunto de datos
que permita entrenar el modelo. Se entrenan distintas arquitecturas de redes neuronales,
mediante el uso del algoritmo Hyperband para determinar los mejores hiperparámetros.
Finalmente se evalúa el rendimiento del controlador entrenado con respecto al controlador
base mediante la respuesta temporal con diferentes señales de control. Como producto final se
presenta: el conjunto de datos del controlador de referencia, un repositorio con los programas
realizados para el desarrollo y análisis, y el modelo de la red neuronal.
Abstract
This degree project presents the design and implementation of a position controller for a multi-rotor UAV based on deep neural networks and trained by
for a multi-rotor UAV based on deep neural networks and trained by means of supervised learning
supervised learning, taking as reference a PID controller. It details the process
of selection of the simulation environment, the controller and the selected model is detailed. Likewise, evaluations of control trajectories
control trajectories evaluations for the construction of a data set to train the model.
to train the model. Different neural network architectures are trained,
using the Hyperband algorithm to determine the best hyperparameters.
Finally, the performance of the trained controller is evaluated with respect to the base controller by means of the temporal response with different signals.
the base controller by means of the time response with different control signals. As a final product, the following is presented
the dataset of the reference controller, a repository with the programs developed for the development and analysis, and
development and analysis programs, and the neural network model.
Translated with www.DeepL.com/Translator (free version)
Idioma
spa
Palabras clave
Citación
Cárdenas Bohórquez, J. A. & Carrero Cuadrado, U. E. (2022).Implementación de controlador de vuelo para vehículos aéreos no tripulados multi-rotor basado en técnicas de aprendizaje profundo [Tesis de Pregrado en Ingeniería Electrónica, Universidad Santo Tomás] Repositorio Institucional
Colecciones
Licencia Creative Commons
Atribución-NoComercial-SinDerivadas 2.5 Colombia