Diseño y evaluación experimental de un controlador pid-difuso para el dron dji tello edu
DOI:
https://doi.org/10.36825/RITI.13.32.007Palabras clave:
Control PID-Difuso, Dron, DJI Tello Edu, Estabilización Adaptativa, Lógica DifusaResumen
Este estudio propone un controlador PID-Difuso para mejorar la estabilización del dron DJI Tello Edu, abordando las limitaciones de los controladores PID convencionales en entornos dinámicos. Los PID tradicionales presentan rigidez frente a perturbaciones externas (viento, variaciones de masa) y las no linealidades inherentes a los VANTs, generando oscilaciones residuales y errores de seguimiento. La solución integra una arquitectura híbrida de dos capas:
- Capa difusa: ajusta dinámicamente las ganancias PID (K_p, K_i, K_d) mediante reglas heurísticas basadas en el error angular (e) y su derivada (ė), empleando inferencia Mamdani con funciones de membresía triangulares.
- Capa PID: ejecuta la ley de control con parámetros adaptativos en tiempo real.
Los experimentos de vuelo autónomo, con trayectorias rectas y giros de 180°, demostraron mejoras significativas sobre el PID convencional:
- Error RMS en yaw reducido en 23.1%.
- Error MAE en yaw reducido en 25.9%.
- Tiempo de asentamiento reducido en 28.6%.
- Consumo de energía disminuido hasta en 13.1%, extendiendo la autonomía de vuelo.
- Error máximo en yaw durante maniobras críticas reducido en 44.4%.
El controlador híbrido optimiza el equilibrio entre precisión y adaptabilidad. La validación se realizó en condiciones controladas mediante telemetría WiFi a 20 Hz y métricas estandarizadas (RMSE, MAE, energía de control). Su implementación en una plataforma de bajo costo como el DJI Tello Edu democratiza el acceso a sistemas avanzados para la educación y la investigación.
Citas
Caldas, K. A. Q., Benevides, J. R. S., Inoue, R. S., Terra, M. H. (2022). Autonomous Robust Navigation System for MAV Based on Monocular Cameras. International Conference on Unmanned Aircraft Systems (ICUAS). Dubrovnik, Croatia. https://doi.org/10.1109/ICUAS54217.2022.9836218
Lin, H.-Y., Peng, X.-Z. (2021). Autonomous Quadrotor Navigation With Vision Based Obstacle Avoidance and Path Planning. IEEE Access, 9, 102450–102459. https://doi.org/10.1109/ACCESS.2021.3097945
Amir, M. Y., Abbass, V. (2008). Modeling of Quadrotor Helicopter Dynamics. International Conference on Smart Manufacturing Application. Goyangi, South Korea. https://doi.org/10.1109/ICSMA.2008.4505621
Boudjit, K., Larbes, C. (2013). Control and stabilization applied to micro quadrotor AR.Drone. 3rd International Conference on Application and Theory of Automation in Command and Control Systems. Nápoles, Italia. https://doi.org/10.1145/2494493.2494511
Ogata, K. (2010). Modern control engineering (5th Ed.). Prentice Hall.
Santoso, F., Garratt, M. A., Anavatti, S. G. (2020). Hybrid PD-Fuzzy and PD Controllers for Trajectory Tracking of a Quadrotor Unmanned Aerial Vehicle: Autopilot Designs and Real-Time Flight Tests. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 51 (4), 1817–1829. https://doi.org/10.1109/TSMC.2019.2906320
Mamdani, E. H. (1974). Application of fuzzy algorithms for control of simple dynamic plant. Proceedings of the Institution of Electrical Engineers, 121 (12). https://doi.org/10.1049/piee.1974.0328
Ferdaus, M. M., Anavatti, S. G., Pratama, M., Garratt, M. A. (2020). Towards the use of fuzzy logic systems in rotary wing unmanned aerial vehicle: a review. Artificial Intelligence Review, 53 (1), 257–290. https://doi.org/10.1007/s10462-018-9653-z
Al-Fetyani, M., Hayajneh, M., Alsharkawi, A. (2021). Design of an Executable ANFIS-based Control System to Improve the Attitude and Altitude Performances of a Quadcopter Drone. International Journal of Automation and Computing, 18 (1), 124–140. https://doi.org/10.1007/s11633-020-1251-2
Amertet, S., Gebresenbet, G., Alwan, H. M. (2024). Modeling of Unmanned Aerial Vehicles for Smart Agriculture Systems Using Hybrid Fuzzy PID Controllers. Applied Sciences, 14 (8), 1-27. https://doi.org/10.3390/app14083458
Polat, O., Sezgin, A. (2024). Position Control of a Quadcopter With Pid and Fuzzy-Pid Controller. Journal of Engineering Sciences and Design, 12 (1), 34–48. https://doi.org/10.21923/jesd.1223998
Guevara-Bonilla, M., Meza-Leandro, A. S., Esquivel-Segura, E. A., Arias-Aguilar, D., Tapia-Arenas, A., & Masís Meléndez, F. (2020). Uso de vehículos aéreos no tripulados (VANTs) para el monitoreo y manejo de los recursos naturales: una síntesis. Revista Tecnología En Marcha, 33 (4), 77-88. https://doi.org/10.18845/tm.v33i4.4528
Wanore Madebo, N., Merga Abdissa, C., Negash Lemma, L. (2024). Enhanced Trajectory Control of Quadrotor UAV Using Fuzzy PID Based Recurrent Neural Network Controller. IEEE Access, 12, 190454–190469. https://doi.org/10.1109/ACCESS.2024.3516494
Delgado-Reyes, G., Valdez-Martínez, J. S., Hernández-Pérez, M. Á., Pérez-Daniel, K. R., García-Ramírez, P. J. (2022). Quadrotor Real-Time Simulation: A Temporary Computational Complexity-Based Approach. Mathematics, 10 (12), 1-34. https://doi.org/10.3390/math10122032
Zhou, D., Geng, Q. (2015). Multi-model And Fuzzy PID Control for Fixed-wing UAV. International Conference on Mechatronics, Robotics and Automation. https://doi.org/10.2991/icmra-15.2015.103
Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8 (3), 338–353. https://doi.org/10.1016/S0019-9958(65)90241-X
Brehm, T., Rattan, K. S. (1995). Hybrid fuzzy logic PID controller. IEEE 3rd International Fuzzy Systems Conference. Orlando, FL, USA. https://doi.org/10.1109/FUZZY.1994.343602
Ryze Tech. (2018). Tello EDU User Manual. https://dl-cdn.ryzerobotics.com/downloads/Tello/Tello%20SDK%202.0%20User%20Guide.pdf
Astuti, G., Longo, D., Melita, C. D., Muscato, G., Orlando, A. (2008). HIL Tuning of UAV for Exploration of Risky Environments. International Journal of Advanced Robotic Systems, 5 (4), 419-424. https://doi.org/10.5772/6227
Saud, L. J., Mohammed, R. S. (2017). Performance Evaluation of a PID and a Fuzzy PID Controllers Designed for Controlling a Simulated Quadcopter Rotational Dynamics Model. Journal of Engineering, 23 (7), 74–93. https://doi.org/10.31026/j.eng.2017.07.05
Bouabdallah, S., Murrieri, P., Siegwart, R. (2004). Design and control of an indoor micro quadrotor. IEEE International Conference on Robotics and Automation. New Orleans, LA, US. https://doi.org/10.1109/ROBOT.2004.1302409
Noordin, A., Mohd Basri, M. A., Mohamed, Z., Mat Lazim, I. (2021). Adaptive PID Controller Using Sliding Mode Control Approaches for Quadrotor UAV Attitude and Position Stabilization. Arabian Journal for Science and Engineering, 46 (2), 963–981. https://doi.org/10.1007/s13369-020-04742-w
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Revista de Investigación en Tecnologías de la Información
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Esta revista proporciona un acceso abierto a su contenido, basado en el principio de que ofrecer al público un acceso libre a las investigaciones ayuda a un mayor intercambio global del conocimiento.
El texto publicado en la Revista de Investigación en Tecnologías de la Información (RITI) se distribuye bajo la licencia Creative Commons (CC BY-NC
), que permite a terceros utilizar lo publicado citando a los autores del trabajo y a RITI, pero sin hacer uso del material con propósitos comerciales.
