Diseño e implementación de un controlador GPI basado en ADRC para un

dron cuadricóptero
Jorge Daniel Gallo Sanabria, jdgallos@[Link]

1. Objetivo General
Diseñar e implementar un controlador Proporcional Integral Generalizado (GPI) con técnicas de Rechazo Activo de
Perturbaciones (ADRC) en un vehı́culo aéreo no tripulado de cuatro hélices

2. Objetivos Especı́ficos
1. Adaptar la metodologı́a de sintonización de un controlador GPI a un dron cuadricóptero.

2. Realizar el modelamiento, diseño e implementación del controlador GPI para el dron cuadricóptero

3. Comparar la metodologı́a de diseño e implementación del controlador GPI con las metodologı́as convencionales
para drones cuadricópteros

4. Evaluar los criterios de desempeño del controlador GPI y realizar una comparación con el desempeño de controla-
dores convencionales.

3. Actividades
I. Adaptar el GPI a un dron

1. Revisar si la metodologı́a de control con GPI ya se ha aplicado en cuadricópteros u otros vehı́culos aéreos no
tripulados
2. Utilizar la información existente para aplicar el GPI en un dron cuadricóptero

II. Modelar, diseñar e implementar

1. Formular el modelo del dron cuadricóptero utilizando diferentes métodos

2. Validar el modelo matemático
3. Diseñar el controlador GPI basado en ADRC para el dron cuadricóptero
4. Simular la implementación del controlador diseñado usando software.
5. Implementar el controlador en el dron real.

III. Comparar las metodologı́as

1. Diseñar e implementar un controlador tradicional para el dron cuadricóptero

2. Describir el proceso de diseño e implementación de un controlador GPI basado en ADRC para un dron
cuadricóptero
3. Comparar ambas metodologı́as

IV. Evaluar el desempeño de los controladores

1. Diseñar experimentos fı́sicos repetibles en los que se compruebe el rechazo de perturbaciones en el dron

1
 2. Aplicar los experimentos en el dron con ambos controladores (tradicional y GPI).
3. Comparar los resultados obtenidos y concluir sobre la robustez, rechazo de perturbaciones, incertidumbres,
etc.

4. Planteamiento del Problema

Los cuadricópteros son los vehı́culos aéreos no tripulados más estudiados y por lo tanto, más desarrollados hoy en
dı́a. El uso de más de dos motores (como en los helicópteros tradicionales) permite una mayor maneobrabilidad y un
mejor desempeño en circunstancias peligrosas y/o de entorno inaccesible. Estos dispositivos, por su versatilidad se han
ido popularizando en los últimos años, no solo en el público en general, sino también en la comunidad cientı́fica que ha
encontrado en los drones un sinnúmero de campos de investigación de carácter interdisciplinario [1]. Desde el punto de
vista cientı́fico, existen problemas que involucran el diseño, control y la estimación de posición en tiempo real de los
drones. Por el lado del control de estabilización, la ingenierı́a se encuentra en la búsqueda de metodologı́as que sean fácil
de implementar y que no requiera demasiado estudios preliminares del modelo del dron.
En la actualidad, el control de estabilización predominante en vehı́culos aéreos no tripulados es el Proporcional Inte-
gral Derivativo (PID) como se ve en [2], [3], [4] y [5]. Sin embargo, cabe destacar que ninguna de estas propuestas utiliza
el controlador PID en su forma primitiva, sino que utiliza alternativas para mejorar el desempeño de estos controladores,
como mejores métodos de sintonización o técnicas de linealización del sistema. A pesar de que el control PID es utilizado
bastante en muchas aplicaciones por su sencillez en implementación y sintonización, aún tiene importantes debilidades
que otros controladores no tienen. En concreto, el esquema de PID tiene un bajo rendimiento si el comportamiento del
sistema linealizado es diferente al sistema verdadero, carece de robustez y tiene un rango de operación limitado [6]. Hay
que mencionar, además, que las metodologı́as de diseño, implementación y sintonización de controladores PID requieren
de modelos muy detallados y en consecuencia, experimentos fı́sicos complicados o poco precisos [7].

5. Revisión de Literatura
En la literatura existe una gran cantidad de intentos para solucionar el problema de control de los drones. En [2],
Tayebi diseña un controlador PD aumentado para la estabilización exponencial de altitud (con trayectorias predefinidas
de despegue). Sin embargo, en cuanto a control de estabilización de estos dispositivos, lo más usado es el PID en cascada,
como Yu y Yang en [8], donde se aplica este esquema de control. No obstante, para mejorar el desempeño del controlador
se utiliza control predictivo y un planificador de trayectoria rotacional. Bouabdallah [3] muestra la comparación entre el
control clásico PID y una técnica moderna basada optimización LQ (Linear Cuadrática).
Muchos trabajos sobre controladores de drones, comparan varias técnicas con el fin de determinar con cual se obtiene
un mejor resultado en desempeño (estabilización, seguimiento de trayectorias, despegue y aterrizaje). Tal es el caso del
trabajo de H. Shim en [9], donde realiza la comparación de tres diferentes metodologı́as de control: control robusto lineal
multivariable, control de lógica difusa con sintonización evolutiva, y control de seguimiento no lineal. Osbek ([6]) también
hace una comparación de el desempeño de distintos controladores en un dron. En este caso se evalúa el comportamiento
de: control proporcional integral derivativo (PID), control en modo deslizante (sliding mode control SMC), control de
retroceso (backstepping control), Control basado en linealización por realimentación y control con lógica difusa.
Es evidente que se han estudiado una gran cantidad de controladores sobre los cuadricópteros. Sin embargo, desde
el punto de vista de las incertidumbres, el control se vuelve problemático. En [10], Yang evalúa el comportamiento de
dos controladores robustos en un cuadricóptero y evaluando el comportamiento ante incertidumbres y perturbaciones. Y
es que, en la presencia de grandes perturbaciones, incertidumbres significativas en el modelo y fuertes no linealidades
(como en los cuadricópteros en cuestión) los métodos tradicionalmente usados presentan grandes limitaciones. Para
solucionar este problema, se utilizan medios basados en rechazo de perturbaciones. En la actualidad, este enfoque se
ha estudiado ampliamente, donde se encuentra el Rechazo Activo de Perturbaciones [11] (Active Disturbance Rejection
Control ADRC), control basado en observador de perturbaciones [12], con formulación no lineal [13] o con formulación
adaptativa [14], control extendido basado en observadores de alta ganancia [15] o control con modelo embebido (EMC)
en [16], donde se aplica en un cuadricóptero.

2
Referencias
[1] C. Nitschke, Y. Minami, M. Hiromoto, H. Ohshima, and T. Sato, “A quadrocopter automatic control contest as an
example of interdisciplinary design education,” in International Conference on Control, Automation and Systems.
IEEE, 10 2014, pp. 678–685. [Online]. Available: [Link]

[2] A. Tayebi and S. McGilvray, “Attitude stabilization of a four-rotor aerial robot,” Proceedings of the IEEE Conference
on Decision and Control, vol. 2, pp. 1216–1221, 2004.

[3] S. Bouabdallah, A. Noth, and R. Siegwart, “PID vs LQ control techniques applied to an indoor micro Quadrotor,”
2004 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), vol. 3, pp. 2451–2456, 2004.

[4] L. Cedro and K. Wieczorkowski, “Optimizing PID controller gains to model the performance of
a quadcopter,” Transportation Research Procedia, vol. 40, pp. 156–169, 2019. [Online]. Available:
[Link]

[5] R. Miranda-Colorado and L. T. Aguilar, “Robust PID control of quadrotors with power reduction analysis,” ISA
Transactions, no. xxxx, 2019. [Online]. Available: [Link]

[6] N. S. Özbek, M. Önkol, and M. . Efe, “Feedback control strategies for quadrotor-type aerial robots: A survey,”
Transactions of the Institute of Measurement and Control, vol. 38, no. 5, pp. 529–554, 2015.

[7] R. Mahony, V. Kumar, and P. Corke, “Multirotor aerial vehicles: Modeling, estimation, and control of quadrotor,”
IEEE Robotics and Automation Magazine, vol. 19, no. 3, pp. 20–32, 2012.

[8] Y. Yu, S. Yang, M. Wang, C. Li, and Z. Li, “High performance full attitude control of a quadrotor on SO(3),”
Proceedings - IEEE International Conference on Robotics and Automation, vol. 2015-June, no. June, pp. 1698–
1703, 2015.

[9] H. Shim, T. J. Koo, F. Hoffmann, and S. Sastry, “Comprehensive study of control design for an autonomous he-
licopter,” Proceedings of the IEEE Conference on Decision and Control, vol. 4, no. December, pp. 3653–3658,
1998.

[10] K. S. Yang and C. C. Cheng, “Robust adaptive controller design for a quadrotor helicopter,” Applied Mechanics and
Materials, vol. 284-287, pp. 2296–2300, 2013.

[11] J. Han, “From PID to active disturbance rejection control,” in IEEE Transactions on Industrial Electronics, vol. 56,
no. 3, 2009, pp. 900–906.

[12] M. Nakao and K. Ohnishi, “A ROBUST DECENTRALIZED JOINT COXTROL BASED ON INTERFERENCE
ESTIMATION,” Tech. Rep., 1987.

[13] W.-H. Chen, D. J. Ballance, P. J. Gawthrop, and J. O’reilly, “A Nonlinear Disturbance Observer for Robotic Mani-
pulators,” Tech. Rep. 4, 2000.

[14] M. Iwasaki, T. Shibata, and N. Matsui, “Disturbance-Observer-Based Nonlinear Friction Compensation in Table
Drive System,” Tech. Rep. 1, 1999.

[15] L. B. Freidovich and H. K. Khalil, “Performance recovery of feedback-linearization-based designs,” IEEE Transac-
tions on Automatic Control, vol. 53, no. 10, pp. 2324–2334, 2008.

[16] M. A. Lotufo, L. Colangelo, C. Perez-Montenegro, E. Canuto, and C. Novara, “UAV quadrotor attitude control: An
ADRC-EMC combined approach,” Control Engineering Practice, vol. 84, no. September 2018, pp. 13–22, 2019.
[Online]. Available: [Link]