UPPue Electricidad y Magnetismo, Mayo - Agosto 2022 1

Reporte Electricidad y Magnetismo, Titulo de

Practica(investigación)
I SMAEL1 AND AUTOR 21
1 Ingeniería Industrial, Universidad Politécnica de Puebla, 3er. Carril del ejido serrano s/n, San Mateo Cuanalá, Puebla, México. C.P. 72640

Compiled 5 de junio de 2022

En este artículo/investigación/reporte se presenta el con- robustez, adaptabilidad y flexibilidad debido a perturbaciones

trol de una plataforma didáctica basado en un péndulo del entorno o a efectos no modelables de la dinámica del sistema
simple, proponiendo un controlador basado en lógica difu- no-lineles.
sa que permitirá caracterizar una gran variedad de moto-
res brusshles debido a la gran versatilidad del controlador. El artículo está organizado de la siguiente manera. En la sec-
Haciendo uso del software MATLAB 2016 se efectúa un ción 2, se presenta el diseño y el modelo matemático basado en
estudio del comportamiento de la planta mediante, para un péndulo que describe el sistema. En la sección 3, se presenta
posteriormente diseñar mediante la herramienta fuzzy el la instrumentación que se implementó para el control y moni-
toreo del dispositivo. En la sección 4, se presenta la teoría del
controlador de tipo mamdani, presentando las simula-
control difuso y el diseño del controlador. En la sección 5, se
ciones para validar su funcionamiento. © 2022 Universidad presentan la experimentación y los resultados obtenidos.
Politécnica de Puebla

https://www.youtube.com/channel/UCyocHq5iN-7DmFRPmLYJBcg
2. DISEÑO Y MODELADO

1. INTRODUCTION
El control de posición de un brazo con un grado de libertad
sobre su propio eje con una hélice y motor se ha vuelto muy
popular en campo del control. Este sistema está basado en
un péndulo simple, el cual es un sistema físico que exhibe
un movimiento mecánico. Este movimiento consiste en una
masa adherida a una barra de longitud fija y suspendida en
un punto de equilibrio. El movimiento ocurre en el plano
vertical comandado por la fuerza gravitacional. Los péndulos
son conocidos como buenos resonadores y adecuados para
el estudio de periodos largos de estabilidad de forma que se
proporcione un controlador robusto para sistemas dinámicos
con acciones de control que lleve al sistema a operar en regiones
estables [1].

La posición del brazo se logra haciendo girar de su rotor a

altas revoluciones mediante la modulación del ancho de pulso,
el cual tiene relación con la variación del voltaje. De esta forma
hace girar la hélice que va montada sobre el eje del motor, Fig. 1. Diagrama esquemático de las fuerzas que interactúan
generando una fuerza propulsora, que impulsa el aire desde la en el péndulo (SolidWorks 2016).
parte superior hacia la parte inferior de su rotor, generando un
potente chorro de aire debido al principio de Bernoulli [2], [3] y Para el diseño de cada una de las piezas que conforman la
de esta manera logra mantenerse y posicionarse en el aire. estructura del péndulo se tomaron como base las características
físicas del motor y la hélice. Para determinar el tamaño de las
El objetivo de este proyecto es desarrollar una plataforma del banco de pruebas, se hizo uso del software SolidWoks para
didáctica para la caracterización de motores, proponiendo el diseño y visualización en 3D como se muestra en la Figura
como estrategia desarrollar un control basado en la lógica 1. Una vez fabricadas las piezas y ensamblado el prototipo, se
difusa de tipo Mamdani ya que nos brinda un gran número sometió a pruebas experimentales con elementos fijos que carac-
de ventajas cuando las especificaciones del control requieren terizan su funcionamiento, que se mencionarán más adelante
 UPPue Electricidad y Magnetismo, Mayo - Agosto 2022 2

en el apartado de instrumentación, para validar el movimiento C = 0,1078Nms/r. Finalmente se obtiene la función de trasfe-
óptimo del brazo. rencia.
El modelo matemático de este sistema es conocido en la lite-
ratura, en donde se sabe que para obtener el ángulo del pendulo θ (s) 5,13
= 2 (8)
suspendido con respecto a la fuerza de empuje correctiva, se es- V (s) s 1,9754 + 18,5214
cribe la ecuación 1 con base la figura 1, de acuerdo a los aportes
[4], [5], se determina la función de trasferencia presentando un 3. INSTRUMENTACIÓN
modelo no lineal para después ser aproximado a una función
A. Motor Brushless (sin escobillas)
lineal.
Deacuerdo al diagrama que muestra la figura 1, la ecuación La característica principal de los motores DC sin escobillas
diferencial modela al sistema: es que realizan la misma función de un motor DC normal, pero
remplazando el conmutador y las escobillas por switches de
T (t) = J θ̈ (t) + C θ̇ (t) + m · g · d · Senθ (t) (1) estado sólido que funcionan con una lógica para la conmuta-
ción de los embobinados [6], [7]. Los motores Brushless tienen
Donde T representa la fuerza de empuje, J el movimiento muchas ventajas a comparación de los motores con escobillas,
de inercia, C coeficiente de amortiguamiento, θ el angulo, m la debido a que son eficientes en cuestiones de consumo de energía,
masa, g la fuerza de gravedad y d la distancia al centro de masa. no requieren mantenimiento, pueden girar a altas revoluciones,
Partiendo de la ecuación (1), se determina que el voltaje V(t) entre otras.
aplicado al motor es proporcional a la fuerza de empuje T(t) y
A.1. Control de Velocidad Electrónico (ESC)
puede escribirse:
El Controlador de Velocidad Electrónico por sus siglas en
T (t) = k m · V (t) (2) inglés (ESC), es el encargado de suministrar la señal trifásica
necesaria para que los motores Brushless (Sin escobillas) puedan
Siendo θ (t) = 90 deg como el ángulo máximo de la planta, girar. El objetivo de este dispositivo es mantener las RPM del
entonces el Senθ (t) = 1, en el que se puede cosnsiderar que el motor constante ante condiciones de carga.
ángulo se encuentra en estado estable, por lo tanto θ̈ (t) = 0 y
θ̇ (t) = 0. Rescribiendo la ecuación (1) se obtiene. El control de estos dispositivos se realiza mediante PWM
(Modulación por ancho de pulsos) desde la unidad de control.
T (t) = m · gd (3) La señal corresponde normalmente a una señal de modulación
Considerando que k m es una ganancia para obtener el minimo de ancho de pulso PWM, cuya frecuencia y ciclo de trabajo están
ángulo con relación al voltaje. Se sustitye la ecuación (2) en la determinados por fábrica. El ciclo de trabajo normalmente está
ecuación (3). en el rango de 1 a 2ms y la frecuencia puede tomar valores de
50hz y 490hz [7].
mgd
km = (4) A.2. Unidad de Medición de Inercial
V (t)
Una Unidad de Medición Inercial por sus siglas en inglés
Retomando la ecuacion (1) y operando en el domino de la (IMU), es un dispositivo electrónico cuyo objetivo es obtener
Laplace se obtiene la función de trasferencia. mediciones de velocidad, rotación y fuerzas gravitacionales en
forma autónoma. Se utilizan como componentes fundamentales
θ (s) 1 en los sistemas de navegación de barcos, aviones, helicópteros,
= 2 (5)
T (s) Js + cs + mgd misiles o cualquier móvil en que sea necesario estimar estas
Tomando en cuenta las condiciones establecidas anteriormen- mediciones, sin la posibilidad de utilizar referencias externas
te de la ecuación (2) y de la ecuacion (5), la función de trasferen- o mediciones directas. Para el control del péndulo, se requiere
cia que en terminos de θ(s)/V(s) como se presenta en la ecuación saber la posición angular en la que se encuentra posicionado en
(6). todo momento por lo que se hizo uso del sensor MPU9250. Este
sensor está compuesto por un acelerómetro un giroscopio y un
θ (s) k m /J magnetómetro en un chip MEM, con la capacidad de medir en
= (6)
V (s) s2 + CJ s +
mgd sus tres ejes de manera independiente, es decir, que este sensor
J
tiene 9 grados de libertad por sus siglas en inglés (DOF). Que, a
Mediante la metodología para el cálculo de control de su vez, estos datos se procesan en algún sistema computarizado
modelos dinámicos [6] se desarrollaron los calculos para obtener y mediante filtros se obtiene la medición angular de la IMU. En
los siguientes parámetros para la planta del sistema. Para la tabla 3 se muestran las características del sensor.
una frecuencia natural de ωn = 4,3037 rad⁄s y un factor de
A.3. Microcontrolador ARM- F446RE
amortiguamiento de ζ = 0,2295.
El microcontrolador es un parte esencial del péndulo debido
Deacuerdo a la literatura la función de trasferencia de la a que se encarga de adquirir datos de los sensores con el que
ecuación (6) es relacionada con el polinomio característico de se instrumentó el brazo. Las señales que el microcontrolador
segundo orden como se muestra en la ecuacion (7). adquiere se utilizan para el algoritmo de control que estará
encargado de mantener la posición angular y mantener estable
C mgd el brazo ante cualquier perturbación a la que se pueda someter.
s2 + s+ = s2 + 2ζωn s + ωn2 (7)
J J
4. ESTRATEGIA DE CONTROL
Susituyendo los parametros físicos en la ecuación (8): m =
0,33kg, g = 9,8m/s2 y d = 0,12m puede obtenerse el movimien- El desarrollo de controladores difusos ha emergido como
to de inercia J = 0,0210kgm2 y la constante de amortiguamiento una de las más prosperas y fructíferas aplicaciones de la teoría
 UPPue Electricidad y Magnetismo, Mayo - Agosto 2022 3

de conjuntos difusos, teoría postulada por Lotfi Zadeh [8], como

una generalización de los conjuntos clásicos. La idea de formular
el problema de control mediante el uso de reglas expresadas
con representaciones lingüísticas. La experiencia diaria de la
vida real proporciona muchos ejemplos donde se confirma
como el entendimiento, el pensamiento y la habilidad humana
pueden resolver eficientemente el problema de control para
una gran variedad de sistemas sin hacer uso de los sofisticados
algoritmos de la teoría de control.

La lógica difusa se puede definir como una metodología que

proporciona una manera simple y elegante de obtener una con-
clusión a partir de información de entrada, ambigua, imprecisa,
o incompleta. El control difuso modela una alternativa practica
para resolver una variedad de complejas paliaciones de control,
ya que propone un método para construir controles no lineales a Fig. 2. Arquitectura tipo mamdani control difuso [14].
través de información heurística, en el que es posible prescindir
de la rigidez matemática y trasmitir el raciocino humano a un
sistema [9], [5], [10], [11], [12]. ∑ zµc ( Zj )
Z∗ = (12)
A. Conjuntos difusos
∑ zµc ( Zj )
Los conjuntos de la teoría clásica son altamente restrictivos Dónde: q es el número de niveles de cubanización de salida,
en el sentido de que un elemento o pertenece o no pertenece z j es la suma de las salidas de control en el nivel de cuantización
a un conjunto dado. Es decir, que un conjunto bien definido j y µc (z j ) representan los valores de la función de membresía en
(lógica clásica), la pertenencia de un elemento x a un conjunto A c. Este método asigna el centro del área de la salida difusa fina
se describe mediante la función característica. al valor de defuzificados, como se muestra en la figura 3.

µ A (x) (9)
Donde: [13]
µ A ( x ) ={1 cuando x ∈ A
(10)
{0 cuando x ∈ A
Dicha función es llamada función de pertenencia de A, y está
definida para todos los elementos del universo, esta función hace
un mapeo de todo el universo U a su conjunto de evaluación de Fig. 3. Método de defuzificación de centro de área [13].
dos elementos [0, 1], como se muestra en la ecuación (10).

µ A ( x ) : U −→ [0, 1] (11) A.2. ¿Por qué utilizar un controlador difuso?

Los controladores difusos son ideales para sistemas en los
A.1. Lógica difusa Mamdani
cuales se tiene un alto grado de incertidumbre respecto a las
En el presente trabajo se implementó el método de inferencia variables que se busca controlar y el efecto que éstas tienen sobre
mamdani, siendo una de las técnicas comúnmente más utiliza- el sistema. En done se presenta ciertas ventajas a comparación
das en la lógica difusa propuesto por Ebram Mamdani en 1975 de otros controladores.
[13]. El proceso consta de cuatro pasos y se puede observar en el
diagrama a bloques de la figura 2: Son robustos y menos propensos a perder estabilidad debi-
do a eventos fuera de las condiciones de operación planea-
Etapa de fuzificación: Esta etapa se encarga de la trasforma-
das.
ción de las variables controladas entregadas por el proceso,
en variables tipo lingüísticas. Como resultado de la fuzifica- Son capaces de operar sobre sistemas no lineales para los
ción se obtienen valores lingüísticos medidos. cuales un esquema de control clásico requeriría la lineali-
zación del mismo o sólo sería capaz de operar de forma
Reglas: contiene reglas difusas que encierran el conoci-
estable en cierta región acotada.
miento necesario por la solución del problema de control.
Las reglas de control constan de condiciones si <condicio- Son de fácil implementación y procesamiento en compara-
nes>entonces <acciones>. ción de otros controladores.
Mecanismo de inferencia: en esta etapa se calculan las va-
riables de salida a partir de variables de entrada, mediante 5. RESULTADOS
reglas y la inferencia difusa, entregando conjuntos difusos
A. Diseño del controlador
de salida.
El error (e) se definen como la diferencia entre la referencia
Desfuzifiación: Es el resultado de la inferencia difusa es (Set-Point) y el ángulo real, el cambio del error (ė) se define
retraducido de un concepto lingüístico a una salida fisca por la diferencia entre el error actual y el error anterior. Estos
gracias al proceso de defuzificación y está definida por la errores son las entradas del controlador difuso. Mientras que la
ecuación (12) salida del controlador es el cambio en ciclo de trabajo (PWM).
 UPPue Electricidad y Magnetismo, Mayo - Agosto 2022 4

La relación entre el error anterior y la salida puede ser positivo

o negativo para determinar o actualizar el nuevo ciclo de salida
(PWM-Actual).

Para el control se requieren definir una serie de reglas lin-

güísticas en base a la experiencia del experto, característica prin-
cipal del modelo mamdani, tomando en cuenta que entre más
información se le proporcione al controlar mayor precisión se
obtendrá en la salida. Las funciones de pertenencia que rigen el
sistema del controlador son de tipo triangulares que se describe
en la ecuación (13).




 0, si x ≤ a

x−a

, si a < x ≤ m


 m− a


µ A (x) = b− a (13)
b−m si m < x < b

 Fig. 4. Respuesta al escalón planta real vs la estimada (Matlab
si x ≥ b



 0, 2016).



 mi texto

Por lo tanto: na, nm, nb, m pb, pm y pa (negativo alto, negati-

vo medio, negativo bajo, medio, positivo bajo, positivo medio
y positivo alto) son los conjuntos e y ė que varían en un rango
de [-90,90] con las cuales se construye la matriz de inferencia
con una dimensión de 7x7 dando un total de 49 reglas como se
muestra en la tabla 5. Obteniendo a la salida los conjuntos que
determinaran el cambio del ciclo de trabajo (PWM) en un rango
de [-1,1].
Fig. 5. Esquema del controlador difuso.

Cuadro 1.
e/de/det na nm nb m pb pm pa
na pa pa pm pm pb pb m
nm pa pm pm pb pb m nb
nb pm pm pb pb m nb nb
m pm pb pb m nb nb nm
pb pb pb m nb nb nm nm
pm pb m nb nb nm nm nb
pa m nb nb nm nm na nb

A.1. Simulación y experimentación

Con el objetivo de validar el desempeño de la planta con
el controlador propuesto se requiero llevar a cabo pruebas
Fig. 6. Respuesta al Escalón del controlador vs la planta
con la plataforma didáctica, para de esta manera obtener los
(Matlab 2016).
datos reales del sistema y poder llevar acabo los cálculos
matemáticos con la que se obtuvo la aproximación de la función
de trasferencia presentada en la ecuación (8) y de esta manera
6. CONCLUSIONES
poder efectuar simulaciones con la herramienta Simulink de
MATLAB. En la figura 4 se muestra la similitud de nuestra El controlador propuesto en este artículo, establece un
función calculada y la respuesta real. conjunto de reglas de inferencia basadas en el error, con
el que puede observar que la respuesta le toma un tiempo
de 1.5s en alcanzar la referencia. Por lo tanto, se puede con-
cluir que el desempeño es funcional para la plataforma didáctica.
Con la ayuda de la herramienta de Simulink se simulo el
controlador y la planta para validar el funcionamiento como se Actualmente se está trabajando en la implementación de este
muestra en la figura 5 y figura 6. controlador en la plataforma didáctica mediante una interfaz
 UPPue Electricidad y Magnetismo, Mayo - Agosto 2022 5

gráfica figura 7, para poder caracterizar cualquier tipo de motor

brushless debido a las grandes ventajas en cuanto adaptabilidad
del control difuso.

Fig. 7. Interfaz para la plataforma didáctica (Matlab 2016).

REFERENCIAS
1. M. Hasan, C. Saha, M. M. Rahman, M. R. I. Sarker, and S. K. Aditya,
“Balancing of an inverted pendulum using pd controller,” Dhaka Univ. J.
Sci. 60, 115–120 (2012).
2. M. C. Villarejo, “La génesis de la mecáncia de fluidos,”
urlhttp://rabfis15.uco.es/MecFluidos/Programa/Untitled-19.htm (2016).
3. H. de avión, “Pasion por volar-divulgación de arenáutica para todos,”
urlhttp://rabfis15.uco.es/MecFluidos/Programa/Untitled-19.htm (2016).
4. H. Kizmaz, S. Aksoy, and A. Mühürcü, “Sliding mode control of sus-
pended pendulum,” in Modern Electric Power Systems (MEPS), 2010
Proceedings of the International Symposium, (IEEE, 2010), pp. 1–6.
5. F. E. M. Garcia, J. A. B. Vargas, and Y. E. A. Garcia, “Desarrollo de
un módulo didáctico para control angular de un péndulo suspendido,”
Respuestas 17, 48–54 (2010).
6. J. Zhao and Y. Yu, “Brushless dc motor fundamentals application note,”
MPS, Futur. Analog. IC Technol pp. 7–8 (2011).
7. G. S. P. de Lazárraga, Control motor Brushless sensorless (Universidad
Pública de Navarra, 2015).
8. L. A. Zadeh, “My life and work–a retrospective view,” Appl. Comput.
Math. 10, 4–9 (2011).
9. M. Hasan, C. Saha, M. M. Rahman, M. R. I. Sarker, and S. K. Aditya,
“Balancing of an inverted pendulum using pd controller,” Dhaka Univ. J.
Sci. 60, 115–120 (2012).
10. M. Ramesh, J. Amarnath, S. Kamakshaiah, and G. Rao, “Speed control
of brushless dc motor by using fuzzy logic pi controller,” ARPN J. Eng.
Appl. Sci. 6, 55–62 (2011).
11. S. Kizir, Z. Bingul, and C. Oysu, “Fuzzy control of a real time inverted
pendulum system,” in Knowledge-Based Intelligent Information and
Engineering Systems, (Springer, 2008), pp. 674–681.
12. J. A. López, P. A. Muñoz, and J. E. Cardona, “Control de un motor utili-
zando lógica difusa con reglas sintonizadas por algoritmos genéticos,”
Sci. et technica 13 (2007).
13. P. Dadios Elmer, “Fuzzy logic–controls, concepts, theories and applica-
tions,” Croat. InTech, ISBN pp. 978–953 (2050).
14. R. Malhotra, N. Singh, and Y. Singh, “Fuzzy logic modelling, simulation
and control: A review,” Int. J. Comput. Sci. Technol. 1, 183–188 (2010).