Tamaño: 2569
Comentario:
|
Tamaño: 2914
Comentario:
|
Los textos eliminados se marcan así. | Los textos añadidos se marcan así. |
Línea 17: | Línea 17: |
$$$ \mathbf{M} = I\dot{\omega}_B + \omega_B\times I\omega_B $$ | $$$ \mathbf{M} = I \dot{\omega}_B + \omega_B \times I \omega_B $$ |
Línea 62: | Línea 62: |
== Referencias == [[ http://www.eecs.berkeley.edu/~tomlin/papers/conferences/whjt05_iros.pdf | Multi-Agent Quadrotor Testbed Control Design: Integral Sliding Mode vs. Reinforcement Learning ]] [[ http://www.eecs.berkeley.edu/Programs/ugrad/superb/papers%202008/Katie%20Miller.pdf | Path Tracking Control for Quadrotor Helicopters ]] |
Derivación del Modelo Dinámico del Cuadricóptero
Tabla de Contenidos
Fuerza y Momento
Descripción
Fuerza de Arrastre del Cuerpo
Empuje
Fuerza de arrastre sobre los rotores debido a la velocidad horizontal
Momento de arrastre sobre el eje de rotación de los rotores
Momento de Roll generado en los rotores por la velocidad
Fuerza de arrastre en los rotores debido a la velocidad
Empuje Total
Aproximación de la Fuerza y el Momento
Suponiendo que el Cuadricóptero está en vuelo estacionario podemos despreciar
y
. Con esto nos queda:
Fuerza
Aproximando las matrices de rotación de los ángulos para ángulos pequeños, tenemos:
Momento
También podemos despreciar los momemtos de Rolling
y
. El Torque nos queda:
Referencias
[[ http://www.eecs.berkeley.edu/~tomlin/papers/conferences/whjt05_iros.pdf | Multi-Agent Quadrotor Testbed Control Design: Integral Sliding Mode vs. Reinforcement Learning ]]