Explorando por Autor "Tabuchi Fukuhara, Rubén Toshiharu"

Mostrando 1 - 2 de 2

Texto completo enlazado
Diseño de un vehículo aéreo no tripulado de cuatro rotores para una carga útil de 1 kg
(Pontificia Universidad Católica del Perú, 2015-06-26) Tabuchi Fukuhara, Rubén Toshiharu; Elías Giordano, Dante Ángel
El presente trabajo tuvo como objetivo el diseño de un Vehículo Aéreo no Tripulado (VANT) de tipo multirotor con capacidad de carga de hasta un kilogramo - que puede representar una cámara o sensores para el monitoreo de una variable en específico. En la primera parte se hizo una revisión de la bibliografía y estado del arte de los sistemas aéreos no tripulados. Luego, se procedió a definir los requisitos para el diseño de la unidad. Debido a que el desarrollo de estos equipos es reciente, no existen publicaciones o libros que detallen una metodología para la selección de los componentes, por lo que en esta tesis se diseñó e implementó una propia que permitió seleccionar el sistema de propulsión óptimo que incluye los motores, las hélices y las baterías. En la siguiente etapa se diseñó la estructura para alojar a todos los componentes del VANT. Se realizó una simulación de las cargas para evaluar la resistencia, aerodinámica y vibraciones del VANT mediante un software de elementos. Los resultados fueron positivos, por lo que se puede asegurar un correcto funcionamiento ante una futura implementación. Finalmente, el resultado de este trabajo culminó con una lista de componentes, planos y un presupuesto de alrededor de $6300 en los que se incluye los costos de materiales, diseño de ingeniería y manufactura. El VANT diseñado tiene como dimensiones generales 1014x1007x200 mm, tiene un peso de alrededor de los 7.5 kg y está en capacidad transportar consigo una carga de un kilogramo con vientos de hasta 8 m/s.
Texto completo enlazado
Modeling and track planning for the automation of BMW model car
(Pontificia Universidad Católica del Perú, 2017-06-28) Tabuchi Fukuhara, Rubén Toshiharu; Lin, Shih-Jan; Tafur, Julio
In recent years, autonomous driving technologies have become a topic of growing interest due to the promise of safer and more convenient mode of transportation. An essential element in every autonomous driving system is the control algorithm. Classical control schemes, like PID, are not able to manage Multiple Inputs-Multiple Outputs, complex, non-linear systems. A more recent control strategy is Model predictive control (MPC), a modern control method that has shown promising results in systems with complex dynamics. In MPC, a sequence of optimal control inputs are predicted within a short time horizon based on the car dynamics, and soft or hard restriction of the system. In this work, three different nonlinear-MPC (NMPC) controllers were formulated based on a kinematic, and two dynamic models (double-track and single-track). The steering system’s dynamics were additionally identified using experimental data. Each MPC was solved applying direct methods, by transforming the optimal control problem to a Nonlinear programming (NLP) problem using the Multiple shooting scheme with a Runge-Kutta 4 integrator. The NLPs were solved using the state-of-the-art optimization solver IpOpt. Before the real-time implementation, all the NMPC controllers were simulated in different scenarios and multiple configurations. The results allowed to select the most suitable controllers to be implemented in a 1:5 scale robotic car. Finally, two NMPC controllers based on the kinematic, and the single-track dynamic model were implemented in the robotic car. The algorithms were tested in two different scenarios at the maximum possible speed. The obtained results from the tests were very promising, and provide compelling evidence that MPC could be implemented as the core of future autonomous driving algorithms, since it computes the optimal control inputs, taking in consideration the restrictions inherent to the system.