Implementación de controlador de vuelo para vehículos aéreos no tripulados multi-rotor basado en técnicas de aprendizaje profundo

Este proyecto de grado presenta el diseño e implementación de un controlador de posición para un UAV multi-rotor basado en redes neuronales profundas y entrenado mediante aprendizaje supervisado, tomando como referencia un controlador PID. Se detalla el proceso de selección del entorno de simulación, el controlador y el modelo seleccionado. Así mismo, se realizan evaluaciones de trayectorias de control para la construcción de un conjunto de datos que permita entrenar el modelo. Se entrenan distintas arquitecturas de redes neuronales, mediante el uso del algoritmo Hyperband para determinar los mejores hiperparámetros. Finalmente se evalúa el rendimiento del controlador entrenado con respecto al controlador base mediante la respuesta temporal con diferentes señales de control. Como producto final se presenta: el conjunto de datos del controlador de referencia, un repositorio con los programas realizados para el desarrollo y análisis, y el modelo de la red neuronal.

• Autores: Cárdenas Bohórquez, Javier Alexis; Carrero Cuadrado, Uriel Eduardo
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2022
• Institución: Universidad Santo Tomás
• Repositorio: Repositorio Institucional USTA
• Idioma: spa
• OAI Identifier: oai:repository.usta.edu.co:11634/45916
• Acceso en línea: http://hdl.handle.net/11634/45916
• Palabra clave: Drone; Neural Network; Supervised Training; Deep Learning; Flight Controller; Aviones no tripulados; Vehículos no tripulados; Aeronáutica; Simuladores de vuelo; Drones; Dron; Red Neuronal; Aprendizaje Supervisado; Aprendizaje Profundo; Controlador de Vuelo
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 2.5 Colombia