1
XXII Congreso Nacional de Ingenierı́a Mecánica, Eléctrica y Ramas Afines
Simulador de efectos inerciales de 2DOF
Juan E. Camarena
CEO & Co-Founder, AES Technologies
Lima, Lima, Perú
mail: jqcamarena@gmail.com
Resumen—Este trabajo presenta todo el proceso lleva-
do acabo con el objetivo de poder reproducir los efectos
inerciales que percibe una persona dentro de un vehı́culo.
Inicialmete se parte con el modelamiento de un péndulo in-
vertido que representa a un conductor de vehı́culo mediante
ecuaciones matemáticas y fı́sicas y el desarrollo de las mis-
mas mediante cálculo integral y aproximaciones mediante la
función de Taylor y cálculos de LaPlace, para luego enfocar-
se en el modelamiento y cálculo de parámetros de un motor
de CC , que luego conlleva a la parte más importante de es-
te proyecto, todo el análisis de los controladores planteados
a nivel analógico y luego discreto de manera que se pueda
implementar en un microcontrolador Arduino que procese
en tiempo real la información leı́da de los sensores, realice el
control y envie la respuesta a los actuadores en un sistema
de lazo cerrado. También se construye un prototipo estruc-
tural que permite la validación de todo el sistema agrupado;
se hace la toma de datos y la validación del control.
Palabras clave—Ingenierı́a mecatrónica, simulador de ma-
nejo, control de motor CC, implementación con Arduino,
tiempo real, validación, prototipo.
Nomenclatura
CM Centro de masa
CC Corriente continua
DOF Grados de libertad
Tn Función Taylor de grado n
V Voltaje de entrada al motor
I Corriente del motor o de armadura
R Resistencia de armadura
L Inductancia de armadura
Item received August 07, 2017.
J. E. Camarena, mechatronical engineer, graduated from Na-
tional University of Engineering (UNI), is CEO of AES Tech-
nologies, an engineering business located in San Borja–Lima–
Peru, +(51–1) 941–402–082 Phone: +(51–1) 370–4401, e-mail:
proyectos.aest@gmail.com
Publisher Item Identifier IM–01.
Copyright
c 2017 by CONIMERA
CONIMERA
06-08 Setiembre, 2017, Miraflores, Lima, Perú
IM-01
Eg Voltaje contraelectromotriz
w Velocidad angular del motor
τm Torque mecánico
J Inercia del motor
b Fricción viscosa
τs Cupla de fricción coulombiana
k Constante de cupla
LGR Lugar geométrico de las raices
FT Función de transferencia
MIT Instituto tecnológico de Masachuset
I. INTRODUCCIÓN
E N el mundo real; debido a los peligros reales, los
costos elevados de vehı́culos y maquinarias originan
la necesidad del uso de simuladores.
La simulación de manejo, en general, empezó a inicios
del siglo 20, en Toulouse-Francia(1909), la escuela de
entrenamiento de vuelo “Antoniette” desarrollo el primer
simulador de vuelo. El primer diseño de simulador vehicu-
lar registrado consistı́a en un sistema de 3DOF, construido
por Volkswagen a principios de 1970, esto inspiró a la
porterior construcción del simulador de 4DOF crado por
Mazda en 1985, el mismo año el primer 6DOF simulador
accionado viene de Daimler-Benz. A lo largo de los años
90 se hiso popular los simuladores y se crearon varios
actuadores de 6DOF (FORD, JARI, BMW, Renault,
WIVW, Nissan).
En cuanto al estado del arte [3], el simulador de Toyota
construido en el Centro Técnico de Toyota en la ciudad
de Higashifuji, Japón, es actualmente el más avanzado de
los simulador profesionales, construido en el 2007, superó
al NADS-1 y UoLDS, desarrollados en USA en las uni-
2

versidades de Iowa(2002) y Leeds(2006) respectivamente, A. Modelamiento matemático

teniendo el mismo concepto estructural de una cúpula
La performance del control planteado en este trabajo
y un accionamiento básico de 6DOF más un sistema
depende enormemente del modelamiento matemático de
cartesiano de desplazamiento. El simulador de Toyota es
la planta, es decir, lo bien que el modelo representa al
utilizado para las pruebas que son muy peligrosos para
sistema del mundo real, si bien se conoce la representación
llevar a cabo en el mundo real, tales como el efecto de
matemática de un motor de CC, la complicación surge en
la somnolencia, fatiga, la embriaguez, la enfermedad y la
hacer la identificación correcta de sus parámetros, y más
falta de atención de conducción.
importante aún el modelamiento de la persona dentro del
A finales de los años 70 se planteó la pregunta; si era-
vehı́culo sujeto a las fuerzas inerciales como consecuencia
necesario tener un sistema de movimiento grande y caro
de los cambios de velocidad y dirección. A continuación,
para acercarse más a un mundo virtual, llegando a la
se presentan los modelos matemáticos principales útiles
conclusión que el movimiento contribuye a la performance
para el desarrollo de este artı́culo.
del piloto sobre todo de los experimentados y el rápido
1) Péndulo invertido. Si se ubica dentro del vehı́culo en
aprendizaje de los poco experimentados [7]. En conducción
movimiento un observador no inercial se puede modelar a
profesional hay un proceso bastante analizado que es la
la persona dentro del vehı́culo como un péndulo invertido
decisión cognitiva que se refiere a la capacidad de tomar
articulado con la fuerza inercial actuando sobre él y
una decisión como consecuencia del rápido procesamiento
con un resorte-amortiguador que equivale a las piernas
de información a partir de la percepción, esto es muy
de la persona, a los brazos en el volante o la misma
importante ya que indica la capacidad del conductor
rigidez del tronco que restauran la posición inicial. La
de resolver problemas inesperados y cómo actuar ante
masa del péndulo serı́a una parte del peso de la persona,
estı́mulos del mundo real [8]. Los fabricantes de automóvi-
situada en su nuevo centro de masas C.M. ubicada a la
les también se benefician de la utilización de simuladores,
altura del pecho de la persona. Ası́ tendrı́amos un modelo
especialmente en la fase de desarrollo temprano del
simplificado para el análisis matemático.
auto, hay evaluaciones que no se pueden realizar en los
ordenadores de computadora como análisis de cambio de
carril, el zigzagueo y frenado, que están determinados por
la sensación subjetiva, ası́ como el análisis de umbrales y
los efectos del envejecimiento de la estructura [9].

El resto del artı́culo está organizado como sigue. La sec-

ción II presenta la metodologı́a usada para modelar to-
dos los sistemas presentados y las simulaciones del control
planteado. La sección III presenta los resultados obteni-
dos cuando se implementa en la realidad. Finalmente las
conclusiones son presentadas en la sección IV.

Fig. 1 Modelo péndulo invertido

II. METODOLOGÍA
Planteando la primera condición de equilibrio respecto al
En base a los intereses de este artı́culo un simulador punto de pivote, se tiene:
se puede conceptualizar como un aparato, por lo general X
informático, que permite la reproducción de un sistema. τ =0 (1)
Los simuladores reproducen sensaciones y experiencias
que en la realidad pueden llegar a suceder [10]. Un  
simulador pretende reproducir tanto las sensaciones fı́sicas k (θy) y + c θ̇y − mg = (ma) x (2)
(velocidad, aceleración, percepción del entorno) como el
comportamiento de los equipos de la máquina que se Ordenando y pasando al dominio de Laplace:
pretende simular.
Los simuladores implementados por compañı́as estatales, θ(s) 1
= (3)
entiendase centros militares de entrenamiento, y com- F(s) As + b
pañı́as privadas, de la envergadura de Toyota, Boing, en
cualquiera de los casos se basan para la construcción de Los fabricantes de vehı́culos proveen curvas de aceleración
simuladores a un modelo matemático que represente el vs velocidad, en distintos cambios, los cuales son realizados
sistema al que deseán imitar, este modelo en base a la en sus laboratorios de pruebas, ya que no es posible obte-
complejidad del control que se quiera realizar puede o ner directamente la aceleración y velocidad en función del
no ser linealizado para su posterior implementación en tiempo se va a recurrir a relaciones matemáticas de ajustes
controladores y ejecución en tiempo real. y resolución de integrales.
Se partirá de una curva caracterı́stica [5,p151].
JUAN CAMARENA: SIMULADOR DE EFECTOS INERCIALES DE 2DOF 3

Fig. 4 Curvas de aceleración en función del tiempo

Se ha conseguido la aceleración para poder utilizarlo en

Fig. 2 Curvas de aceleración en función de la velocidad
la ecuación (3) sin embargo el inconveniente ahora es obte-
Las curvas obtenidas se pueden ajustar a ecuanciones de ner la transformada de Laplace de la at , ya que no se puede
segundo grado, por lo cual: resolver, por lo que usamos la serie de Taylor para ajustar
a una suma de potencias trasladado en la curva máxima
a = −k1 (v − v0 )2 + k 2 (4) de la campana de la Fig.2 de aceleración.
El teorema de Taylor viene dado por:
Para obtener una equación de dependencia del tiempo se
parte de: n=N
X n
f(a)
∂v fx ≈ (x − a)n (8)
a= (5) n!
∂t n=0
Resolviendo (4) en (5) mediante integrales se llega a:
Ajustando (7) con el teorema de (8), se obtiene:
√
p 2 k3
v = v0 − k 3 + √ (6)
1 + ce2k1 k3 (t0 −t))
√
4ck1 k3 e2k1 k3 (t0 −t))
a= √ (7)
(1 + ce2k1 k3 (t0 −t)) )2
La ecuación 6 de velocidad es √ asintótica, o convergente
en el infinito a: lı́mx→∞ v = v0 + k3 , esto interpretado en
la realidad es que, para cada cambio, tenemos una veloci-
dad máxima ya que la transmisión ya no permite ir a una
mayor velocidad ası́ el cigüeñal esté a su máxima velocidad,
esto se puede apreciar mejor en la gráfica:

Fig. 5 Gráfica de aceleración y ajuste con T2

Se halla la transformada de Laplace de la aceleración:

3,7325s2 +2,0839s−0,7148

s3


6,763s2 +1,3121s−0,2054


a(s) = s3 (9)
 6,3576s2 +1,1078s−0,0938
 s3
8,9719s2 +0,613s−0,0336


s3

Finalmente se reemplaza la ecuación (9) en la ecuación

(3), y proceder hallar la inversa de Laplace para obtener
el angulo en funcion del tiempo θ(t) :
Fig. 3 Curvas de velocidad en función del tiempo

En la gráfica de la Figura 4, se nota que la aceleración  0,2758t − 0,2689−1,8608t − 0,0399t2 + 0,2689
0,067t − 0,2825−1,8608t − 0,0048t2 + 0,2825

está disminuyendo con los cambios, esto se corrobora con

θ(t) =
la realidad ya que, para mayores velocidades, los efectos  0,034t − 0,1682−1,8608t − 0,0014t2 + 0,1682
0,0104t − 0,1428−1,8608t − 0,0002784t2 + 0,1428

de cambio de velocidad (aceleración) son mucho menores.

(10)
4

Estos resultados en el tiempo, ya son programables en

cualquier microcontrolador

2) Motor de CC.
Se ha conseguido en el apartado anterior obtener el
ángulo de referencia, dicho de otra manera el desplaza-
miento angular al que se quiere llegar. Ahora se buscará
obtener la función de transferencia de la planta, el cual
corresponde a un motor de CC de tipo imán permanente,
mediante la estimación de parámetros (parameter estima-
tion), este método se ajusta mejor debido a que el motor
utilizado no tiene encoder que permita una identificación
de sistema (system identification).
Para el modelamiento de la planta se ha partido de [6], Fig. 8 Variación de la corriente en función del voltaje
ajustando a la necesidad y haciendo el aporte intelectual
respectivo se obtienen resultados gratificantes. De la Fig. 8 se identifica dos zonas de comportamiento;
la primera es cuando el eje del motor no inicia movimiento
y se cumple la ley de Ohm:
1
I= RV

R = 1,27[Ω] (16)
El motor utilizado tiene una reducción por tornillo sinfı́n
de (n = 54), continuando con el análisis experimental, se
completa la siguiente tabla con las mediciones realizadas
con el multı́metro y un tacómetro.
Fig. 6 Diagrama simplificado de un motor CC

Fig. 7 Diagrama de bloques de un motor CC

Tabla. 1 Cáculo de la constante de cupla
De la Fig. 6, se cumplen las siguientes relaciones:
Tener en cuenta que la velocidad angular para halla kb es a
la salida del eje del motor sin considerar la reducción, por lo
∂i 0
V = IR + L + Eg (11) cual en la tabla se ha hecho w(w n) en rad/s, promediando
∂t los valores de kb se tiene:
Eg = kb w (12) V.s
k = kb = kt = 0,044[ ] (17)
rad
τm = Jα + bw + τs (13)
Trabajando en la segunda zona de la Fig. 8, donde la co-
τm = kt I (14) rriente es estable, por lo que su derivada es cero, reemple-
zando las ecuaciones (12), (13) y (14) en (11) y despejando
Igualando potencias a la entrada del eje del motor, se la corriente se tiene:
tiene: !  
1 kb
I= V + τs (18)
P ot = Eg I = τm w R + ktbkb bR + kt kb

kt = kb = k (15) De la Fig. 8, en la segunda zona, se muestra el ajuste li-

neal, esta se compara con la ecuación (18), igualando cada
Similar a la forma experimental realizado en [6], se realiza termino se obtiene:
con una fuente de voltaje regulable, midiendo la tensión a
la entrada al motor y la corriente de armadura, tabulando b = 8,495x10−5 [N.m.s] (19)
esos valores y ajustando las rectas se obtiene las gráficas
de la Fig. 8. τs = 0,01716[N.m] (20)
JUAN CAMARENA: SIMULADOR DE EFECTOS INERCIALES DE 2DOF 5

El objetivo ahora es obtener el valor de la inercia J, para Fig. 11 Análisis experimental para hallar C
lo cual se va a realizar los siguientes análisis.
Al simplificar el diagrama de bloques de la Fig. 7, se ob-
tiene una función de transferencia de segundo orden, nor-
malmente en los textos se suele despreciar el término de
segundo orden ya que el polo generado por acción de la
inpedeancia L es no dominante. Entonces la función de
transferencia queda:

Fig. 12 Obtención experimental de C

Fig. 9 FT Simplificado de 1 orden

Todas las funciones de primer orden pueden ser representa- Comparando directamente las ecuaciones de la gráfica de
das teniendo una ganancia (K) y una constante de tiempo la Fig. 9 con las de la Fig. 10 y la ecuación (24) con la Fig.
tau (τ ): 12, se obtiene:
kt
K= (25)
n(Rb + kt kb )
RJ
τ= (26)
(Rb + kt kb )
Fig. 10 Representación de una FT de 1 orden Kvτ = 0,01 (27)
Sea la función de transferencia de la Fig. 10, para una Resolviendo las 3 ecuaciones anteriores, despejando J y
entrada escalón de módulo v : reemplazando se llega a:
K v
W(s) = [ ] (21) J = 8,167x10−6 [kg.m2 ] (28)
τs + 1 s
 
W(s) = Kv 1s − τ s+1
τ

Pasando la ecuación anterior al dominio del tiempo y re-

solviendo la ecuación integral se llega a:
Rθ Rt −t

0
dθ = Kv 0 (1 − e τ )dt Tabla. 2 Resumen parámetros del motor usado

θ(t) = Kv(t + τ e
−t
τ − τ) (22) De todo lo anterior reemplazamos los valores en la relación
de la Fig. 10 e integrando en el dominio de Laplace:
La función θ(t) de la ecuación 22 para tiempos muy grandes
W(s) 0,382755
se hace asintótica a la recta: V(s) = 0,008708s+1

L(t) = Kv(t − τ ) (23) W(s) 43,95

= (29)
L(0) = −Kvτ = C (24) V(s) s + 114,83

Para poder obtener el valor de C se procedió a la toma θ(s) 43,95

= 2 (30)
de datos en tiempo real, ploteando la variación del ángu- V(s) s + 114,83s
lo del eje del motor mediante la lectura analógica de un
potenciómetro unido al eje del motor para un voltaje de
entrada de 3V, esto también se puede realizar con un en-
coder, la ventaja del potenciometro es la obtencion directa B. Estrategia de control
del ángulo. El sistema mecatrónico que se busca controlar puede ser
representado según el diagrama de bloques siguiente:

Fig. 13 Lazo de control realimentado

6

1. Lugar geométrico de raices (LGR)

La caracterı́stica básica de la respuesta transitoria de un 4
ts = = 0,069s (35)
sistema en lazo cerrado se relaciona estrechamente con la ζwn
ubicación de los polos en lazo cerrado. Si el sistema tiene
una ganancia de lazo variable, la ubicación de los polos en − √ ζπ
Mp = e 1−ζ 2 (36)
lazo cerrado depende del valor de la ganancia de lazo elegi-
da. Los polos en lazo cerrado son las raı́ces de la ecuación → ζ ≥ 0,59
caracterı́stica. W. R. Evans diseñó un método sencillo para
encontrar las raı́ces de la ecuación caracterı́stica, llamado Para un ζ = 0,8, y terminando los cálculos, se obtiene:
el lugar geométrico de las raices (LGR). 0
Para el sistema de la Fig. 13 el LGR se halla de forma K
K= =2 (37)
sencilla ya que al tener los polos en L.A. en 0 y -114.83, ( 180
π )
las rectas asintóticas se localizan en el punto medio, es de-
cir en -57.415, perpendicular al eje real, al graficar el LGR A continuación se presenta las gráficas de la respuesta
0
para K de: < 0 − ∞+ > del sistema ante una entrada escalón para distintas ganan-
cias de K, y como muestra la ecuación (35), el tiempo de
establecimiento ts no depende de la ganancia por lo que no
tiene sentido buscar una ganancia inicial grande esperando
un respuesta más rápida.

Fig. 14 Lugar geométrico de raı́ces

De la gráfica anterior, el sistema es estable para todo

0
K > 0, el sistema es criticamente amortiguado para un
0
K = 75. Fig. 15 Salida del sistema ante una entrada escalón

2. Diseño de un controlador proporcional

A continuación se va hacer el analizar para obtener un con-
trolador proporcional, de la Fig. 13 se tiene una planta de
segundo orden, al operar para obtener la FT equivalente.
0
θs(s) 43,95.K
= 2 (31)
θd(s) s + 114,83s + 43,95K 0

θs(s) wn2
= 2 (32)
θd(s) s + 2ζwn s + wn2
Aquı́ para los cálculos se está considerando que el ángulo
esta en radianes, sin embargo si se quiere ver en grados se-
xagesimales habrı́a que multiplicarle esa ganancia al sensor
que realimenta al sistema, o directamente pasarlo a mul-
tiplicar al numerador como se muestra en el diagrama de
bloques de la Fig. 16. La gráfica del LGR se mantendrı́a,
lo que cambia es que el nuevo K es:
0
K
K= (33)
57,3

70
Kcrit = = 1,31 (34)
57,3
Al igualar las ecuaciones (31) y (32), y considerando un
sistema subamortiguado (K > 1,31), para un sobreimpulso
máximo de 15 % y para un criterio del 2 %: Fig. 16 Salida del sistema con saturador y umbral de voltaje
JUAN CAMARENA: SIMULADOR DE EFECTOS INERCIALES DE 2DOF 7

Cuando se diseña el controlador se debe tener en cuenta

con qué objetivo se está haciendo esto, generalmente se
busca o disminuir la energı́a con un resultado óptimo o
disminuir el tiempo de establecimiento, para el caso de
este proyecto [10] no se escatima mucho en gastos de
energı́a por la aplicación que se está dando ya que la fuente
de alimentación será una toma constante de energı́a, sin
embargo se tiene la limitación por los actuadores y la
fuente constante de 12V, entonces la simulación debe
tener dos restricciones principales; la primera es tener un
saturador para limitar el nivel de tensión a ±12V , y la
segunda un umbral de voltaje de ±2V , esto quiere decir
que el actuador (motor) utilizado empieza a moverse a
partir de 2 voltios. Las condiciones anteriores quedan
plasmadas en la simulación presentada en la Fig. 16. Se
observa gran diferencia respecto a los resultados de la
segunda gráfica de la Fig. 14, a pesar que representan al
mismo sistema y con la misma ganancia proporcional.

3. Sintonización de un controlador PID

Se puede buscar mover el lugar geométrico de la Fig. 14,
más al lado izquierdo para disminuir el tiempo de estable-
cimiento, sin embargo lo que no se puede cambiar por lo
que ya se ha explicado es la entrada de voltaje a la planta,
entonces se puede plantear diversos controladores y com-
plicar más el sistema (más polos y ceros) aumentándole el
orden para que el sistema llegue más rápido a la referen-
cia, pero la energı́a requerida por temas de conservación
de energı́a va a ser muy similar o incluso mayor. De la Fig.
16 el voltaje hasta 0.2s va a ser 12V entonces la ventaja
que se podrı́a intentar conseguir con otro controlador serı́a
solo menor a 0.03s.
Algo muy importante a tener en cuenta es que todo el
análisis hasta ahora se está haciendo de forma analógica
pero cuando se discretiza esto va a variar dependiendo del
tiempo de muestreo utilizado.
Para propósitos de realizar comparaciones y se aprecie me-
jor los análisis realizados se va a plantear un controlador
PID sintonizado.
Se tiene la ventaja que la planta obtenida realimentada es
bastante estable, incluso aplicando el teorema de Routh
Hurwitz no se obtiene un K > 0, que sea crı́tico, ya que
como se ha demostrado para todos los valores de K, el
sistema es estable, el hecho de no obtener un valor crı́ti-
co para K, no nos permite usar las reglas de sintonı́a de
Ziegler- Nichols, en el primer método en lazo abierto nues-
tro sistema es inestable por contener un integrador y no
se puede obtener la curva en s, y en el segundo método en
lazo cerrado no se puede hacer oscilar al sistema ya que
no existe un valor de Kcrit . Entonces lo que se va hacer
es ajustar convenientemente (sintonizar) en la simulación
valores para el PID, se obtiene buenos resultados para los
valores mostrados en la Fig. 17.
Se adiciona el PID con el objetivo único de confirmar la
hipótesis de que es innecesario complicar el sistema cuan-
do este responde muy bien a un controlador proporcional
simple.
Fig. 17 Comparación con un controlador PID
4. Análisis discreto
La aplicación de controladores en general, determina la sa-
lida óptima para controlar un proceso, esta operación se
realiza con modelos discretos ya que el microcontrolador a
utilizar trabaja de forma digital, en el diagrama de la Fig.
18 se muestra en forma de bloques el sistema planteado
para el control; donde G(s) resenta a la planta del motor
el cual es analógico, el Arduino va a tener diversos tareas
de forma digital, especı́ficamente para el control está cal-
culando en todo instante la referencia, muestreando para
pasar a digital la realimentación del sensor y la diferencia
de estos se multiplica por el controlador planteado y final-
mente la señal de salida pasa por un retenedor de orden
cero (ZOH) para que pueda ingresar a la planta analógica
del motor.
Fig. 18 Lazo de control en discreto
Cuando se realizan los cálculos a nivel teórico y posterior-
mente en las simulaciones, hay criterios de selección del
tiempo de muestreo de manera que la señal se aprecie y
no tengamos mucha perdida de data incluso se puede ser
atrevido en disminuir más el tiempo de muestreo para acer-
carnos más al mundo analógico ya que la computadora va a
soporta esto, sin embargo, a nivel de implementación pue-
de no ser tan prudente adelantarse a lo anterior.
8
Para el presente proyecto, la codificación se realiza en len-
guaje C, especı́ficamente en el IDE de Arduino, siendo la
codificación en un lenguaje de alto nivel, cada función y
cada librerı́a utilizada consume tiempo, entonces el tiempo
de muestreo mı́nimo al que podemos aspirar es el tiempo
que demora en realizarse el bucle del programa principal
(loop), para el presnete caso, este tiempo es aproximada-
mente 80ms, este tiempo varia mı́nimamente, para tener
uniformidad en el tiempo de muestreo se va a usar un tiem-
po de muestreo fijo de 84ms.
Tm = 84ms (38)
Fig. 19 Respuesta del sistema ante una entrada escalón unitario
Lo que se observa en los resultados es que a pesar de
que los tres controladores trabajan bien en la simulación
analógica, cuando se discretiza el sistema responde mejor
a ganancias de K ≤ 1, incluso con el PID el sistema a la
salida presenta oscilación sostenida con error en estado
estacionario fuera del rango del 2 %, por lo que se elige
una ganancia proporcional de K = X, igual a 1.
Si ahora, se hace que la entrada sea una señal compuesta
entre rampa y senoidal, esta señal de referencia representa
mejor la referencia que va a calcular el microcontrolador
ya que todos los sensores involucrados tienen cambios de
señal gradual, similar hay mejor desempeño para K = 1.
Fig. 20 Respuesta del sistema ante una entrada compuesta suave
K=1 (39)
III. EXPERIMENTOS Y RESULTADOS
Para la implementación fı́sica se ha hecho uso de senso-
res para la toma de datos en tiempo real, una electrónica
para procesar la información, realizar el control, drivers
de potencia, actuadores los cuales realizan el movimiento
y la fuerza, y la construcción de un prototipo (JC-06).
Todo esto sirve para validar los resultados obtenidos en la
simulaciones, al tener el prototipo en fı́sico cabe señalar
que el mundo real es no lineal, por lo que los resultados
nunca son iguales a las simulaciones, sin embargo el con-
trol planteado es bastante robusto con lo que se obtiene
resultados muy satisfactorios como se verá más adelante.
A. Adquisición de datos y electrónica de control
A continuación se detallan los sensores, para la adqui-
sición, y la electrónica, para realizar el procesamiento,
utilizados en la implementación del proyecto:
1. Uno de los sensores más útiles para el proyecto es el
módulo G27 racing wheel fabricado por Logitech.
Este módulo se conecta a diversos juegos de compu-
tadora personal (PC) y PlayStation (PS), los cuales
son compatibles y configurables en modos de conduc-
ción automático y mecánico. Para la presente proyec-
to se usa el modo mecánico ya que con esto se puede
entender mejor al vehı́culo en sus inicios cuando se
está aprendiendo a manejar, y poder migrar después
al modo automático si se quiere.
Fig. 21 Módulo volante de carreras G27 Logitech
2. El Giroscopio-Acelerómetro, estos aparatos son usa-
dos para medir el ángulo de desviación y las acele-
raciones respecto a G (9,8 sm2 ). El sensor en especı́fico
utilizado es el MPU-6050 , fabricado por la empresa
norteamericana InvenSense, que de acuerdo a su Da-
taSheet es un acelerómetro-giroscopio de 6 ejes con
salida de bus I2C.
Fig. 22 Sensor para medición de vueltas
El pensamiento del software libre facilitó la elabo-
ración del código usado en el proyecto ya que se
toma como base el código original de Jeff Rowberg[4]
utilizando la librerı́a I2C desarrollada por el MIT.
JUAN CAMARENA: SIMULADOR DE EFECTOS INERCIALES DE 2DOF 9

Las salidas de datos se puede obtener en muchos C. Diseño mecánico de la estructura

sistemas de orientación, de los cuales por mencionar
están: Cuaternion, ángulos de Euler, y ángulos de
navegación, de los cuales se elegió este último por
su fácil manejo y entendimiento ya que la salida es
fácilmente expresada en radianes o si se requiere en
grados sexagesimales.
3. Para la plataforma electrónica de desarrollo se utiliza
un Arduino Mega 2560 , Arduino es una plataforma
de hardware de código abierto, El hardware consiste
en una placa de circuito impreso con un microcontro-
lador. Se ha optado por esta tarjeta basicamente por
la facilidad en las conexiones y la cantidad de entra-
das y salidas necesarias para la implementación del
simulador.
Todo el diseño mecánico en su concepción, teniendo
previamente los sensores y actuadores requeridos se han
realizado en el software de CAD Solidworks, y posterior-
mente fabricados de acuerdo a planos emitidos.
La estructura está fabricado en acero negro principalmente
”
con tubos φ2 12 laminados en caliente (LAC) de 1.8mm
de espesor, también se realizó el cálculo de resistencia de
materiales, los cuales se obvia mostrar ya que por simple
inspección la carga soportada de los sensores (Logitech
G27) llega a solamente 9.4kg, adicionalmente está el peso
de los actuadores que también es despreciable ya que no
llegan a superar los 5kg, la única carga considerable es el
peso de la persona a cargar y el asiento, sin embargo estas
cargas están soportadas por una palestra de automóvil
modificada para el JC-06 (prototipo), dicha palestra se
diseñada para soportar toneladas de carga.
Se puede pensar en disminuir los espesores y optar
comercialmente por los tubos laminados en frio (LAF), sin
embargo, la soldadura por arco se complica con espesores
muy pequeños y el diámetro de dos pulgadas y medio hace
que el JC-06 sea visualmente agradable como se ven en
las figuras siguientes:

Fig. 23 Placa de desarrollo Arduino Mega 2560

B. Electrónica de potencia
Cuando se mueve carga de forma eléctrica, se tiene como
consecuencia consumos de más o menos corriente depen-
diendo de la cantidad de torque demandado, entonces es
importante conocer inicialmente el consumo de corriente
para la posterior selección de la fuente de voltaje y el dri-
ver utilizado. Para el caso del simulador, la corriente de-
mandada es 3A por motor, por tal se necesita una fuente
y un driver que soporte más de 6A.
1. Las Fuentes de PC son una alternativa rápida como
fuentes de alimentación ya que proveen tensión bien
regulada a 12V y soportan corrientes altas de 16A a
superiores, y en particular las fuentes de computado-
ras estacionarias (Workstation).
Fig. 25 Dibujo CAD del simulador
2. Para el driver de potencia se ha utilizado el Monster
Moto Shield , el cual soporta corriente de 14A de for-
ma continua y 30A en corriente pico, a una frecuencia
PWM de trabajo máximo de 20KHz y apagado au-
tomático de seguridad por temperatura y voltaje, este
es un shield que se adapta fácilmente para los Ardui-
nos UNO y Mega, esta placa contiene 2 puentes H, de
código VNH2sp30.

Fig. 24 Driver de potencia Monster moto shield Fig. 26 Prototipo de simulador construido
10
D. Resultados de datos
Finalmente se realiza la comparación del control con la
toma de datos en tiempo real respecto a las simulaciones
realizadas en la sección II.
1. Se compara la salida de la señal ante una entrada
escalón:
Tabla. 3 Especificaciones de la respuesta transitoria, Step
Fig. 27 Respuesta del sistema ante una entrada escalón
2. Ahora se compara la salida de la señal ante una entra-
da combinada entre rampa y seno, los cuales son más
parecidos a las referencias reales, para el cual presenta
mejor desempeño:
Tabla. 4 Especificaciones de la respuesta transitoria, Suave
Fig. 28 Salida del sistema ante una entrada compuesta suave
IV. Conclusiones
Una persona dentro de un vehı́culo, para un observador
no inercial, se puede modelar como un sistema de péndulo
invertido con sus elementos de rigidez que le permiten
retornar a la posición de equilibrio, los resultados se con-
trastan con la realidad fı́sica conocida, dando confiabilidad
y credibilidad a los cálculos y resultados obtenidos.
Se puede modelar cualquier motor DC de imán per-
manente sin necesidad de tener encoder, aplicando la
identificación de parámetros mediante cálculos analı́ticos
y una prueba experimental de lectura de velocidad en la
PC, como se realizó en el sección 2, motor de CC.
Se obtuvo un controlador robusto, como se ve en las
simulaciones de la sección 2 y en los resultados de la
sección 3, con una ganancia proporcional solamente, al
comparar con un controlador PID de similares resultados
en el dominio analógico, se demuestra que el controlador
más simple controla mejor cuando se discretiza, además la
eficiencia colabora al menor gasto computacional.
Referencias
[1] K. Ogata, Ingenierı́a de control Moderna, Prentice Hall, Madrid,
3ra edición, 2003.
[2] K. Ogata, Sistemas de control en tiempo discreto, Prentice Hall,
Mexico, 2da edición, 1996.
[3] J. Slob, State of the Art Driving Simulators, pp. 8-11, 2008.
[4] DIY Hacking, [web] Arduino MPU, Eindhoven, 2016,
http://diyhacking.com/arduino-mpu-6050-imu-sensor-tutorial/,
[5] C. Munares, Dinámica de propulsión y economı́a del combustible
del vehı́culo, Arius, 1989.
[6] W. Cova, Motores de CC en aplicaciones de robótica- Me-
todologı́a para la identificación de sus parámetros, CU-
DAR,Universidad Tecnológica Nacional, Córdova, Argentina.
[7] P. Caro, The relationship between flight simulator motion and
training requirements, Human Factors 21, 1979
[8] F.A.M., Self-motion perception, PhD thesis,Delft University of
Technology, 1998.
[9] Brünger-Koch, Motion parameter tuning and evaluation for the
dlr automotive simulator, North American Driving Simulator
Conference,Orlando–Florida, 2005.
[10] J. E. Camarena, Simulador de efectos inerciales de 2 grados
de libertad para aplicación en conducción vehicular, Pregrado
Tesis,Universidad Nacional de Ingenierı́a, Lima, Perú.
[11] Wikipedia, [web] Simulador, Teorı́a y conceptos, 2009,
https://es.wikipedia.org/wiki/Simulador
Juan E. Camarena Nacido en el Tambo–
Huancayo, Graduado en ingenierı́a mecatrónica
de la universidad nacional de ingenierı́a (UNI)
en 2011 y en el 2017 obtiene el tı́tulo de ingenie-
ro en mecatrónica. Durante la universidad per-
teneció a grupos de investigación en sistemas de
control e inteligencia artificial participando en
los congresos de estudiantes (CONEIMERA).
En el 2012 gana el primer lugar en la com-
petencia internacional de CAD organizado por
la sociedad americana de ingenieros mecánicos
(ASME). Durante los años de bachiller trabaja en empresas de in-
genierı́a recibiendo la distinción del mejor trabajador de ingenierı́a
(2013). En el 2015 se certifica internacionalmente como diseñador
mecánico profesional en Solidworks.
Desde 2016 es docente e investigador en los principales institutos de
tecnologı́a del paı́s en las áreas de robótica aplicada. Funda y actual-
mente es CEO de Aes Technologies, empresa que tiene como misión
generar valor agregado en ingenierı́a al paı́s.