IDENTIFICACIÓN DE MODELOS DE MANIOBRA DE UN MODELO

A ESCALA DE UN FAST-FERRY AUTÓNOMO


Francisco. J . Velasco González
Dpto. Tecnología Electrónica e Ingeniería de Sistemas y Automática, E.T.S. de Náutica - C/ Gamazo 1-
39004 Santander (Cantabria), velascof@unican.es

Elías Revestido Herrero
Dpto. Tecnología Electrónica e Ingeniería de Sistemas y Automática, E.T.S. de Náutica - C/ Gamazo 1-
39004 Santander (Cantabria), revestidoe@unican.es

Eloy López García
Dpto de Ciencias y Técnicas de la Navegación, Máquinas y Construcciones Navales Univ. País Vasco
(UPV/EHU). E.T.S. de Náutica y Máquinas Navales – C/ Ma Diaz de Haro 68 – 48920 Portugalete (Vizcaya)
eloy.lopez@ehu.es

Emiliano Moyano Perez
Dpto. de Matemática Aplicada y Ciencias de la Computación, E.T.S. de Ingenieros Industriales y
Telecomunicaciones - Avda. de los Castros s/n -39005 Santander (Cantabria)
moyanoe@unican.es



Resumen

La finalidad de este artículo es la obtención de
modelos paramétricos de maniobra de un modelo a
escala de un fast-ferry (TF-120). Para ello se ha
utilizado una plataforma de ensayos de vehículos
marinos en la que se controla el modelo autónomo de
forma remota desde un PC portátil a través de una
red inalámbrica. Las diferentes maniobras y ensayos
para la identificación se llevaron a cabo en los
aledaños de la bahía de Santander.

Palabras Clave: Identificación paramétrica
multivariable, modelos de maniobra, identificación
de rumbo, laboratorio marino remoto (LMR).



1 INTRODUCCIÓN

Gracias a una plataforma de ensayos, que permite la
captura de datos y gobierno de un modelo físico
(figura 1) a escala autónomo del buque de alta
velocidad TF-120 de forma remota [8], se realizan las
maniobras necesarias para la identificación del
modelo matemático de velocidad. Además, con esta
plataforma se pueden realizar los diferentes trabajos
de coordinación entre vehículos marinos, como
pueden ser remolcadores, para actuaciones en
cooperación.

El objetivo de este entorno de experimentación es
disponer de un laboratorio remoto de ensayos de
vehículos marinos [1] con fines educativos y de
investigación. Dicho laboratorio, es una aplicación
práctica en la que se pueden ensayar distintos
controladores de la dinámica del modelo físico a
escala y también se pueden recoger datos para la
identificación del modelo físico.



Figura 1: Modelo físico autónomo del buque de alta
velocidad TF-120.

El objetivo de este trabajo es obtener modelos
matemáticos de maniobra mediante técnicas de
identificación de sistemas. Para ello, se utilizan los
datos capturados por la plataforma, al realizar
maniobras de curva de evolución, en aguas abiertas,
en la bahía de Santander.


2 ELEMENTOS DE LA
PLATAFORMA

Los elementos que forman el entorno de
experimentación están divididos en dos grupos: Los
embarcados y los terrestres:

Elementos embarcados:
- Componentes para la propulsión y gobierno
del vehículo (motores, servos, variadores de
velocidad, turbojets),
- Componentes de la circuitería de control:
PWM=Pulse Width Modulation y la estación
receptora.
- Sensores (GPS, girocompás electrónico, UMI
y acelerómetros).
- Componentes de comunicaciones: industrial
PC and access point.

Elementos en tierra:
- Un PC portátil con su punto de acceso.
- Una emisora de radio control que toma el
gobierno del buque en caso de fallo de la red
Wi-Fi.


3 SOFTWARE

Se ha implementado un soporte software en
LabVIEW que puede capturar y almacenar de forma
remota los datos de todos los instrumentos de la
plataforma. En este soporte, se han programado todas
las maniobras para que puedan ejecutarse de forma
automática. Para hacer esto, el PC Industrial, está
equipado con una aplicación de tipo SCADA. Esta
aplicación se publica en el servidor Web que reside
también en el PC Industrial. La comunicación entre
el PC Portátil situado en tierra y el PC Industrial
embarcado se realiza a través de una red Wi-Fi.
Cuando se ha verificado el correcto funcionamiento
de la red inalámbrica, se puede acceder desde el PC
Portátil a los datos publicados en el servidor Web en
el PC Industrial, tecleando la correspondiente
dirección en un motor de búsqueda como Internet
Explorer. LabVIEW permite la creación de un
documento HTML en el que se puede incrustar una
VI que está corriendo en otro PC.


4 IDENTIFICACIÓN

4.1 RECOGIDA DE DATOS

Las variables que describen el movimiento del
modelo físico en el plano horizontal (Figura 2) son:

ψ = Rumbo
ν = Componente transversal de la velocidad.
u = Componente longitudinal de la velocidad.
U = Velocidad.
δ = Ángulo de giro de los turbojets.



Figura 2: Variables que describen el movimiento del
modelo físico a escala en el plano horizontal.

La plataforma mide y guarda en un archivo los datos
de rumbo obtenidos por el girocompás electrónico [3]
y los datos de posición y velocidad obtenidos con el
GPS [7]. El GPS obtiene datos de la componente
orientada hacia el norte Vn, de la orientada hacia el
este Ve y de la velocidad tangencial de la trayectoria
U. Las componentes v y u se calculan de la siguiente
manera:

cos( ) ( ) v Ve Vn sen ψ ψ = ⋅ − ⋅ (1)


cos( ) ( )
n e
u V V sen α α = +
(2)

Se ha tenido en cuenta que la zona en la cual se
hacen las pruebas, sea bastante abierta para que el
GPS reciba datos del mayor número posible de
satélites. Aun así, el GPS siempre captura algún dato
erróneo. El GPS proporciona el parámetro: the
Dilution of Precision (DOP), que indica cuando la
geometría de los satélites proporcionan resultados
más precisos. Este parámetro da una idea del número
de satélites visibles y sus posiciones relativas en el
cielo. DOP utiliza el parámetro Position Dilution of
Precision (PDOP), que es una combinación de dos
parámetros: Horizontal Dilution of Precision (HDOP)
y Vertical Dilution of Precision (VDOP). Un valor de
PDOP igual a 1 indica una precisión en los datos
recibidos alta. Valores de PDOP mayores de 8 in
indican una precisión baja de los datos recibidos. Los
datos capturados por el GPS, en las pruebas
realizadas en la bahía de Santander, se mueven en el
rango 1,9<PDOP<6,7.


4.2 MANIOBRA PARA LA
IDENTIFICACIÓN

Para la identificación de rumbo se utiliza la maniobra
de curva de evolución. Esta maniobra consta de dos
fases. En la primera, el ángulo de los turbojets está a
cero y el modelo físico sigue un rumbo constante. En
la segunda fase, la plataforma gira los turbojets a -30º
en un solo movimiento; entonces el modelo físico
empieza a cambiar su rumbo hacia estribor superando
los 540º (figura 3). La plataforma mantiene la
velocidad constante durante toda la maniobra.

0 100 200 300 400 500 600 700 800
0
500
1000

R
u
m
b
o
(
º
)
0 100 200 300 400 500 600 700 800
-40
-20
0
Tiempo(s)
Á
n
g
u
l
o

t
u
r
b
o
j
e
t
s
(
º
)


Figura 3. Datos para la identificación.

Para la validación del modelo se realiza una
maniobra de curva de evolución hacia babor
(figura 4).

0 200 400 600 800 1000
-600
-400
-200
0
200

R
u
m
b
o
(
º
)
0 200 400 600 800 1000
0
10
20
30
40
Tiempo(s)
Á
n
g
u
l
o

t
u
r
b
o
j
e
t
s
(
º
)


Figura 4: Datos para la validación.


4.3 IDENTIFICACIÓN MODELO DE
RUMBO ARX

La estructura general de un modelo ARX [4] es la
siguiente:


1
1
( ) ( 1) ... ( )
( ) ... (
na a
k nb k b
y t a y t a y t n
b u t n b u t n n 1)
+ − + + − =
− + + − − +
(3)

donde y(t) es la señal de salida, u(t) señal de entrada,
n
a
número de polos, n
b
número de ceros, n
k
retardo
puro.

En nuestro caso la señal de entrada es el ángulo del
turbojet y la señal de salida el rumbo.

En la figura 5 se puede observar que con los datos
utilizados, los modelos a partir de 10 parámetros son
los que mejor ajustan los datos, dado que a partir de
este valor la varianza de la salida permanece
constante, por lo que no tiene sentido introducir más
parámetros.

0 5 10 15 20
0
0.2
0.4
0.6
0.8
1
x10
-4
Número de parámetros
V
a
r
i
a
n
z
a

d
e

l
a

s
a
l
id
a

(

%
)


Figura 5. Modelos que mejor se ajustan a los datos.

Se han identificado varios modelos, algunos con
menos de 10 parámetros. En la tabla 1 se muestran
algunos resultados. Se comprueba que el modelo
ARX con n
a
=9, n
b
=1 y n
k
=1, es el que mejor se
ajusta, por lo que se ha seleccionado como más
adecuado.

Tabla 1: Diferentes estructuras de modelo ARX

Modelo ARX (na,nb,nc) FPE

(2,2,1)
(4,4,1)
(9,1,1)
0.0764
0.0853
0.0655

En la figura 6 se representa la simulación de los
distintos modelos de rumbo ARX identificados junto
con la simulación del rumbo medido. Se puede
apreciar que la simulación no sigue totalmente la
curva de la trayectoria real debido a que la maniobra
de evolución es una entrada escalón, que es una señal
poco persistente y el modelo obtenido no incluye las
características no lineales.


Figura 6. Simulación de los distintos modelos
identificados junto con el rumbo medido.

4.4 IDENTIFICACIÓN MODELO DE
PROCESO DE RUMBO

Con los mismos registros es posible identificar un
modelo de proceso continuo, un modelo de Nomoto
de primer y segundo orden utilizando la toolbox de
Matlab System Identification [5]. Esta toolbox
permite la estimación de modelos de proceso en
tiempo continuo caracterizados por la ganancia
estática y las constantes de tiempo. Dichos modelos
se ajustan a las siguientes ecuaciones:

T K ψ ψ + = && & δ (4)

Cuya función de transferencia es:


( )
( )
1
K
s
s Ts
ψ
δ
=
+
(5)

Nomoto de 2º orden:


1 2 1 2 3
( ) ( TT T T K T ) ψ ψ ψ δ δ + + + = +
&
&&& && & (6)


Y su función de transferencia es:


3
1 2
(1 )
( )
(1 )(1 )
K T s
s
s T s T s
ψ
δ
+
=
+ +
(7)

El proceso de identificación proporciona los
siguientes coeficientes para un modelo de Nomoto de
2º orden:

K =- 0.071757, T1 =27.628 s, T2 =0.001 s,
T3 =-29.96 s

Una aproximación a un modelo de primer orden se
puede calcular:


1 2 3
57,589 T T T T s = + − = (8)

En la Figura 7 se puede ver como, el modelo de
Nomoto de segundo orden, se ajusta al rumbo
medido en la maniobra de babor.

0 100 200 300 400 500 600 700 800 900 1000
-600
-500
-400
-300
-200
-100
0
100
200
Tiempo(s)

Rumbo medido(º)
Nomoto orden 2(º)


Figura 7. Simulación del modelo de Nomoto de 2º
orden junto con el rumbo medido.

4.5 IDENTIFICACIÓN MULTIVARIABLE
MODELO VELOCIDAD ARX

En el caso de la identificación del modelo de
velocidad, en el plano horizontal, se utilizan las
variables u, v, r y δ, con r definida como:


d
r
dt
ψ
= (9)

Esta variable se obtiene por derivación numérica de
los datos de rumbo medidos con el girocompás. En la
figura 8a se representan los resultados obtenidos por
este procedimiento. Se puede observar que el proceso
de derivación numérica introduce mucho ruido en la
señal, lo cual dificulta el proceso de identificación,
ya que se pueden obtener modelos con varianza que
no reproducen el comportamiento del modelo físico.

Para eliminar el ruido se ha utilizado un “moving
average filter smooths” [6]. El resultado de este
proceso se representa en la figura 8b.

El registro de velocidad obtenido por el GPS también
presenta bastante ruido. Se ha utilizado un “moving
average filter smooths” y en la figura 9 se presenta la
señal resultante.

Los datos que se utilizan en el proceso de
identificación son los que corresponden al intervalo
de t =300s. a t =1400s. Se utilizan de t =300s a
t =800s para la identificación y los restantes para la
validación de resultados. En la Figura 9 se
representan estos datos; en trazo continuo para la
identificación y en trazo discontinuo para la
validación.

0 500 1000 1500 2000
-10
0
10
r
(
º
)
(a)
0 500 1000 1500 2000
-10
0
10
time(s)
r
(
º
)

(
s
m
o
o
t
h
e
d
)
(b)


Figura 8. Obtención del vector r por derivación
numérica.

Las ecuaciones lineales de movimiento de un barco,
en el plano horizontal [2], son las siguientes:

Mv Dv bδ + = & (10)


0 0
0
0
u
u g
g r z r
m X
r
M m Y mx X
mx Y I N
⎡ ⎤ −
⎢ ⎥
= −
⎢ ⎥
⎢ ⎥
− −
⎣ ⎦
&
&
& &

&
Y


(11)

(12)
0 0
0
0
u
v r
v r
X
D Y
N N
− ⎡ ⎤

= − −

⎢ ⎥ − −
⎣ ⎦

Este modelo está descrito por el movimiento en los
tres ejes: guiñada, cabeceo y balanceo, donde el
vector de salidas es υ =[u, υ, r]
T
y δ es la entrada
siendo υ una de las componentes de la velocidad
tangencial a la trayectoria vista en la Figura 2 y δ el
ángulo de giro de los turbojets.

Para la identificación se utiliza un modelo ARX, que
corresponde a un sistema SIMO, definido por:

A(z) y(t) =B(z) u(t) +e(t) (13)

donde,


1
( )
( ) , ( ) ( )
( )
ny
v t
y t u t t
r t
δ
×
⎡ ⎤
=
⎢ ⎥
⎣ ⎦
= (14)

0 500 1000 1500
-10
-5
0
5
10
r
(
º
/
s
)

0 500 1000 1500
-1
-0.5
0
0.5
1
v
(
m
/
s
)

0 500 1000 1500
-0.5
0
0.5

u
(
m
/
s
)
0 500 1000 1500
-50
0
50
tiempo(s)
T
u
r
b
o
j
e
t
s

a
n
g
l
e
(
º
)


Figura 9: Datos de u, ν, r y δ utilizados en la
identificación.


La matriz A(z) tiene como dimensiones ny*ny siendo
ny =2 y se puede representar como:


1
1
( ) ...
na
ny na
A z I A z A z

= + + +


(15)

La matriz B(z) tiene como dimensiones ny*nu siendo
ny =2 y nu =1:

(16)
1
0 1
( ) ...
nb
nb
B z B B z B z

= + + +

Según la tabla 2 a medida que se aumenta el número
de parámetros para la identificación del modelo
ARX, se obtienen modelos con un FPE
prácticamente el mismo por lo que se toma como
valido el modelo más sencillo ARX221. Además,
este modelo presenta unos residuos de
autocorrelación bastante aceptables Figura 10.

-20 -15 -10 -5 0 5 10 15 20
0
0,1051
-0.1051

Residuos de autocorrelación para la salida r
-20 -15 -10 -5 0 5 10 15 20
0.05
0.06
0.07
0.08
muestras
Residuos crosscorrelación para la entrada(Ángulo turbojets) y la salida r


-20 -15 -10 -5 0 5 10 15 20
-0.5
0,1051
-0,1051
0.5

Residuos de autocorrelación para la salida v
-20 -15 -10 -5 0 5 10 15 20
0
0.02
0.04
0.06
muestras
Residuos crosscorrelación para la entrada(Ángulo turbojets) y la salida u

Figura 10. Residuos de autocorrelación para el
modelo ARX221






Tabla 2: Diferentes estructuras de modelo ARX
multivariable

Modelo ARX (na,nb,nc) FPE*10
-11
(2,2,1)
(4,4,1)
(8,8,1)
1.31735
1.31735
1.31735

El modelo identificado ARX221 da como resultado
las siguientes matrices:


0 1
1 0 0 -1.869 -0.043 0.002
0 1 0 , 0.025 -1.948 -0.002 ,
0 0 1 0.040 0.221 -1.950
A A
⎡ ⎤ ⎡ ⎤
⎢ ⎥ ⎢
= =

⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥
⎣ ⎦ ⎣ ⎦
(17)


2 0
0.877 0.043 -0.002 0
-0.027 0.953 0.001 , 0
-0.037 -0.207 0.953 0
A B
⎡ ⎤ ⎡ ⎤
⎢ ⎥ ⎢
= =

⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥
⎣ ⎦ ⎣ ⎦
(18)


3 3
2 3
0.397 -0.387
-0.004 10 , -0.008 10
-0.586 0.475
B B
− −
⎡ ⎤ ⎡ ⎤
⎢ ⎥ ⎢ ⎥
= × = ×
⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥
⎣ ⎦ ⎣ ⎦
(19)


5 CONCLUSIONES

Se ha utilizado una plataforma de experimentación de
vehículos marinos para realizar pruebas de mar, con
el objeto de determinar características de gobierno y
maniobrabilidad de vehículos marinos. Con ello, se
muestran las posibilidades de la plataforma para la
experimentación de vehículos marinos con fines
educativos y de investigación.

Se han identificado modelos matemáticos de rumbo y
de velocidad de un fast-ferry con los datos adquiridos
con la plataforma de ensayos. Se realizaron diversas
curvas de evolución, en la Bahía de Santander, de las
que se eligieron las más adecuadas para realizar la
identificación.

Con estos ensayos se han obtenido mediante
identificación, modelos de rumbo y velocidad para el
fast-ferry.


Agradecimientos

Este artículo ha sido parcialmente financiado por el
MEC con el proyecto DPI2006-11835.






Referencias

[1] Aranda, J . Gonzalez de Santos, P. and De la
Cruz, J .M. (Ed.) (2006) Robotics and
Automation in the Maritime Industries, Chapter
12: Platform for remote experimentation of
autonomous high speed craft models with a
combined technology for wifi and internet
communications programmed in LabVIEW, pp
275-293. UCM, Madrid, Spain.

[2] Fossen, T. I. (1994) Guidance and Control of
Ocean Vehicles. J ohn Wiley & Sons, Inglaterra.

[3] KVH (1997), KVH Digital Gyro Stabilized
Sensor System Technical Manual.

[4] Ljung, L., (1999) System Identification Theory
for the User, Prentice Hall, New J ersey.

[5] Matlab, (2005) System Identification Toolbox
for Use with MATLAB, Users’s Guide, Version
6.

[6] Matlab, (2004) Curve Fitting Toolbox for use
with MATLAB, User’s Guide, Version 1.

[7] TIM (2004) TIM-LC, TIM-LF, TIM-LP System
Integration Manual. u-blox AG,.

[8] Velasco, F. J ., Rueda, T. M., Revestido, E.,
Esquibel, L. Á. (2006) Marine Vehicles Web-
Wifi Platform for Remote Experimentation
Programmed in LabVIEW, 'ACE 06' 7th IFAC
Symposium on Advances in Control Education.