Els sistemes automatitzats que requereixen d’un control d’estabilitat o moviment es poden trobar cada cop en més àmbits. Aplicacions UAV o de posicionament global són les més comunes per aquest tipus de sistemes, degut a que necessiten d’un control de moviment molt precís. Per a dur a terme aquest procés s’utilitzen unitats de mesura inercial, que mitjançant acceleròmetres i giroscopis degudament posicionats, a més a més d’una correcció del possible error que puguin introduir aquests últims, proporcionen una acceleració i una velocitat angular de les quals es pot extreure el camí efectuat per aquestes unitats. La IMU, combinada amb un GPS i mitjançant un filtre de Kalman, proporcionen una major exactitud , a més d’un punt de partida (proporcionat per el GPS), un recorregut representable en un mapa y, en el cas de perdre la senyal GPS, poder seguir adquirint dades de la IMU. Aquestes dades poden ser recollides i processades per una FPGA, que a la vegada podem sincronitzar amb una PDA per a que l’usuari pugui veure representat el moviment del sistema. Aquest treball es centra en el funcionament de la IMU i l’adquisició de dades amb la FPGA. També introdueix el filtre de Kalman per a la correcció de l’error dels sensors.

Los sistemas automatizados que requieren de un control de estabilidad o movimiento se encuentran cada vez en más ámbitos. Aplicaciones UAV o de posicionamiento global son las más comunes para este tipo de sistemas, ya que necesitan de un control de movimiento muy preciso. Para ello utilizan unidades de medida inercial, las cuáles, mediante unos acelerómetros y unos giróscopos debidamente posicionados y una corrección del posible error que pueda haber en éstos, proporcionan una aceleración y velocidad angular de las que puedes extraer el recorrido sufrido por dichas unidades. La IMU, en combinación con un GPS y mediante un filtro de Kalman, proporcionan una exactitud mayor, además de tener un punto de partida (proporcionado por el GPS), un recorrido representable en un mapa y, en caso de perder la señal GPS, seguir adquiriendo datos de la IMU. Estos datos pueden ser recogidos y procesados por una FPGA, la cual se puede sincronizar con una PDA para que el usuario pueda ver representado el movimiento del sistema. Este trabajo estudia el funcionamiento de la IMU y la adquisición de datos de ésta con la FPGA. También introduce el filtro de Kalman para la corrección del error de los sensores.

The automated systems that need a control of stability or motion control are increasingly in more areas. UAV or global positioning applications are the most common for these systems because they need a very precise motion control. They use inertial measurement units, which, with accelerometers and gyroscopes properly positioned and correction of possible errors that may appear in them, provide an acceleration and angular velocity that you can extract the movement suffered by these units. The IMU, in combination with GPS and through a Kalman filter, provide greater accuracy, in addition to a starting point (provided by GPS), a representable route map and if you lose the GPS signal, the system continues acquiring data of IMU. These data can be processed by an FPGA, which can synchronize with a PDA. In this way, the user can see the motion of the system represented in a map. This works study the functionality of the IMU and the data acquisition with the FPGA. It also introduces the Kalman filter to correct the error of the sensors.