Controle adaptativo de estruturas flexíveis.

• Ano de defesa: 2003
• Autor(a) principal: Vitor Irigon Gervini
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Instituto Tecnológico de Aeronáutica
• Palavras-chave em Português: Controle adaptativo; Corpos flexíveis; Análise estrutural; Modelagem (processos); Redes neurais; Robôs; Não-linearidade; Estabilidade de sistemas; Controle
• Link de acesso: http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=41

Este trabalho objetiva a modelagem tipo concentrada para uma estrutura com um elo flexível, bem como o controle desta estrutura. Esta modelagem exibe um significado físico mais claro e é relevante por dois motivos principais: simplicidade e eficiência. Uma estratégia de controle tipo LQG é implementada, sendo apresentados resultados de simulação e experimentais, empregando o robô flexível ITA-IEMP do Departamento de Engenharia Mecânica-Aeronáutica, havendo boa concordância entre eles. Posteriormente é estudado o rastreamento de trajetórias e identificação adaptativa das não-linearidades de robôs com um elo flexível. O desenvolvimento de leis de controle ativas para robôs flexíveis constitui um problema em aberto: a principal dificuldade reside nas severas não-linearidades presentes nos atuadores robóticos e nas próprias estruturas flexíveis. é proposto neste trabalho um controlador neural para o rastreamento de sinal de um robô com um elo flexível. Por meio de uma análise do tipo Lyapunov-Like, as condições suficientes para a estabilidade do sistema de controle são determinadas. Adicionalmente, são estabelecidos limitantes para os erros de rastreamento e de identificação. O desempenho da estratégia de controle é avaliado e comparado com uma estratégia LQG via simulações, as quais foram efetuadas com o modelo não-linear obtido utilizando-se a abordagem de modelagem tipo discreta. Termos adicionais de atritos não-lineares foram incluídos na dinâmica de simulação para ilustrar a habilidade do controlador neural em compensar dinâmicas não-lineares não modeladas. Conclui-se que o desempenho da estratégia proposta é bem superior ao exibido pelo controlador LQG.