Controle robusto e inteligente de quadricópteros sujeitos a distúrbios de vento

• Ano de defesa: 2021
• Autor(a) principal: Simplício, Paulo Victor Galvão
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Controle robusto; Disturbance estimation; Estimativa de Distúrbios; Neural networks; Quadricóptero; Quadrotor; Rastreamento de trajetória; Redes neurais; Robust control; Trajectory tracking
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/18/18153/tde-19012022-092722/

O desenvolvimento de sistemas de controle aplicados a quadricópteros que atuam em ambientes hostis é um desafio complexo. Isto porque, para obter um bom desempenho de voo autônomo com robustez, deve-se projetar um sistema de controle que considere não só distúrbios externos como também outros fatores que possam depreciar a qualidade de voo. Recentemente, uma das técnicas mais utilizadas é o controle inteligente composto por redes neurais artificiais (RNAs). Neste caso, as redes são combinadas com controladores, formando uma arquitetura capaz de se adaptar ao ambiente de operação e, consequentemente, reduzir o erro de seguimento de trajetória. Diante disso, este trabalho tem o objetivo de desenvolver arquiteturas inteligentes para controle de posição de quadricópteros, melhorando o desempenho de voo durante o rastreamento de trajetória. As arquiteturas propostas combinam um regulador linear quadrático robusto (RLQR) com redes neurais profundas. Além disso, o desempenho das arquiteturas propostas é avaliado através de um estudo comparativo, utilizando outros três controladores presentes na literatura: regulador linear quadrático (LQR), proporcional-integral-derivativo (PID) e linearização por realimentação (LR). As arquiteturas foram desenvolvidas utilizando a plataforma robot operating system (ROS) e os experimentos foram realizados primeiramente em um ambiente simulado e, em seguida, utilizando um quadricóptero comercial, o ParrotTM Bebop 2.0. Para ambos os casos, foram realizados dois conjuntos de experimentos, com e sem a aplicação de distúrbio de vento na aeronave. Os resultados mostraram que a utilização de redes neurais combinadas com controladores, robustos ou não, melhoram o desempenho de voo de quadricópteros. Isto foi visualizado tanto para condições normais de voo quanto para voos em que o quadricóptero foi submetido à influência de distúrbios de vento.