Apresentação Do Trabalho de Conclusão

Controle Robusto de Trajetória de um Veículo
Aéreo Não Tripulável
Jessé de Oliveira Santana Alves
Orientador: Prof. Dr. Humberto Xavier de Araújo

Coorientador: Prof. Dr. Carlos Eduardo Viana Nunes
Salvador, 2022
Controle Robusto 2/52 Trabalho de Conclusão de Curso
Tópicos
1 Introdução
Veículo Aéreo Não Tripulável
Objetivo do Trabalho
2 Modelagem do AR.Drone 2.0
Conceitos Básicos de um Quadrirrotor
Modelo Cinemático
Modelo Dinâmico Não Linear
Modelo Dinâmico Simplificado
3 Controlador LQR
Controle por Realimentação de Estado
Controle LQR via LMI
Controle LQR com Alocação de Polos
Controle LQR Robusto
4 Resultados
Controlador LQR com Alocação
Primeiro Controlador LQR Robusto
Segundo Controlador LQR Robusto
5 Conclusão e Trabalhos Futuros
Jessé Alves (DEEC - UFBA)
VANT - Veículo Aéreo Não

Tripulável.
Drone - Palavra inglesa que significa
"zangão".
O primeiro VANT fabricado em 1916.
Aplicação bélica na guerra do Vietnã.
Vantagens no uso militar.
Maior capacidade de manobra.
Menor peso e custo.
Ausência de risco ao piloto.
Jessé Alves (DEEC - UFBA) Introdução Veículo Aéreo Não Tripulável

Introdução
Investimento dos Estados Unidos e

Israel em pesquisas pós Guerra do
Vietnã.
Predator - O VANT militar mais
famoso.
Projeto APATS - Aeronave de
Pesquisa Ambiental e Tecnologia de
Sensor.
Início de aplicações civis em 1990
pela NASA.
Realização de medições ambientais.

Introdução
Nas últimas três décadas os VANTs

exercem atividades como:
busca e salvamento,
agricultura e silvicultura,
combate a incêndios,
filmagem e fotografia,
entretenimento, entre outros.

Introdução
Seguimento automático de
trajetória:
o mapeamento de grandes
áreas,
medições ambientais,
seguimento de um veículo,
abertura das olimpíadas de
Tóquio 2020 com 1824 drones.

Conceitos básicos de um
quadrirrotor;
Análise e compreensão da
modelagem matemática;
Projeto de um controlador de
trajetória LQR robusto com alocação
de polos;
Análise do seguimento de
referência da saída do sistema;
Análise da robustez dos
controladores.
Jessé Alves (DEEC - UFBA) Introdução Objetivo do Trabalho

Tópicos
1 Introdução
Modelo Cinemático
3 Controlador LQR
4 Resultados
Jessé Alves (DEEC - UFBA) Modelagem do AR.Drone 2.0

Classificação quanto ao tipo de plataforma:
VANTs de asas fixas.
VANTs de asas rotativas, também conhecidos como Decolagem e

Pouso Vertical (DPV).
Neste trabalho, o VANT AR.Drone é um quadrirrotor do tipo asas

rotativas.
Jessé Alves (DEEC - UFBA) Modelagem do AR.Drone 2.0 Conceitos Básicos de um Quadrirrotor
Quatro motores simétricos a uma estrutura central.
Torque contrário no corpo da aeronave.
Nos VANTs quadricópteros, o sentido da rotação das hélices resolve

o balanço desses binários.
Movimento em qualquer direção do espaço.
Seis tipos de movimentos:

x - o deslocamento translacional no eixo x ,
y - o deslocamento translacional no eixo y ,
z - o deslocamento translacional no eixo z,
ϕ - a rolagem (roll)
θ - a arfagem (pitch)
ψ - a guinada (yaw)
Modelo Cinemático
No Modelo Cinemático são definidos:
ω1 , ω2 , ω3 e ω4 como as velocidades angulares de cada rotor,
f1 , f2 , f3 e f4 como as forças de propulsão de cada hélice,
F como a força de propulsão total,
f = [fx fy fz ]T como o vetor de forças que atuam sobre o veículo,
τ = [τx τy τz ]T como o vetor de torques que atuam sobre o
veículo.
Jessé Alves (DEEC - UFBA) Modelagem do AR.Drone 2.0 Modelo Cinemático

Modelo Cinemático
No Modelo Cinemático são definidos:

O referencial da terra < w >,
O referencial do drone < b >.
ξ = [x y z]T - Deslocamento para o referencial < w >.
η = [ϕ θ ψ]T - Ângulos para o referencial < w >.
Vb = [vx vy vz ]T - Vetor de velocidade linear para o referencial
< b >.
Ω = [p q w ]T - Vetor de velocidade angular para o referencial
< b >.
A relação entre os dois referenciais é dada por:
ξ˙ = RVb , η̇ = Wn−1 Ω. (1)

Modelo Cinemático
em que as matrizes R e Wn são dadas por:
c(ψ)c(θ) c(ψ)s(θ)s(ψ) − s(ψ)c(ϕ) c(ψ)s(θ)c(ψ) + s(ψ)s(ϕ)

" #
R = s(ψ)c(θ) s(ψ)s(θ)s(ψ) + c(ψ)c(ϕ) s(ψ)s(θ)c(ψ) − c(ψ)s(ϕ) ,
−s(θ) c(θ)s(ϕ) c(θ)c(ϕ)
(2)
 
1 0 −s(θ)
Wn = 0 c(ϕ) s(ϕ)c(θ)  , (3)
0 −s(ϕ) c(ϕ)c(θ)
e as letras c e s representam o cosseno e o seno do ângulo considerado.


Em (Brandão, 2013) o modelo dinâmico é dividido em baixo nível e alto
nível.
(
θd = uθ θmáx com uθ ∈ [−1; 1] e θmáx ∈ [0, 0; 0, 52]
(4)
ϕd = uϕ ϕmáx com uϕ ∈ [−1; 1] e ϕmáx ∈ [0, 0; 0, 52]
(
ψ̇d = uψ̇ ψ̇máx com uψ̇ ∈ [−1; 1] e ψ̇máx ∈ [0, 7; 6, 11]
(5)
żd = uż żmáx com uż ∈ [−1; 1] e żmáx ∈ [0, 2; 2, 0].
Jessé Alves (DEEC - UFBA) Modelagem do AR.Drone 2.0 Modelo Dinâmico Não Linear
Blocos do Modelo Dinâmico
Dinâmica de Corpo Rígido
A dinâmica do corpo rígido é obtida resolvendo a equação de Euler-

Lagrange:
Dinâmica Translacional: Dinâmica Rotacional:
1 ˙T ˙ 1 T
Lt = mξ ξ − mgz, (6) Lr = Ω IΩ, (8)
2 2

d ∂Lt ∂Lt
d ∂Lr

∂Lr
− =f, (7) − = τ. (9)
dt ∂ ξ˙ ∂ξ dt ∂ η̇ ∂η
em que m é a massa do VANT, g é a aceleração gravitacional e I é o
tensor de inércia.
A modelagem completa é extensa.

Potencializa erros.
Dificulta o projeto do controlador.
Alguns trabalhos como (Engel, Sturm e Cremers, 2014) apresentam

simplificações deste modelo dinâmico.
Para as variáveis x e y :

F
 m ≈ g,
 (
ẍ = g(senψsenϕ + cosψcosϕsenθ) − Cx ẋ ,
Fax = Cx ẋ , ⇒
 ÿ = g(−cosψsenϕ + senψcosϕsenθ) − Cy ẏ .
Fay = Cy ẏ ,

Jessé Alves (DEEC - UFBA) Modelagem do AR.Drone 2.0 Modelo Dinâmico Simplificado
As relações das outras variáveis com os respectivos sinais de controle são

aproximadas por equações segunda ordem, dadas por:
 K ż 1
ż máx

 z̈ = u ż − ż, (10)



 τż τż
 ϕ̈ = Kϕ ωϕ2 ϕmáx uϕ − 2ζϕ ωϕ ϕ̇ − ωϕ2 ϕ,

 (11)

 θ̈ = Kθ ωθ2 θmáx uθ − 2ζθ ωθ θ̇ − ωθ2 θ, (12)


 K ψ̇máx 1
 ψ̇
 ψ̈ = uψ̇ − ψ̇, (13)


τψ̇ τψ̇
em que, pode-se interpretar os parâmetros Kθ , Kϕ , Kψ̇ e Kż como ga-

nhos do processo, ωθ e ωϕ como frequências naturais, ζθ e ζϕ como coe-
ficientes de amortecimento e τψ̇ e τż como constantes de tempo.
Modelo Simplificado Não Linear
Portanto, o modelo simplificado não linear considerado neste trabalho é

dado por:
ẍ = g(senψsenϕ + cosψcosϕsenθ) − Cx ẋ , (14)




ÿ = g(−cosψsenϕ + senψcosϕsenθ) − C ẏ , (15)



 y

 K ż 1
ż máx

z̈ = uż − ż, (16)




 τż τż
 ϕ̈ = Kϕ ωϕ2 ϕmáx uϕ − 2ζϕ ωϕ ϕ̇ − ωϕ2 ϕ, (17)

2 2

θ̈ = Kθ ωθ θmáx uθ − 2ζθ ωθ θ̇ − ωθ θ, (18)





Kψ̇ ψ̇máx


 1
 ψ̈ =

 uψ̇ − ψ̇. (19)
τψ̇ τψ̇
Entretanto, as equações (14) e (15) permanecem não linear.

É necessário a linearização para o projeto do controlador LQR.
Modelo Simplificado Linear

Na linearização, pode-se aproximar:

 sen(ϕ) ≈ ϕ


 cos(ϕ) ≈ 1, 0
 sen(θ) ≈ θ


ψ ≈ 0, 0

Logo, o sistema simplificado linear é dado por:

ẍ = gθ − Cx ẋ , (20)



 ÿ = −gϕ − Cy ẏ , (21)




 K ż 1
ż máx

z̈ = u − ż, (22)

ż



 τż τż
 ϕ̈ = Kϕ ωϕ2 ϕmáx uϕ − 2ζϕ ωϕ ϕ̇ − ωϕ2 ϕ, (23)

 θ̈ = Kθ ωθ2 θmáx uθ − 2ζθ ωθ θ̇ − ωθ2 θ,

(24)





 K ψ̇máx 1
 ψ̇
 ψ̈ =

 uψ̇ − ψ̇. (25)
τψ̇ τψ̇
Os parâmetros do modelo nominal são dados por:
Tabela 1: Parâmetros Nominais do VANT AR.Drone 2.0.

( (
1, 0 se |uϕ | ≥ 0, 5 1, 0 se |uθ | ≥ 0, 5
Kϕ = Kθ =
2, 0 se |uϕ | < 0, 5 2, 0 se |uθ | < 0, 5
Kż = 1, 3 e Kψ̇ = 1, 0 m = 0, 380 [kg]
ϕmax = 0, 26 [rad] θmax = 0, 26 [rad]
żmax = 1, 0 [m/s] ψ̇max = 1, 74 [rad/s]
ωϕ = 4, 47 [Hz] ωθ = 4, 47 [Hz]
ζϕ = 0, 5 ζθ = 0, 5
τż = 0, 4 [s] τψ̇ = 0, 3 [s]
Cx = 0, 3 [1/s] Cy = 0, 1 [1/s]
Estes parâmetros podem variar a depender do ambiente que o

VANT esteja voando.

A linearização permite o projeto de quatro controladores, um para cada
subsistema.
Subsistema (θ,x ):

ẍ = gθ − Cx ẋ ,
(26)
θ̈ = Kθ ωθ2 θmáx uθ − 2ζθ ωθ θ̇ − ωθ2 θ,
Subsistema (ϕ,y ):

ÿ = −gϕ − Cy ẏ ,
2ϕ 2 (27)
ϕ̈ = Kϕ ωϕ máx uϕ − 2ζϕ ωϕ ϕ̇ − ωϕ ϕ,
Subsistema (z):
n
Kż żmáx 1
z̈ = τż
uż − τż
ż (28)
Subsistema (ψ):
n K
ψ̇ ψ̇máx 1
ψ̈ = τψ̇
uψ̇ − τψ̇
ψ̇. (29)
Tópicos
1 Introdução
Modelo Cinemático
3 Controlador LQR
4 Resultados
Jessé Alves (DEEC - UFBA) Controlador LQR

O controle por realimentação de estado com ação integral é dado por:
Jessé Alves (DEEC - UFBA) Controlador LQR Controle por Realimentação de Estado
Os ganhos K e Ki são determinados resolvendo o seguinte problema con-

vexo de otimização:
min γ, (30)
W1 ≻0,W2
sujeito a
x (0)T

γI
≻ 0, (31)
x (0) W1
1 1
Aa W1 + W1 AT T T
W2T R 2

a + Ba W2 + W2 Ba W1 Q 2
1
 Q 2 W1 −I 0  ≺ 0, (32)
1
R 2 W2 0 −I
em que W1 ≻ 0, W1 ∈ Rn×n , W2 ∈ Rm×n e γ ≻ 0. Na solução, o ganho
Ka é dado por:
Ka = W2 W1−1 , (33)
Jessé Alves (DEEC - UFBA) Controlador LQR Controle LQR via LMI

Faixa Vertical: Setor Cônico:
(
W1 ≻ 0,
Faixa : AW1 + W1 AT + BW2 + W2T B T + 2αW1 ≺ 0,
−AW1 − W1 AT − BW2 − W2T B T − 2βW1 ≺ 0.
sen(θ)[AW1 + W1 AT + BW2 + W2T B T ] cos(θ)[AW1 − W1 AT + BW2 + W2T B T ]

nh i
Setor : ≺ 0.
cos(θ)[−AW1 + W1 AT − BW2 + W2T B T ] sen(θ)[AW1 + W1 AT + BW2 + W2T B T ]
Jessé Alves (DEEC - UFBA) Controlador LQR Controle LQR com Alocação de Polos

Seja o sistema linear em tempo contínuo sujeito a incertezas paramétricas politópicas:

ẋ (t) = Ax (t) + Bu(t)
Sc : , (34)
y (t) = Cx (t) + Du(t)
em que x ∈ Rn , y ∈ Rq , u ∈ Rm , u(t) = Kx (t), A ∈ DA e B ∈ DB . DA e DB são

conjuntos dados por:
N N
X X
n×n N
DA = A ∈ R : A = αi Ai , α ∈ ΛN , com ΛN = α ∈ R : αi = 1, αi ≥ 0, i = 1, 2, ..., N ,
i=1 i=1
M M
X X
n×m M
DB = B ∈ R : B = βj Bj , β ∈ ΛM , com ΛM = β ∈ R : βj = 1, βj ≥ 0, j = 1, 2, ..., M .
j=1 j=1
O sistema incerto Sc é assintoticamente estável em malha fechada por realimentação

de estado se
Ai W1 + W1 AT T T
i + Bj W2 + W2 Bj ≺ 0, ∀i = 1, 2, ..., N, e ∀j = 1, 2, ..., M, (35)
e o ganho robusto é dado por
K = W2 W1−1 .
Jessé Alves (DEEC - UFBA) Controlador LQR Controle LQR Robusto
O controlador LQR robusto é dado pela resolução do seguinte problema

de otimização:
min γ, (36)
W1 ≻0,W2
sujeito a
x (0)T

γI
≻ 0, (37)
x (0) W1
1 1
Ai W1 + W1 AT T T
W2T R 2

i + Bj W2 + W2 Bj W1 Q 2
1
 Q 2 W1 −I 0  ≺ 0, (38)
1
R 2 W2 0 −I
∀i = 1, 2, ..., N e ∀j = 1, 2, ..., M. O ganho que estabiliza o sistema

incerto é determinado por
K = W2 W1−1 . (39)
Jessé Alves (DEEC - UFBA) Controlador LQR Controle LQR Robusto

Tópicos
1 Introdução
Modelo Cinemático
3 Controlador LQR
4 Resultados
Jessé Alves (DEEC - UFBA) Resultados
Três Controladores Projetados
1 Controlador LQR com Alocação de Polos.
2 Primeiro Controlador LQR robusto com Alocação de

Polos.
Considerando as seguintes incertezas nos parâmetros
τż , τψ̇ , Cx e Cy .
3 Segundo Controlador LQR robusto com Alocação de

Polos.
Modificando as incertezas nos parâmetros τż , τψ̇ , Cx e
Cy .

Trajetórias de Referência
Trajetória Circular: Trajetória em formato de Oito:


Subsistema (θ,x ): Subsistema (z):
  
 1 0 0 0 0

0 1 0 0 0 

    
1 0 0

 
 
Q = 0 0 1 0 0 

   


   
 Q = 0 1 0 
0 0 0 1 0 

 

0 0 120

 

 


 0 0 0 0 1000 



 

 
 R = 1,
 

R = 3,


α = 0, 0, β = 3, θ = 43◦ ,

 

 
α = 0, 05, β = 22, θ = 85◦ ,

 


 


 

K = [−4, 74 − 1, 24],

 

 
K = [−10, 46 − 1, 26 − 14, 81 − 5, 46],

 


 


 

Ki = 4, 41.

 

Ki = 18, 81,
Jessé Alves (DEEC - UFBA) Resultados Controlador LQR com Alocação


Subsistema (ϕ,y ): Subsistema (ψ):
  
 1 0 0 0 0

0 1 0 0 0 

    
1 0 0

 
 
Q = 0 0 1 0 0 

   


   
 Q = 0 1 0 
0 0 0 1 0 

 

0 0 0, 01

 

 


 0 0 0 0 240 



 

 
 R = 24, 5,
 

R = 0, 1,


α = 0, 4 β = 4, 0, θ = 60◦ ,

 

 
α = 0, 05, β = 22, θ = 85◦ ,

 


 


 

K = [−0, 65 − 0, 20],

 

 
K = [−29, 65 − 3, 12 34, 78 − 13, 76],

 


 


 

Ki = 0, 25.

 

Ki = −42, 09,



Seguimento de Trajetória
Trajetória Circular:


Seguimento de Trajetória
Trajetória em formato de Oito:


Considerando as incertezas nos parâmetros:
( (
τż ∈ [0, 4; 0, 45] [s], Cx ∈ [0, 3; 0, 9] [1/s],
(40)
τψ̇ ∈ [0, 3; 0, 4] [s], Cy ∈ [0, 1; 0, 5] [1/s].

  
 1 0 0 0 0
 0 1 0 0 0 

   
1 0 0

  
 
Q = 0 0 1 0 0 
   

Q = 0 1 0 

 
   

 0 0 0 1 0 


 

 0 0 120
0 0 0 0 1000
 R = 1,
 R = 3,
α = 0, 0, β = 3, θ = 43◦ ,

 

 
α = 0, 05, β = 22, θ = 85◦ ,

 

K = [−4, 23 − 1, 14],

 


K = [−11, 59 − 1, 37 − 17, 44 − 5, 99],

 

Ki = 3, 65.



Ki = 22, 07,
Jessé Alves (DEEC - UFBA) Resultados Primeiro Controlador LQR Robusto


  
 1 0 0 0 0

0 1 0 0 0 

    
1 0 0

 
 
Q = 0 0 1 0 0 

   


   
 Q = 0 1 0 
0 0 0 1 0 

 

0 0 0, 01

 

 


 0 0 0 0 240 



 

 
 R = 24, 5,
 

R = 0, 1,


α = 0, 4 β = 4, 0, θ = 60◦ ,

 

 
α = 0, 05, β = 22, θ = 85◦ ,

 


 


 

K = [−0, 85 − 0, 31],

 

 
K = [−30, 44 − 3, 14 36, 38 − 13, 89],

 


 


 

Ki = 0, 31.

 

Ki = −43, 58,


Trajetória Circular:

Trajetória em formato de Oito:


Modificando o intervalo das incertezas:
( (
τż ∈ [0, 4; 0, 8] [s], Cx ∈ [0, 3; 1, 0] [1/s],
(41)
τψ̇ ∈ [0, 3; 0, 4] [s], Cy ∈ [0, 1; 3, 0] [1/s].

 
 K = [−11, 81 − 1, 39 − 17, 94 − 6, 10],  K = [−1, 15 − 0, 50],
 
Ki = 22, 71, Ki = 0, 24.

 
 K = [−34, 18 − 3, 25 48, 14 14, 97],  K = [−0, 85 − 0, 31],
 
Ki = −54, 80, Ki = 0, 31.
Jessé Alves (DEEC - UFBA) Resultados Segundo Controlador LQR Robusto
Simulação com controlador robusto:

Controlador LQR SEM Robustez
Simulação com controlador sem robustez:

Tópicos
1 Introdução
Modelo Cinemático
3 Controlador LQR
4 Resultados
Jessé Alves (DEEC - UFBA) Conclusão e Trabalhos Futuros
Conclusão
O modelo simplificado e o AR.Drone promovem acessibilidade ao

estudo de sistemas de controle.
O modelo simplificado possui uma boa aproximação do modelo não
linear.
A utilização do LQR via LMI.
O controlador LQR garantiu estabilidade e desempenho sem
saturação dos sinais de controle.
A alocação de polos limitou o máximo sobressinal e diminuiu o
tempo de acomodação.
O LQR sem robustez apresentou bons resultados para algumas
combinações.
O controlador LQR robusto garante a estabilidade e o desempenho
na preseça das incertezas paramétricas.

Trabalhos Futuros
Desenvolvimento e comparação com outras técnicas de controle.
Estudo de outros modelos de VANTs.
Utilização de simuladores robóticos e experimentos práticos.

Referências I
Adenilson Giovanini (s.d.). Drone para topografia: 3 ótimos. Disponível em: https://adenilsongiovanini.
com.br/blog/drone-para-topografia-3-otimos/, year="2022".
Agroplanning (s.d.). Governo de São Paulo e entidades se unem para criar políticas para o uso de
drones na agricultura. Disponível em: https://www.agroplanning.com.br/2020/07/20/
governo-de-sao-paulo-e-entidades-se-unem-para-criar-politicas-para-o-uso-de-
drones-na-agricultura/, year="2020".
Brandão, Alexandre Santos (2013). “PROJETO DE CONTROLADORES NÃO LINEARES PARA
VOO AUTÔNOMO DE VEICULOS AEREOS DE PAS ROTATIVAS”. Em: Universidade
Federal do Espírito Santo.
Castillo, Pedro, Alejandro Dzul e Rogelio Lozano (2004). “Real-time stabilization and tracking of
a four-rotor mini rotorcraft”. Em: IEEE Transactions on control systems technology 12.4.
Costa, Danilo Andrade (2018). “Modelagem e Controle de um Veículo Aéreo Não Tripulado”. Em:
pp. 39–53.
De Araújo, Humberto Xavier (2020). FUNDAMENTOS DE CONTROLE ÓTIMO, ROBUSTO E
PREDITIVO. NOTAS DE AULA.
Diário do Nordeste (s.d.). Globo formado por drones impressiona na abertura das Olimpíadas.
Disponível em: https : / / diariodonordeste . verdesmares . com . br / ultima - hora /
tecnologia/abertura- das- olimpiadas- teve- desenho- em- 3d- de- mais- de- 18- mil-
drones-1.3113583, year="2021".
Engel, Jakob, Jürgen Sturm e Daniel Cremers (2014). “Scale-aware navigation of a low-cost
quadrocopter with a monocular camera”. Em: Robotics and Autonomous Systems 62.11,
pp. 1646–1656.
Franklin, Gene F, J David Powell e Abbas Emami-Naeini (2013). Sistemas de controle para enge-
nharia. Bookman Editora.

Referências II
GARCIA P.C.; LOZANO, R.; DZUL A.E. (2006). Modelling and Control of Mini-Flying Machines.
Springer Science & Business Media, pp. 2–3.
Nonami, Kenzo et al. (2010). Autonomous flying robots: unmanned aerial vehicles and micro
aerial vehicles. Springer Science & Business Media, pp. 7–12.
Raffo, Guilherme V, Manuel G Ortega e Francisco R Rubio (2010). “An integral predictive/nonlinear
H control structure for a quadrotor helicopter”. Em: Automatica 46.1.
Resgate Aeromédico (s.d.). Suíça avança no aprimoramento tecnológico de drones para operações
de busca e resgate. Disponível em: https : / / www . resgateaeromedico . com . br / suica -
avanca- no- aprimoramento- tecnologico- de- drones- para- operacoes- de- busca- e-
resgate/, year="2020".
Santana, Lucas Vago (2016). “Sistemas de Navegação e Controle para Veículos Aéreos Não Tripu-
lados e Suas Aplicações”. Em: pp. 18–56.
Stephane Piskorski Nicolas Brulez, Pierre Eline Frederic D’Haeyer (2012). “AR.Drone Developer
Guide”. Em: exemplo SDK Version 2.0.
VUELAS SEGURO (2021). Control de vuelo. Disponível em: https://www.vuelaseguro.cl/
conceptos-para-entender/. Acesso em: 17 de outubro de 2021.
WIKILIVROS (2021). Coordenadas 3D. Disponível em: https : / / pt . wikibooks . org / wiki /
Tornando- se_profissional_em_Blender_3D/Pensando_em_3D. Acesso em: 17 de outubro
de 2021.

Obrigado!

Apresentação Do Trabalho de Conclusão

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Apresentação Do Trabalho de Conclusão

Enviado por

Direitos autorais:

Formatos disponíveis

Controle Robusto de Trajetória de um Veículo

Aéreo Não Tripulável

Jessé de Oliveira Santana Alves

Orientador: Prof. Dr. Humberto Xavier de Araújo

Veículo Aéreo Não Tripulável

VANT - Veículo Aéreo Não

Jessé Alves (DEEC - UFBA) Introdução Veículo Aéreo Não Tripulável

Investimento dos Estados Unidos e

Jessé Alves (DEEC - UFBA) Introdução Veículo Aéreo Não Tripulável

Nas últimas três décadas os VANTs

Jessé Alves (DEEC - UFBA) Introdução Veículo Aéreo Não Tripulável

Jessé Alves (DEEC - UFBA) Introdução Veículo Aéreo Não Tripulável

Jessé Alves (DEEC - UFBA) Introdução Objetivo do Trabalho

Conceitos Básicos de um Quadrirrotor

VANTs de asas fixas.

VANTs de asas rotativas, também conhecidos como Decolagem e

Neste trabalho, o VANT AR.Drone é um quadrirrotor do tipo asas

Conceitos Básicos de um Quadrirrotor

Quatro motores simétricos a uma estrutura central.

Torque contrário no corpo da aeronave.

Nos VANTs quadricópteros, o sentido da rotação das hélices resolve

Conceitos Básicos de um Quadrirrotor

Movimento em qualquer direção do espaço.

Conceitos Básicos de um Quadrirrotor

Seis tipos de movimentos:

Jessé Alves (DEEC - UFBA) Modelagem do AR.Drone 2.0 Modelo Cinemático

No Modelo Cinemático são definidos:

A relação entre os dois referenciais é dada por:

ξ˙ = RVb , η̇ = Wn−1 Ω. (1)

Jessé Alves (DEEC - UFBA) Modelagem do AR.Drone 2.0 Modelo Cinemático

em que as matrizes R e Wn são dadas por:

c(ψ)c(θ) c(ψ)s(θ)s(ψ) − s(ψ)c(ϕ) c(ψ)s(θ)c(ψ) + s(ψ)s(ϕ)

e as letras c e s representam o cosseno e o seno do ângulo considerado.

Jessé Alves (DEEC - UFBA) Modelagem do AR.Drone 2.0 Modelo Cinemático

Modelo Dinâmico Não Linear

Blocos do Modelo Dinâmico

Dinâmica de Corpo Rígido

A dinâmica do corpo rígido é obtida resolvendo a equação de Euler-

Modelo Dinâmico Simplificado

A modelagem completa é extensa.

Alguns trabalhos como (Engel, Sturm e Cremers, 2014) apresentam

Modelo Dinâmico Simplificado

As relações das outras variáveis com os respectivos sinais de controle são

em que, pode-se interpretar os parâmetros Kθ , Kϕ , Kψ̇ e Kż como ga-

Modelo Simplificado Não Linear

Portanto, o modelo simplificado não linear considerado neste trabalho é

ẍ = g(senψsenϕ + cosψcosϕsenθ) − Cx ẋ , (14)

Entretanto, as equações (14) e (15) permanecem não linear.

Modelo Simplificado Linear

Logo, o sistema simplificado linear é dado por:

Modelo Simplificado Linear

Os parâmetros do modelo nominal são dados por:

Tabela 1: Parâmetros Nominais do VANT AR.Drone 2.0.

Estes parâmetros podem variar a depender do ambiente que o

Modelo Simplificado Linear

Controle por Realimentação de Estado

Controle LQR via LMI

Os ganhos K e Ki são determinados resolvendo o seguinte problema con-

Controle LQR com Alocação de Polos

sen(θ)[AW1 + W1 AT + BW2 + W2T B T ] cos(θ)[AW1 − W1 AT + BW2 + W2T B T ]

Controle LQR Robusto

em que x ∈ Rn , y ∈ Rq , u ∈ Rm , u(t) = Kx (t), A ∈ DA e B ∈ DB . DA e DB são