UNIVERSIDADE FEDERAL DO PARÁ

INSTITUTO DE TECNOLOGIA
FACULDADE DE ENGENHARIAS ELÉTRICA E BIOMÉDICA
SISTEMAS DE CONTROLE II

BÁRBARA BARROS PENTEADO 202207140078.

PABLO HENRIQUE LISBOA CALDAS 201807140076.

KALIL BRITO SOUZA DE ALMEIDA 201807140020

PROJETO E IMPLEMENTAÇÃO DE CONTROLE PID DIGITAL ROBUSTO PARA

UM PILOTO AUTOMÁTICO DE UM DRONE

BELÉM/PA

2023
 SUMÁRIO

1. INTRUDUÇÃO 3
1.1 Contextualização do Tema
1.2 Objetivos
2. CONTROLADOR PROPORCIONAL INTEGRAL DERIVATIVO (PID) 2
2.1. Ação Proporcional 3
2.2 . Ação Proporcional Integral (PI)
2.3. Ação Proporcional Derivativa (PD)
2.4. Ação Proporcional Integrativa Derivativa (PID)
3. ANÁLISE DE ESTABILIDADE
4. METODOLOGIA
5. PROJETO
6. CONCLUSÃO
 1. INTRODUÇÃO

Os drones têm se tornado cada vez mais presentes em diversas aplicações,

desde o entretenimento até o uso comercial e militar. Com o avanço da tecnologia, o
desenvolvimento de pilotos automáticos eficientes e confiáveis tem sido uma área de
grande interesse para melhorar o desempenho e a estabilidade dessas aeronaves
não tripuladas. Para garantir que os drones voem com estabilidade e precisão, é
essencial utilizar técnicas de controle adequadas. Um dos métodos mais comumente
empregados é o controle PID.

O controle PID (Proporcional, Integral e Derivativo) é uma técnica de

controle clássica amplamente utilizada na engenharia e automação. Ela é baseada
no princípio de que um sistema pode ser controlado de maneira eficiente ajustando-
se três componentes principais: a ação proporcional, a ação integral e a ação
derivativa.

O componente proporcional é responsável por produzir uma saída

proporcional ao erro entre o valor desejado e o valor atual do sistema. Esse termo
age para reduzir o erro atual de forma proporcional à diferença entre o estado atual
e o estado desejado. No caso dos drones, o componente proporcional pode ser
usado para corrigir erros de posição e ângulo, mantendo-os alinhados com os
valores desejados.

O componente integral leva em consideração o acúmulo de erros ao longo

do tempo. Ele adiciona uma correção proporcional ao erro acumulado, o que ajuda a
eliminar erros persistentes devido a desequilíbrios ou imperfeições no sistema. No
contexto dos drones, a ação integral pode ser usada para corrigir desvios constantes
na altitude ou na velocidade, por exemplo.

O componente derivativo é usado para prever a taxa de variação do erro. Ele

age como um amortecedor para reduzir as oscilações excessivas ou a resposta
abrupta do sistema. Para drones, isso pode ser particularmente útil para suavizar as
mudanças rápidas de velocidade ou atenuar as vibrações indesejadas.
 Ao combinar esses três componentes, o controle PID ajusta continuamente
as saídas, isto é, os parâmetros do PID são ajustados automaticamente de acordo
com as condições do ambiente e as respostas do drone, dando então robusteza
para o sistema

O uso de controle PID robusto em drones é especialmente relevante em

aplicações que envolvem condições desafiadoras, como operações de busca e
resgate, mapeamento em ambientes complexos ou voo em áreas com ventos fortes.
Essa abordagem permite que os drones mantenham um controle preciso e estável,
mesmo em situações que normalmente seriam difíceis de lidar com um controle
convencional.

1. OBJETIVO
2. METODOLOGIA

Falar que foi usado matlab

O primeiro passo foi a obtenção de dados e usar o MQ pra obter o modelo estimado
da planta. A partir do modelo estimado da planta, fazer uma aproximação pra uma
resposta clássica. Após, definir o controlador PID e definir o método de sintonia. O
método de sintonia foi de Zieger-Nichol. Com os ganhos definidos no controle,
partiu-se para discretizar o controlador pelo método de Backwards. Assim,
encontrando s0, s1 e s2 – os fatores que irão ponderar o sinal de controle digiital.
Depois disso, foi criado um loop de controle onde submeteu o sistema a
perturbações do tipo ruído-sensor e perturbação de carga na saída. Por fim, os
resultados foram obtidos e serão discutidos.

3. PROJETO

3.1 Problema de estimação

O algoritmo escolhido foi o método de mínimos quadrados e dentre toda o rol de

dados nós escolhemos de maneira empírica uma área com comportamento mais
linear e, mais adiante, com as outras partes do projeto completa, foi possível mudar
os dados para sintonia do controlador ficar mais refinada.

Vale ressaltar que a escolha da seção de dados para o MQ foi mais fácil para a
velocidade longitudinal. O primeiro escolhido, a velocidade longitudinal, no entanto,
apresentou um resultado satisfatório. Para os outros resultados, precisamos tentar
várias vezes até encontrar um conjunto de dados satisfatório. A mesma seção de
dados da velocidade lateral, felizmente, foi eficaz para o controle de altitude.
Figura 1 - Comparação entre saída e entrada laitudinal

Figura 2 - Comparação entre saída e entrada da altitude

 Figura 3 - Comparação entre saída e entrada latitudinal

3.2 Análise dos sistemas em malha aberta

O sistema de velocidade longitudinal e velocidade lateral mostraram-se

estáveis apesar do erro de regime permanente sem a presença no atraso e um
controle mais simples como o proporcional poderia resolver o problema. Porém, sob
a influência do atraso, as plantas mostraram-se instáveis. Logo, necessitando de
técnicas de controle mais robustas. Já o controle de altitude se mostrou instável em
todos os cenários, sendo uma planta que apresenta desafio maior.
 Figura 4 - Resposta em malha aberta para a longitudinal

Figura 5 - Resposta em malha aberta para velocidade latitudinal

 Figura 6 - Resposta em malha aberta da velocidade longitudinal

3.3 Método de sintonia dos controladores

Nessa etapa do projeto, foi perceptível que a função de transferência estimada era
de ordem 1 no numerador e ordem 2 no denominador. Como a estratégia de sintonia
dos controladores utilizada foi o Ziegler-Nichols, precisamos encontrar parâmetros
de uma resposta clássica. Para tanto, foi feita uma aproximação da planta para uma
resposta clássica de segunda ordem do tipo:
[Colocar equação de segunda ordem]
Com a tf aproximada definida e parâmetros encontrados, estimulamos um chute
inicial para a constante de tempo de malha fechada e, então, calculamos os ganhos
ki, kp e kd.
Com valores definidos, utilizamos a tf do controlador e fizemos uma aproximação
backwards para discretizar o controlador. Assim, pudemos encontrar os valores s0,
s1 e s2 – que ponderam a lei de controle discretizada.
Vale ressaltar que algumas mudanças foram feitas após gerar os gráficos iniciais
para que pudéssemos obter melhores resultados, alteramos a constante de tempo
de malha fechada e modificamos a escolha de região do MQ.
A constante de tempo poderia ser menor e ainda sim teríamos um resultado estável.
No entanto, escolhemos uma constante de tempo maior para que a ultrapassagem
percentual não fosse acima de 15%.
3.4 Teste de carga
No teste de carga, escolhemos adicionar um ruído-sensor para simular falhas de
leitura, pequenas correntes de ar e outras perturbações eventuais que o drone pode
sofrer. Além disso, foi adicionado uma perturbação de carga de 10% para
representar perturbações mais fortes, como uma leve batida, uma rajada de ar mais
forte etc. supondo que uma perturbação de 10% para testar se o projeto de controle
possa superar tais excitações.
Para isso, adicionamos um degrau de intensidade de 0.1 na saída do sistema para
desequilibrar o mesmo e na expectativa de que o controlador reduza o erro de
regime permanente a zero.

4. RESULTADOS

4.1 Resposta em malha fechada

 Discutir o tempo de assentamento em cada um dos casos

 Discutir a ultrapassagem percentual em cada um dos casos
 Colocar os gráficos do teste de carga

Todos conseguiram superar o teste de carga sem demonstrar muitos problemas em

relação ao ruído-sensor. No entanto, as variações do ruído podem causar problemas
nos circuitos elétricos do drone e desgaste dos componentes. Uma alternativa para
sanar esse problema seria a implementação de um filtro passa-baixa na parcela
derivativa para diminuir a influência do ruído.

 Colocar os sinais de controle e discutir

Todos os pré-requisitos foram atendidos e o sinal de controle não chegou perto do

máximo de +1 e -1 e adicionamos no loop de controle um dispositivo para saturar o
sinal de controle quando passar desses valores. O único a ultrapassar foi o de
altitude na primeira tentativa, mas em sequência o algoritmo estabilizou o sinal.

4.2 Análise de robustez

 Colocar os diagramas de bode de ramo direto e discutir margem de ganho e

margem de fase (procurar literatura)

5. CONCLUSÃO