IEEE LATIN AMERICA TRANSACTIONS, VOL. 14, NO.
8, AUGUST 2021
Controle de um Pêndulo Furuta por alocação de
polos e regulador quadrático linear (LQR)
Luiz Eduardo Pivovar, Uiliam Nelson L. T. Alves, Ricardo Breganon, Marcio Mendonça, João Paulo Lima
Silva de Almeida, Rodrigo Henrique Cunha Palácios.
Abstract—O Pêndulo Invertido Rotacional, também conhecido
como Pêndulo Furuta, é um sistema mecânico caracterizado por
uma dinâmica altamente não linear, com ponto de operação
instável. Tais características o assemelham a problemas de grande
relevância para a indústria e para a sociedade, como a estabi-
lização de robôs bípedes e veículos de transportes individuais, o
controle de lançamentos de foguetes e a modelagem de edifícios
para o estudos de abalos sísmicos. Neste contexto, o presente
trabalho apresenta a construção e modelagem matemática de um
Pêndulo Furuta, utilizando a formulação Lagrangiana. Também
é apresentado o projeto de controle para a estabilização da haste
do equipamento, utilizando os métodos de alocação de polos
e regulador quadrático linear (LQR). Tendo em vista que o
controle é implementado via computador digital, são considera-
dos no projeto do controlador os conversores Analógico/Digital
e Digital/Analógico presentes na malha de controle, represen-
tando a dinâmica do sistema em tempo discreto. Também será
implementado um observador de estados, pois nem todas as
variáveis necessárias para realimentação são medidas fisicamente.
A partir disso, compara-se a performance dos controladores
mediante análise gráfica e por meio do indicador ITAE, para cada
controlador. Os resultados indicaram que ambos os controladores
foram capazes de estabilizar a haste do Pêndulo em uma posição
vertical.
Index Terms—Pêndulo Furuta, formulação Lagrangiana, alo-
cação de polos, regulador quadrático linear.
I. INTRODUCTION
Pêndulo Invertido Rotacional, também conhecido como
O Pêndulo Furuta, foi desenvolvido por Katsuhisa Furuta
e sua equipe em 1992, como uma ferramenta didática para
o estudo de técnicas de controle [1]. Esse tipo de Pêndulo
é formado por um braço horizontal, que possui um motor
acoplado em uma de suas extremidades, cuja finalidade é gerar
o movimento de rotação do conjunto. Na outra extremidade do
braço, posiciona-se uma haste articulada, executando a função
de pêndulo. Esta montagem, portanto, apresenta duas juntas
rotacionais que definem o número de graus de liberdade do
sistema, contendo apenas uma entrada de controle [2].
CARACTERIZAM-SE
O principal desafio inerente a esses sistemas mecânicos
consiste em estabilizar a haste acima de seu eixo de rotação,
na posição vertical. Dessa forma, o Pêndulo é mantido em
equilíbrio em torno do ponto de operação instável. O Pêndulo
Furuta, também se destacada por ser um sistema multivariável,
subatuado, e por apresentar características dinâmicas não
lineares [3].
1
Devido a essas características, a estabilização do sistema
na posição vertical tornou-se um problema clássico na área
de controle e, desde a sua concepção, tem motivado o desen-
volvimento de diversas pesquisas. Nesse sentido, diferentes
técnicas de controle podem ser empregadas para a solução
do problema, como trabalho de [4], em que foi utilizada a
alocação de polos com realimentação de estado. A técnica de
regulador quadrático linear - LQR foi utilizada em [5] e um
controlador preditivo em [6], [7]. Uma rede neural adaptativa
foi aplicada no controle de um Pêndulo Furuta em [8], [9]
e um controlador proporcional integral plus (PIP), em [10].
O controle de modo deslizante foi empregado em [11], [12].
Um modelo de referencial adaptativo combinado com PID foi
empregado em [2]. O método H∞ foi utilizado em [13], [14].
Por fim, Fuzzy PID foi apresentado em [15], [16].
A despeito de sua simplicidade construtiva e de ser de-
senvolvido, de modo geral, como protótipo didático [17],
o Pêndulo Furuta se assemelha a sistemas mecânicos de
grande relevância para sociedade e para a indústria. Vale citar,
a modelagem de robôs bípedes e controle de altitudes de
foguetes em [18], e veículos de transportes individuais [19].
Estudos de robôs autônomos baseados nesse conceito também
têm sido realizados pela NASA [20]. Na engenharia civil,
simulações com pêndulo invertido constituem-se como fonte
de estudos para sistemas de proteção contra abalos sísmicos e
análise estrutural de pontes e edifícios [21]. Nessa perspectiva,
os resultados obtidos por uma análise em nível de protótipo
podem ser estendidos como uma referência para um sistema
real.
O objeto de estudo deste trabalho consiste em um protótipo
de Pêndulo Furuta que foi projetado e instalado no laboratório
de Automação Laboratório do Instituto Federal do Paraná,
Jacarezinho, Paraná, Brasil, em conjunto com a Universidade
Tecnológica Federal de Paraná Cornélio Procópio, Paraná,
Brasil. Os parâmetros relevantes do motor utilizado no pro-
tótipo, tais como, indutância da armadura, resistência da
armadura, constante, amortecimento do eixo, e amortecimento
do eixo da haste, foram obtidos mediante experimentos.
A partir do equipamento desenvolvido, foi feita a mod-
elagem matemática do sistema, utilizando a formulação de
Lagrange. Também foi realizado o projeto de controlador
para a estabilização da haste na posição vertical, utilizando
duas técnicas de controle. A saber: alocação de polos e
regulador quadrático linear (LQR). A modelagem matemática,
bem como, o projeto dos controladores foram validados por
simulações e experimentos. A partir disso, comparou-se a
performance dos controladores mediante análise gráfica e por
AUTHOR FIRST NAME et al.: MANUSCRIPT TITLE IN CAPITAL LETTERS 2

meio dos valores de indicador ITAE, para cada controlador.

Muito embora o Pêndulo Furuta apresente uma dinâmica
não linear, conforme citado anteriormente, muitos trabalhos
empregam uma aproximação de modelo linear para o projeto
do controlador. Nesse sentido alguns resultados relevantes são
encontrados em [13], [15], [22]–[24]. É importante destacar,
que este trabalho também considera um modelo de aproxi-
mação linear para o projeto do observador e do controlador
do protótipo, de modo que a operação do Pêndulo é restringida
ao seu ponto de operação.
A abordagem empregada neste trabalho destaca-se pela
capacidade que o modelo matemático apresenta em consid-
erar todos os parâmetros do protótipo adotado, incluindo
parâmetros de dissipação de energia, como os fatores de
amortecimento. Nesse sentido, a análise gráfica indicou que os
resultados foram satisfatórios, pois o modelo matemático e o
projeto dos controladores foram validados. Somado a isso, vale
citar a comparação detalhada entre os controladores utilizados.
O restante do artigo está dividido da seguinte forma: na
Seção 2, apresenta-se os aspectos estruturais do protótipo Fig. 1: Diagrama do Pêndulo Furuta.
utilizado, indicando os parâmetros e variáveis do sistema. Na
Seção 3, o modelo matemático do protótipo de Pêndulo Furuta
é descrito. O projeto dos controladores é apresentado na seção 2
4. Os resultados são indicados na seção 5 e, por fim, se encerra
com a conclusão e possíveis futuras investigações cientificas, 5
6 1
na seção 6.

II. P ROTÓTIPO DO P ÊNDULO F URUTA 4

Um diagrama do Pêndulo Furuta usado nesta pesquisa é
apresentado na Fig. 1, indicando as principais variáveis deste
projeto, bem como, as conexões entre os componentes do
equipamento. Nesta figura, θ1 (t) representa o ângulo do braço
do Pêndulo em relação ao seu estado inicial, cuja direção é
determinada pelo eixo X. O ângulo θ2 (t) é medido entre a
haste do Pêndulo e o seu estado de repouso, definido por X2 ,
e v(t) é a tensão aplicada ao motor. Neste protótipo, ambos
os ângulos θ1 (t) e θ2 (t) são medidos por sensores e estão
disponíveis para realimentação, enquanto que a tensão v(t) é
usada para controlar o sinal do sistema.
O motor fornece um torque ao braço e gera um movimento
combinado entre este componente e a haste, permitindo que ela
oscile livremente em torno de seu eixo de rotação (Z2 (t)). O
objetivo principal do controlador desse sistema é aplicar uma
tensão adequada ao motor, de modo que a haste oscile em
torno da posição vertical, definida por θ2 (t) = π. Na Fig. 2 é
mostrado o protótipo didático do Pêndulo Furuta que foi usado
nos experimentos.
O motor utilizado para gerar a rotação do sistema é de
12V em corrente continua (DC), sem escova, da fabricante
da Maxon®. Ao eixo do motor, é instalado um encoder
incremental de 500P P R(P ulsosporrevoluo), cuja função é
medir a posição angular deste componente θ1 (t). O braço do
protótipo é feito de alumínio, sendo acoplado ao eixo do motor
por uma de suas extremidades.
Na outra extremidade do braço, há um encoder incremental
de 600P P R, que visa medir o ângulo da posição da haste
θ2 (t), sendo essa a principal variável do sistema. A tensão
3
Fig. 2: Protótipo do Pêndulo Furuta instrumentado disponível
no Laboratório de Automação do Instituto Federal do Paraná,
Jacarezinho, Paraná, Brasil.
fornecida ao motor e aos encoders são providas de fontes de
12V , em corrente contínua (DC) (6).
O sistema de aquisição de dados, cuja função é enviar e
receber sinais dos sensores e dos atuadores, é composto por
uma placa N I − P CI6602 dentro do computador e um bloco
conector (4) da fabricante National Instruments ®. A estratégia
de controle é implementada no software MatLab/Simulink ®,
com a ajuda de um Intel(R) Core (TM) (2) Computador Duo
E86003, 33GHz com 2Gb de memória instalada.
O sinal de controle calculado é enviado para a ponte H(3),
que tem a função de convertê-lo numa tensão equivalente e
enviá-la ao motor. Esse, por sua vez, controla a direção e a
velocidade do movimento. O objetivo do controlador deste
protótipo é estabilizar a haste do Pêndulo na posição invertida
θ2 (t) = π, mesmo quando o sistema está sujeito a uma
perturbação ou há uma mudança no ângulo do braço. Para
atingir este objetivo, um controlador LQR e um controlador
por alocação de polos, foram projetados, simulados e aplicados
a o sistema mostrado na Fig. 2. Os detalhes do projeto e
a implementação desses controladores são apresentados nas
3 IEEE LATIN AMERICA TRANSACTIONS , Vol. 7, No. 7, Oct 2020

outras seções. posição inicial com a posição final da haste, seguida por uma
matriz de rotação para θ2 , dada por: [26]
  
cos(θ2 ) sin(θ2 ) 0 0 0 −1
III. M ODELO M ATEMÁTICO R2 = − sin(θ2 ) cos(θ2 ) 0 0 1 0  =
0 0 1 1 0 0
Na Fig. 3 é apresentado um sistema de coordenadas para (3)
 
definir as principais variáveis, parâmetros e estados do pro- 0 sin(θ2 ) − cos(θ2 )
tótipo do Pêndulo Furuta. Nessa figura, é possível identificar = 0 cos(θ2 ) sin(θ2 )  .
uma posição inicial do sistema, definida por linhas contínuas 1 0 0
e uma posição final, após um deslocamento angular do braço,
Com isso, define-se a velocidade angular do braço por:
θ1 . Essa última é identificada por linhas tracejadas.
 T
ω1 = 0 0 θ̇1 . (4)
Considerando que o sistema parte do repouso, a velocidade
inicial do braço é dada por:
 T
v1 = 0 0 0 . (5)
A velocidade linear total do centro de massa do braço é:
 T  T
v1c = v1 + ω1 × l1 0 0 = 0 θ̇1 l1 0 . (6)
Sendo l1 a distância entre o centro de massa do braço ao
eixo do motor. Para o protótipo em questão, essa distância
corresponde à metade do comprimento do braço, ou seja: l1 =
L1 /2
A velocidade angular da haste é dada por:
Fig. 3: Parâmetros e estados do Pêndulo Furuta.  T
ω2 = R2 ω1 + 0 0 θ̇2 ,
 T (7)
Os eixos principais do sistema correspondem aos eixos do = −cos(θ2 )θ̇1 sin(θ2 )θ̇1 θ̇2 .
braço e da haste, de modo que os tensores de inércia sejam A velocidade da articulação entre o braço e a haste, na
diagonais [25], conforme: posição inicial é:
 T
ω1 × L1 0 0 . (8)
 
J1xx 0 0
J1 =  0 J1yy 0 , A velocidade da haste na posição final é dada por:
0 0 J1zz  
(1)  T θ̇1 L1 sin(θ2 )
v2 = R2 (ω1 × L1 0 0 ) = θ̇1 L1 cos(θ2 ) .
 
J2xx 0 0 (9)
J2 =  0 J2yy 0 . 0
0 0 J2zz A velocidade linear total do centro de massa da haste é dada
por:
A rotação angular do braço, θ1 , é medida num plano  T
horizontal, com sinal positivo para uma direção anti-horária, v2c = v2 + ω2 × l2 0 0 ,
em vista superior. A rotação angular da haste, θ2 , é medida
num plano vertical, de modo que o sentido anti-horário receba 
θ̇1 L1 sin(θ2 )
 (10)
sinal positivo para uma vista frontal. Quando a haste está na = θ̇1 L1 cos(θ2 ) + θ̇2 l2  .
posição de equilíbrio, tem-se θ2 = 0.
−θ̇1 l2 sin(θ2 )
Inicialmente, definem-se duas matrizes de rotação a fim de
serem usadas na formulação Lagrangiana. A matriz de rotação No decorrer do movimento, a altura do braço não se altera,
do braço em relação à sua posição inicial é definida por [26] uma vez que ele não possui movimento na vertical. Com isso,
a energia potencial do braço é: [27]
 
cos(θ1 ) sin(θ1 ) 0 Ep1 = 0. (11)
R1 = − sin(θ1 ) cos(θ1 ) 0 (2)
Para definir a energia cinética do braço, são considerados
0 0 1
os movimentos de rotação e translação deste componente, de
acordo com [27]:
A matriz de rotação do braço em relação à haste é determi- 1 1
nada pela aplicação de uma matriz (diagonal) que relaciona a Ek1 = (vT1c m1 v1c + ω1T J1 ω1 ) = θ̇12 (m1 l12 + J1zz ). (12)
2 2
AUTHOR FIRST NAME et al.: MANUSCRIPT TITLE IN CAPITAL LETTERS 4

Em que m1 corresponde à massa do braço. A derivada da Lagrangiana em relação a θ2 é dada por

Para a haste, ocorre variação de altura, em decorrência de
seu movimento de rotação num plano vertical. Dessa forma,
∂L 1
a energia potencial deste componente é dada por [27]: − = − θ̇12 sin(2θ2 )(m2 l22 + J2yy − J2xx )]+
∂θ2 2
Ep2 = gm2 l2 (1 − cos(θ2 )). (13)
(22)
+ θ̇1 θ̇2 m2 L1 l2 sin(θ2 )+
A energia cinética da haste também é definida a partir dos
movimentos de rotação e translação, de acordo com [27]: + gm2 l2 sin(θ2 ).
1
Ek2 = (vT2c m2 v2c + ω2T J2 ω2 ). (14)
2
Reescrevendo a energia cinética da haste tem-se: Substituindo (19) -(22) na equação de Euler-Lagrange (18),
obtém-se as seguintes equações diferenciais [29]:
1 2
Ek2 = θ̇ [m2 L22 + (m2 l22 + J2yy ) sin2 (θ2 )+
2 1
θ̈1 [J1zz + m1 l12 + m2 L21 +
 
1 (15)
+ J2xx cos2 (θ2 )] + θ̇22 (J2zz + m2 l22 )+  
2  + (J2yy + m2 l2 )sin2 (θ2 )+
 

 2 
 
+ m2 L1 l2 cos(θ1 )θ̇1 θ̇2 .  
 + J2xx cos2 (θ2 )] − θ̈2 m2 L1 l2 cos(θ2 )−
 
A energia potencial e a energia cinética total do sistema são  
 
dadas por:  − m L l sin(θ )θ̇2 + θ̇ θ̇ sin(2θ )× 
 2 1 2 2 2 1 2 2 
 
Ep = Ep1 + Ep2 , (16a)    
2
 × (m2 l2 + J2yy − J2xx ) + b1 θ̇1  = τ1 (23)
 
Ek = Ek1 + Ek2 . (16b)   τ2
 
 2 
A função Lagrangiana é definida como a diferença entre a  θ̈1 m2 L1 l2 cos(θ2 ) + θ̈2 (m2 l2 + J2zz )+ 
energia cinética e a energia potencial do sistema [28]:
 
 
 1 
2
L = Ek − Ep .   + θ̇1 sin(2θ2 )
 
(17)
 2 

 
Com isso, a equação de Euler-Lagrange, considerando a  (−m2 l22 − J2yy + J2xx )
 
viscosidade do sistema, é dada por [28]:  

 
 
d ∂L ∂L + b2 θ̇2 + gm2 l2 sin(θ2 )
+ bi q̇i − = Qi . (18)
dt ∂ q̇i ∂qi
Onde, qi = [θ1 , θ2 ]T , são as coordenadas generalizadas,
O Pêndulo utilizado neste trabalho possui braços e hastes
bi = [b1 , b2 ]T , representam os coeficientes generalizados
longas e esbeltas, permitindo que o momento de inércia ao
de amortecimento viscoso e Qi = [τ1 , τ2 ]T são as forças
longo do eixo desses componentes possa ser desprezado.
generalizadas (torques). Avaliando os termos da equação de
Além disso, possui simetria rotacional, de tal forma que os
Euler-Lagrange para q1 = θ1 , tem-se
  momentos de inércia em dois dos eixos principais são iguais.
d ∂L Assim, os tensores de inércia podem ser aproximados por [29]:
= θ̈1 [J1zz + m1 l12 + m2 L21 +
dt ∂ θ̇1
   
+ (m2 l22 + J2yy ) sin2 (θ2 ) + J2xx cos2 (θ2 )]+ J1xx 0 0 0 0 0
(19) J1 =  0 J1yy 0  ≈ 0 J1 0 ,
+ m2 L1 l2 cos(θ2 )θ̈2 − m2 L1 l2 sin(θ2 )θ̇22 + 0 0 J1zz 0 0 J1
    (24)
J2xx 0 0 0 0 0
+ θ̇1 θ̇2 sin(2θ2 )(m2 l22 + J2yy − J2xx ).
J2 =  0 J2yy 0  ≈ 0 J2 0 .
Avaliando os termos da equação de Euler-Lagrange para θ2 , 0 0 J2zz 0 0 J2
tem-se
 
d ∂L
= θ̈1 m2 L1 l2 cos(θ2 )+ De acordo com o teorema dos eixos paralelos, o momento
dt ∂ θ̇2
(20) de inércia do braço em ao seu eixo de rotação, é Jb1 = J1 +
+ θ̈2 (J2zz + m2 l22 ) − θ̇1 θ̇2 m2 L1 l2 sin(θ2 ). m1 l12 . Para a haste, o momento de inércia é definido por Jb2 =
J2 + m2 l2 . Por fim, define-se o momento total de inércia que
A derivada da Lagrangiana em relação a θ1 é dada por: o motor experimenta quando a haste está em sua posição de
∂L equilíbrio (pendurada verticalmente para baixo), Jb0 = Jb1 +
− = 0. (21) m2 L21 = J1 + m1 l12 + m2 L21 . Substituindo essas definições em
∂θ1
5 IEEE LATIN AMERICA TRANSACTIONS , Vol. 7, No. 7, Oct 2020

(23) tem-se [29]: As variáveis de estado do sistema são definidas como sendo
x1 (t) = θ1 (t), x2 (t) = θ2 (t), x3 (t) = θ̇1 (t), x4 (t) =
θ̈1 [Jb0 + Jb2 sin2 (θ2 )]+
   
  θ̈ m L l cos(θ )−   θ̇2 (t) e x5 (t) = i(t), e o sinal de controle u(t) = v(t).
  2 2 12 2  Conforme citado anteriormente, a dinâmica do sistema será
  m L l sin(θ )θ̇2 +   
 2 1 2 2 2    linearizada em torno do ponto de operação de acordo com:

θ̇1 θ̇2 Jb2 sin(2θ2 ) + b1 θ̇1

τ1 T T

=

. (25) x(0) = [x1 (0) x2 (0) x3 (0) x4 (0) x5 (0)] = [0 π 0 0 0] .
τ2


  

 Dessa forma, a dinâmica 26 pode ser descrita no espaço de
 θ̈1 m2 L1 l2 cos(θ2 ) + θ̈2 Jb2 +  estados como:
 1 2b

2 θ̇2 J2 sin(2θ2 )+
 
ẋ(t) = Āx(t) + B̄u(t) + D̄τ (t), (28)
b2 θ̇2 + gm2 l2 sin(θ2 )
Além disso, o Pendulo é acionado por um motor elétrico Onde
DC, cujo torque é dado por τ (t) = Km .i(t), sendo a relação x(t)T = [x1 (t) x2 (t) x3 (t) x4 (t) x5 (t)] ,
entre i(t) e a tensão de acionamento v(t) . Neste caso, a  
dinâmica de um Pêndulo Furuta, é dada por: 0 0 1 0 0
      0 0 0 1 0 
M11 M12 θ̈1 (t) C11 C12 θ̇1 (t)  
M12 Jˆ2
= −
C21 b2
+ 0
Ā =  A32 A33 A34 A35  ,
θ̈2 (t) θ̇2 (t) 0 A42 A43 A44 A45 
   
Km i(t) + τ1 (t) 0 0 0 −Km /Lm 0 −Rm /Lm
+ − . (26)
τ2 (t) τ0 (t)  
0
A equação diferencial que descreve o subsistema elétrico  0 
para um motor DC, pode ser definida a partir da lei de
 
 0 ,
B̄ =  
Kirchhoff, por:  0 
Lm i̇ = −Rm i(t) − Km θ̇1 (t) + v(t), (27) 1/Lm
T
Jˆ2
  
Onde, 1 0 0 m2 L1 l2 0 τ1 (t)
D̄ = , τ (t) = ,
den 0 0 m2 L1 l2 Jˆ0 0 τ2 (t)
M11 = Jˆ0 + Jˆ2 sin2 (θ2 (t)),
M12 = m2 L1 l2 cos(θ2 (t)), A32 = (gm22 l22 L1 )/den, A33 = −b1 Jˆ2 /den,
1 A34 = −b2 m2 l2 L1 /den, A35 = Jˆ2 Km /den,
C11 = b1 + θ̇2 (t)Jˆ2 sin(2θ2 (t)),
2
1 A42 = gm2 l2 Jˆ0 /den, A43 = −b1 m2 l2 L1 /den,
C12 = θ̇1 (t)Jˆ2 sin(2θ2 (t) − m2 L1 l2 sin(θ2 (t))θ̇2 (t), A44 = −b2 Jˆ0 /den, A45 = −m2 L1 l2 Km /den,
2
1 den = Jˆ0 Jˆ2 − m22 L21 l22 .
C21 = − θ̇1 Jˆ2 sin(2θ2 (t)),
2
τ0 (t) = g m2 l2 sin(θ2 (t)), A placa de aquisição usada no protótipo descrito na seção II
tem um período de amostragem de Ts = 0.02 s. Para levar em
Tal que θ1 (t) é o ângulo do braço, θ2 (t) é o ângulo do consideração o efeito dos conversores A/D e D/A, a dinâmica
Pêndulo, i(t) é a corrente da armadura no motor, v(t) é da planta foi representada em tempo discreto pelo método de
a tensão no motor, τ1 (t) e τ2 (t) são torques externos que discretização ZOH (zero-order hold) [30].
atuam sobre os eixos do braço e da haste, respectivamente. Os Este método fornece
parâmetros do protótipo utilizados estão indicados na tabela I R T as¯ matrizes do modelo
R T discreto como
Φ = eĀTs , Γ = 0 s eAη dη B̄ e Ψ = 0 s eĀη dη D̄ (con-
TABLE I: Parâmetros do Protótipo de Pêndulo Furuta siderando distúrbios em escada), então as novas matrizes
dependem do tempo de amostra, Ts . Assim, a dinâmica 28,
Parameter Description [Unity] Value em tempo discreto, é dada por
Jˆ0 Total inertia of the arm axis [N.m2 ] 0.0047
Jˆ2 Total inertia of the rod axis [N.m2 ] 2.3031 x 10−4 ξ(k + 1) = Φξ(k) + Γu(k) + Ψd(k),
Damping coefficient of the arm
b1 2.6931 x 10−5 z(k) = γξ(k), (29)
axis [N.m.s/rad]
Damping coefficient of the rod y(k) = Λξ(k).
b2 3.0683x10−4
axis [N.m.s/rad]
g Gravity acceleration [m/s2 ] 9.81 Onde
m1 Mass of the arm [kg] 0.0248
m2 Mass of the rod [kg] 0.0171 T
L1 Total length of the arm [m] 0.17
ξ(k) = [ξ1 (k) ξ2 (k) ξ3 (k) ξ4 (k) ξ5 (k)] ,
L2 Total length of the rod [m] 0.2  
l1 Half of the arm length [m] 0.085 1 0.0010 0.0199 −0.0000 0.0001
l2 Half of the rod length [m] 0.1 0 1.0157 −0.0001 0.0198 0.0001 
4.2380 x 10−4
 
Lm Inductance of the motor’s armature [H] −0.0008
Rm Resistance of the motor’s armature [Ω] 1.9658 0 0.0959
Φ= 0.9937 0.0025 
,
Km Motor constant [V.s/rad] 0.05178
0 1.5664 −0.0079 0.9871 0.0032 
0 −0.0025 −0.0262 0.0000 −0.0001
AUTHOR FIRST NAME et al.: MANUSCRIPT TITLE IN CAPITAL LETTERS 6

   
0.0012 0.0456 0.0573
0.0015  0.0573 0.9348 
   
Γ = 0.1188 ,
  Ψ =  4.5580
 5.7114 ,
0.1488  5.7114 93.2669 
0.5056 −0.1188 −0.1488
   
d (k) y (k)
d(k) = 1 , y(k) = 1 ,
d2 (k) y2 (k)
Fig. 4: Controle por realimentação de estados
 
1 0 0 0 0
γ = [1 0 0 0 0] , Λ= ,
0 1 0 0 0
De modo que ξ1 (k), ξ2 (k), ξ3 (k),ξ4 (k) e ξ5 (k) são as Substituindo 31 em 30, tem-se:
amostras de x1 (t), x2 (t), x3 (t), x4 (t) e x5 (t), respectiva- x(k + 1) = Φx(k) + Γ[−Kx(k)] + Γun (k). (33)
mente, d1 (k) e d2 (k), as amostras de τ1 (t) e τ2 (t), a cada
tempo kTs , z1 (k), a saída controlada y1 (k) e y2 (k) as saídas Colocando x(k) em evidência no primeiro termo do lado
medidas. direito de 33
x(k + 1) = [Φ − ΓK]x(k) + Γun (k). (34)
IV. C ONTROLE DO P ÊNDULO F URUTA
Aplicando a transformada - Z em (34), e colocando X(z)
Nesta seção descrevem-se as estratégias utilizadas para o em evidência tem-se:
controle do Pêndulo Furuta e a teoria em que estão fundamen-
tadas. Nesse sentido, será utilizado o projeto de controlador X(z) = [zI − Φ − ΓX] = ΓUn (z). (35)
por realimentação de estados, que baseia-se no pressuposto de A equação característica deste sistema realimentado é:
que todos os estados de um sistema sejam mensuráveis e que
estejam disponíveis para realimentação. Em tempo discreto, o det[zI − Φ + ΓK] = 0. (36)
modelo do sistema em espaço de estados é dado por: Os polos do sistema realimentado são encontrados por meio
x(k + 1) = Φx(k) + Γu(k), desta equação característica. Pode-se constatar, que os polos
(30) dependem de K. Dessa forma, basta encontrar um vetor K,
y(k) = Hx(k). tal que os polos do sistema realimentado coincidam com os
Onde x ϵ Rn é o vetor de estados, u ϵ Rm é o vetor de especificados, ou seja, estejam nas localizações desejadas. As
controle e Φ ϵ Rn×n e Γ ϵ Rn×m , são matrizes constantes. O localizações desejadas dos polos do sistema realimentado são:
par (Φ, Γ) é considerado controlável. O controlador digital é z1 = β1 , z2 = β2 , ... βn . (37)
composto pela combinação linear de todos os estados:
  A equação característica do sistema controlado é dada por:
x1 (k)
 x2 (k)  ac (z) = (z − β1 )(z − β2 )...(z − βn ). (38)
 
u(k) = −Kx(k) = [k1 k2 k3 ... kn ]  x3 (k)  + un (k). Os elementos do vetor K são obtidos igualando-se (36) e
 
 .. 
 .  (38):
xn (k) det[zI − ϕ + ΓK] = (z − β1 )(z − β2 )...(z − βn ). (39)
(31)
Nas próximas seções, apresentam-se os dois métodos em- Uma relação conveniente que elimina o cálculo do determi-
pregados neste trabalho para obtenção da matriz de ganho K. nante de (36) na forma literal, foi proposta por J Ackermann
[32], de acordo com:
A. Controle por alocação de polos K = [0 ... 0 1][Γ ΦΓ Φ2 Γ ... Φn−1 Γ]−1 αc (Φ),
(40)
K = [0 ... 0 1]C −1 αc (Φ).
Para um sistema considerado de estado completamente
controlável, os polos de malha fechada poderão ser alocados Sendo
em qualquer posição desejada do plano Z, por meio de C = [Γ ΦΓ Φ2 Γ ... Φn−1 Γ]. (41)
uma realimentação de estado, empregando uma matriz de Em que C, é a matriz de controlabilidade do sistema (Φ, Γ);
ganho apropriada [31]. Este método de projeto é comumente n é a ordem do sistema, definida pelo número de elementos
denominado alocação de polos ou designação de polos. do vetor de estados. Se C não for inversível significa que este
Ao aplicar a transformada Z de (30), deixando X(z) em sistema não é controlável e não será possível alocar os polos
evidência, tem-se: do sistema realimentados.
X(z) = z −1 ΦX(z) + z −1 ΓU (z), Em (40), αc (Φ) é a equação característica αc (Z), com
(32) substituição de Z por Φ, ou seja:
Y (z) = HX(z).
αc (Φ) = Φn + α1 Φn−1 + α2 Φn−2 + ... + an I. (42)
Considerando a realimentação de estados, definida pela
matriz de ganho K em (31), o sistema de controle adquiri Sendo os αi′ s os coeficientes da equação característica
uma estrutura de acordo com a Fig. 4 desejada.
7 IEEE LATIN AMERICA TRANSACTIONS , Vol. 7, No. 7, Oct 2020
B. Estimador de Estado
Na prática, sem sempre todas as variáveis de estado um
sistema real são mensuráveis e estão disponíveis para reali-
mentação. Os estados indisponíveis, portanto, devem ser esti-
mados por meio de um estimador de estados. Neste trabalho,
considera-se o estimador preditor de estados, x̄(k), que se
baseia na medida de y(k − 1), cujo modelo matemático do
sistema é:
x̄(k + 1) = Φx̄(k) + Γu(k). (43)
Sendo x̄(k) a estimativa de estado de x(k); Φ e Γ são con-
hecidos e representam o sistema. O erro estimado é definido
por:
x̃(k) = x̄(k) − x(k). (44)
Partindo da suposição de que não há sensores para todos os
estados, deve ser utilizado um sistema que realimenta o erro
de estimação entre y(k) e ȳ(k) , estabilizando o estimador de
forma que o erro de estimação decaia assintoticamente. Esta
realimentação está mostrada na Fig.5
Fig. 5: Controlador por realimentação de estados com esti-
mador
O equacionamento referente ao estimador é:
x̄(k + 1) = Φx̄(k) + Γu(k) + Lp [y(k) − H x̄(k)]. (45)
Sendo Lp a matriz de ganhos de realimentação.
Este estimador é preditor porque uma medida no tempo k
resulta na estimação do estado em k + 1. O erro de estimação
x̃ já foi definido em (44). Neste caso, substituindo (30) em
(44) tem-se:
x̃(k + 1) = Φx̄(k) + Γu(k) + Lp [y(k) − H x̄(k)]−
(46)
− [Φx(k) + Γu(k)].
Com y(k) = Hx(k) tem-se:
x̃(k + 1) = Φ[x̄(k) − x(k)] − Lp H[x̄(k) − x(k)]. (47)
Logo,
x̃(k + 1) = [Φ − Lp H]x̃(k). (48)
Se o sistema (48) for assintoticamente estável, o erro de
estimação x̃ convergirá para zero, qualquer que seja o valor
de x̃(0). Para que a estimação seja eficiente é necessário que
x̃(k) convirja mais rápido que x(k). Para tanto, o ganho do
estimador L deve ser tal que os autovalores de Φ−Lp H sejam
suficientemente rápidas. Com esta realimentação Lp , torna-se
desnecessário que x̄(0) seja idêntico a x(0), ou seja, x̃ ̸= 0.
C. Projeto do Regulador: Combinação da Lei de Controle
com o Estimador de estados
O sistema de controle estará completo se for implementada
a lei de controle (31), utilizando os estados estimados pelo
estimador (45), cuja representação é indicada na Fig. 6
Fig. 6: Regulador
O projeto da lei de controle assumiu que os estados da
planta, x(k), eram disponíveis. Já o projeto do estimador supõe
que os estados não são todos disponíveis e a realimentação
será feita utilizando-se os estados estimados x̄(k). O princípio
da separação afirma que isto não causa nenhum efeito no
funcionamento conjunto e que o projeto da lei de controle,
K e do estimador, Lp , podem ser realizados separadamente e
utilizados em conjunto [30].
D. Regulador Quadrático Linear (LQR)
O método do Regulador Quadrático Linear (LQR) consiste
em identificar um vetor de controle, que transfira o sistema de
um estado inicial para a região do espaço de estados desejada
e para o qual o índice de desempenho quadrático, J seja
minimizado. Considerando modelo de espaço de estados ap-
resentado em (30), em tempo discreto, índice de desempenho
J é dado por: [33]
∞
X
J= x(k)T Qx(k) + v(k)T Rv(k). (49)
k=0
Utilizando a lei de controle v(k) = −Kd x(k) o índice (49)
é minimizando calculando-se o ganho Kd pela equação [30],
Kd = (R + ΓT SΓ)−1 ΓT SΦ. (50)
Em que o termo S é encontrado resolvendo-se a equação
de Riccati, associada ao caso discreto:
S = Φ[S − SΓ(R + ΓT SΓ)−1 ΓT S]Φ + Q. (51)
E. Controle de movimentação do braço
Nesta seção será apresentada a técnica de controle para
levar o braço do Pêndulo de uma posição de equilíbrio inicial
θ1 (t) = 0, até outra posição de equilíbrio desejada θ1 (t) = r,
conforme é mostrado na Fig. 7.
AUTHOR FIRST NAME et al.: MANUSCRIPT TITLE IN CAPITAL LETTERS 8

Fig. 8: Controle do braço

A fim de se obter o resultado desejado, a equação (56) pode

Fig. 7: Posições de equilíbrio do braço e da haste
ser subtraída do lado direito de (60) pois Φr = 0:

Considerando que a variável a ser controlada na movimen- ε(k + 1) = Φx(k) − Φr − ΓKε(k),

tação do braço é x = θ1 (k), define-se o erro entre a posição = Φ[x(k) − r] − ΓKε(k),
(61)
de equilíbrio inicial e a posição de equilíbrio final como: = Φε(k) − ΓKε(k),
= (Φ − ΓK)ε(k).
ε(k) = x(k) − r. (52)
Em que x(t) corresponde a uma posição de equilíbrio inicial Assim, a equação (61) indica que o erro de posição tem
do braço do Pêndulo, r refere-se a uma posição final de a mesma dinâmica apresentada pela planta, permitindo que o
equilíbrio e ε(t) representa erro entre essas duas posições. controle do sistema seja empregado.
A técnica de controle consiste em tornar nulo o valor de ε(t)
quando o braço executa um deslocamento entre as posições
de equilíbrio, de modo que: V. R ESULTS
lim ε(k) = 0 ⇒ x(k) = r. (53)
t→∞ Conforme estabelecido, o principal objetivo deste tra-
Será demonstrado que a premissa indicada na equação (53) balho consiste em comparar a performance do contro-
torna a dinâmica do erro de posição similar à dinâmica da lador por alocação de polos com o projeto por LQR na
planta. Considere a equação em espaços de estados para estabilização do Pêndulo Furuta. Em relação à primeira
um sistema invariante no tempo, com múltiplas entradas e técnica, foram escolhidos os seguintes polos em tempo
múltiplas saídas (M IM O) em tempo discreto: contínuo −6, −7, −8, −9, −10, a partir dos quais obteve-
se o seguinte vetor de polos em malha fechada, p =
x(k + 1) = Φx(k) + Γu(k). (54)
[0.8869 0.8694 0.8521 0.8353 0.8187], para Ts =
Tendo em vista que, na posição de equilíbrio, x(k) = r e 0.02s em tempo discreto. O ganho por realimentação para
x(k + 1) = 0, tem-se: este caso foi:
x(k + 1) = Φr(k) + Γu(k). (55)
K = [−0.9416 16.0556 − 0.6789 1.6979 − 0.9111]. (62)
Sendo Γu = 0, logo
Φr = 0. (56) De acordo com a seção IV-B, como a instrumentação do
sistema do Pêndulo Furuta utilizado não permite a medida
Uma vez que r é constante, r(k + 1) = 0, então: de todas as variáveis de estado do modelo (28), foi utilizado
ε(k + 1) = x(k + 1) − r(k + 1) ∴ r(k + 1) = 0, um estimador preditor de estados para estimar as variáveis de
(57) estados não disponíveis para realimentação. Para esta situação,
ε(k + 1) = x(k + 1).
foram escolhidos os seguintes polos em malha fechada, lp1 =
Dessa forma, a planta do sistema será:
0.0498, lp2 = 0.0478, lp3 = 0.0460, lp4 = 0.0442, e lp5 =
ε(k + 1) = x(k + 1) = Φx(k) + Γu(k). (58) 0.0408, resultando no ganho:
A estrutura referente a esta planta está indicada na Fig. 8  
1.8857 −0.0230
A lei de controle para o erro de posição é dada por:  −0.0275
 1.8822 

u = −Kε(k) ⇒ u = −K[x(k) − r]. (59)  44.4812
Lp =  −0.7780 . (63)
 −1.2606 45.2519 
A dinâmica do sistema se torna:
−62.5982 −88.8423
ε(k + 1) = Φx(k) + Γu(k),
= Φx(k) + Γ(−Kε(k)), (60) Em relação ao controlador LQR, a determinação do índice
= Φx(k) − ΓKε(k). de desempenho quadrático é obtida a partir da matriz de
9 IEEE LATIN AMERICA TRANSACTIONS , Vol. 7, No. 7, Oct 2020

ponderação de estados, Q, e da matriz de ponderação de A. Primeiro Experimento

controle R, as quais são dadas por: No primeiro experimento considerou-se a seguinte referên-
 
150 0 0 0 0 cia para θ1 (t):
 0 200 0 0 0 
  0 0 ⩽ t < 20,
Q=  0 0 5 0 0  , R = [2]. (64)
rstep (t) = π/3, 20 ⩽ t < 40, (69)
 0 0 0 5 0
0 40 ⩽ t.

0 0 0 0 5
O ganho referente a essas matrizes foi: Na Fig. 9 são apresentados os resultados simulados de θ1 (t),
θ2 (t) e o sinal de controle, enquanto que na Fig. 10 são
K = [−5.0336 52.1491 − 2.9019 5.5980 0.0106]. (65) mostrados os resultados obtidos na planta real do Pêndulo
Para o controle por LQR também considerou-se o emprego Furuta, relativo ao primeiro experimento.
de um estimador de estados, cujas matrizes correspondentes Os valores de IT AE para este experimento estão apresen-
são: tados na tabela II.
 
0.0001 0 0 0 0 TABLE II: Indicadores ITAE para a referência (69)
 0 0.0001 0 0 0 
 
Q0 =  0 0 0.0001 0 0  , (66a) Pole LQR.100% /
Test Angle LQR

 0
 Placement Pole Placement
0 0 1.000 0  θ1 (t) 24.772 29.029 85.335
0 0 0 0 1.000 Simulation
θ2 (t) 2.445 2.246 108.875
θ1 (t) 95.037 161.627 58.800
Experimental
  θ2 (t) 13.174 16.201 81.317
0.4540 0
R0 = 10−5 . (66b)
0 0.4540
Como é possível observar nestas figuras, os controladores
Resultando nos ganhos do estimador que são dados por: por alocação de polos e LQR foram capazes de estabilizar
a haste na posição invertida (θ2 (t) = π) e fazer o braço
 
1.7997 −0.0005
−0.0073 1.8081  seguir a trajetória desejada (69) (θ1 (t)), valiando o modelo
apresentado em (29). Também pode-se constatar que os contro-
 
 40.2324
Lp =  0.0157 
. (67)
−0.5225 41.4078  ladores obtiveram performances parecidas no que diz respeito
−1.0598 −0.0004 às simulações realizadas. Uma pequena vantagem pode ser
associada ao controlador LQR, no que diz respeito ao tempo
A partir desses dados foi possível obter o projeto dos necessário para estabilização do Pêndulo.
controladores por alocação de polos e LQR que foram testados
Porém, na Fig. 10, relativa aos dados experimentais, é pos-
em simulações e experimentos na planta, ambas em duas
sível observar uma resposta oscilatória em torno da referência
condições distintas. Nas simulações, a condição inicial do
desejada. Essa característica pode ser justificada pela dinâmica
sistema foi θ2 (t) = −0.083π e demais variáveis de estado
não linear em conjunto com as imperfeições e ruídos presentes
nulas, de modo que o Pêndulo foi posicionado no seu ponto
no sistema real. Neste caso, uma oscilação com amplitude
de equilíbrio instável. Nos resultados práticos, as curvas de
maior (maior afastamento da referência desejada) pode ser
respostas indicaram que, antes do controlador ser acionado, a
observada para o controle por alocação de polos.
haste foi levada do ponto de equilíbrio instável até à posição
Em conformidade com as informações das figuras 9 e 10
invertida.
os dados apresentados na Tabela II indicaram que controlador
Os resultados das simulações foram obtidos considerando o
LQR proporcionou desempenho superior à alocação de polos
esquema da Fig. 6, juntamente com os ZOH necessários para
na maioria dos experimentos. A exceção ocorreu para θ2 (t)
representar o período de amostragem de Ts = 0.02s e estão
obtido por simulação, onde o controlador por alocação de
sujeitos aos erros de modelagem e ruídos inerentes de uma
polos obteve uma ligeira vantagem, que foi inferior à 10%
implementação prática.
É possível observar também, que o sinal de controle não
Com a finalidade de estabelecer um parâmetro quantitativo
saturou, pois o limite máximo possível para a tensão no motor
de comparação entre os dois controladores, apresenta-se o
é de 12V.
indicador de desempenho IT AE. Segundo este critério, o
sistema ótimo é aquele que minimiza o índice de desempenho
apresentado em (68), ou seja, o controlador de melhor perfor- B. Segundo Experimento
mance será aquele que apresentar o menor valor a partir desta
Pode-se constatar em (27) que a aplicação de um sinal
equação. Z tf adicional na tensão do motor gera uma corrente no circuito
IT AE = t |e(t)| dt. (68) da armadura do motor. Essa corrente, por sua vez, influencia
ti na dinâmica das posições angulares da haste e do braço do
Sendo ti o início do tempo considerado e tf , seu fim, e(t) Pêndulo Furuta, sendo somada ao termo Km i(t) na equação
o erro entre a saída do sistema, θ1 (t) e θ2 (t) e a respectivas (27). Agindo, portanto, como um distúrbio τ1 (t) no eixo do
referências para cada uma delas. Para todos os experimentos motor. Como esse distúrbio na tensão pode ser replicada de
e simulações foi considerado ti = 10s, tf = 60s maneira adequada durante os experimentos, ele foi adotado.
AUTHOR FIRST NAME et al.: MANUSCRIPT TITLE IN CAPITAL LETTERS 10

LQR Pole Placement Reference

0.5

-0.5

-1 0.1

0
-2
-0.1

-3 10 15 20 25 30 35 40 45 50

2.5
Control Signal [v]

5 4
0 2
-2.5 0
-5 -2
19 20 21 39.5 40 40.5 41 41.5
0

-5

0 10 20 30 40 50 60
Time [s]
Fig. 9: Resultados obtidos por simulação do Pêndulo Furuta considerando a referência (69) para θ1 (t).

LQR Pole Placement Reference

0.5

-0.5

0
0.2
-1
0
-2
-0.2
10 15 20 25 30 35 40 45 50
-3

5
Control Signal [V]

2.5

-2.5

-5

0 10 20 30 40 50 60
Time [s]
Fig. 10: Resultados obtidos experimentalmente no Pêndulo Furuta considerando a referência (69) para θ1 (t).
11 IEEE LATIN AMERICA TRANSACTIONS , Vol. 7, No. 7, Oct 2020

LQR Pole placement Reference Disturbance

1

0.5

-0.5

-1

0.2
-1

0
-2
-0.2
-3 10 15 20 25 30 35 40 45 50

6
5
Control Signal [v]

2.5
4
0
-2.5
2 -5
30 31 32
0

-2

-4

0 10 20 30 40 50 60
Time [s]
Fig. 11: Resultados obtidos por simulação do Pêndulo Furuta considerando a referência 70 para θ1 (t).

LQR Pole Placement Reference Disturbance

1

0.5

-0.5

-1

0
0.2
-1
0
-2
-0.2
10 15 20 25 30 35 40 45 50
-3 Time[s]

5
Control Signal [v]

2.5

-2.5

-5

0 10 20 30 40 50 60
Time [s]
Fig. 12: Resultados obtidos experimentalmente no Pêndulo Furuta considerando a referência 70 para θ1 (t)
AUTHOR FIRST NAME et al.: MANUSCRIPT TITLE IN CAPITAL LETTERS
No segundo experimento, portanto, foi aplicado um distúr-
bio, representado por um sinal somado a ação de controle
aplicada ao sistema, ao passo que condição para o ângulo do
braço foi de θ1 (t) = 0. Porém, foi escolhido um determinado
intervalo de tempo para submeter o sistema a um distúrbio,
de acordo com:

 1V, 30 ⩽ t < 30.5,
d1 (t) = −1V, 30.5 ⩽ t < 31, (70)
0 otherwise.

Para este experimento, os resultados de simulação e de
experimentos no protótipo real são as apresentados nas figuras
11 e 12, respectivamente. Os dados relativos ao índice IT AE,
por sua vez, são apresentados na tabela III.
Para ambos os controladores, mesmo com a aplicação dos
distúrbio (70) o sistema em malha fechada se manteve estável,
com erro que tendeu a zero. No entanto, é possível constatar
uma valor significativo na amplitude de oscilação para o
controlador por alocação de polos em comparação ao LQR.
Este comportamento é refletido nos valores da Tabela III, que
indicam uma performance superior para o controlador por
LQR.
Por fim, vale destacar que, neste experimento, o sinal de
controle também não saturou, pelo mesmo motivo indicado
no primeiro experimento (seção V-A)
TABLE III: Indicadores ITAE para a referência (70)
Pole LQR.100% /
Test Angle LQR
Placement Pole Placement
θ1 (t) 2.960 14.660 20.190
Simulation
θ2 (t) 0.767 3.974 19.292
θ1 (t) 132.914 198.461 66.972
Experimental
θ2 (t) 9.789 16.392 59.722
VI. C ONCLUSIONES
Este trabalho apresentou a modelagem matemática de um
Pêndulo Furuta, obtida analiticamente por meio da Formulação
Lagrangiana. Também descreveu o projeto de controle do
referido equipamento utilizando os controladores por alocação
de polos e LQR. A performance dos controladores foi avaliada
mediante dois experimentos distintos, que indicaram a eficiên-
cia dessas duas técnicas na estabilização da haste do Pêndulo,
em torno do ponto de operação indicado. A partir deste mesmo
procedimento, foi possível validar a modelagem matemática
adotada.
A análise qualitativa dos gráficos, indicou resultados mais
satisfatório para o controlador por LQ em detrimento ao con-
trolador por alocação de polos. Em relação aos experimentos
práticos, o controlador por LQR apresentou menores ampli-
tudes de oscilação em torno da referência utilizada, quando
comparado ao alocação de polos. Nas simulações, constatou-se
que o controlador por LQR também levou um tempo ligeira-
mente menor para atingir o equilíbrio. Em conformalidade com
essa constatação, o controlador LQR apresentou valores de
índice IT AE mais satisfatórios em sete das oito situações
analisadas.
Por fim, pretende-se em trabalhos futuros implementar o
swing up para iniciar o experimento com a condição inicial
θ2 (t) = 0 (rever os trabalhos futuros).
12
AGRADECIMENTOS
The authors would like to thank the Instituto Federal do
Paraná, Jacarezinho and the Universidade Tecnológica Fed-
eral do Paraná, Cornélio Procópio, for their support in the
development of this work.
R EFERENCES
[1] K. Furuta, M. Yamakita, and S. Kobayashi, “Swing-up control of
inverted pendulum using pseudo-state feedback,” Proceedings of the
Institution of Mechanical Engineers, Part I: Journal of Systems and
Control Engineering, vol. 206, no. 4, pp. 263–269, 1992.
[2] E. Mendez-Flores, J. R. Lopez-Gutierrez, I. Macias-Hidalgo, M. d. J.
Ramirez-Cadena, A. Vargas-Martinez, J. d. J. Lozoya-Santos,
R. Ramirez-Mendoza, R. Morales-Menendez, and A. Molina-Gutierrez,
“Design, implementation and nonlinear control analysis of a furuta
pendulum system,” in 2019 4th International Conference on Control
and Robotics Engineering (ICCRE), pp. 65–69, IEEE, 2019.
[3] Y.-C. Fu and J.-S. Lin, “Nonlinear backstepping control design of the
furuta pendulum,” in Proceedings of 2005 IEEE Conference on Control
Applications, 2005. CCA 2005., pp. 96–101, IEEE, 2005.
[4] L. Pivovar, R. Breganon, U. Alves, F. Ribeiro, G. Barbara, J. Almeida,
and M. Mendonça, “A tracking system control approach applied on a
rotary inverted pendulum model,” International Journal of Engineering
Research and Applications (IJERA), vol. 10, no. 06, pp. 48–56, 2020.
[5] I. Paredes, M. Sarzosa, M. Herrera, P. Leica, and O. Camacho, “Optimal-
robust controller for furuta pendulum based on linear model,” in 2017
IEEE Second Ecuador Technical Chapters Meeting (ETCM), pp. 1–6,
IEEE, 2017.
[6] M. Furka, M. Klaučo, and M. Kvasnica, “Stabilization of furuta pen-
dulum using nonlinear mpc,” Vedecké Práce Materiálovotechnologickej
Fakulty Slovenskej Technickej Univerzity v Bratislave so Sídlom v
Trnave, vol. 27, no. 45, pp. 42–48, 2019.
[7] J. L. D. Madrid, E. G. Querubín, and P. Ospina-Henao, “Predictive
control of a furuta pendulum,” in 2017 IEEE 3rd Colombian Conference
on Automatic Control (CCAC), pp. 1–6, IEEE, 2017.
[8] J. Moreno-Valenzuela, C. Aguilar-Avelar, S. A. Puga-Guzmán, and
V. Santibáñez, “Adaptive neural network control for the trajectory
tracking of the furuta pendulum,” IEEE transactions on cybernetics,
vol. 46, no. 12, pp. 3439–3452, 2016.
[9] S. H. Zabihifar, A. S. Yushchenko, and H. Navvabi, “Robust control
based on adaptive neural network for rotary inverted pendulum with
oscillation compensation,” Neural Computing and Applications, vol. 32,
no. 18, pp. 14667–14679, 2020.
[10] L. Zhang and R. Dixon, “Robust nonminimal state feedback control for
a furuta pendulum with parametric modeling errors,” IEEE Transactions
on Industrial Electronics, vol. 68, no. 8, pp. 7341–7349, 2020.
[11] A. Wadi, J.-H. Lee, and L. Romdhane, “Nonlinear sliding mode control
of the furuta pendulum,” in 2018 11th International Symposium on
Mechatronics and its Applications (ISMA), pp. 1–5, IEEE, 2018.
[12] J. Xu, Y. Niu, C.-C. Lim, and P. Shi, “Memory output-feedback integral
sliding mode control for furuta pendulum systems,” IEEE Transactions
on Circuits and Systems I: Regular Papers, vol. 67, no. 6, pp. 2042–
2052, 2020.
[13] G. Rigatos, P. Siano, M. Abbaszadeh, S. Ademi, and A. Melkikh,
“Nonlinear h-infinity control for underactuated systems: the furuta
pendulum example,” International Journal of Dynamics and Control,
vol. 6, no. 2, pp. 835–847, 2018.
[14] U. N. L. T. Alves, R. Breganon, L. E. Pivovar, J. P. L. S. de Almeida,
G. V. Barbara, M. Mendonça, and R. H. C. Palácios, “Discrete-time
H∞ integral control via lmis applied to a furuta pendulum,” Journal of
Control, Automation and Electrical Systems, pp. 1–12, 2022.
[15] M. F. Hamza, H. J. Yap, and I. A. Choudhury, “Cuckoo search algorithm
based design of interval type-2 fuzzy PID controller for furuta pendulum
system,” Engineering Applications of Artificial Intelligence, vol. 62,
pp. 134–151, 2017.
[16] M. F. Hamza, H. J. Yap, I. A. Choudhury, A. I. Isa, and A. Y. Zimit,
“Simulation studies for stabilization control of furuta pendulum system
using cascade fuzzy PD controller,” International Journal of Simulation–
Systems, Science & Technology, vol. 17, no. 35, pp. 1–9, 2016.
[17] R. Breganon, U. N. L. T. Alves, F. S. F. Ribeiro, G. V. Barbara, J. P.
L. S. de Almeida, L. E. Pivovar, M. A. F. Montezuma, and M. Mendonça,
“Desenvolvimento de sistemas de pêndulos invertidos como ferramentas
didáticas em cursos de engenharia de controle e automação,” Holos,
vol. 5, pp. 1–14, 2021.
13 IEEE LATIN AMERICA TRANSACTIONS , Vol. 7, No. 7, Oct 2020

[18] F. Bobrow, Controle de um pêndulo invertido com 6 graus de liberdade
e rodas de reação. PhD thesis, Universidade de São Paulo.
[19] H. Tirmant, M. Baloh, L. Vermeiren, T. Guerra, and M. Parent, “B2, an
alternative two wheeled vehicle for an automated urban transportation
system,” in Intelligent Vehicle Symposium, 2002. IEEE, vol. 2, pp. 594–
603, IEEE, 2002.
[20] R. O. Ambrose, R. T. Savely, S. M. Goza, P. Strawser, M. A. Diftler,
I. Spain, and N. Radford, “Mobile manipulation using nasa’s robonaut,”
in IEEE International Conference on Robotics and Automation, 2004.
Proceedings. ICRA’04. 2004, vol. 2, pp. 2104–2109, IEEE, 2004.
[21] P. L. Bernardes Júnior, “Amortecedor tipo pêndulo invertido para cont-
role de vibrações em edifícios altos,” 2018.
[22] V. M. Hernández-Guzmán, M. Antonio-Cruz, and R. Silva-Ortigoza,
“Linear state feedback regulation of a furuta pendulum: Design based on
differential flatness and root locus,” IEEE Access, vol. 4, pp. 8721–8736,
2016.
[23] M. Antonio-Cruz, V. M. Hernández-Guzmán, and R. Silva-Ortigoza,
“Limit cycle elimination in inverted pendulums: Furuta pendulum and
pendubot,” IEEE Access, vol. 6, pp. 30317–30332, 2018.
[24] T. Ortega-Montiel, R. Villafuerte-Segura, C. Vázquez-Aguilera, and
L. Freidovich, “Proportional retarded controller to stabilize underactu-
ated systems with measurement delays: Furuta pendulum case study,”
Mathematical Problems in Engineering, vol. 2017, 2017.
[25] R. C. Hibbeler, Dinâmica: mecânica para engenharia. Pearson Educa-
tion do Brasil, 2005.
[26] J. J. Craig, Robótica, vol. 3. PEARSON, 2012.
[27] D. Halliday, R. Resnick, and K. S. Krane, Fisica 3, vol. 3. LTC, 1984.
[28] J. R. Taylor, Mecânica clássica. Bookman Editora, 2013.
[29] B. S. Cazzolato and Z. Prime, “On the dynamics of the furuta pendu-
lum,” Journal of Control Science and Engineering, vol. 2011, 2011.
[30] G. F. Franklin, J. D. Powell, M. L. Workman, et al., Digital control of
dynamic systems, vol. 3. Addison-wesley Menlo Park, 1998.
[31] K. Ogata et al., Modern control engineering, vol. 5. Prentice hall Upper
Saddle River, NJ, 2010.
[32] J. Ackermann, “Der entwurf linearer regelungssysteme im zustand-
sraum,” at-Automatisierungstechnik, vol. 20, no. 1-12, pp. 297–300,
1972.
[33] U. N. L. T. Alves, “Aplicação de controle com modos deslizantes em
sistemas com atraso na aquisição de dados,” 2014.
Marcio Mendonça Graduated in Electronic En-
gineering - University of Lins (1993), MSc. in
Industrial Engineering from UNESP (Universidade
Estadual Paulista) (2003) and PhD in Electrical
Engineering and Industrial Informatics from Federal
Technological University of Paraná (2011). Profes-
sor Technical and Technological Teaching of the
Federal Technological University of Paraná. Post
Doctor in intelligent computational systems, espe-
cially Dynamic Fuzzy Cognitive Maps with ap-
plications in games, robotics, group robotics and
industrial process control.
João Paulo Lima Silva de Almeida received the
B.Sc. degree in Industrial Automation (2011), the
M.Sc. degree in Electrical Engineering (2014) and
the Ph.D. degree in Electrical Engineering (2019)
from Federal University of Technology - Paraná.
He has been with the Federal Institute of Paraná,
since 2012. His research interests include intelligent
systems to model and control dynamic systems.
Rodrigo Henrique Cunha Palácios was born in
Cornélio Procópio, Brazil, in 1977. He received
the B.S. degree in computer engineering from the
University of North Paraná, Londrina, Brazil, in
2002, the M.Sc. degree in eletrical engineering from
the University of Londrina, Londrina, Brazil, in
2010, and the Ph.D. degree in electrical engineering
from the University of São Paulo (USP), São Car-
los, Brazil, in 2016. Currently, he is an Associate
Professor with the Federal Technological University
of Paraná, Cornélio Procópio, Brazil. His research
interests are within the fields of electrical machinery and, expert systems.

Luiz Eduardo Pivovar MSc. student in Mechanical

Engineering from Federal Technological University
of Parana, Campus of Cornélio Procópio, PR, Brazil.
Graduated in Mechanical Engineering from Fed-
eral Technological University of Parana, Campus of
Curitiba, PR, Brazil and Physics from the Federal
University of Paraná. specialization in Methodology
of Teaching Physics and Mathematics from Facul-
dade de Educação São Luís. At this moment, he is
Control and Industrial Processes professor in IFPR
(Instituto Federal de Educação, Ciência e Tecnologia
do Paraná), Jacarezinho.

Uiliam Nelson L. T. Alves graduated in Con-

trol and Automation Engineering from UniCesumar,
Maringa, PR, Brazil (2011). MSc. and PhD. in Elec-
trical Engineering from UNESP (Universidade Es-
tadual Paulista), Campus of Ilha Solteira, SP, Brazil
in 2014 and 2017, respectively. At this moment, he
is Control and Industrial Processes professor in IFPR
(Instituto Federal de Educação, Ciência e Tecnologia
do Paraná), campus Jacarezinho. His research inter-
ests include Fuzzy modeling and control, Robust and
nonlinear control.

Ricardo Breganon is Professor at the Federal

Institute of Paraná, Jacarezinho, holds degree in
Production Engineering from Estacio de Sa Uni-
versity and in Mechanical Technology from Federal
Technological University of Paraná, MSc. degree in
Mechanical Engineering and PhD. degree in Me-
chanical Engineering with a concentration in Aero-
nautical from School of Engineering of São Carlos
- University of São Paulo. His research interests
include Industrial Automation and Dynamic Systems
Control.