1

Caracterização, modelagem e controle do

movimento rotacional de uma bancada didática
birotor
Fabian Roncal, André Carmona Hernandes
Universidade Federal de São Carlos
Departamento de Engenharia Elétrica

Abstract—Este trabalho possui como objetivo principal car-

acterizar o movimento rotacional de um veículo bi-rotor e o
desenvolvimento, implementação e comparação de 3 tipos de
controladores distintos para o sistema de forma a encontrar o que
melhor se adequa as especificações do projeto. Primeiramente,
o sistema real foi caracterizado em malha aberta para uma
resposta degrau, em seguida, através do auxílio de softwares
de simulação, obteve-se a função de transferência do sistema
que, na sequência, foi utilizada para determinar os ganhos dos
controladores. Inicialmente foi aplicado um controlador PI, que
obteve uma resposta pouco satisfatória, depois um controlador
PID, que melhorou a resposta obtida anteriormente e, por fim,
um controlador PID com filtro no derivativo, que proporcionou
a melhor resposta do sistema dentre os controladores propostos.

Index Terms—controle, sistema não linear, bi-rotor, drone, PI,

PID, aeroestabilizador, quadrotor, quadrirrotor.

I. I NTRODUÇÃO Fig. 1. Quadrotor experimental desenvolvido pela Ascending Technologies

Robótica aérea é um campo da robótica em rápida
A expansão onde aeronaves multirotor, como o quadrotor,
estão crescendo rapidamente em popularidade. De fato, os
veículos robotizados aéreos quadrotores transformaram-se em
uma plataforma padrão para pesquisa e desenvolvimento na
robótica em todo o mundo [1]. Eles já têm carga suficiente e
resistência de vôo para suportar uma série de aplicativos inter-
nos e externos, e as melhorias de bateria e outras tecnologias
estão aumentando rapidamente o alcance de oportunidades
comerciais.
Eles são altamente manobráveis e permitem experimentação
segura e de baixo custo no mapeamento, navegação e es-
tratégias de controle para robôs que se movem em espaço
tridimensional (3-D) [2]. Essa capacidade de se mover no
espaço tridimensional traz novos desafios de pesquisa em
comparação com os robôs móveis terrestres com rodas que
conduziram a pesquisa de robótica móvel na última década
[3].
Os quadrotores são regularmente submetidos a ambientes
de testes para explorar e mapear ambientes 3-D, transportar,
manipular e montar objetos e realizar truques acrobáticos
como malabarismo, equilíbrio e flips. Além disso, podem
ser adicionados rotores adicionais, levando a veículos com N
rotores generalizados, para melhorar a carga útil e a confiabil-
idade [4].
O desenvolvimento de quadrotores estava estagnado até
muito recentemente, porque controlar quatro rotores inde-
[3].
pendentes provou ser incrivelmente difícil e impossível sem
assistência eletrônica [5]. O custo decrescente dos micropro-
cessadores modernos tornou possível o controle eletrônico e
até mesmo completamente autônomo de quadricópteros para
fins comerciais, militares e até amadores [6]. Além disso,
os Veículos Aéreos Não-Tripulados (VANTs) vem ganhando
popularidade porque eles podem trabalhar em ambientes remo-
tos ou perigosos. Quadrotores são populares como modelos
de teste para desenvolvimento de pequenos VANTs, mas
sua complexa modelagem aerodinâmica deve ser amplamente
estudada para possibilitar um controle mais preciso e robusto
[7]. Analisar a estabilidade de um quadrotor em tempo real
é algo complexo, no entanto, ao aproximarmos o sistema
para modelos mais simples, esta análise torna-se de fácil
entendimento.
Para o quadrotor, ou qualquer aeronave se movimentar, são
necessário três tipos de movimentos descritos na Figura 2.
O controle desses movimentos é fundamental para deslocar o
quadrotor até o ponto desejado.
Um helicóptero é um veículo voador que usa rotores de
giro rápido para empurrar o ar para baixo, criando assim uma
força de propulsão mantendo o helicóptero no ar [6]. Estes
podem ser organizados como dois rotores coplanares, ambos
fornecendo impulso para cima, mas girando em direções

Fig. 2. Os tipos de movimentos possíveis para qualquer aeronave [8].
opostas (a fim de equilibrar os torques exercidos sobre o corpo
do helicóptero). Os dois rotores também podem ser dispostos
com um rotor principal, proporcionando empuxo e um rotor
lateral menor orientado lateralmente e neutralizando o torque
produzido pelo rotor principal [6].
No entanto, essas configurações exigem um maquinário
complicado para controlar a direção do movimento; uma
placa é utilizada para mudar o ângulo de ataque nos rotores
principais [9]. De modo que é produzido mais impulso num
lado do plano do rotor do que no outro. O design complexo
do mecanismo de rotor e da placa apresenta alguns problemas,
aumentando os custos de construção e a complexidade do
projeto [10].
Um quadrotor é um veículo que possui quatro rotores
igualmente espaçados, geralmente dispostos nos cantos de um
corpo quadrado. O mecanismo da placa era necessário para
permitir que o helicóptero utilizasse mais graus de liberdade,
mas o mesmo nível de controle pode ser obtido pela adição
de mais dois rotores [11].
O controle do quadrotor é um problema fundamentalmente
difícil e interessante. Com seis graus de liberdade (três transla-
cionais e três rotacionais) e apenas quatro entradas indepen-
dentes (velocidades do rotor), os quadrotores são severamente
subatuados [12]. Para alcançar seis graus de liberdade, o
movimento rotacional e translacional é acoplado. As dinâmicas
resultantes são altamente não-lineares, especialmente depois
de contabilizar os complicados efeitos aerodinâmicos.
Nesse sentido, o estudo e controle do movimento rotacional
de um drone bi-rotor torna-se um primeiro passo essencial
para entender, evoluir e até mesmo estender a modelagem
para um veículo quadrotor. Uma vez que a automação de
um quadrotor passa por vários tipos diferentes de controle,
o estudo da perfomance de cada controlador é relevante para
um melhor entendimento deste tipo de sistema.
O sistema proposto neste trabalho tem por objetivo intro-
duzir os modelos de controle de atitude para um ângulo dos
quadrotores. Analisando a resposta do sistema aos diversos
modelos de controle propostos podemos dar um primeiro passo
a temas mais complexos relacionados aos quadrotores [13].
2
Fig. 3. Graus de Liberdade de um Quadrotor [8].
II. R EVISÃO DA LITERATURA
Fez-se uma revisão da literatura a fim de apresentar aspectos
relevantes para este trabalho e destacar os diferenciais. Em
[14] foi proposto duas metodologias de controle para os ân-
gulos de arfagem e rolagem de um quadrotor, uma abordagem
PID e uma abordagem baseada na teoria de estabilidade de
Lyapunov.
O controle porposto em [15] para o sistema de hélices
paralelas desenvolvido baseia-se em conceitos de variáveis de
estado, através de um controle seguidor com realimentação,
onde são comparadas duas modelagens: uma linear e outra
não-linear do sistema proposto, com o auxílio do software de
simulação ADAMS.
Em [16], uma planta didática é desenvolvida a fim contribuir
para os estudos de disciplinas nas áreas de acionamentos e
controle. Além disso, dois métodos de controle propostos são
desenvolvidos para esta planta: um controle PI e um controle
LQR (Regulador Quadrático Linear).
Na mesma planta didática de [16], temos que [17] aprimora
as técnicas de controle desenvolvidas anteriormente e aplica
novas metodologias para o controle da planta de 2-DOF (2
graus de liberdade). O controle foi efetuado através ds mod-
elagem em espaço de estados do sistema SSMPC (Controle
Preditivo Baseado em Modelo de Espaço de Estados), aplicada
em duas frentes: SISO (Entrada Única, Saída Única), que
consiste na dinâmica de arfagem, e MISO (Entradas Múltiplas,
Saída Única), que consiste na dinâmica de rolagem.
III. P ROJETO
Neste projeto, para realizar tanto a modelagem do sistema
em malha aberta, quanto o controle do sistema foi utilizado a
bancada desenvolvida por [18]. A bancada é construída sobre
uma plataforma de madeira com dois rotores acoplados em
cada ponta de uma haste. A haste, por sua vez, é fixada em seu
centro de massa no suporte de madeira, que está numa altura
elevada para que seja possível evitar o efeito solo durante os
testes.
Para controlar o sistema desenvolvido na bancada foi uti-
lizado um microcontrolador ARM Nucleo F411RE da ST com
 3

o objetivo de facilitar o controle da planta, uma vez que é

possível fazer o upload do código de forma fácil e rápida.
A entrada e saída do sistema é medido através de um sensor
angular, posicionado no suporte de madeira, de forma a medir
a tensão do sinal de saída do microntrolador utilizado.

A. Equipamentos e Hardware
A bancada de testes é compostos por dois braços para o
motor de 30 cm, motores AX 1806 de 2500 KV, hélices
ABS GemFan 5"x3", juntamente com o sensor analógico
desenvolvido em [18] e o microcontrolador ARM Nucleo
F411RE, está apresentada na Figura 4. Para obter o sinal da
planta é utilizado o osciloscópio acoplado a saída do sensor
analógico citado anteriormente. Além disso, os ESC’s utilizado
são do modelo ESC RC06666 de 12 A, alimentados pela fonte
de bancada em modo paralelo de 10 A e 11,1 V. Fig. 5. Curva de calibração do sensor onde a linha azul é a linha de tendência
determinada por [18].

detecção do sensor. Com a curva medida pelo osciloscópio,

acoplado ao microcrontrolador, gerada por esta entrada de-
grau foi determinado as equações características do sistema,
possibilitando sua modelagem e controle.
Com a bancada devidamente posicionada e os sinal de sáida
da placa sendo registrado pelo osciloscópio, o motor 1 foi
acionado com a tensão máxima esperando-se a velocidade
se estabilizar, tornando-se constante, a fim de simular uma
entrada degrau no sistema, registrando-se a tensão de saída
do microncontrolador, ou seja, a tensão que representa a
angulação da haste. A Figura 6 mostra a resposta ao degrau,
do sistema em malha aberta, registrada pelo osciloscópio.

Fig. 4. Bancada de testes desenvolvida por [18] juntamente com os equipa-

mentos utilizados na alimentação, medição e controle do sistema.

O circuito eletrônico utilizado como sensor foi projetado

e desenvolvido em [18] e utiliza dois amplificadores opera-
cionais LM358 alimentados com 5V através da placa do mi-
crocontrolador. Como a tensão máxima do conversor analógico
da placa é 3.3 V, temos que a saída amplificada deve ser menor
ou igual a este valor. Além disso, o sensor tem uma resolução
de 80 mV, relação Sinal-Rúido de 33,14 dB (para 90% da
velocidade máxima do motor) e um range de -30◦ a 30◦ .[18].
A curva de calibração do sensor é dada pela Figura 5 onde a
função é dada por 1.

A(V ) = 29, 981 · V + 33, 419 (1)

onde A é o ângulo e V é a tensão em volts. Fig. 6. Resposta do sistema a uma entrada degrau registrada pelo osciloscópio.

Temos para a Figura 6 uma frequência de amostragem de 50

B. Determinação da resposta em malha aberta
Como se trata de uma bancada com dois rotores, ou seja,
1 grau de liberdade, para determinar a resposta do sistema
em malha aberta este foi, inicialmente, colocado na posição
de rotação angular máxima, ou seja, na posição máxima de
detecção do sensor angular. Em seguida, o rotor inferior foi
acionado até que a haste chegasse ao outro limite angular de
Hz, tensão por divisão de 580 mV/div, tempo por divisão de 94
ms/div e uma tensão máxima e mínima de, respectivamente,
3.2 V e 0.6 V.
Para obter uma curva o mais próxima possível da resposta
real do sistema, este método foi repetido 10 vezes, gerando
10 curvas diferentes da mesma resposta que, em seguida,
foram utilizadas para determinar a curva média entre todas
 4

as medições. Além disso, para facilitar a modelagem, tanto TABLE I

matemática quanto do software, e o entendimento do processo R ESPOSTA DO C URVE F ITTING A FUNÇÃO DADA EM 2
que está sendo executado, optou-se por inverter a curva, obtida
anteriormente, com relação ao eixo x. Como não é alterado R-Sq. a b c d
nenhum valor da curva, ela apenas é invertida, temos que
0.9993 11.98 -1.01 12.37 -11.98
nenhum parâmetro da modelagem é alterado. A Figura 7
mostra a curva média gerada e invertida com relação ao eixo
X, em graus [o ] por segundo.
Portanto, temos que o modelo fornecido consegue, de forma
mais que satisfatória, prever o comportamento do sistema para
um resposta degrau. Logo, temos que a função exponencial em
termos de t utilizada será dada por :

f (t) = 12, 16 · e−1,01·t + 12, 52 · t − 12, 16 (3)

Aplicando a Transformada de Laplace na Equação 3 temos
que :
12, 52 12, 16 12, 16
f (s) = + − (4)
s2 s + 1, 03 s
Para encontrar o tipo de função de transferência do sistema
composto pela haste, utilizamos a caracterização proposta por
[19] onde a equação de movimento rotacional para um ângulo
é dada por 5 :

Fig. 7. Curva da resposta do sistema em malha aberta utilizado na modelagem Ixx φ̈ = θ̇ψ̇(Iyy − Izz ) + Jr θ̇Ωr + d(−T2 + T4 )
do sistema. 4 4
X X (5)
−h( Hyi ) + (−1)i+1 + ( Rmxi ) − Brol φ̇
i=1 i=1
C. Determinação da função de transferência
onde Ixx,yy,zz representam os momentos de inércia, φ o
Com a resposta do sistema a uma entrada degrau medida
eixo de rolagem, ψ ângulo de guinada, θ ângulo de arfagem,
anteriormente, e com a curva definida na Figura 7 é necessário
Jr inércia do rotor, Ωr velocidade angular total da hélice,
determinar a função de transferência do modelo para que o
h é a distância vertical da hélice até o centro de gravidade,
controle seja possível.
Rm momento de rolagem, T2 e T4 impulso do motor 2 e 4,
Num primeiro momento, com a curva carregada no soft-
respectivamente e Brol o atrito no rolamento.
ware, utilizou-se a ferramenta de simulação System Identi-
Ainda em [19] temos que O momento de rolagem de uma
fication para extrair a função de transferência do sistema.
hélice existe durante a aceleração do quadrotor, pois a hélice
Entretanto, não estava sendo obtido a resposta esperada do
que está girando no sentido da aceleração está produzindo mais
sistema através da ferramenta.
empuxo do que a que está no sentido contrário. Dessa forma,
Nesse sentido, para tentar chegar numa resposta mais sim-
[19] define a aceleração como sendo :
plificada para desenvolvermos o controlador, e mais aproxi-
mada do comportamento do sistema, foi proposto a tentativa 
Rm = Crm ρA(ΩRrad )2 Rrad
de ajustar a curva através de uma equação exponencial em (6)
função do tempo e, após fazer os ajustes necessários, obter a  Crm
= µ( 1
θ − 1
θ − 1
λ)
σa 6 0 8 tw 8
função de transferência utilizando a Transformada de Laplace.
Relembrando que a determinação experimental da resposta Como a bancada
P4 é fixa, temos que a taxa de aceleraçã µ =
em malha aberta do sistema foi feita com o motor em 0, ou seja, i=1 Rmxi = 0. Além disso, a força resultante
velocidade constante, não teremos o τ do motor, ou seja, horizontal é dada pela equação :
podemos definir a seguinte função para o sistema : 
 H = CH ρA(ΩRrad )2
f (t) = a · e−b·t + c · t − d (2) (7)
 CH 1 1 θtw
σa = 4a µC d + 4 λµ(θ 0 − 2 )
Dessa forma, com o auxílio do software de simulação P4
Curve Fitting Tool, foram introduzidos os dados obtidos do Como µ = 0, temos que −h( i=1 Hyi ) = 0 é zero.
experimento, juntamento com a função de fitting definida em 2 Além disso, por definição, como estamos tratando apenas do
de forma a atingir a melhor porcentagem de fitting da resposta movimento de rolagem, temos que θ = 0 e ψ = 0. Logo, a
do sistema para um entrada degrau. Assim, foi obtido a Tabela equação 5 pode ser reescrita como :
I, com uma porcentagem de R quadrado de 99%, os seguintes
coeficientes : Ixx φ̈ = d(−T2 + T4 ) − Brol φ̇ (8)
 5

Com a equação 8, supomos que o sistema está em hover, ou Lembrando que a velocidade do motor era constante, ou
seja, o valor do thrust dos dois motores é igual. Esta suposição seja não temos τ , e aplicando o método das frações parciais
é válida, uma vez que o sistema deve estabilizar-se em um em 13, temos que :
ângulo de referência, executando o movimento de planagem
e não de aceleração de subida ou desaceleração de descida. K A2 · K A·K
f (s) = 2
+ 2 − (14)
Dessa forma, temos que a equação 8 pode ser escrita para B·s B · (A · s + B) B 2 · s
hover, em termos de s como : Igualando as equações 14 e 13 e resolvendo para A, B e
K segue que :
(Ixx · s2 + Brol · s) · φ =
(9)  12.52 K
d · (−T2Op − ∆T2Op + T4Op + ∆T4Op ) 
 s2 = B·s2



Aplicando a condição de hover, onde T4Op = T2Op e ωOp = A·K 12.16
B 2 ·s = s (15)
ω4Op = ω2Op e ω2Op é fixo ∴ ∆ω2Op = 0, temos que 9 pode 


ser reescrita como :  A2 ·K
 12.16
B 2 ·(A·s+B) = s+1.03
(Ixx · s2 + Brol · s) · φ = Ou seja, temos aproximadamente que
(10)
d · (2 · b · ω4Op · ∆ω4 − 2 · b · ω2Op · ∆ω2 ) 
K = 12, 4

Logo, 


A = 1, 03 (16)
φ 2 · b · d · ωO p 
= (11) 

∆ω4 (Ixx · s2 + Brol · s) 

B = 1, 00
Portanto, a função de transferência da "haste/gangorra" será Por fim, para obter a função de transferência completa
dada por : do sistema e para que o controle funcione adequadamente,
devemos levar em consideração o efeito da do motor, ou seja,
2 · b · d · ωO p K devemos adicionar um pólo que represente o τ do motor
Gplanta = = (12)
(Ixx · s2 + Brol · s) A · s2 + B · s estimado. Em [20] temos que uma estimativa experimental
do τ da planta em questão foi feita. A autora estimou um
Dessa forma, podemos comparar a equação 12 com a
τ de, aproximadamente, 4.7 s com o motor em desaceleração,
equação 15 para encontrar os coeficiente que representam o
conforme apresentado na Figura 9.
comportamento da planta.
Logo, considerando a entrada degrau não-unitário, e que a
função de transferência da haste é composta por 2 pólos, com
um ganho K, podemos definir o diagrama de blocos do sistema
conforme apresentado na Figura 8

Fig. 9. τ estimado do motor em desaceleração por [20].

Para efeito de estimativa para nosso modelo podemos,

estão, supor um pólo para o τ em -3. Portanto, a função
de transferência em malha abaerta da bancada de simulação
Fig. 8. Simplificação da planta do sistema em malha aberta Motor e utilizada neste projeto será dada por :
"Gangorra".
12, 4
A partir da figura, podemos definir a função de transferência G= (17)
s · (s + 1) · (s + 3)
13 :
Ou seja, o sistema é de terceira ordem, sem zeros e com 3
Vo ut K 1 pólos reais e distintos em 0, -1 e -3. A Figura 10 apresenta
(s) = 2
· (13) o lugar das raízes para o sistema em questão.
Vi n (τ · s + 1) (A · s + B · s) s
 6

Fig. 10. Lugar das raízes da função de transferência modelada em malha Fig. 11. Arquitetura do controlador PI utilizado nas simulações.
aberta.

D. Projeto do controlador
Uk Ki
Com a função de transferência do sistema em malha aberta Cs = = Kp + (18)
ek si
determinada anteriormente, definiu-se que seriam testados três
tipos de controladores diferentes no sistema : um controlador Aplicando a teoria de controle digital, podemos utilizar
PI, um controlador PID e um controlador PID com filtro no a Transformada Z na equação acima para encontrar a
derivativo. equação discretizada do controlador. Utilizando a transfor-
Considerando que queremos estender os métodos de con- mação "Trapezoidal" para o integrador e considerando um
trole utilizados no birotor para um quadrotor, devemos ter período de amostra de 0,02 segundos, temos que :
requisitos de controle semelhantes ao de um quadrotor. Nesse n
sentido, o sistema birotor utilizado neste projeto realiza o 2 1−Z −1
si = Ts · 1+Z −1
(19)
movimento de rolagem/arfagem, ou seja, ele será responsável
por mover o drone nos eixos X ou Y seguindo uma trajetória. Substituindo a Transformação 19 na Equação 18 temos que
Portanto, idealmente queremos que o sistema controlado não :
apresente erro de regime estacionário, responda o mais rápido
possível e sem sobressinal. Uk 1 + Z −1 Ts
Dessa forma, levando em conta as considerações apresen- = Kp + Ki · · (20)
ek 1 − Z −1 2
tadas anteriormente, e estipulando valores mais próximos do
real, definimos os requisitos de controle apresentado na Tabela Por fim, rearranjando os termos e fazendo a substituição
II de Z a função do PI discretizada a ser implementada no
microcontrolador será dada por :
TABLE II
R EQUISITOS DE CONTROLE DO SISTEMA  
Ts · Ki
Uk = Uk−1 + Kp + · ek
2
Sobressinal Tempo Subida Tempo Acomodação Erro Estacionário   (21)
Ts · Ki
+ −Kp + · ek−1
20% 0,3 3 5% 2

Para encontrar os ganhos do controlador PI, foi utilizado

Nesse sentido, as próximas seções apresentam a arquitetura
o ambiente sisotool, do software de simulação MatLab. Nele
dos controladores utilizados, bem como a metodologia empre-
foi carregado a função de transferência em malha aberta e
gada para determinação dos ganhos de cada controlador.
selecionada a arquitetura do controlador a ser testado. Através
da ferramenta, o pólo do controlador PI foi ajustado até que
1) Controlador PI: Como se trata de um sistema com 3
a resposta ao degrau atingisse seu melhor valor com relação
pólos reais e distintos, e como este seria o primeiro con-
aos requisitos de controle.
trolador a ser testado na planta real, optou-se por utilizar
Desse modo, com um ganho proporcional de 0.15516 e um
uma modelagem de PI pois queriamos validar a modelagem
pólo integrador em -103,4688, obtemos a resposta do sistema
realizada anteriormente. Nesse sentido, a Figura 11 apresenta
que mais se aproxima dos requisitos de controle, conforme
a arquitetura do controlador PI implementado.
pode ser visualizado na Figura 12.
Portanto, temos que a função de transferência do controlador
PI, em função de s, será dada por :
 7

Uk 1 + Z −1 Ts 1 − Z −1
= Kp + Ki · · + K d · (24)
ek 1 − Z −1 2 Ts
Por fim, rearranjando os termos e fazendo a substituição
de Z a função do PID discretizada a ser implementada no
microcontrolador será dada por :
 
Ts · Ki Kd
Uk = Uk−1 + Kp + + · ek
2 Ts
  (25)
Ts · Ki Kd Kd
+ −Kp + −2· · ek−1 + · ek−2
2 Ts Ts
Para encontrar os ganhos do controlador PID, foi utilizado
o mesmo processo utilizado no controlador PI.
Desse modo, com um ganho proporcional de 0,37363,
um pólo integrador em -34,8493 e um pólo derivativo em
Fig. 12. Resposta do sistema com controle PI a uma entrada degrau.
1,3541, obtemos a resposta do sistema que mais se aproxima
dos requisitos de controle, conforme pode ser visualizado na
Figura 14.

Fig. 13. Arquitetura do controlador PID utilizado nas simulações.

2) Controlador PID: Após implementar um controlador PI, Fig. 14. Resposta do sistema com controle PID a uma entrada degrau.
naturalmente o próximo passo seria implementar um contro-
lador PID. Nesse sentido, a Figura 13 apresenta a arquitetura
3) Controlador PID com Filtro no Derivativo: Por fim, para
do controlador PID utilizado.
o último controlador a ser testado na planta real, optou-se por
Portanto, temos que a função de transferência do controlador
deixar o software de simulação escolher a melhor arquitetura,
PID, em função de s, será dada por :
bem como otimizar os ganhos do controlador. Dessa forma,
Uk Ki teremos a modelagem de controle mais adequada com base na
Cs = = Kp + + Kd · sd (22)
ek si função de transferência em malha aberta obtida anteriormente,
Aplicando a teoria de controle digital, podemos utilizar validando definitivamente o método utilizado para obter esta
a Transformada Z na equação acima para encontrar a função.
equação discretizada do controlador. Utilizando a transfor- Nesse sentido, a Figura 15 apresenta a arquitetura do
mação "Trapezoidal" para o integrador e a transformação controlador otimizado definido pelo software de simulação.
"Retangular para Trás" para o derivador e considerando um A partir da Figura 15, temos que o controlador mais ade-
período de amostra de 0,02 segundos, temos que : quado para esta aplicação é um PID com filtro no derivativo.
 Portanto, temos que a função de transferência do controlador
2 1−Z −1 PID, em função de s, será dada por :
si = Ts · 1+Z −1

(23) Uk Ki Kd · sd
 s = 1−Z −1
 Cs = = Kp + + (26)
d Ts ek si Tf · s + 1
Substituindo a Transformação 23 na Equação 22 temos que Aplicando a teoria de controle digital, podemos utilizar
: a Transformada Z na equação acima para encontrar a
 8

Fig. 15. Arquitetura do controlador PID com filtro no derivativo utilizado na Fig. 16. Resposta do sistema com o controlador PID com filtro no derivativo
simulação. a uma entrada degrau.

equação discretizada do controlador. Utilizando a transfor- Portanto, a partir das análises realizadas anteriormente,
mação "Trapezoidal" para o integrador e a transformação os ganhos dos controladores PI, PID e PID com filtro no
"Retangular para Trás" para o derivador e considerando um derivativo serão dados por :
período de amostra de 0,02 segundos, temos que :
 TABLE III
2 1−Z −1 G ANHOS DOS CONTROLADORES PI, PID E PID COM FILTRO DERIVATIVO
si = Ts · 1+Z −1

(27)
 s = 1−Z −1
 Controlador Kp Ki Kd Tf
d Ts
PI 0,1552 0,0150 - -
Substituindo a Transformação 27 na Equação 26 temos que
: PID 0,3736 0,0107 0,5059 -

Uk 1 + Z −1 Ts PID filtro 0,3861 0,0057 4,88 0,0002

= Kp + Ki · ·
ek 1 − Z −1 2
(28)
1 − Z −1
+Kd · IV. R ESULTADOS E DISCUSSÃO
Tf · (1 − Z −1 ) + Ts
Com os controladores devidamente definidos, foi proposto
Por fim, rearranjando os termos e fazendo a substituição de
testar o comportamento do sistema em malha fechada de
Z a função do PID com filtro no derivativo discretizada a ser
duas formas : utilizando o software de simulação Simulink
implementada no microcontrolador será dada por :
e utilizando a planta real, com o objetivo de comparar as
duas respostas e, eventualmente, realizar ajustes necessários
2 · Tf − Ts Uk−2 e concluir se a modelagem utilizada realmente atende as
Uk = · Uk−1 −
Tf + Ts Tf + Ts necessidades do sistema em questão.
 
Ts · Ki Kd
+ Kp + + · ek
2 Tf + Ts A. Simulação Computacional
Ts2
 
2 · Tf + Ts Ki 2 · Kd Nesta seção, serão apresentados os resultados obtidos
+ − · Kp + · − · ek−1
T + Ts Tf + Ts 2 Tf + Ts através da simulação computacional no software SimuLink do
 f 
Kp Tf · Ts Ki Kd sistema em malha fechada com os três controladores definidios
+ − · + · ek−2
Tf + Ts Tf + Ts 2 Tf + T s anteriormente : controlador PI, controlador PID e controlador
(29) PID com filtro derivativo. No ambiente SIMULINK, um
Para encontrar os ganhos do controlador PID com filtro ângulo de referência e uma intensidade de perturbação são
no derivativo, foi utilizado o mesmo processo utilizado no indicados e o controlador ajustará para o ângulo de referência
controlador PI e PID. determinado.
Desse modo, ganho proporcional de 0,38609, um pólo
integrador em -68,2033, um pólo derivativo em 1,2971 e um 1) Controlador PI: Acoplando o controlador PI ao circuito
valor N para o filtro derivativo de 6485, obtemos a resposta apresentado na Figura 17 anterior, foi montado no software
do sistema que mais se aproxima dos requisitos de controle, em malha fechada, onde iremos alterar seus ganhos com base
conforme pode ser visualizado na Figura 16. na Tabela III determinada anteriormente.

Fig. 17. Planta em malha fechada utilizada na simulação do sistema em
Simulink.
Dessa forma, fixando os ganhos do controlador com os
valores definidos na Tabela III, temos que a resposta do
sistema a uma pertubação de 20 o ou 0,35 rad será dada pela
Figura 18 a seguir.
Fig. 18. Resposta a entrada degrau, no Simulink, da planta em malha fechada
com o controlador PI.
A partir da análise da Figura 18, podemos observar que
o sistema apresentou uma resposta pouco satisfatória, uma
vez que apresentou um tempo de assentamento em torno
de 12 segundos, que é um tempo muito grande para uma
mudança de direção de um drone ou para estabilização em
um ângulo. Além disso, houve um sobressinal relevante de,
aproximadamente, 30%, justamente por conta da velocidade
de resposta lenta, que apresentou um tempo de subida de,
aproximadamente, 1,3 s.
Entretanto, não houve erro de regime, estabilizando a
posição em 10 o ou 0,17 rad, o que era esperado por conta
da parcela integradora do controle. Portanto, o controlador
PI não é o mais adequado para a aplicação projetada por
não atingir os requisitos de projeto uma vez que, apesar de
eficiente em evitar erro de regime, não apresentou a velocidade
9
de resposta adequada, tendo com um tempo de subida de,
aproximadamente, .
2) Controlador PID: O mesmo processo feito com o
controlador PI foi repetido com o controlador PID, após
acoplar o controlador PID ao circuito apresentado na Figura 17
anterior e fixando-se os ganhos do controlador com os valores
definidos na Tabela III, temos que a resposta do sistema a
uma pertubação de 20 o ou 0,35 rad será dada pela Figura 19
a seguir.
Fig. 19. Resposta a entrada degrau, no Simulink, da planta em malha fechada
com o controlador PID.
A partir da análise da Figura 19, podemos observar que
o sistema apresentou uma resposta muita mais satisfatória
do que a do controlador PI, uma vez que apresentou um
tempo de assentamento em torno de 6 segundos, muito mais
rápido que o controlador PI e também não apresentou erro
de regime. Esse comportamento era esperado, devido a parte
derivativa do controle, que aumenta a velocidade de resposta
do sistema. Além disso, o tempo de subida diminuiu bastante
se comparado ao controlador PI, justamente pela adição do
pólo derivativo, ficando em torno de 0,7 s.
No entanto, o sobressinal continou existindo nesta mod-
elagem que, apesar de ser menor do que a do controlador
PI, ficando em torno de 20%, representa um problema nos
requisitos de projeto. Este sobressinal se torna um problema,
pois não queremos que o veículo oscile muito na mudança de
direção, pois podem ocorrer problemas inesperados durante o
voo devido esta oscilação abrupta.
3) Controlador PID com filtro no derivativo: Por fim,
refazendo o processo de simulação feito nos controladores PI e
PID, foi acoplado o controlador PID com filtro no derivativo ao
circuito apresentado na Figura 17 anterior, tendo seus ganhos
fixados conforme a Tabela III, temos que a resposta do sistema
a uma pertubação de 20 o ou 0,35 rad será dada pela Figura 20
a seguir.
A partir da análise da Figura 20, podemos observar que o
sistema apresentou uma resposta bem mais satisfatória com
relação aos outros dois controladores, sendo o modelo que
 10

Fig. 20. Resposta a entrada degrau, no Simulink, da planta em malha fechada Fig. 21. Bancada de testes em malha fechada com a placa Nucleo utilizada
com o controlador PID com filtro derivativo. no controle do sistema.

mais se aproximou do requisitos de controle dentre os três
controladores testados.
Da Figura 20, temos que o tempo de assentamento ficou em
torno de 4 segundos, sem erro de regime estacionário e sem
sobressinal, que era o problema com o controlador PID. Além
disso, o tempo de subida também diminuiu, ficando em torno
de 0,4 s.
Dessa forma, podemos classificar este controlador como
o melhor dentre os controladores modelados para esta apli-
cação, pois apresentou todos os parâmetros muito próximos
aos requisitos de controle, tendo uma rápida velocidade de
resposta, essencial para realizar rapidamente os movimentos
de mudança de direção, sem erro de regime estacionário, para
estabilizar o voo na referência correta e sem sobressinal, que
evita os problemas com relação a mudança abrupta de direção
que o controlador PID enfrentaria.
posição, foi dada uma perturbação de, aproximadamente, 20 o .
Para a medição do sinal de saída, foi utilizado o osciloscópio
com 900 mV/div para tensão e 1 s/div para tempo.
Devido a forma como a perturbação foi gerada, a haste foi
empurrada na direção do movimento, teremos variações com
relação ao nível desta perturbação, entretanto, a natureza do
controle permanece a mesma, apenas devem-se fazer ressalvas
na comparação entre o modelo real e o simulado.
1) Controlador PI: Inicializando o microcontrolador para
um funcionar como um controlador PI, onde iremos alterar
seus ganhos com base na Tabela III determinada anterior-
mente, obtemos a resposta apresentada na Figura 22.

TABLE IV
P ERFOMANCE DOS CONTROLADORES AVALIADOS NA SIMULAÇÃO

Controlador Ms Tr Ts ess

PI 30% 1.5 s 12 s 0 o

PID 20% 0,7 s 6s 0 o

PID filtro 0% 0,4 s 4s 0 o

B. Bancada de testes
Nesta seção, serão apresentados os resultados obtidos
através dos testes reais de controle na bancada experimental
em malha fechada com os três controladores definidios ante-
riormente : controlador PI, controlador PID e controlador PID
com filtro derivativo.
Para tal, foi utilizado o sistema descrito anteriormente e
apresentado na Figura 21 a seguir onde a haste foi previamente
posicionada em 15 o com relação a horizontal, sendo este
nosso ângulo de referência, e, uma vez estabilizada nesta
Fig. 22. Resposta a entrada degrau, na Bancada de testes, da planta em malha
fechada com o controlador PI.
A partir da análise da Figura 22, observamos que o sis-
tema não apresentou a mesma resposta que a simulação em
software, uma vez que não houve sobressinal e a haste não
estabilizou na posição de referência correta, tendo atingido o
regime estacionário em, aproximadamente, 19 o , gerando uma
defasagem de 4 o com relação ao ângulo de referência.

Provavelmente, isso ocorreu devido a alguns efeitos aerod-
inâmicos e inerciais, como a dimensão e formato das hélices,
mêcanica dos motores, entre outras coisas, não serem lev-
ados totalmente em conta. Além disso, foi posteriormente
identificado um atraso de transporte na planta, relacionado
a velocidade de leitura do microcontrolador, que também
contribui para esta diferença entre o sistema simulado e o real.
Entretanto, o tempo de assentamento ficou relativamente
próximo da simulação, em torno de 10 segundos, bem como o
tempo de subida, em torno de 4s, comprovando que este não é
o melhor método de controle para este tipo de aplicação, que
necessita de uma resposta mais rápida.
2) Controlador PID: Inicializando o microcontrolador para
funcionar como um controlador PID, onde iremos alterar seus
ganhos com base na Tabela III determinada anteriormente,
obtemos a resposta apresentada na Figura 23.
Fig. 23. Resposta a entrada degrau, na Bancada de testes, da planta em malha
fechada com o controlador PID.
A partir da análise da Figura 23, podemos observar que o
sistema ainda apresentou uma certa oscilação antes de atingir
o regime estacionário. Estas oscilações se demonstraram mais
intensas devido a natureza derivativa do controlador imple-
mentado.
Porém, exatamente devido a parcela derivativa do contro-
lador percebe-se que, o sistema atinge o regime estacionário
muito antes do que o controlador PI, comprovando que este
seria um sistema muito mais responsivo para perturbações
durante o voo, uma vez que o controlador seria capaz de,
rapidamente, trazer o drone de volta para o ângulo estável.
Também podemos considerar este modelo satisfatório uma
vez que o tempo de assentamento e tempo de subida, que
são dois dos principais requisitos de controle, ficaram em
torno de 6 s e 0,7 s, muito próximo ao da simulação e aos
parâmetros definidos para o requisito de controle. Além disso,
o sobressinal não foi tão intenso como se esperava, ficando
em torno de 21%, que também é condizente com o modelo
simulado.
Porém, novamente ocorreu um erro de regime estacionário,
fazendo com que a haste se estabilize em 16,6 o , gerando uma
divergência de, aproximadamente, 1,6 o . Mais uma vez, isso se
11
deve ao fato tanto de alguns efeitos que não foram totalmente
levados em conta, quanto do atraso de transporte descoberto
posteriormente.
Portanto, com a análise feita, podemos considerar que
atingimos parcialmente os requisitos de controle e, fazendo
com que o sistema se torne mais responsivo, e com menor erro
de regime, essenciais para a manutenção do voo e mudança
rápidas de direção.
3) Controlador PID com filtro no derivativo: Por fim,
inicializando o microcontrolador para funcionar como con-
trolador PID com filtro derivativo, onde iremos alterar seus
ganhos com base na Tabela III determinada anteriormente,
obtemos a resposta apresentada na Figura 24.
Fig. 24. Resposta a entrada degrau, na Bancada de testes, da planta em malha
fechada com o controlador PID com filtro no derivativo.
A partir da análise da Figura 24, podemos observar que
o sistema ainda apresentou uma oscilação antes de atingir
o regime estacionário, mas que apresenta menor amplitude e
menor duração se comparada a oscilação presenta na resposta
do controlador PID.
Além disso, vemos que o tempo de acomodação ficou em
torno de 4 segundos e o tempo de subida próximo a 0,6 s,
sendo mais rápido que o controlador PID e se aproximando
ainda mais dos requisitos de controle. O sobressinal também
diminuiu, ficando próximo de 18%, ajudando na estabilização
mais rápida da planta em torno do ponto de referência.
Entretanto, tivemos o mesmo erro de regime estacionário,
provavelmente oriundo das mesmas condições descritas ante-
riormente, fazendo com que atinjamos um ângulo de, aprox-
imadamente, 15, 8 o gerando uma defasagem de 0,8 o com
relação ao ângulo de referência que, apesar de não ser o regime
ideal para esta aplicação, pode ser considerado satisfatório
levando em conta a modelagem feita.
Podemos, então, concluir que o controlador PID com filtro
no derivativo apresentou a melhor resposta dentre os três
controladores testados, que pode ser observado na Tabela V.
Isso se deve ao fato de que o controlador utilizado, bem como
seus ganhos, foi determinado pelas ferramentas de otimização
do MatLab, com base na planta em malha aberta modelada,

gerando um modelo de controle e um conjunto de ganhos mais
adequado para a planta.
Além disso, também inserimos um filtro na parcela deriva-
tiva do controle. Este filtro atua impedindo a amplificação
dos ruídos de alta frequência presentes no sistema. Dessa
forma, conseguimos fornecer um feedback mais correto para o
controlador que, por sua vez, fornecerá uma ação de controle
muito melhor e mais rápida ao sistema.
TABLE V
P ERFOMANCE DOS CONTROLADORES AVALIADOS NA BANCADA DE
TESTES
Controlador Ms Tr Ts ess
PI 0% 4s 10 s 4 o
PID 21% 0,7 s 6s 1,6 o
PID filtro 18% 0,6 s 4s 0,8 o
Portanto, através da análise dos resultados obtidos tanto na
parte de simulação, quanto na parte prática, podemos inferir
que a modelagem feita representa muito bem o real compor-
tamento da planta. Mais que isso, foi possível transformar
um sistema complexo, com grandes efeitos aerodinâmicos,
inerciais e graus de liberdade, em um modelo simplificado mas
respeitando as propriedades da planta, bem como controla-lo
seguindo requisitos pré-estabelecidos.
V. C ONCLUSÃO
No desenvolvimento deste trabalho, buscou-se aplicar as
técnicas de controle digital a um sistema relativamente com-
plexo, com comportamento não-linear uma vez que um
quadrotor apresenta seis graus de liberdade e apenas quatro
entradas independentes. Nesse sentido, a utilização da planta
didática de um bi-rotor, com dois graus de liberdade, torna-se
um primeiro passo ideal para entender, evoluir e estender a
modelagem para um veículo quadrotor pois a sua automação
passa por diferentes tipos de controle em diferentes aspectos
do veículo.
Para realizar a modelagem da planta da maneira mais fiel
possível, ao invés de tentar criar um modelo apenas baseado no
equacionamento do movimento rotacional do veículo, optou-
se por submeter a planta a uma entrada degrau e, a partir da
resposta da planta em malha aberta, determinar as equações
que regem a dinâmica do sistema. Dessa forma, conseguimos
chegar num modelo muito próximo ao real, que otimizaria o
funcionamento dos controladores.
Devido a essa necessidade de performance por parte dos
controladores, foram propostos três tipos de controle : PI,
PID e PID com filtro no derivativo. Dessa forma, poderíamos
avaliar a perfomance de cada controlador, bem como se o
método de modelagem aplicado estava correto. Logo, con-
seguimos chegar próximos das especificações de controle com
os métodos, sendo que a resposta do sistema foi melhorando
gradativamente até atingir a melhor performance, com relação
ao requisitos de controle, com o controlador PID com filtro
no derivativo.
12
Espera-se que este trabalho sirva como base para desen-
volvimento de controladores mais robustos e complexos, bem
como para um melhor entendimento do funcionamento de
modelos aerodinâmicos podendo nortear a modelagem, bem
como o desenvolvimento, de veículos com mais graus de
liberdade, como os quadrotores.
R EFERENCES
[1] R. MAHONY, V. KUMAR, and P. CORKE, “MULTIROTOR AERIAL
VEHICLES : MODELLING, ESTIMATION AND CONTROL OF a
QUADROTOR,” p. 13.
[2] T. HAUS, N. PRKUT, K. BOROVINA, B. MARIC, M. ORSAG, and
S. BOGDAN, “A NOVEL CONCEPT OF ATTITUDE CONTROL
FOR LARGE MULTIROTOR-UAVS BASED ON MOVING MASS
CONTROL.”
[3] R. MAHONY, “MULTIROTOR AIRCRAFT: MODELLING, STATE
ESTIMATION AND CONTROL.”
[4] A. GIBIANSKY, “QUADCOPTER DYNAMICS, SIMULATION, AND
CONTROL.”
[5] E. A. PAIVA, J. C. SOTO, J. A. SALINAS, and W. IPANAQUÉ,
“MODELING AND PID CASCADE CONTROL OF a QUADCOPTER
FOR TRAJECTORY TRACKING,” p. 7.
[6] W. J. WAGTENDONK, PRINCIPLES OF HELICOPTER FLIGHT,
SECOND EDITION ed. AVIATION SUPPLIES & ACADEMICS,
INC., vol. 1.
[7] M. V. F. DE OLIVEIRA, “CARACTERIZAÇÃO NUMÉRICA e EX-
PERIMENTAL DE UMA BANCADA DE ROTOR FLEXÍVEL SU-
PORTADA POR MANCAIS MAGNÉTICOS ATIVOS.”
[8] COMO CONSTRUIR UM DRONE. [Online]. Avail-
able: http://www.outros.net/2016/05/25/como-construir-um-drone-
quadricoptero-do-zero/2/
[9] N. MICHAEL, “QUADROTOR MODELLING AND CONTROL,”
16-311 INTRODUCTION TO ROBOTICS GUEST LECTURE ON
AERIAL ROBOTICS.
[10] P. E. I. POUNDS, D. R. BERSAK, and A. M. DOLLAR, “STABIL-
ITY OF SMALL-SCALE UAV HELICOPTERS AND QUADROTORS
WITH ADDED PAYLOAD MASS UNDER PID CONTROL.”
[11] S. KHAN, M. H. JAFFERY, A. HANIF, and M. R. ASIF, “TEACH-
ING TOOL FOR a CONTROL SYSTEMS LABORATORY USING a
QUADROTOR AS a PLANT IN MATLAB,” vol. VOL. 60, p. 8.
[12] R. BREGANON, “MODELAGEME CONTROLE h INFINITO DE UM
HELICÓPTERO COM TRÊS GRAUS DE LIBERDADE,” p. 6.
[13] S. NADDA and A. SWARUP, “TRACKING CONTROL DESIGN FOR
QUADROTOR UNMANNED AERIAL VEHICLE,” vol. VOL. 67, p. 9.
[14] E. B. COSTA, “ALGORITMOS DE CONTROLE APLICADOS À
ESTABILIZAÇÃO DO VOO DE UM QUADROTOR.”
[15] R. BREGANON, “CONTROLE DE ARFAGEM e GUINADA DE UM
SISTEMA DE HÉLICES PARALELAS.”
[16] V. P. CASARA, “HELICÓPTERO 2-DOF: DESENVOLVIMENTO e
CONTROLE DAS MALHAS DE ARFAGEM e GUINADA POR TÉC-
NICAS PI e LQR.”
[17] G. D. NASCIMENTO, “APLICAÇÃO DE CONTROLE PREDITIVO
NAS MALHAS DE ARFAGEM e GUINADA DA PLANTA DIDÁTICA
“HELICÓPTERO 2-DOF”.”
[18] V. CAMPOS and A. C. HERNANDES, “PROJETO, CONSTRUÇÃO e
CONTROLE DE UM AEROESTABILIZADOR.”
[19] S. BOUABDALLAH, “DESIGN AND CONTROL OF QUADROTORS
WITH APPLICATION TO AUTONOMOUS FLYING.”
[20] N. M. Scurachio, “MEDIÇÃO EMBARCADA DO CONJUGADO
MECÂNICO DO MOTOR SEM ESCOVA PARA QUADROTOR.”