Estimação de estados de veículos aéreos não tripulado usando filtragem bayesiana.

Abstract

Os Veículos Aéreos Não Tripulados (VANTs) têm ganhado destaque em diversas áreas, como monitoramento, inspeção e agricultura, devido à sua capacidade de realizar tarefas complexas de forma autônoma. Para garantir a estabilidade e o controle eficiente durante as operações, é necessário empregar métodos de controle adequados, os quais dependem de uma modelagem matemática precisa do sistema. A modelagem matemática de um VANT é essencial para compreender o comportamento dinâmico do sistema e para a implementa ção de estratégias de controle e estimação de estados. Neste trabalho, é desenvolvido um modelo matemático que descreve a dinâmica de um quadricóptero, o qual é utilizado como base para o projeto de um controlador do tipo PID (Proporcional, Integral e Derivativo), cujos parâmetros são ajustados por meio do algoritmo genético. O desempenho do contro lador é avaliado por meio de simulações computacionais realizadas no ambiente Matlab, considerando diferentes trajetórias de referência para o veículo, como movimento em linha reta e circular. A análise do desempenho é conduzida a partir de métricas clássicas de sistemas de controle no domínio do tempo, tais como sobressinal, tempo de acomodação e erro estacionário e métricas como Integral do Erro Absoluto (IAE, do inglês Integral Abso lute Error) e Integral do Erro Absoluto Multiplicado pelo Tempo (ITAE, do inglês Integral Time Absolute Error). Além disso, é implementado um filtro de Kalman com o objetivo de realizar a estimação dos estados do sistema a partir do modelo matemático e medições de sensores. O desempenho do estimador é avaliado em dois cenários distintos: perda de medições dos sensores e presença de ruído elevado nas medições. Para complementar a análise, é utilizado o índice Raiz do Erro Quadrático Médio (RMSE, do inglês Root Mean Square Error), permitindo quantificar a precisão das estimativas obtidas. Os resultados obtidos indicam que o controlador PID é capaz de garantir o seguimento das trajetórias propostas, mantendo o sistema estável e com desempenho satisfatório. Adicionalmente, o filtro de Kalman demonstrou ser capaz de fornecer estimativas consistentes dos esta dos do sistema mesmo em condições adversas de medição, evidenciando sua eficiência na filtragem de ruído e na robustez do processo de estimação.