Análise da Metodologia SOESGOPE em malha fechada para a Estimação Ótima de Parâmetros de um quadrotor

Abstract

Existem diversos métodos de Estimação Ótima de Parâmetros. Em identificação de sistemas é necessário um sinal de excitação rico, que excite suficientemente o sistema. Se a relação entrada/saída não for capaz de gerar informação suficiente, qualquer técnica de Estimação Ótima de Parâmetros (OPE) falhará. O processo de identificação de sistemas em malha fechada é fundamental para situações em que a planta possui não linearidades e comportamentos que são difíceis de prever e com estabilidade não garantida para malha aberta. Este trabalho apresenta uma análise da metodologia SOESGOPE para a estimação dos parâmetros de um sistema em malha fechada e a geração de sinal de excitação para o experimento. Para a identificação de sistemas não lineares em malha fechada é necessário um controlador simples que mantenha o sistema estável e que permita a passagem de frequências que sensibilizem adequadamente o sistema. A metodologia SOESGOPE é responsável pela busca de um sinal de excitação para o experimento que seja compatível com o controlador, de modo que a excitação do sinal fornecido seja suficiente para estimar os parâmetros. Para os casos em que as incertezas sobre os parâmetros dificultam o projeto do controlador, foi proposta uma nova abordagem da metodologia, visando sintonizar um controlador simples e eficiente para a estimação de parâmetros. A nova abordagem proposta busca, a partir do processo de otimização em duas camadas, um conjunto de controladores para manter o sistema estável e que seja compatível com o sinal de excitação para o processo de estimação de parâmetros. A nova abordagem da metodologia SOESGOPE apresenta resultados positivos para aplicação em VANTs, sendo seu desempenho satisfatório na estimação dos parâmetros em todos os cenários considerados. O erro obtido nas estimativas dos parâmetros chegou a diminuir até 1,5% em um dos parâmetros, na nova abordagem, o tempo de convergência do novo algoritmo chegou a reduzir na faixa de 100 segundos e a entropia dos sinais utilizados para a estimação paramétrica chegou a ter um aumento de 3,3646 quando comparado a metodologia original, garantindo que a informação para a estimação paramétrica não seja perdida quando o sinal de excitação é filtrado pelo controlador do sistema.