Desenvolvimento de um VeÃculo Aéreo Não-Tripulado - LARA ...
Desenvolvimento de um VeÃculo Aéreo Não-Tripulado - LARA ...
Desenvolvimento de um VeÃculo Aéreo Não-Tripulado - LARA ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
ambos os lados por X T para termos:<br />
X T y = X T Xθ (6.11)<br />
Multipicando os dois lados por X T X, obteremos a equação principal do método dos MQ<br />
clássico:<br />
θ = [X T X] −1 X T y (6.12)<br />
obtendo <strong>de</strong>ssa forma os parâmetros θ. A matriz [X T X] −1 X T é conhecida como matriz pseudoinversa<br />
A, em alusão à matriz X que <strong>de</strong>veria ser invertida para o cálculo <strong>de</strong> θ, mas como não é<br />
possível fazê-lo por não ser quadrada, utiliza-se esse “truque”.<br />
Obtido os parâmetros do mo<strong>de</strong>lo, po<strong>de</strong>mos calcular o valor das saídas com os parâmetros<br />
i<strong>de</strong>ntificados pelo MQ e as entradas:<br />
y = Xˆθ + ξ (6.13)<br />
O circunflexo significa que a matriz <strong>de</strong> parâmetros utilizada foi i<strong>de</strong>ntificada, e ξ é o resíduo<br />
e representa o que o mo<strong>de</strong>lo não consegue explicar em relação ao processo real, pela equação a<br />
seguir:<br />
ξ = y − ŷ (6.14)<br />
Vale observar a diferença entre ruído e resíduo, muitas vezes confundidos no campo <strong>de</strong> i<strong>de</strong>ntificação.<br />
O ruído, ao contrário do resíduo, não é relativo a falhas do mo<strong>de</strong>lo i<strong>de</strong>ntificado, e sim<br />
“<strong>de</strong>vido a erros na medição ou não linearida<strong>de</strong>s do processo”, [81].<br />
É possível ainda provar que este método minimiza a soma dos erros quadráticos, dando origem<br />
ao seu nome.<br />
6.4.1.3 Proprieda<strong>de</strong>s<br />
O estimador <strong>de</strong> Mínimos quadrados possui proprieda<strong>de</strong>s muito interessantes para utilização<br />
no projeto do VANT. Este método apresenta robustez ao ruído, semelhante aos comprovados para<br />
funções correlação. Classifica-se então como <strong>um</strong> método estocástico, <strong>de</strong>vido à esse tratamento<br />
especial ao ruído o que será muito útil à nossa utilização, pois como dito acima, nossas medidas<br />
apresentarão ruído que <strong>de</strong>verá ser especialmente tratado na i<strong>de</strong>ntificação.<br />
Quanto à ortogonalida<strong>de</strong>, po<strong>de</strong>mos afirmar que o MQ gera valores <strong>de</strong> y e ξ ortogonais. Isso<br />
significa que ao se <strong>de</strong>screver a saída estimada com os regressores (lista <strong>de</strong> variáveis a serem multiplicadas<br />
pelos parâmetros) com os vetor <strong>de</strong> regressores estimados como eixo <strong>de</strong> coor<strong>de</strong>nadas, a<br />
diferença entre y e ŷ será mínima e consequentemente ortogonal.<br />
122