Desenvolvimento de um Veículo Aéreo Não-Tripulado - LARA ...

Selecionando o experimento definitivo, é possível fazer identificação de várias formas, incluindo
formas lineares (ARX, ARMAX, etc ), não lineares, métodos não paramétricos, dentre outros.
Feita a identificação, é possível comparar a resposta dos modelos identificados entre si e com a
resposta do processo, tanto graficamente quanto numericamente através do índice de fitness que
indica o quanto a resposta identificada se “encaixa” com a real.
Para a identificação não linear do tipo caixa cinza, utilizamos a função pem (Prediction error
estimate of linear or nonlinear model), que utiliza o algoritmo de Levenberg-Marquardt para
minimizar o erro de predição.
Como nosso problema possui 4 entradas e várias saídas (esse número depende do modelo
utilizado, e será detalhada mais a frente), utilizamos a a System Identification Toolbox em forma
de linha de código em um arquivo MATLAB (*.m) devido à maior facilidade de se trabalhar
com sistemas MIMO. O resultado é o mesmo do entregue pela interface gráfica, pois os mesmos
algoritmos são utilizados.
6.5 Modelos implementados no VANT
6.5.1 Entradas e Saídas
Antes de montar o modelo, é necessário relacionar as entradas e saídas do processo.
As entradas serão os comandos das superfícies de atuação, aileron, profundor e leme e controle
do motor. Como queremos modelar o processo como um todo, escolhemos como entradas os comandos
e não as posições angulares destas superfícies, assim como a rotação do motor. Isso porque
desta maneira estaremos incluindo a dinâmica dos servos atuadores, no caso das superfícies, e do
motor nas funções de transferência ou na equação de espaço de estados obtida com a identificação.
Como o controlador será colocado na entrada do sistema como um todo, as dinâmicas dos servos
e do motor o afetarão e por isso deverão ser previstas.
Como saídas teremos as três velocidades angulares e lineares, as três acelerações lineares e
angulares e os ângulos de rolagem, arfagem e guinada totalizando 12 saídas. As posições podem
ser obtidas através da integração das velocidades lineares. Essas 12 saídas serão também os estados
do processo.
6.5.2 Desacoplamento entre modelos
Como poderá ser visto nas equações mostradas na Seção 6.5.5, o modelo não linear completo é
muito complexo pois além das não linearidadesapresenta um forte acoplamento entre os estados.
Uma das maneiras de amenizar essa complexidade é desacoplar algumas daquelas equações.
Baseado no conhecimento do processo, sabe-se que alguns estados dependem mais de certos
atributos que outros. Assim, separamos dois modelos desacoplados (definindo aqui como MD), o
modelo longitudinal e o modelo lateral.
124