Controle Adaptativo Inteligente de um quadricóptero

• Processo: 23/05069-0
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de setembro de 2023
• Data de Término da vigência: 31 de dezembro de 2024
• Área de conhecimento: Engenharias - Engenharia Elétrica - Eletrônica Industrial, Sistemas e Controles Eletrônicos
• Pesquisador responsável: Roberto Santos Inoue
• Beneficiário: Gabriel Andreazi Bertho
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Bolsa(s) vinculada(s): 23/18487-5 - Validação Experimental de Controle Adaptativo Inteligente para um Quadricóptero, BE.EP.IC
• Assunto(s): Controle adaptativo Aprendizagem profunda Robótica
• Palavra(s)-Chave do Pesquisador: Controle adaptativo | Deep Learning | Drone Quadricóptero | Robótica

Resumo

Sabe-se que os Veículos Aéreos Não Tripulados (VANTs), também conhecidos como Unmanned Aerial Vehicles (UAVs), frequentemente operam em condições ambientais adversas, nas quais distúrbios externos, como rajadas de vento, e incertezas paramétricas no modelo dinâmico desses veículos - como massa, centro de gravidade e momentos de inércia - estão constantemente presentes. Nesse cenário, é importante que o controle utilizado seja robusto o suficiente para lidar com essas perturbações, garantindo a segurança, estabilidade e eficiência das aeronaves.Neste trabalho de Iniciação Científica (IC), escolheu-se desenvolver um controle adaptativo baseado em modelo de referência inteligente para garantir a robustez do sistema de um drone quadricóptero, considerando o cenário mencionado, além de realizar o acompanhamento de sua trajetória. Para isso, serão utilizadas redes neurais profundas para aprender as incertezas paramétricas e estimar os distúrbios externos dessa aeronave.A implementação da arquitetura de controle será feita em Python, utilizando o framework TensorFlow. Para a validação experimental, pretende-se implementar a arquitetura simulada usando o driver bebop_autonomy para o framework Robot Operating System (ROS), com um quadricóptero comercial, o Parrot Bebop 2, que já possui controle de estabilização. Por fim, a validação final do sistema será realizada por meio da ferramenta de simulação Parrot Sphinx.