Douglas Wildgrube Bertol

CONTRIBUIES LOCOMOO DE ROBS MVEIS

NO-HOLONMICOS USANDO CONTROLE FUZZY
BASEADO EM MODELO

Tese submetida ao Programa de Ps-

Graduao em Engenharia de Auto-
mao e Sistemas da Universidade
Federal de Santa Catarina para a
obteno do Grau de Doutor em Au-
tomao e Sistemas.
Orientador: Prof. Dr. Edson Ro-
berto De Pieri.

Florianpolis
2015
 Ficha de identificao da obra elaborada pelo autor,
atravs do Programa de Gerao Automtica da Biblioteca Universitria da UFSC.

Bertol, Douglas Wildgrube

Contribuies locomoo de robs mveis no-holonmicos
usando controle fuzzy baseado em modelo / Douglas
Wildgrube Bertol ; orientador, Edson Roberto De Pieri -
Florianpolis, SC, 2015.
148 p.

Tese (doutorado) - Universidade Federal de Santa

Catarina, Centro Tecnolgico. Programa de Ps-Graduao em
Engenharia de Automao e Sistemas.

Inclui referncias

1. Engenharia de Automao e Sistemas. 2. Modelagem e

controle fuzzy. 3. Robtica mvel. 4. Rob mvel diferncial.
5. Planejamento de locomoo. I. De Pieri, Edson Roberto.
II. Universidade Federal de Santa Catarina. Programa de Ps-
Graduao em Engenharia de Automao e Sistemas. III. Ttulo.
 Du11g las Wi ld g rnhe l:kr l ol

C O NTRIBUIES LO COMO O OE ROBS UVEIS

NO- HOLO N MIC OS USANDO C O NTROLE FUZZY
BAS EADO EM MODE LO

Es ta Tese foi julgada adeq uada para a oht <'no do ttulo de Do ut or

l'Ul E ngenharia de A11t.omac,,:iio l' Sist1urns. l' aprovada e m s ua for111a
fi 11c1I 1)('10 Progn11110 d <' Ps-Cni d uao c 111 l: 11ge11l1H ria ele Autonrno
e S h;tcn1ns da U11hcrsidadc Fc dC'ral d<' Sa11ta Catari11a.

Flo rian po lis. 09 d<' Abril de 2015.

Banca Examilli\clora:
(

sc rio. Dr.
p
Dedicado a Nbio (Buja)
e Regina (Mami)
 RESUMO

A locomoo de robs mveis apresenta desafios no controle da exe-

cuo de trajetrias, principalmente quando o tipo de rob exibe no-
holonomia, pois as restries de movimento e atuao imprimem, entre
outras, reduo no conjunto factvel de trajetrias. As principais solu-
es da literatura, aplicveis e de desempenho comprovado, no apre-
sentam uma forma automtica para clculo de parmetros de controle
que garantam requisitos de desempenho.
Este trabalho desenvolve estruturas de locomoo compostas por
controladores fuzzy baseados em modelos Takagi-Sugeno (TS-Fuzzy)
que so capazes de representar o problema de rastreamento de traje-
trias e solucion-lo com qualidade equivalente s principais tcnicas
existentes e fornecem, ainda, capacidade de clculo automtico de ga-
nhos que garantem requisitos de desempenho do sistema de controle,
ou em caso de no haver soluo, acusar inexistncia de tais ganhos.
Descreve-se uma soluo completa de locomoo, composta pelos
compensadores propostos e uma tcnica de planejamento de locomo-
o capaz de gerar referncias factveis s limitaes de Robs Mveis
Diferenciais (RMDs). Com esta soluo foi possvel a aplicao prtica
e a anlise de desempenho das estruturas de controle descritas.
Os desenvolvimentos tericos so ilustrados atravs de aplicaes
experimentais e simuladas, baseadas na plataforma robtica Powerbot
que representa um RMD de mdio porte.

Palavras-chave: Modelagem TS-Fuzzy, Controle Fuzzy, Robtica

Mvel, Rob Mvel Diferencial, Planejamento de Locomoo.
 ABSTRACT

The challenges in locomotion control of non-holonomic mobile ro-

bots come from constraints related to sub actuation and trajectory
feasibility. The main solutions found in the literature, with proved
performance and applicability does not show an automatic method to
compute control gains that guarantee global performance requirements.
This work develops locomotion structures composed by Takagy-
Sugeno fuzzy model based controllers. These structures are capable to
represent and solve the trajectory-tracking problem with quality equi-
valent to the main existent techniques with the capability to compute
the controller gains automatically, ensuring performance requirements
to the compensator or even evince their absence in case of no solution.
The document describes a full locomotion solution, composed by
the developed controllers and a methodology of locomotion planning.
The planning method is capable of generating feasible references over
the locomotion and actuation constraints of the differential mobile ro-
bots (DMRs). This solution provides the practical application and
performance analysis of the proposed control architectures.
The theoretical achievements of this work are illustrated by expe-
rimental and simulated scenarios based on the Powerbot robotic plat-
form, witch one represents a DMR of medium size.

Keywords: TS-Fuzzy Modelling, Fuzzy Control, Mobile Robotics,

Differential Mobile Robot, Trajectory Planning.
 LISTA DE FIGURAS

1 O rob mvel diferencial Powerbot. . . . . . . . . . . . . 24

2 Tipos de rodas de acordo com as restries. . . . . . . . 30
3 Rodas convencionais. . . . . . . . . . . . . . . . . . . . . 31
4 Exemplos dos graus de mobilidade, m . . . . . . . . . . . 33
5 Tipos de RMRs. . . . . . . . . . . . . . . . . . . . . . . 34
6 Rob mvel: representao no plano. . . . . . . . . . . . 35
7 Rob mvel: eixos e parmetros. . . . . . . . . . . . . . 35
8 Rob mvel dentro do plano cartesiano. . . . . . . . . . 36
9 Rob mvel: velocidades das rodas e do corpo. . . . . . 37
10 Grupo atuador/roda. . . . . . . . . . . . . . . . . . . . . 42
11 Exemplo de tarefa de estabilizao. . . . . . . . . . . . . 44
12 Exemplo de tarefa de rastreamento. . . . . . . . . . . . 45
13 Exemplo de curva de Bzier. . . . . . . . . . . . . . . . . 46
14 Caminho gerado por uma curva de Bzier de grau trs. . 47
15 Aceleraes e velocidades no rob mvel. . . . . . . . . . 48
16 Parametrizao da trajetria de Bzier no tempo. . . . . 50
17 Exemplo de trajetria e seu perfil de velocidade. . . . . 51
18 Fluxograma do mtodo de planejamento. . . . . . . . . 53
19 Exemplo de funo de pertinncia. . . . . . . . . . . . . 56
20 Limitantes de uma funo no-linear. . . . . . . . . . . . 60
21 Fluxograma da tcnica de modelagem. . . . . . . . . . . 61
22 Trajetria de referncia . . . . . . . . . . . . . . . . . . 72
23 Velocidades de referncia. . . . . . . . . . . . . . . . . . 73
24 Controlador de Guechi et al. (2010) - cenrio A: trajetria. 76
25 Controlador de Guechi et al. (2010) - cenrio A: evoluo
do erro. . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
26 Controlador de Guechi et al. (2010) - cenrio A: sinais
de controle. . . . . . . . . . . . . . . . . . . . . . . . . . 77
27 Controlador de Guechi et al. (2010) - cenrio B: evoluo
do erro. . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
28 Controlador de Guechi et al. (2010) - cenrio B: sinais
de controle. . . . . . . . . . . . . . . . . . . . . . . . . . 79
29 Controlador de Guechi et al. (2010) - cenrio C: evoluo
do erro. . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
30 Controlador de Guechi et al. (2010) - cenrio C: sinais
de controle. . . . . . . . . . . . . . . . . . . . . . . . . . 80
31 Tarefa de estabilizao: lao de controle. . . . . . . . . . 82
32 Tarefa de estabilizao: trajetrias. . . . . . . . . . . . . 84
33 Tarefa de estabilizao: sinais de controle do caso (0) =
[5 0 /2]T . . . . . . . . . . . . . . . . . . . . . . . . . . 84
34 Tarefa de estabilizao: erro do caso (0) = [5 0 /2]T . 85
35 Controlador com pr-alimentao: malha de controle ideal. 88
36 Controlador com pr-alimentao - cenrio A: trajetria. 89
37 Controlador com pr-alimentao - cenrio A: erro. . . . 90
38 Controlador com pr-alimentao - cenrio A: sinais de
controle. . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
39 Controlador com pr-alimentao: malha de controle re-
alstica. . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
40 Controlador com pr-alimentao - cenrio B: erro. . . . 92
41 Controlador com pr-alimentao - cenrio B: sinais de
controle. . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
42 Controlador com pr-alimentao - cenrio C: erro. . . . 93
43 Controlador com pr-alimentao - cenrio C: sinais de
controle. . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
44 Controlador ampliado: malha de controle. . . . . . . . . 96
45 Controlador ampliado: malha de controle ideal. . . . . . 100
46 Controlador ampliado - cenrio A (crculo): trajetria. . 101
47 Controlador ampliado - cenrio A (crculo): erros. . . . 102
48 Controlador ampliado - cenrio A (crculo): sinais de
controle. . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
49 Controlador ampliado - cenrio A (Bzier): trajetria. . 103
50 Controlador ampliado - cenrio A (Bzier): erros. . . . . 104
51 Controlador ampliado - cenrio A (Bzier): sinais de
controle. . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
52 Controlador ampliado: malha de controle realstica. . . . 105
53 Controlador ampliado - cenrio B: sinais de controle. . . 105
54 Controlador ampliado - cenrio B: erros. . . . . . . . . . 106
55 Controlador ampliado - cenrio C: erros. . . . . . . . . . 107
56 Controlador ampliado - cenrio C: sinais de controle. . . 107
57 Controlador ampliado dinmico: trajetria. . . . . . . . 111
58 Controlador ampliado dinmico: erros. . . . . . . . . . . 112
59 Controlador ampliado dinmico: sinais de controle. . . . 112
60 Controlador ampliado integral: trajetria. . . . . . . . . 115
61 Controlador ampliado integral: erros. . . . . . . . . . . . 116
62 Controlador ampliado integral: sinais de controle. . . . . 116
63 Rob Powerbot. . . . . . . . . . . . . . . . . . . . . . . . 133
64 Arquitetura de hardware do Powerbot. . . . . . . . . . . 134
65 Especificaes do Powerbot. . . . . . . . . . . . . . . . . 137
 LISTA DE TABELAS

1 Parmetros da trajetria . . . . . . . . . . . . . . . . . . 72
2 Controlador de Guechi et al. (2010): erros Root Mean
Square (RMS) de cada cenrio . . . . . . . . . . . . . . 81
3 Controlador com pr-alimentao: erros RMS de cada
cenrio . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
4 Controlador ampliado - erros RMS de cada cenrio. . . 108
5 Controlador ampliado dinmico: erros RMS. . . . . . . . 113
6 Controlador ampliado integral: erros RMS. . . . . . . . 117
7 Parmetros do Powerbot. . . . . . . . . . . . . . . . . . 136
8 Ganhos calculados para o controlador de Guechi et al.
(2010) - parte 1/2. . . . . . . . . . . . . . . . . . . . . . 139
9 Ganhos calculados para o controlador de Guechi et al.
(2010) - parte 2/2. . . . . . . . . . . . . . . . . . . . . . 140
10 Controlador de Guechi et al. (2010) - cenrio A: par-
metros da simulao. . . . . . . . . . . . . . . . . . . . . 140
11 Controlador de Guechi et al. (2010) - cenrio B: par-
metros da simulao. . . . . . . . . . . . . . . . . . . . . 141
12 Controlador de Guechi et al. (2010) - cenrio C: par-
metros do experimento. . . . . . . . . . . . . . . . . . . 141
13 Tarefa de estabilizao: parmetros da simulao. . . . . 142
14 Controlador com pr-alimentao - cenrio A: parme-
tros da simulao. . . . . . . . . . . . . . . . . . . . . . 142
15 Controlador com pr-alimentao - cenrio B: parme-
tros da simulao. . . . . . . . . . . . . . . . . . . . . . 143
16 Controlador com pr-alimentao - cenrio C: parme-
tros do experimento. . . . . . . . . . . . . . . . . . . . . 143
17 Ganhos calculados para o controlador ampliado . . . . . 144
18 Controlador ampliado - cenrio A (circulo): parmetros
da simulao. . . . . . . . . . . . . . . . . . . . . . . . . 145
19 Controlador ampliado - cenrio A (bzier): parmetros
da simulao. . . . . . . . . . . . . . . . . . . . . . . . . 145
20 Controlador ampliado - cenrio B: parmetros da simu-
lao. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
21 Controlador ampliado - cenrio C: parmetros do expe-
rimento. . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
22 Ganhos calculados para o controlador ampliado dinmico 147
23 Controlador ampliado dinmico: parmetros do experi-
mento. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
24 Ganhos calculados para o controlador ampliado integral 148
25 Controlador ampliado integral: parmetros do experi-
mento. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
 LISTA DE ABREVIATURAS

ARIA Advanced Robot Interface for Applica-

tions.

CPD Compensador Paralelo Distribudo.

FP Funo de Pertinncia.

LMI Linear Matrix Inequality.

PID Proportional-Integral-Derivative Con-

troller.

RMD Rob Mvel Diferencial.

RMR Rob Mvel sobre Rodas.
RMS Root Mean Square.
 LISTA DE SMBOLOS

T Energia cintica.
Multiplicadores de Lagrange.
m Torque do motor.
Vetor de torque nas rodas.
Vetor de ngulos das rodas.
Matriz de manobrabilidade.
Vetor de postura.
m Velocidade angular do motor.
Vetor de velocidades das rodas do
rob.
Vetor de velocidades posturais.
xr Abcissa da base local.
yr Ordenada da base local.
L Lagrangiano.
Fo Base global.
Fr Base local.
Ic Inrcia do corpo do rob.
Ir Inrcia do conjunto roda e rotor, em
relao ao eixo da roda.
It Inrcia total do rob.
Iw Inrcia do conjunto roda e rotor, em
relao ao plano da roda.
Kb Contante de velocidade do motor.
Kt Constante de torque.
La Indutncia do motor.
P(xp , yp ) Ponto de interseo entre os eixos de
simetria e das rodas.
Ra Resistncia do motor.
R(x, y) Ponto de referncia e origem da base
local.
a Distncia das rodas ao eixo de sime-
tria.
b Distncia de P at R.
mc Massa do corpo do rob.
mr Massa do conjunto roda e rotor.

17
mt Massa total do rob.
nb Grau da curva de Bzier.
np Nmero de variveis de um sistema de
inferncia fuzzy.
nr Nmero de regras de um sistema de
inferncia fuzzy.
n Fator de reduo da engrenagem de li-
gao motor/roda.
r Raio das rodas.
Velocidade angular do rob.
Raio da curvatura.
C (q, q) Matriz de torques centrfugos e foras
de Coriolis.
M (q) Matriz de inrcia.
N (q) Matriz de transformao das foras ex-
ternas.
R() Matriz de rotao da base Fo em rela-
o a base Fr .
ia Corrente de armadura.
p Vetor de velocidades linear e angular
do rob.
q Coordenadas generalizadas ou de con-
figurao.
ua Diferena de potencial aplicada aos
terminais do motor.
Coordenada de orientao do rob.
AT (q) Matriz Jacobiana de restries.
Velocidade linear do rob.
d ngulo da roda direita.
e ngulo da roda esquerda.
x Coordenada x do rob.
y Coordenada y do rob.
 SUMRIO

1 INTRODUO . . . . . . . . . . . . . . . . . . . . . . . . 21
1.1 OBJETIVOS . . . . . . . . . . . . . . . . . . . . . . . . 26
1.1.1 Objetivo geral . . . . . . . . . . . . . . . . . . 26
1.1.2 Objetivos especficos . . . . . . . . . . . . . . 26
1.2 NOTAO MATEMTICA . . . . . . . . . . . . . . . 27
1.3 ORGANIZAO DO DOCUMENTO . . . . . . . . . . 27

2 ROB MVEL DIFERENCIAL . . . . . . . . . . . . . 29

2.1 TIPOS DE RODAS . . . . . . . . . . . . . . . . . . . . 30
2.2 CLASSIFICAO DOS RMRS . . . . . . . . . . . . . . 31
2.3 TERMINOLOGIA . . . . . . . . . . . . . . . . . . . . . 34
2.4 MODELOS MATEMTICOS . . . . . . . . . . . . . . . 37
2.4.1 Modelo cinemtico . . . . . . . . . . . . . . . 38
2.4.2 Modelo dinmico . . . . . . . . . . . . . . . . 39
2.4.3 Dinmica do atuador . . . . . . . . . . . . . . 42
2.5 TAREFAS DE CONTROLE DE TRAJETRIA . . . . 43
2.5.1 Estabilizao . . . . . . . . . . . . . . . . . . . 43
2.5.2 Rastreamento . . . . . . . . . . . . . . . . . . . 44
2.6 PLANEJAMENTO DE LOCOMOO . . . . . . . . . 45
2.6.1 Planejamento de caminho . . . . . . . . . . . 46
2.6.2 Planejamento de trajetria . . . . . . . . . . 50
2.7 SNTESE DO CAPTULO . . . . . . . . . . . . . . . . 52

3 CONTROLE FUZZY . . . . . . . . . . . . . . . . . . . . 55
3.1 CONJUNTOS FUZZY . . . . . . . . . . . . . . . . . . . 55
3.2 SISTEMA DE INFERNCIA . . . . . . . . . . . . . . . 56
3.3 MODELO TS-FUZZY . . . . . . . . . . . . . . . . . . . 57
3.4 MTODO DE MODELAGEM . . . . . . . . . . . . . . 59
3.4.1 Exemplo de modelagem . . . . . . . . . . . . 62
3.5 CONTROLE FUZZY . . . . . . . . . . . . . . . . . . . 63
3.5.1 Compensador Paralelo Distribudo (CPD) 64
3.5.2 Condies de estabilidade . . . . . . . . . . . 65
3.6 SNTESE DO CAPTULO . . . . . . . . . . . . . . . . 69

4 RESULTADOS . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.1 CENRIOS DE AVALIAO . . . . . . . . . . . . . . 71
4.2 TRAJETRIA DE REFERNCIA . . . . . . . . . . . . 72
4.3 RESULTADOS PRELIMINARES . . . . . . . . . . . . 73
 4.3.1 Modelo do erro . . . . . . . . . . . . . . . . . 74
4.3.2 Controlador . . . . . . . . . . . . . . . . . . . . 75
4.3.3 Cenrio A: modelo ideal . . . . . . . . . . . . 76
4.3.4 Cenrio B: modelo realstico . . . . . . . . . 78
4.3.5 Cenrio C: experimental . . . . . . . . . . . . 79
4.3.6 Sntese dos resultados . . . . . . . . . . . . . 81
4.4 ESTABILIZAO . . . . . . . . . . . . . . . . . . . . . 81
4.5 RASTREAMENTO: PR-ALIMENTAO . . . . . . . 85
4.6 RASTREAMENTO: SISTEMA AMPLIADO . . . . . . 96
4.6.1 Sistema ampliado . . . . . . . . . . . . . . . . 97
4.6.2 Controlador ampliado . . . . . . . . . . . . . 99
4.6.3 Controlador ampliado dinmico . . . . . . . 109
4.6.4 Controlador ampliado integral . . . . . . . . 113
4.7 SNTESE DO CAPTULO . . . . . . . . . . . . . . . . 117

5 CONCLUSO E PERSPECTIVAS . . . . . . . . . . . . 119

5.1 TRABALHOS FUTUROS . . . . . . . . . . . . . . . . . 122

REFERNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . 131

APNDICE A - ROB POWERBOT . . . . . . . . . . . 133

A.1 ARQUITETURA DE SOFTWARE/HARDWARE . . . 134

APNDICE B - PARMETROS DE SIMULAO . . 139

1 INTRODUO

Atualmente a robtica j no se restringe a estudos em universida-

des e centros de pesquisa, tendo se tornado uma importante rea de
aplicaes na indstria e no setor de servios. Presente, e j comum, h
algumas dcadas na indstria, agora apresenta crescente popularizao
em aplicaes domsticas, tornando-se paulatinamente menos mistifi-
cada e surgindo como um forte fator de modificao das relaes sociais
(LIN; ABNEY; BEKEY, 2011).
merc dessa popularizao, as pesquisas nesta rea buscam nveis
cada vez mais prticos, tornando os robs cada vez mais usveis. Tal
dinmica de pesquisa constatada atualmente em casos como: o desen-
volvimento de robs bpedes autnomos, motivado principalmente pelo
investimento financeiro aplicado pela Defense Advanced Research Pro-
jects Agency (DARPA); em casos de robs de cuidados pessoais como
o Care-O-Bot, j em sua quarta verso (BUBECK; WEISSHARDT;
VERL, 2014); os j comerciais robs domsticos de limpeza e vigiln-
cia; entre outros que representam a prxima gerao de robs.
O desenvolvimento destes robs continua sendo um desafio que apre-
senta constante evoluo e vem gerando alguns casos de sucesso nas lti-
mas dcadas e que obtiveram significativa repercusso popular como: os
robs que foram enviados a Marte (Spirit, Opportunity e Discovery); o
primeiro aspirador domstico autnomo, o Trilobite da Eletrolux; equi-
pamentos que no parecem mas apresentam conceitos da robtica como
o veculo de transporte pessoal Segway; e os diversos carros autnomos
em testes na atualidade.
As pesquisas em robs mveis j somam quatro dcadas, porm
seus desafios ainda so muitos e cada vez mais especficos uma vez que
estes sistemas como um todo exibem no-linearidades, restries de
movimento e seu desempenho e robustez dependem das estratgias de
controle e da qualidade da modelagem realizada.
Assim, trabalhos que aumentam a usabilidade destes mecanismos
22

compem um campo rico em desafios e aparecem como o principal

motivador desse trabalho que tem por objetivo desenvolver e apresentar
solues para controle da locomoo de Robs Mveis sobre Rodas
(RMRs), capazes de abstrair do usurio alguns conceitos aprofundados
das teorias de controle e planejamento de locomoo.
O problema de controle de locomoo considerado bem compre-
endido porm, das muitas abordagens de resoluo, poucas tm uso
prtico (WIT, 1998).
Basicamente os problemas de controle de locomoo resumem-se em
trs tipos (SICILIANO; KHATIB, 2008):

- Estabilizao - deslocamento do local de partida at um dado

ponto de referncia, sem predefinio de um caminho a ser per-
corrido;

- Seguimento de trajetria - mover-se com velocidade constante

seguindo um caminho pr definido;

- Rastreamento de trajetria - o caminho de referncia parame-

trizada no tempo, ou seja, cada ponto da curva deve ser atingido
em um determinado instante de tempo.

O desenvolvimento de solues para estas tarefas de controle apre-

senta alguns desafios quando considerados como sistemas alvo os RMRs,
pois estes podem apresentar caractersticas como:

- Subatuao - um sistema mecnico considerado subatuado quando

o nmero de entradas de controle menor que a dimenso do seu
conjunto de configurao (SPONG, 1998). Assim, somente pos-
svel a linearizao por realimentao de apenas uma parte do
sistema (OLFATI-SABER, 2001);

- No-holonomicidade - refere-se a capacidade de expressar os mo-

delos apenas em termos das derivadas dos estados (BLOCH, 2003,
Captulo 5).
 23

Estas caractersticas de subatuao e no-holonomicidade implicam

em trs problemas bsicos:

- A impossibilidade de execuo da tarefa de estabilizao atravs

de uma realimentao de estados contnua, diferencivel e invari-
ante no tempo, mostrado por Brockett (1983);

- A inexistncia de um controlador universal capaz de estabilizar

assintoticamente qualquer trajetria de referncia de estados fac-
tvel. Como mostrado por Lizarraga (2004) a no existncia de
um controlador universal basicamente derivada da impossibili-
dade de remover as restries acerca da velocidade do rob;

- A necessidade de gerao de trajetrias factveis pois estas carac-

tersticas limitam a gama de trajetrias, velocidades e aceleraes,
executveis. Tanto o rastreamento quanto o seguimento perfeito
de trajetrias s vivel se o caminho de referncia for factvel.

Para tratar esses problemas so necessrios:

- Estudo e representao matemtica do comportamento do rob;

- Acesso a informaes do sistema e ambiente, dentre as quais se

pode destacar localizao, orientao e velocidade do rob;

- Trajetrias que possam ser realizadas pelo rob, respeitando suas

restries de locomoo e atuao;

- Controladores capazes de lidar com as caractersticas fsicas do

rob, como limitaes de movimento, subatuao e no-linearidades;

- Um sistema supervisrio para gerir as funes do rob.

Este trabalho trata do problema de controle da locomoo de robs

mveis por rodas, desenvolvendo tcnicas que asseguram estabilidade
e desempenho na execuo de trajetrias predefinidas, respeitando as
limitaes fsicas do rob e a capacidade de seus atuadores. Os resulta-
dos visam automatizar a obteno de trajetrias factveis em conjunto
24

com ganhos de controle que executem a tarefa de locomoo garantindo

um desempenho desejado.
O Rob Mvel Diferencial (RMD) foi a escolha para estudo neste
trabalho, pois apresenta caractersticas de no-holonomicidade e suba-
tuao em uma estrutura mecnica simples, de fcil reparo e durvel.
Para a parte experimental do trabalho utilizado o RMD Powerbot,
mostrado na Fig. 1, que se caracteriza como um veculo capaz de trans-
portar cargas de at cem quilogramas, e que permite a anlise do desem-
penho prtico dos controladores desenvolvidos. Na literatura este rob
aparece como plataforma experimental em trabalhos como os de Fili-
pescu et al. (2011), Dumitrascu et al. (2011) e Torabi e Gupta (2012).

Figura 1: O rob mvel diferencial Powerbot.

Diversas tcnicas so empregadas para a sntese de controle de mo-

vimento para RMDs, dentre as quais se podem destacar algoritmos
baseados em: (i) funes de Lyapunov (REHMAN; AHMED, 2007;
TZAFESTAS, 2014a); (ii) controle adaptativo (SHOJAEI; SHAHRI;
TARAKAMEH, 2011; TZAFESTAS, 2014b); (iii) realimentao linea-
rizante (ORIOLO; DE LUCA; VENDITTELLI, 2002); e (iv) mtodos
neurofuzzy (TZAFESTAS, 2014c).
Neste trabalho aborda-se o controle de RMDs com base em tcni-
cas fuzzy baseadas em modelos TS-Fuzzy (TAKAGI; SUGENO, 1985),
conhecidos como Compensadores Paralelos Distribudos (CPDs) (TA-
 25

NAKA; WANG, 2001). As principais justificativas para a escolha desta

abordagem so:

- Capacidade de representao universal dos modelos TS-Fuzzy

(YING, 1998);

- Possibilidade de obteno de ganhos de controle de forma auto-

mtica atravs de Linear Matrix Inequalities (LMIs);

- Perspectiva de otimizao no desempenho numrico para clculo

da ao de controle;

- A teoria fuzzy encontra-se bem estabelecida na literatura e possui

amplo espectro de aplicaes;

- Permite a anlise de estabilidade a partir de funes de Lyapunov

por ser baseada em modelo.

A utilizao de controladores baseados em modelos TS-Fuzzy j

possui uma ampla literatura, como pode ser constatado nos trabalhos
de Feng (2006), Feng (2010) e Ding, Luo e Wei (2010), que apresentam
uma sntese das principais publicaes sobre o assunto. Especificamente
para RMRs o nmero de trabalhos mais limitado, onde as principais
publicaes focam na resoluo de problemas de:

- Controle de velocidade (VERMEIREN et al., 2011);

- Subestabilizao (TANAKA; WANG, 2001; SUN; WANG; CHA-

NG, 2011);

- Pr-alimentao (GUECHI et al., 2009; GUECHI et al., 2010;

BLAZIC, 2010).

Neste trabalho abordado o problema de controle de trajetria por

CPDs em duas abordagens: pr-alimentao, onde proposta uma re-
presentao minimalista do RMD e consequente melhora no desempe-
nho numrico; e modelo ampliado, onde trata-se o sistema de controle
como um todo sem pr-alimentaes.
26

1.1 OBJETIVOS

Este trabalho contm resultados que fornecem a desenvolvedores

um conjunto de tcnicas para controle e planejamento de trajetrias
de RMDs, garantindo requisitos na execuo de tarefas de acordo com
definies do usurio.

1.1.1 Objetivo geral

O intuito deste trabalho contribuir na soluo do problema de

rastreamento de trajetrias para RMRs com limitaes de mobilidade,
como o caso do RMD. Neste sentido, o trabalho aborda dois assun-
tos: o planejamento e o controle da trajetria. O primeiro visa gerar
referncias de movimento factveis com as limitaes de mobilidade e
atuao do rob. J o segundo visa apresentar solues de controle que
resolvem o problema de rastreamento teoricamente e apresenta sufici-
ente desempenho nas aplicaes prticas.

1.1.2 Objetivos especficos

Este trabalho desenvolve tcnicas que, em conjunto, so capazes de

abstrair conceitos de planejamento e controle de trajetria, do ponto
de vista do utilizador, aumentando a usabilidade do rob mvel para
usurios que pretendem locomover o rob com certas garantias e no
almejam lidar com conceitos como no-holonomicidade, factibilidade,
tempo de acomodao, modelos matemticos, etc.
A seguir esto detalhados os objetivos especficos deste trabalho:

- Sntese dos modelos matemticos do RMD;

- Definio do mtodo para gerao de trajetrias factveis;

- Proposio de melhorias ao mtodo de controle por pr-alimen-

tao;

- Definio de um metodologia de controle sem a necessidade de

pr-alimentao;
 27

- Estudo comparativo de resultados tericos e experimentais.

1.2 NOTAO MATEMTICA

Visando facilitar a leitura do documento, alguns padres na escrita

de equaes foram adotados e abaixo definidos:

- Variveis: letra itlica, ex. M , z;

- Constantes: letra vertical, ex. , q;

- Matrizes: letra maiscula em negrito, ex. M ou M ;

- Pontos: letra maiscula sem efeitos, ex. P;

- Vetores: letra minscula em negrito, ex. q ou q;

- Conjunto: letra maiscula Blackboard, ex. N;

- Bases coordenadas: letra maiscula Fraktur, ex. F.

1.3 ORGANIZAO DO DOCUMENTO

O documento foi disposto de acordo com a sequncia gradual de

desenvolvimento da tese. A organizao do documento, parte de uma
viso ampla do problema abordado no trabalho, passa pelas solues
escolhidas e propostas, e vai at os resultados e consideraes finais.
O Captulo 2 descreve os RMDs, apresentando as limitaes de mo-
bilidade desta famlia de RMRs em conjunto com trs modelos ma-
temticos (cinemtico, dinmico e dos atuadores) que so utilizados
na composio das representaes matemticas utilizadas tanto para
calcular controladores, como para executar ensaios de simulao.
Alm disso, este captulo apresenta o problema de planejamento de
locomoo, onde so apresentadas as trajetrias utilizadas para teste
de desempenho dos controladores e descrito o mtodo escolhido para
gerao e planejamento de trajetrias factveis em relao s limitaes
de movimento dos RMDs.
28

No Captulo 3 apresentada a teoria referente conjuntos fuzzy,

sistemas de inferncia, modelos TS-Fuzzy e o mtodo utilizado para
obt-los. Segue descrevendo a tcnica de controle fuzzy baseado em
modelo, denominada de CPD, em conjunto com as condies de esta-
bilidade e clculo automtico dos ganhos de controle.
J em termos de resultados, o Captulo 4, apresenta consideraes
acerca de ensaios simulados e prticos, obtidos a partir de controladores
da literatura e das tcnicas propostas.
Por fim, no Captulo 5 trs uma sntese das contribuies desta tese,
de suas limitaes e expectativas de trabalhos futuros.
2 ROB MVEL DIFERENCIAL

O veculo que se pretende controlar neste trabalho o Rob Mvel

sobre Rodas (RMR) denominado Powerbot, visto na Fig. 1. Para tal,
este captulo:

- Descreve o Powerbot como um componente de uma das classes de

RMRs;

- Apresenta os modelos matemticos que o representam e como

foram calculados;

- Especifica as tarefas de controle de trajetria abordadas neste

trabalho;

- Define o mtodo de obteno de trajetrias factveis s restries

de locomoo do rob.

Inicia-se o captulo especificando os tipos de rodas que podem cons-

tituir os RMRs e como estes so classificados de acordo com a utilizao
e configurao construtiva destas rodas.
Apresenta-se em seguida a terminologia utilizada para descrever os
Robs Mveis Diferenciais (RMDs) e seus respectivos modelos matem-
ticos de locomoo: cinemtico; dinmico; e modelo dos atuadores. Os
quais so utilizados para clculo de controladores e como representao
do sistema real em cenrios de simulao.
De acordo com a proposta de apresentar uma soluo para o controle
da locomoo do RMR, explicita-se as trs tarefas de controle desse tipo
de sistema e quais destas so abordados no trabalho.
Fechando o captulo, apresenta-se a soluo utilizada para gera-
o de trajetrias factveis em relao s limitaes de locomoo dos
RMDs, sistemas no-holonmicos por natureza.
30

2.1 TIPOS DE RODAS

Em RMRs, os tipos e a configurao fsica das rodas influenciam

diretamente em como o veculo pode se deslocar no plano. Cada tipo
de roda contribui com tipos diferentes de restries de movimento, as
quais definem diretamente as caractersticas de locomoo do veculo.
Esta subseo apresenta os tipos de rodas comumente utilizadas
em robs mveis que, de acordo com as restries que impem, so
classificadas em dois tipos, as convencionais e as suecas (Fig. 2). As
rodas utilizadas no RMD para acionamento so convencionais e fixas
(no orientveis).

Figura 2: Tipos de rodas de acordo com as restries.

convencionais suecas
fixa caster angulo 45 0
dos roletes

As rodas convencionais so modeladas considerando que no haja

derrapagem e nem deslizamento lateral entre a roda e o cho (Fig. 3.b).
Matematicamente essa considerao implica que o ponto da roda em
contato com o cho exibe velocidade instantnea igual a zero referente
base global.
A Fig. 3.a ilustra os parmetros de configurao e construtivos das
rodas convencionais. Onde A um ponto de referncia qualquer fixado
ao chassis do rob, B o ponto de fixao da roda ao chassis, C o
ponto central da roda, l a distncia de A at B, g a distncia de B at
C, r o raio da roda, o ngulo entre AB e o eixo xA , o ngulo de
orientao da roda e a velocidade da roda.
Utilizando estes parmetros pode-se descrever matematicamente as
 31

Figura 3: Rodas convencionais.

yA roda
B
C

r eixo
g da roda
g C ponto de contato
com o cho
(projeo de B)
l B o derrapagem
nt
zame
desli
chassis
A xA
(a) (b)

restries das rodas:

- Restrio de no deslizamento:

[ sen( + ) cos( + ) l cos ]R() + r = 0; (2.1)

- Restrio de no derrapagem:

[cos( + ) sen( + ) g + l sen ]R() + g = 0. (2.2)

A partir das contribuies restritivas que cada tipo de roda insere

ao sistema, possvel ento classificar cada tipo de RMR utilizando
ndices de mobilidade e manobrabilidade, calculados de acordo com o
nmero, tipo e configurao das rodas que compe o rob.

2.2 CLASSIFICAO DOS RMRS

A classificao dos RMRs de acordo com o tipo e disposio fsica

das rodas, permite agrupar veculos com caractersticas de locomoo
semelhantes, facilitando a indexao de informaes e a anlise de so-
lues.
De acordo com a configurao, tipo e nmero de rodas, a classifi-
cao dos RMRs feita pelo nmero de graus de mobilidade, m , e o
nmero de graus de manobrabilidade, s , como definidos por Campion,
32

Bastin e DAndrea-Novel (1996):

Definio 1: O grau de mobilidade, m , a dimenso do espao nulo

gerado pela matriz de restries C1 , satisfazendo a condio

1 m 3. (2.3)

onde C1 a matriz que agrupa as restries de no derrapagem, Eq. (2.2),

impostas pelas rodas que compem o rob. Matematicamente:

C1 R() = 0.

De acordo com o grau de mobilidade classificam-se os robs mveis

como:

- Rob onidirecional: ou omnidirecional, quando m = 3, capaz

de executar velocidades longitudinal, lateral e angular referentes
base fixa no rob (Fr ) de forma desacoplada;

- Rob bidirecional: restrito a um subespao de solues bidimen-

sional, ou seja, m = 2;

- Rob unidirecional: m = 1, as velocidade do corpo exibem um

acoplamento que permite apenas um grau de liberdade na escolha
das velocidades do corpo.

Na Fig. 4 esto ilustrados exemplos de RMRs para cada grau de

mobilidade.
 33

onidirecional diferencial triciclo

y

x

m = 3 m = 2 m = 1

Figura 4: Exemplos dos graus de mobilidade, m .

Definio 2: O grau de manobrabilidade, s , o numero de rodas

independentemente orientveis e arranjadas de forma a garantir um
centro de rotao instantneo, satisfazendo a seguinte condio:

0 s 2. (2.4)

A restrio da Eq. (2.4) atesta que o rob mvel pode conter at

duas rodas orientveis, porm, caso haja mais de duas, o arranjo destas
deve ser coordenado para garantir que no acontea uma configurao
de bloqueio de rodas.
A partir das Definies 1 e 2, cada RMR pode ser caracterizado
por dois graus: um de mobilidade e outro de manobrabilidade. Porm,
algumas configuraes no so possveis, como por exemplo, quando
m + s = 1, indica que o rob s poder rodar em torno de um ponto
fixo, e casos onde m 2 e s = 2 no so possveis, pois as condi-
es expressas pelas definies implicam que se s = 2 ento m = 1.
Portanto, completando as definies acima, constata-se que a condio
2 m + s 3 deve ser respeitada.
Assim, existem apenas cinco classes de RMRs correspondendo s
combinaes de m e s , de acordo com a notao tipo (m , s ) pro-
posta por Campion, DAndrea-Novel e Bastin (1991). Na Fig. 5 esto
34

exemplificadas cada um destes tipos.

Figura 5: Tipos de RMRs.

legenda de rodas

fixa atuada bidirecional

fixa atuada unidirecional
(3,0) (2,0) (2,1)
orientvel atuada bidirecional
orientvel atuada unidirecional
orientvel no atuada
sueca ou caster atuada
apoio livre (1,1) (1,2)

O RMD pertence portanto ao tipo (2,0), assim o seu espao de ve-

locidades restrito a um subespao bidimensional (apenas velocidades
longitudinal e angular), e no possui rodas orientveis.

2.3 TERMINOLOGIA

A descrio do rob mvel segue a terminologia encontrada na lite-

ratura, porm para contornar dificuldades de nomenclatura esta seo
apresenta os termos e as principais suposies necessrias para descre-
ver um RMD. Essa padronizao necessria para compreenso dos
modelos matemticos descritos neste capitulo, alm disso os principais
termos usados esto listados no glossrio de smbolos no incio do do-
cumento.
Opta-se assim, por representar bidimensionalmente um RMD como
ilustrado da Fig. 6, onde podem ser vistas as duas rodas livres em preto
e as duas rodas atuadas em branco.
A partir de caractersticas construtivas, utilizam-se como marcos
geomtricos dois eixos imaginrios que cruzam o rob e so perpendi-
culares entre si, so eles:
 35

Figura 6: Rob mvel: representao no plano.

roda atuada
roda livre

- Eixo de simetria: seciona longitudinalmente o rob de forma si-

mtrica;

- Eixo das rodas: passante pelos centros das rodas atuadas.

Tais eixos esto ilustrados na Fig. 7.a e auxiliam na obteno dos

seguintes parmetros, tambm visualizveis na mesma figura:

- r: raio da roda, mensurado do ponto de interseo eixo das rodas

com o plano medial da roda, at qualquer ponto pertencente ao
permetro da roda;

- a: distncia da roda ao eixo de simetria, mensurada do ponto de

interseco entre o eixo de simetria e o eixo das rodas, at o ponto
de interseo do plano medial da roda com o eixo das rodas.

Figura 7: Rob mvel: eixos e parmetros.

as e
x o das od
i
e od
r eix etria
sim b
R
P
a
r
(a) (b)
36

Alm desses parmetros, a partir destes eixos tambm possvel

definir os pontos que representam o RMD dentro do espao cartesiano
R2 definido pela base global Fo {O, xo , yo }, a qual est localizada no
plano onde o rob se desloca:

- P(xp , yp ): interseo entre o eixo de simetria e o eixo das rodas,

coincidente ao centro de gravidade do rob;

- R(x, y): referncia do rob, alocado ao longo do eixo de simetria

a uma distncia, b, do ponto P.

Estes pontos podem ser visualizados na ilustrao da Fig. 7.b.

Espacialmente, o ponto R coincide com a origem do sistema de
coordenadas locais, Fr {R, xr , yr }, com abscissa xr colinear ao eixo de
simetria e ordenada yr paralela ao eixo das rodas, como ilustrado na
Fig. 8. A base Fr utilizada para descrever o rob atravs das coor-
denadas, x e y, de sua origem R e pela rotao, , em relao base
Fo .

Figura 8: Rob mvel dentro do plano cartesiano.

yo
yr
xr
y
yp R
P

O xp x xo

A descrio completa do rob feita de forma nica atravs das

variveis supracitadas em conjunto com os ngulos de rotao da roda
esquerda, e , e da roda direita, d . Este conjunto de estados deno-
T
minado coordenadas generalizadas, q = [x y d e ] , ou coordenadas
de configurao. Sendo que, devido ao acoplamento existente entre a
 37

T
orientao do rob, , e o ngulo das rodas, = [d e ] ,

r
= (d e ), (2.5)
2a
T
a representao de postura, = [x y ] , considerada suficiente para
descrever o RMD.
Com esta notao possvel representar o rob espacialmente. Na
seo seguinte esto descritos os modelos que representam o RMD em
dois nveis de abstrao, um em termos das velocidades, o modelo ci-
nemtico, e outro em termo das foras, o modelo dinmico.

2.4 MODELOS MATEMTICOS

Nesta seo esto descritos trs modelos que representam o RMD,

sendo apresentados em um sequncia crescente de complexidade e deta-
lhamento. Estas representaes so utilizadas como modelo de simula-
o para avaliao de desempenho dos controladores propostos. Alm
disso, so utilizadas como base para obteno dos modelos de controle.
Em suma, dois modelos representativos do RMD so utilizados, o
cinemtico e o dinmico, sendo o primeiro a relao entre as velocidades
T
no plano, q, e as de atuao aplicadas nas rodas, = [d e ] (Fig. 9),
incorporando as restries de movimento e parmetros geomtricos. J
o modelo dinmico relaciona as aceleraes do rob, q, aos torques
T
aplicados nas rodas, = [d e ] , que alm das mesmas caractersticas
do cinemtico incorpora parmetros de fora e inrcia.

Figura 9: Rob mvel: velocidades das rodas e do corpo.

.
e


R
P

.
d
38

A terceira representao , na realidade, uma adio do modelo dos

atuadores ao dinmico com a intenso agregar detalhes, obtendo-se
dessa forma uma representao mais prxima real.
Os modelos a seguir foram desenvolvidos em relao s velocidades
das rodas , porm para ocasies onde necessrio o modelo expresso
T
relativo s velocidades do corpo, p = [ ] (ver Fig. 9), pode-se aplicar
a relao entre as velocidades, que definida pela equao
"1 a
#
r r
= p sendo, = . (2.6)
1
r ar

A qual constante devido as rodas atuadas do RMD serem fixas (no

orientveis).

2.4.1 Modelo cinemtico

Este modelo expressa como as velocidades aplicadas nas rodas refle-

tem no deslocamento do RMD sobre o plano Fo . Para obt-lo, parte-se
da propriedade de que a mobilidade e manobrabilidade de veculos so
regidas diretamente pela disposio e tipo das rodas utilizadas (CAM-
PION; BASTIN; DANDREA-NOVEL, 1996).
Assim, a representao do deslocamento do RMD definida a partir
das restries que as rodas do rob impem. No caso do RMD, h trs
restries de dois tipos diferentes (SICILIANO; KHATIB, 2008), uma
restrio de no derrapagem, obtida a partir da Eq. (2.2),

x sen y cos + b = 0, (2.7)

que representa a impossibilidade de movimentos laterais, e duas restri-

es de no deslizamento, obtidas a partir da Eq. (2.1),

x cos + y sen + a = r d ,
(2.8)
x cos + y sen a = r e ,

as quais expressam que qualquer rotao nas rodas ir gerar uma alte-
 39

rao nos estados do veculo.

Assim, isolando-se q nas restries da Eq. (2.7) e Eq. (2.8), obtm-se
diretamente o modelo cinemtico, que estabelece como as velocidades
das rodas influenciam no deslocamento do rob:
" # " #
RT ()
= , (2.9)
I
|{z} | {z }
q S(q)

sendo,

cos sen 0 ca ca
R() = sen cos 0 , = cb cb e (2.10)

0 0 1 c c

c(e cos b sen ) c(e cos + b sen )
c(e sen + b cos ) c(e sen b cos )


S(q) =
c c ,
(2.11)
1 0


0 1

onde R() a matriz de rotao da base Fo em relao a base Fr ,

a matriz de manobrabilidade (constante por no haver rodas orient-
T
veis), = [x y ] o vetor de velocidades de postura, S(q) a matriz
representativa do modelo cinemtico e c = r/2a.

2.4.2 Modelo dinmico

O modelo dinmico expressa como os torques, , aplicados nas rodas

geram movimento atravs das aceleraes, q, do rob. Esta representa-
o obtida, de acordo com Bloch (2003, p. 12), atravs das equaes
de Lagrange-dAlembert, utilizadas em sistemas com restries e sub-
metidas a foras externas,

d L L
= AT (q) + N (q) , (2.12)
dt q q
40

onde AT (q) a matriz Jacobiana de restries, o vetor de multiplica-

dores de Lagrange, N (q) a transformao das foras externas, o vetor
de torque aplicado nas rodas, q o vetor de coordenadas generalizadas e

L=T V (2.13)

o Lagrangiano do sistema, que estabelece o balano entre as energias

cintica e potencial.
Considera-se que o rob se locomove por uma superfcie no incli-
nada, gerando portanto, energia potencial constante. J a energia ci-
ntica total do sistema, T , deduzida considerando o centro de massa
coincidente ao ponto P, como em Bertol (2009), resultando em:

T = 12 mt (x2 + y 2 )
+dmt (x sen y cos ) (2.14)
+ 12 It 2 + 1 2
2 Ir (d + 2e ),

onde It = d2 mt + 2e2 mr + Ic + 2Iw representa a inrcia total do rob

em relao a um eixo normal passante por R(x, y), mt = mc + 2mr a
massa total do rob e os parmetros inerciais esto listados a seguir:

- mc : massa do corpo do rob;

- mr : massa do conjunto roda e rotor;
- Ic : momento de inrcia do corpo do rob;
- Ir : momento de inrcia do conjunto roda e rotor, em relao ao
eixo da roda;
- Iw : momento de inrcia do conjunto roda e rotor, em relao ao
plano da roda.

Assim, considerando que a energia potencial constante e que a

energia cintica obtida como descrita na Eq. (2.14), obtm-se o modelo
dinmico do RMD a partir das Eqs. (2.12) e (2.13):

M (q)q + C (q, q)q = AT (q) + N , (2.15)

 41

sendo,
T
mt 0 f1 0 0 bm2 c
0 mt f2 0 0 bm2 s


M (q) =
f1 f2 It 0 0 , C (q, q)q = 0

0 0 0 Ir 0 0

0 0 0 0 Ir 0

c c s s 0 0
s s c c 0 0


AT (q) =
e e b b e N=
0 ,
0
r 0 0 0 1 0

0 r 0 0 0 1

onde M (q) representa a matriz de inrcia (definida positiva e sim-

trica), C (q, q) a matriz de torques centrfugos e foras de Coriolis,
f1 = bmt s , f2 = bmt c , c = cos e s = sen .

Para obter um modelo dinmico sem os multiplicadores de La-

grange, , assim como desenvolvido por Shojaei, Shahri e Tarakameh
(2011), substitui-se a Eq. (2.9) e sua derivada no tempo na Eq. (2.15).
Multiplicando o resultado por por S T () obtm-se, considerando a pro-
priedade cinemtica S T ()AT () = 0, o seguinte modelo:

H (q) + F(q, q) = D(q) , (2.16)

sendo H (q) = S T (q)M (q)S(q), F(q, q) = S T (q)M (q)S(q, q) +

S T (q)C (q, q)S(q) e D(q) = S(q)N .

Objetivando encontrar uma representao dinmica em funo das

variveis de configurao, q, deriva-se a Eq. (2.9) e obtm-se:

q = S(q, q) + S(q). (2.17)

Utilizando as Eqs. (2.9) e (2.17) para substituir e na Eq. (2.16),

42

chega-se na seguinte representao:

q = A(q, q)q + B(q) . (2.18)

sendo A(q, q) = S(q, q)S + (q) S(q)H -1 (q)F(q, q)S + (q), B(q) =
S(q)H -1 (q)D(q) e S + (q) a pseudo inversa de S(q). Esta equao
justamente a representao livre dos multiplicadores de Lagrange que
se estava procurando.

2.4.3 Dinmica do atuador

As Eqs. (2.9) e (2.18) possibilitam representar suficientemente a

locomoo do RMD. Porm, para fins de simulao, com a inteno de
tornar a representao mais prxima do rob real, utiliza-se do modelo
dos atuadores para aumentar o nvel de detalhe da representao do
rob.
O RMD propulsionado por dois motores ligados s rodas atravs
de uma engrenagem com fator de reduo, n, como pode ser visualizado
na Fig. 10.

Figura 10: Grupo atuador/roda.

motor . reduo .
m m
+ roda
ia La
ua
Ra n
-

A representao deste sistema parte do modelo eletromecnico de

um motor de corrente contnua como utilizado por Shojaei, Shahri e
Tarakameh (2011) e expresso pela equao:

di a
La + Ra i a + Kb m = u a , (2.19)
dt

onde Kb a contante de velocidade, La , Ra e i a denotam a indutncia,

 43

resistncia e corrente de armadura, respectivamente, m representa

a velocidade do motor e u a a diferena de potencial aplicada aos
terminais da armadura.
Acrescenta-se Eq. (2.19) caractersticas do conjunto roda e mo-
tor que adequam as variveis reduo existente, representadas pelas
transformaes,
m = n e = nm , (2.20)

que em conjunto com a caracterstica de proporcionalidade entre a cor-

rente de armadura i a e o torque do motor m ,

m = Kt i a , (2.21)

onde Kt a constante de torque do motor, resultam no seguinte modelo

do atuador:
di a 1
= (Ra i a Kb m + u a ). (2.22)
dt La
Este modelo em conjunto com a Eq. (2.18) formam a representao
mais fiel, em relao aos outros modelos apresentados, do rob real.

2.5 TAREFAS DE CONTROLE DE TRAJETRIA

O problema de controle da trajetria de robs mveis dividido em

trs tipos de tarefas: (i) estabilizao; (ii) seguimento; e (iii) rastre-
amento (SICILIANO; KHATIB, 2008, cap. 34). Embora todas visem
seu deslocamento de um ponto a outro, os requisitos considerados em
sua execuo so os que diferem cada grupo de problemas. No trabalho
apenas so abordados dois dos problemas, estabilizao e rastreamento.

2.5.1 Estabilizao

A tarefa de estabilizao em um ponto, ou regulao, tem como

objetivo o deslocamento do rob at um ponto de referncia no es-
pao, porm no especificado uma trajetria a ser percorrida, ou seja,
a partir da localizao inicial do rob, ao final da tarefa ele dever
44

apresentar-se exatamente como a referncia, independentemente do ca-

minho percorrido para alcan-la. Na Fig. 11 h uma ilustrao deste
tipo de tarefa onde esto esquematizados possveis caminhos percorri-
dos pelo rob.

Figura 11: Exemplo de tarefa de estabilizao.

objetivo
trajetrias
possiveis
yo
atual

R
O xo

Este tipo de tarefa no uma soluo atrativa para ambientes re-

ais, exatamente por no haver previsibilidade sobre a trajetria que o
rob ir executar durante seu deslocamento, podendo ocorrer colises
indesejadas e inesperadas.
Neste trabalho a tarefa de estabilizao utilizada para validar o
Compensador Paralelo Distribudo (CPD) como ferramenta para desen-
volvimento da tcnica de controle e para comprovar sua aplicabilidade
ao sistema que representa o RMD.

2.5.2 Rastreamento

Este desafio de controle especifica temporalmente localizaes dese-

jadas ao longo da curva de referncia, ou seja, o trajeto parametrizado
no tempo. Na Fig. 12 est ilustrado um exemplo de tarefa de rastre-
amento onde um rob, R, persegue uma localizao desejada, M, com
requisitos temporais, pertencente a uma curva de referncia.
O rastreamento utilizado, por exemplo, para evitar colises em
um ambiente controlado, onde o rob deve respeitar certa postura em
um determinado momento.
Uma considerao importante sobre o rastreamento, de somente
haver possibilidade de executar a trajetria de referncia perfeitamente
 45

Figura 12: Exemplo de tarefa de rastreamento.

ponto de
t1 erro mnimo P
R
real R t2 t3
t0

M
yo t1 t2
M
referncia
t0 referncia
O xo realizada

se esta for factvel com as limitaes do rob. Por isso o planejamento

de trajetria de suma importncia devido a sua influncia no desem-
penho e consequentemente na anlise dos controladores.

2.6 PLANEJAMENTO DE LOCOMOO

O requisito mnimo para locomoo de um rob mvel a definio

prvia de um caminho livre de obstculos dentro do ambiente ao qual
est imerso. Este preceito garantido pelo planejamento de caminho.
J o planejamento de trajetria atende requisitos de execuo do cami-
nho, ou seja, com quais velocidades e objetivos temporais o percurso
deve ser executado respeitando as limitaes do veculo. Estas duas
reas so englobadas pelo planejamento de locomoo (CHOSET et al.,
2005).
As caractersticas do RMD, em termos de mobilidade, restringem
sua gama de trajetrias executveis. Assim, mesmo na ausncia de
obstculos, a obteno de uma trajetria factvel apresenta-se como
um desafio de planejamento (LAUMOND; SEKHAVAT; LAMIRAUX,
1998).
Esta seo dedicada gerao de trajetrias factveis para o RMD,
as quais so utilizadas para avaliao do desempenho dos controladores
desenvolvidos.
46

2.6.1 Planejamento de caminho

Seguindo a linha de pesquisa dos trabalhos de Choi, Curry e Elkaim

(2008) e Ho e Liu (2009), utiliza-se curvas de Bzier para obteno de
um caminho de locomoo factvel para o RMD.
As curvas de Bzier podem ser parametrizadas e geradas na forma
de Bernstein (HANSFORD, 2002) da seguinte maneira:

nb
X
P[0,nk ] (k) = Binb (k)Pi , (2.23)
i=0

onde nk o nmero de pontos da curva, nb o grau da curvatura,

que igual ao nmero de seguimentos de reta que ligam os pontos de
controle, Pi , e Binb (k) um polinmio de Bernstein descrito por:
! nb i  i
nb (nk ) (k) (k) (0)
Binb (k) = . (2.24)
i (nk ) (0) (nk ) (0)

O interesse de utilizao das curvas de Bzier na gerao de caminho

vm das seguintes caractersticas: (i) independentemente do formato,
sempre iniciam e terminam nos pontos de controle P0 = P[0,nk ] (0) e
Pnb = P[0,nk ] (nk ), respectivamente; (ii) serem sempre tangentes s retas
P0 P1 e Pnb 1 Pn ; (iii) encontram-se sempre contidas dentro do pol-
b
gono convexo formado pelos pontos de controle Pi . Tais caractersticas
podem ser vistas na curva de terceiro grau, nb = 3, da Fig. 13.

Figura 13: Exemplo de curva de Bzier.

P1
caminho
P3
P[0, nk](t)
P0
P2 poligono convexo

Segundo Skrjanc e Klancar (2007), uma curva de Bzier torna-se

 47

complexa em sua forma e instvel numericamente medida que o n-

mero de pontos de controle aumenta. Assim, a fim de evitar estes
problemas, utilizada uma curva de terceiro grau (nb = 3), a qual
a equao de menor grau capaz de representar um caminho com mais
de um vale de curvatura. Partindo da Eq. (2.23), com (k) [0, 1] e
Pi = (xi , yi ), esta curva pode ser expressa da seguinte forma:

x(k) = [1 (k)]3 x0 + 3 (k)[1 (k)]2 x1 +

+3 (k)2 [1 (k)] x2 + (k)3 x3 ,
(2.25)
y(k) = [1 (k)]3 y0 + 3 (k)[1 (k)]2 y1 +
+3 (k)2 [1 (k)] y2 + (k)3 y3 ,

com a curvatura (k) dada pela seguinte equao das derivadas em

relao a (k):

1 x0 (k)y 00 (k) y 0 (k)x00 (k)

(k) = = 3 , (2.26)
(k) (x0 (k)2 + y 0 (k)2 ) 2

onde (k) o raio da curva no instante k.

A correlao ao problema de gerao feita definindo P0 e P3 como
as posies inicial e final do rob, respectivamente e obtendo os pontos
de controle P1 e P2 , a partir das orientaes inicial e final desejada
do rob em conjunto com as distncias d1 e d2 , respectivamente. Na
Fig. 14 possvel ver uma ilustrao desta correlao.

Figura 14: Caminho gerado por uma curva de Bzier de grau trs.

configurao d1 P1
inicial 0 3
yo 0 3
P0 P3
d2 configurao
O xo P2 final

As distncias d1 = d P0 P1 e d2 = d P2 P3 , so obtidas atravs do

mtodo proposto por Jolly, Kumar e Vijayakumar (2009), onde estes
48

parmetros so otimizados para que a trajetria no viole as restries

fsicas do rob.

As velocidades e aceleraes em uma trajetria, Fig. 15, possuem

limitaes fsicas que devem ser levadas em considerao durante o
planejamento, objetivando factibilidade.

Figura 15: Aceleraes e velocidades no rob mvel.

at a acelerao

at acelerao tangencial
o ar acelerao radial
yo nh
ami
c ar a

O xo

Segundo Lepetic et al. (2003), a acelerao executvel pelo RMD

(ver Fig. 15) limitada pelas foras de atrito de cada roda com o
cho. Assim, a acelerao mxima amax , decomposta nas aceleraes
tangencial e radial do rob, pode ser representada da seguinte forma:

1
2
amax = (armax 2
+ atmax )2 = g (2.27)

onde o coeficiente de atrito da roda com o cho, g a acelerao da

gravidade e, atmax e armax , as aceleraes tangencial e radial mximas
alcanveis pelo rob, respectivamente.

A acelerao radial instantnea da trajetria obtida a partir do

raio de curvatura, , do caminho e a velocidade linear, , no instante
k,
(k)2
ar (k) = . (2.28)
(k)
 49

J a relao entre a acelerao tangencial e radial1 dada por:

at (k)2 ar (k)2
2 + 2
= 1. (2.29)
atmax armax

A partir da condio da Eq. (2.28) os raios inicial e final mnimos,

que garantem que a curva da Eq. (2.25) no ultrapasse os limites de
acelerao, so obtidos a partir das velocidades 0 e 3 e a acelerao
radial mxima do rob armax ,

2 2
0min = armax ,
0
3min = armax .
3 (2.30)

Para obter os pontos intermedirios da curva, P1 e P2 , so primei-

ramente expressos em termos das distncias d1 e d2 e dos pontos P0 e
P3 ,
P1 = (x0 + d1 cos 0 , y0 + d1 sen 0 ),
(2.31)
P2 = (x3 d2 cos 3 , y3 d2 sen 3 ),
e a seguir escreve-se os raios de curvatura nos pontos P0 e P3 , em
termos das Eqs. (2.25) e (2.26),

3d21
0 = ,
2(y cos 0 +x sen 0 +d2 sen )
(2.32)
3d22
3 = ,
2(y cos 3 +x sen 3 +d1 sen )

onde x = (x3 x0 ), y = (y3 y0 ) e = 3 0 .

Assim, as distncias d1 e d2 so obtidas iterativamente minimizan-
do-se o erro entre as Eqs. (2.30) e (2.32), ou seja:

min err = max(|0min 0 |, |3min 3 |). (2.33)

O clculo das distncias, garante factibilidade nos pontos P0 e P3 ,

porm necessrio garantir a factibilidade da trajetria para toda sua
extenso, isso obtido atravs de sua parametrizao no tempo.
1 A magnitude da acelerao tangencial mxima menor do que a radial mxima

devido a dinmicas de acelerao e desacelerao.

50

2.6.2 Planejamento de trajetria

O caminho obtido utilizando curvas de Bzier, garante atravs do

critrio da Eq. (2.33) que nos pontos de incio e fim, P0 e P3 , a curva-
tura executada no ir requerer que o veculo extrapole suas limitaes
fsicas. Porm, na extenso do percurso no h garantias que estas
limitaes no sejam ultrapassadas.
Assim, a partir desta trajetria preliminar, fornecida pela gerao de
caminho, possvel obter um perfil de velocidade para todos os pontos
da curva. A parametrizao obtida objetivando que o RMD execute
o caminho com velocidade e acelerao mximas, seguindo Lepetic et
al. (2003).
Considerando o trecho de caminho ilustrado na Fig. 16, a primeira
tarefa para o planejamento obter o perfil de velocidade mxima que
pode ser exercida durante o deslocamento sem infringir o limite imposto
pela acelerao radial ar .

Figura 16: Parametrizao da trajetria de Bzier no tempo.

P2 B
A
at D
yo ar A ar
3 AB = s
P3 0 P1 AC = (k)
P0 AD = x
O xo C BD = y

A velocidade mxima, max (k), para cada ponto k da trajetria

obtida pelo mnimo entre a capacidade de atuao do rob, m , e
o limite imposto pela acelerao radial, o qual obtido atravs da
Eq. (2.30), ou seja,

1
max (k) = min[m , ( (k)armax ) 2 ]. (2.34)

O segundo passo calcular os perfis de velocidade considerando

os pontos crticos da trajetria, ou seja, os pontos de incio e fim da
 51

trajetria (P0 e P3 ) e os locais onde a curvatura mxima (C1 e C2 ),

chamados de vales, que so instantes nos quais a velocidade que se pode
exercer mnima. Os perfis so calculados levando em considerao
cada um desses pontos como partida. A acelerao radial em cada
ponto obtida a partir da curvatura e a velocidade mxima no ponto
k, ou seja,
max (k)2
ar (k) = . (2.35)
(k)
A acelerao tangencial utilizada obtida atravs da Eq. (2.29). Um
exemplo desses perfis visto no grfico da direita na Fig. 17.

Figura 17: Exemplo de trajetria e seu perfil de velocidade.

trajetoria perfil de velocidade

1.6 3.5
P2
1.4 0 = 0.02 m/s 0 = -1.571 rad
3 = 1 m/s 3 = -1.571 rad 3
1.2 d1 = 0.7616 m d2 = 0.7616 m
2.5
1
C2
[m/s]

0.8 2
y [m]

P0
P3
0.6 1.5
C1
0.4
1
0.2 P0 P3
tempo = 2.56 s 0.5 C1 C2
0 extencao = 3.28 m perf. de vel.
P1
0.2 0
0 0.5 1 1.5 2 2.5 3 3.5 4 0 0.25 0.5 0.75 1
x [m] parametro u

Aps a obteno das velocidades desses pontos de referncia, o perfil

de velocidade da trajetria (k) escolhido do mnimo entre os perfis
previamente calculados. Na Fig. 17 encontra-se uma ilustrao de um
perfil de velocidade para a trajetria especificada sua esquerda.
A variao de tempo no instante k dada por:

s(k)
t(k) = (2.36)
(k)

e a velocidade angular, , ao longo da trajetria obtida da relao

52

direta entre velocidade linear, , e o raio da curva, :

(k) = (k)(k). (2.37)

2.7 SNTESE DO CAPTULO

Neste captulo foi caracterizado o RMD e foram apresentados seus

modelos matemticos, cinemtico e dinmico. Tambm foi apresentado
o modelo de seus atuadores para uma representao mais fiel ao rob
real. Estes modelos so utilizados em simulaes para teste dos con-
troladores propostos neste trabalho e tambm como base para clculo
de controladores.
Foram apresentados os problemas de controle de locomoo de RMRs
que so abordadas neste trabalho.
Diante da necessidade de obteno de trajetrias factveis para o
RMD e motivado pela influncia das restries de locomoo na facti-
bilidade da trajetria, foi utilizando um mtodo de gerao de trajet-
rias baseado em curvas de Bzier, o qual resumido no fluxograma da
Fig.18.
A metodologia para obteno de trajetrias factveis, tanto em ter-
mos das restries de mobilidade quanto de atuao para rob, foi ne-
cessria para que os resultados obtidos na tarefa de controle de trajet-
ria fossem coerentes e no apresentassem influncias da impossibilidade
de execuo da trajetria de referncia.
 53

Figura 18: Fluxograma do mtodo de planejamento.

Planejamentosdeslocomoo

Planejamentosdescaminho Planejamentosdestrajetria

definir calcularsmaxk7sesark7
Eqs.2.347ses2.357
P0,sP3,s0,s3,s0,s3

calcularsossperfis
calculars0minses3min
Eq.2.307
desvelocidadesa
partirsde
P0,sP3,sC1sesC2
encontrarsd0sesd3,
minimizandos0ses3
Eq.2.327
obtersk7spela
interceosdossperfiss

gerarscaminhoscom
xk7sesyk7s calcularsk7
Eq.2.257ssparaskspontos Eq.2.377
54
3 CONTROLE FUZZY

Desde a introduo do conceito de conjuntos fuzzy por Zadeh (1965)

e posterior utilizao no controle de sistemas mecnicos por Mamdani
(1974), tcnicas fuzzy so utilizadas para, entre outras aplicaes, o
controle e a modelagem de sistemas fsicos.
Neste trabalho proposto o controle da trajetria de Robs Mveis
Diferenciais (RMDs) utilizando Compensadores Paralelos Distribudos
(CPDs), que so baseados na tcnica de inferncia fuzzy desenvolvida
por Takagi e Sugeno (1985). A utilizao deste tipo de controlador
permite o clculo automtico de seus parmetros de sintonia, de acordo
com requisitos de desempenho, atravs de ferramentas de otimizao e
Linear Matrix Inequalities (LMIs).
Assim, neste captulo esto descritos:

- A lgica fuzzy;

- Sistemas de inferncia Takagi-Sugeno;

- Como a lgica fuzzy utiliza para criar uma representao do

RMD;

- A tcnica de controle fuzzy baseado em modelo, a forma de an-

lise de estabilidade desses sistemas e como seus parmetros so
calculados.

3.1 CONJUNTOS FUZZY

A notao mais simples de representar um conjunto listando todos

os elementos que esto nele contidos, por exemplo,

A = {a, b, c, d, e}, (3.1)

onde um elemento rigidamente definido como pertencente ou no ao

conjunto.
56

A ideia principal na teoria de conjuntos fuzzy (ROSS, 2010, Cap-

tulo 2), considera a mesma notao da Eq. (3.1), porm composto por
pares ordenados (x, fA (x)), onde x representa um elemento pertencente
ao universo U e fA (x) a pertinncia de x no conjunto, ou seja,

A = {(x, fA (x)) | x U}.

O grau de pertinncia fA (x) de cada elemento x, por conveno

assume valores entre 0 e 1, isto , fA : U [0, 1]. Na Figura 19
mostrada uma Funo de Pertinncia (FP) Gaussiana fA (x), para
elementos de 0 a 10 em um conjunto fuzzy A.

Figura 19: Exemplo de funo de pertinncia.

1,0
pertinncia

0,5 fA(x)

0 2 4 6 8 10
elemento

Assim, devido a caracterstica de generalizao das FPs, a teoria

de conjuntos fuzzy considerada uma extenso da definio clssica de
conjuntos. Para que um conjunto fuzzy represente um conjunto clssico
basta que sua funo de pertinncia assuma somente valores iguais a 1
ou 0, representando a existncia ou no, respectivamente, do elemento
no conjunto.

3.2 SISTEMA DE INFERNCIA

Sistemas de inferncia so utilizados para obteno de uma ao

(sada), a partir de estmulos (entradas), de acordo com uma base de
conhecimento (conjuntos). Consistem de trs componentes: o conjunto
de regras, a base de dados e o mecanismo de agregao. Utiliza-se nas
premissas conjuntos fuzzy para classificar as entradas e, no caso de
sistemas Sugeno (tipo-III segundo Sugeno (1999)), utilizam-se funes
 57

polinomiais nas consequncias de cada regra:

Definio 3: A i-sima regra de um sistema de inferncia Sugeno

com np variveis de entrada e nr regras dada por:

se z1 Gi1 , . . . , znp Ginp

para i = 1, 2, ..., nr (3.2)
ento yi = ci (z1 , z2 , . . . , znp )

onde Gij , so conjuntos fuzzy das premissas, zj as variveis de entrada,

e ci (.) so funes polinomiais que compe as consequncias do sistema.


Cada uma dessas regras possui um peso wi na composio da sada,

a qual obtida pelo produtrio:
np
Y
wi = fji (zj ) (3.3)
j=1

onde a funo fji (.), f : R [0, 1], representa a pertinncia de zj no

conjunto fuzzy Gij .
A sada do sistema obtida atravs da mdia ponderada das sadas
yi de cada regra:
nr
P
wi yi
i=1
y= nr . (3.4)
P
wi
i=1

Note que a mdia mantm a caracterstica unitria do sistema.

A partir do sistema de inferncia descrito acima, na prxima seo
delineia-se como tal construo de Sugeno utilizada na criao de
modelos para sistemas fsicos.

3.3 MODELO TS-FUZZY

A capacidade do sistema de inferncia Sugeno (TAKAGI; SUGENO,

1985) em representar completamente um sistema no-linear seu maior
atrativo no mbito da teoria de controle (WANG et al., 2000).
58

O modelo TS-Fuzzy, em suma, pondera entre representaes polino-

miais de regies do sistema original a fim de obter uma representao
equivalente. Assim, cada regio decomposta em representaes li-
neares de forma que um sistema TS-Fuzzy com np no-linearidades
T
z = [z1 z2 . . . znp ] , definido da seguinte forma:

Definio 4: A i-sima regra do modelo TS-Fuzzy com np variveis

de entrada e nr regras dada por:

se z1 Gi1 , . . . , znp Ginp

para i = 1, 2, ..., nr (3.5)
ento x i = Ai x + Bi u,

onde Gij so os conjuntos fuzzy das premissas, x e u os estados e en-

tradas do sistema modelado, respectivamente. Ai e Bi , so as matrizes
de cada subsistemas x i . 

A sada deste modelo fuzzy obtida pela composio de suas regras,

que executada utilizando a Eq. (3.4):

nr
X
x = hi (Ai x + Bi u) , (3.6)
i=1

onde as pertinncias hi so obtidas a partir da Eq. (3.3), da seguinte

forma:
wi
hi = nr . (3.7)
X
wj
j=1

Completando as informaes sobre esta representao h algumas

propriedades a respeito dos pesos wi e das pertinncias hi , que devem
ser ressaltadas:

- A soma dos pesos wi de cada sub-regio (regra) do sistema fuzzy

deve ser maior que zero, isto ,
nr
X
wi > 0, (3.8)
i=1
 59

sendo wi 0 definida na Eq. (3.3);

- A soma das pertinncias hi deve ser unitria, ou seja, representar

completamente o sistema modelado:
nr
X
hi = 1. (3.9)
i=1

sendo 0 hi 1 definida na Eq. (3.7).

Estas propriedades so utilizadas diretamente na obteno das funes

de pertinncia e este modelo fuzzy utilizado no clculo de CPDs.

3.4 MTODO DE MODELAGEM

H duas bases de informaes possveis de se obter o modelo de um

sistema fsico: (i) a partir de um conjunto de informaes de entrada e
sada (SUGENO; KANG, 1988) ou (ii) a partir do sistema de equaes
representativo (TANAKA; WANG, 2001). Neste trabalho utilizado o
segundo mtodo, o qual descrito e exemplificado a seguir.
Considerando um sistema com np no-linearidades diferentes,

x = A(x)x + B(x)u, (3.10)

sua representao TS-Fuzzy correspondente pode ser obtida utilizando

np premissas e 2np regras.
O primeiro passo de modelagem identificar da Eq. (3.10) cada
no-linearidade diferente de A(x) e B(x) como uma varivel zj (x),
que representam as entradas no sistema fuzzy, e delimita-se o intervalo
de variao de cada uma dessas variveis[1] :

1j zj (x) 2j para j = 1, 2, . . . , np , (3.11)

onde 1j = min zj (x) e 2j = max zj (x), como ilustrado na Fig. 20.

x x

1 Caso a no-linearidade no possa ser definida dentro de um setor, limita-se

60

Figura 20: Limitantes de uma funo no-linear.

2j
zj(x)

1j

Estes limites so utilizados para representar cada varivel zj por

uma funo no-linear de setor da seguinte forma:

zj (x) = 1j (x)1j + 2j (x)2j , (3.12)

onde 1j (x) 0 e 2j (x) 0, so funes de pertinncia de 1j e 2j

na composio da no-linearidade zj (x), respectivamente. Note que,
para a Eq. (3.12) representar uma combinao convexa, a propriedade,

1j (x) + 2j (x) = 1, (3.13)

deve ser cumprida.

Para terminar o mapeamento das entradas zj (x), basta obter as fun-
es de pertinncia 1j (.) e 2j (.) a partir da representao da Eq. (3.12)
e da propriedade da Eq. (3.13), resultando-se em:

zj (x) + 1j 1j zj (x)
1j (x) = , 2j (x) = . (3.14)
1j 2j 1j 2j

Tendo calculadas as funes de pertinncia das entradas z(x), basta

agora montar o modelo TS-Fuzzy seguindo os seguintes passos:

- Monta-se as matrizes Ai e Bi da i-sima regra, substituindo as

no-linearidades zj (x) pelo respectivo valor de kj , para cada
(i, j) : i, j Z+ , i nr , j np sendo k Z+ definido como
k = 2 ((i 1)/2np j + 1) mod 2.

a regio de representao a um intervalo menor (OHTAKE; TANAKA; WANG,

2001).
 61

- Monta-se as equaes de pertinncia das consequncias hi , de

acordo com a Eq. (3.7), onde i definido a partir da Eq. (3.3)
como:
np
Y
wi = kj (zj ) (3.15)
j=1

para cada par (i, j) : i, j Z+ , i nr , j np sendo k Z+

definido como k = 2 ((i 1)/2np j + 1) mod 2;[2]

Aps montado o modelo fuzzy, a sada do sistema calculada atravs

da Eq. (3.6). A Fig.21 contm a sntese da sequencia de passos a se
seguir para aplicao deste mtodo de modelagem.

Figura 21: Fluxograma da tcnica de modelagem.

identificargasgno-linearidadesgdogsistema
Eq.(3.10)

delimitargogintervalogdegmodelagemgdas
variaveisgzj(x),gdefinindogosglimitesgkj
Eq.(3.11)

definirgasgfunesgdegpertinncia
Eq.(3.14)

montargasgmatrisesgAiegB igparagcadagregra
dogsistemagfuzzy

gerargasgequaesgdegganhosgponderados,ghi,
paragcadagregra
Eqs.(3.7)geg(3.15)

2a mod b: resto inteiro da diviso de a por b

62

3.4.1 Exemplo de modelagem

Para exemplificar a tcnica de modelagem, nesta seo so apresen-

tados os passos executados na montagem do modelo TS-Fuzzy para as
equaes do erro cinemtico entre o rob a ser controlado e um rob
de referncia:

ex 0 r 0 ex 1 ey
ey = r 0 r sinc(e ) ey + 0 ex u b . (3.16)

e 0 0 0 e 0 1

Este sistema utilizado e explicado no Captulo 4 como uma soluo

particular do problema de rastreamento de trajetria, a qual motiva a
utilizao dos controladores CPDs no trabalho.

Portanto, seguindo a tcnica de modelagem descrita, no equacio-

namento do erro da Eq. (3.16), identifica-se quatro no-linearidades:
z1 = r , z2 = r sinc(e ), z3 = ey e z4 = ex , ou seja, o sistema fuzzy
respectivo contm nr = 16 regras.

A seguir define-se as regies de modelagem, |ex | 0, 1 m, |ey |

0, 1 m, |e | 2 rad e || 4, 5749 rad/s, e reescreve-se a Eq. (3.16) de
acordo com o seguinte modelo fuzzy:
nr
X
e = hi (z) (Ai e + Bi u b ) , (3.17)
i=1

onde as matrizes Ai e Bi so reescritas em termos das variveis kj ,

0 k1 0 1 k3
Ai = k1 0 k2 , Bi = 0 k4 , (3.18)

0 0 0 0 1

sendo que para cada par (i, j) : i, j Z+ , i nr , j np sendo k Z+

definido como k = 2 ((i 1)/2np j + 1) mod 2.

Os valores de kj so selecionados de acordo com as regies de

 63

modelagem acima definidas:

( (
11 = 4.5749 12 = 0.0197
, ,
21 = 4.5749 22 = 2
( ( (3.19)
13 = 0, 1 14 = 0, 1
, .
23 = 0, 1 24 = 0, 1

As funes de pertinncia kj , com k = 1, 2 e j = 1, . . . , 4, para

cada varivel zj so obtidas de acordo com as Eqs. (3.14):

zj + 1j
1j = , 2j = 1 1j . (3.20)
1j 2j

Os pesos hi so computados de acordo com as Eqs. (3.7).

3.5 CONTROLE FUZZY

A utilizao de tcnicas fuzzy em problemas de controle comu-

mente baseada em mtodos que mapeiam um conhecimento prtico,
normalmente obtido a partir de observao, em um grupo de aes.
Tais aes, em conjunto, levam o sistema para o comportamento dese-
jado, como o caso do trabalho de estreia da tcnica de Mamdani (1974)
e trabalhos mais atuais como o desenvolvido por Gonzalez, Guarnizo e
Benavides (2014) e Kim e Chwa (2014).
Outra forma de utilizao de tcnicas fuzzy como ferramenta au-
xiliar em estratgias de controle, ou seja, atua na adaptao do mtodo
de controle (acrescendo desempenho) ou como apoio nas aes tomadas
pelo controlador (controle hbrido), como o exemplo de trabalhos de
Kayacan et al. (2015) e Yasuno, Tanaka e Kuwahara (2014), respecti-
vamente.
Neste trabalho utiliza-se unicamente sistemas de inferncia fuzzy
baseado em modelo, com garantia de estabilidade, para controlar o
RMD. Basicamente, a tcnica, a partir de um modelo fuzzy obtido de
um conjunto de equaes que representam o sistema real, gera o sinal
64

de controle que estabiliza o sistema completo.

Nas prximas sees esto descritos: a principal tcnica de controle
utilizada no trabalho; o mtodo de anlise da estabilidade do sistema
em malha fechada; e como so calculados os ganhos do compensadores
considerando requisitos de desempenho.

3.5.1 Compensador Paralelo Distribudo (CPD)

A tcnica base de todos os controladores utilizados o Compensa-

dor Paralelo Distribudo (CPD), proposto por Sugeno e Kang (1986)
baseado em um modelo TS-Fuzzy. Tal modelo pode ser visto como
uma cadeia paralela e distribuda de representaes que em conjunto
so capazes de descrever completamente um sistema original. O CPD
atua nesse conjunto de subsistemas estabelecendo compensadores indi-
viduais para cada um, garantindo a estabilidade global do sistema.
Portanto, o CPD oferece um procedimento para projetar um com-
pensador baseado na realimentao de estados para cada regra do mo-
delo TS-Fuzzy a ser controlado, a ao de controle final ser uma in-
terpolao de todos os compensadores de acordo com as regras fuzzy.
Para cada regra do modelo da Eq. (3.6), como em Wang, Tanaka e
Griffin (1995), estipula-se o controlador:

se z1 Gi1 , . . . , znp Ginp

para i = 1, 2, ..., nr ,
ento u i = Fi x,
(3.21)
mn
onde Fi R representam as matrizes locais de ganhos de realimen-
tao.
A lei de controle resultante, dado o conjunto de regras fuzzy defini-
das na Eq. (3.21), torna-se:

nr
X
u= hi Fi x, (3.22)
i=1

onde hi so calculadas usando a Eq. (3.7) e do modelo matemtico que

se deseja controlar.
 65

3.5.2 Condies de estabilidade

Um sistema TS-Fuzzy, Eq. (3.6), em malha aberta (u = 0),

nr
X
x = hi Ai x, (3.23)
i=1

de acordo com o critrio de Lyapunov (KHALIL, 2002), considerado

globalmente assintoticamente estvel se existir uma matriz P, definida
positiva, tal que:

ATi P + P Ai < 0, i = 1, 2, . . . , nr , (3.24)

ou seja, deve existir uma matriz P comum para todos os subsistemas

do sistema fuzzy da Eq. (3.23).
Reformulando esta condio de estabilidade para um sistema em
malha fechada, substitui-se inicialmente a Eq. (3.22) na Eq. (3.6), ob-
tendo:
nr X
X nr
x = hi hj (Ai Bi Fj ) x. (3.25)
i=1 j=1

Denotando Gij = Ai Bi Fj e aplicando na Eq. (3.25) a condi-

o de estabilidade da Eq. (3.24) reformulada, obtm-se as condies
necessrias para estabilizar o sistema TS-Fuzzy em malha fechada:

Teorema 1 (TANAKA; WANG, 2001): O equilbrio de um sistema

fuzzy contnuo descrito pela Eq. (3.25), globalmente assintoticamente
estvel se existir uma matriz P, definida positiva, tal que:

GTii P + PGii < 0,

!T !
GTij + Gji GTij + Gji (3.26)
P+P 0,
2 2
i < j, exceto se hi hj 6= .[3]

3 h h 6= uma notao para a condio em que h (z(t)) h (z(t)) = 0 para

i j i j
todo z(t).
66

ou seja, deve existir uma matriz P comum para todos os subsistemas

do sistema TS-Fuzzy. 

Portanto, o problema de controle determinar os ganhos locais

de realimentao Fi que satisfazem as condies da Eq. (1) com uma
matriz P definida positiva comum entre todos os subsistemas do modelo
TS-Fuzzy.
Esta a condio bsica de estabilidade e utilizada para avaliar
todos os controladores desenvolvidos no trabalho. A esta condio so
adicionadas algumas modificaes que facilitam a obteno de sua so-
luo e que tambm incluem caracterstica de desempenho.
A primeira adaptao com relao ao conservadorismo da soluo,
considerando um caso onde o nmero de regras do sistema for muito
grande, pode ser muito difcil achar uma matriz P comum que satisfaa
o Teorema acima. Assim, assumindo que o nmero mximo de regras
acionadas a todo instante de tempo menor ou igual a s, onde 1 < s
nr , pode-se modificar o Teorema 1 da seguinte forma:

Teorema 2 (TANAKA; WANG, 2001): O equilbrio de um sistema

TS-Fuzzy contnuo descrito pela Eq. (3.25), globalmente assintotica-
mente estvel se existir uma matriz definida positiva P e uma matriz
semidefinida positiva Q, tal que:

GTii P + PGii + (s 1)Q < 0,

!T !
GTij + Gji GTij + Gji (3.27)
P+P Q 0,
2 2
i < j, exceto se hi hj 6= .

onde s > 1. 

O valor de s obtido a partir de constataes acerca das funes de

pertinncia do modelo TS-Fuzzy, fazendo um levantamento do mximo
de funes que podem estar ativas para todo o universo do modelo.
A condio adicionada pelo Teorema 2 aumenta a regio de solues
do sistema TS-Fuzzy, ampliando as probabilidades de encontrar uma
 67

soluo para o problema de controle.

J em termos de desempenho, os teoremas at ento apresentados
no definem uma condio de otimizao da soluo, bastando apenas
encontrar uma P qualquer. Assim, na inteno de adicionar o requisito
de velocidade de resposta do sistema, atribuda uma modificao ao
Teorema 2, que estipula uma otimizao relativa taxa de acomodao,
isto , encontrar o maior expoente de Lyapunov.

Teorema 3 (TANAKA; WANG, 2001): O equilbrio de um sistema

TS-Fuzzy definido pelo Teorema 2 garante uma taxa de acomodao
igual a condio V (x(t)) 2V (x(t)) para todas as trajetrias se
existir > 0 tal que:

GTii P + PGii + (s 1)Q + 2P < 0,

!T !
GTij + Gji GTij + Gji (3.28)
P+P Q + 2P 0
2 2
i < j, exceto se hi hj 6= .

Portanto, o Teorema 3 estipula um critrio de otimizao que busca

pela maior taxa de acomodao, , que se pode encontrar utilizando
uma funo de Lyapunov quadrtica.
Estas condies podem ser traduzidas no seguinte problema gene-
ralizado de minimizao de autovalores:

Definio 5 (TANAKA; WANG, 2001): Se existir uma matriz posi-

tiva definida X, uma matriz semidefinida positiva Y e Mi satisfazendo
o Teorema 3, o sistema TS-Fuzzy da Eq. (3.6) pode ser estabilizado pelo
CPD da Eq. (3.21), ou seja,
68

maximize
X,Y,M1 ,...,Mr

sujeito a

X > 0, Y 0,

Ai X + XATi Bi Mi MTi BTi

+(s 1)Y + 2X < 0
(3.29)
Ai X + XATi Aj X + XATj
Bi Mj MTj BTi Bj Mi MTi BTj
2Y + 4X 0

i < j, exceto se hi hj 6= ,

onde X = P-1 , Mi = Fi X e Y = XQX.

As condies expostas pela Definio 5 so suficientes para encon-

trar uma soluo de controle que leve o sistema para o equilbrio no
menor tempo calculvel (maior taxa de acomodao). Porm, em al-
guns casos os ganhos calculados ultrapassam os limites de atuao do
sistema real, e para evitar este fenmeno possvel adicionar, s condi-
es, restries que resultem em um controlador que respeite os limites
das entradas de controle. Desse modo, assumindo que a condio ini-
cial x(0) conhecida, a restrio ||u(t)||2 imposta em todos os
instantes de tempo se condies,
" # " #
1 x T (0) X M Ti
0 e 0, (3.30)
x(0) X Mi 2 I

forem respeitadas, onde X = P -1 e M i = F i X.

Todas as provas para os teoremas acima descritos podem ser encon-
trados no livro de Tanaka e Wang (2001).
Para solucionar todos os problemas descritos atravs das LMIs acima,
foi utilizada a plataforma Matlab em conjunto com a ferramenta Yal-
 69

mip (LOFBERG, 2004) e o solver SDPT3 (TOH; TODD; TUTUNCU,

1999).

3.6 SNTESE DO CAPTULO

Neste captulo foi apresentado como modelar sistemas utilizando

lgica fuzzy, em especfico, atravs da tcnica desenvolvida por Takagi
e Sugeno (1985), que utiliza funes polinomiais de primeiro grau como
consequncias das regras do sistema de inferncia fuzzy.
Foi apresentado tambm um exemplo prtico de modelagem, utili-
zando um sistema representativo do erro cinemtico da tarefa de ras-
treamento de trajetria de um RMD.
A noo de sistemas fuzzy e a tcnica para obteno de modelos
TS-Fuzzy, so utilizadas posteriormente para clculo dos controladores
propostos no trabalho e utilizados na locomoo do RMD.
Foi fundamentada teoricamente a tcnica de controle utilizando sis-
temas TS-Fuzzy, a qual denominada CPD. Em conjunto, foram apre-
sentadas as condies de estabilidade para um sistema deste tipo em
malha fechada, seguindo o conceito de estabilidade de Lyapunov. Que
so capazes de garantir desempenho com relao a taxa de acomodao
do sistema e em conjunto com condies de limites nas magnitudes das
aes de controle.
70
4 RESULTADOS

Neste captulo, esto descritos os controladores desenvolvidos na

tese, bem como so feitas anlises de desempenho dos mesmos, atravs
de resultados de simulaes e de experimentos com o rob Powerbot.
Este estudo tm como objetivo evidenciar as contribuies ofereci-
das pelas arquiteturas de controle propostas, relacionando desempenho,
custo computacional e capacidade de clculo dos parmetros de cada
controlador.

4.1 CENRIOS DE AVALIAO

Trs cenrios foram montados com a finalidade de avaliar o desem-

penho dos controladores desenvolvidos neste captulo:

- (A) Ideal - em que se supe que o sistema bem conhecido e

representado pelo modelo cinemtico do Rob Mvel Diferencial
(RMD), Eq. (2.9);

- (B) Realstico - em que se emprega o modelo dinmico, Eq. (2.18),

em conjunto com o modelo dos atuadores, Eq. (2.22), para re-
produzir com maiores detalhes seu funcionamento, englobando
as limitaes dos atuadores, caractersticas inerciais e o lao de
controle de velocidade interno (executado por um Proportional-
Integral-Derivative Controller (PID));

- (C) Experimental - aplicao prtica dos controladores, utilizando

o rob Powerbot.

Os ensaios A e B so simulados e possuem modelos do RMD com

graus de complexidade diferentes, o cenrio A considera apenas o mo-
delo cinemtico, Eq. (2.9), e o cenrio B utiliza o modelo dinmico com
atuadores e limitaes, Eq. (2.18) e Eq. (2.22). J o ensaio C experi-
mental, onde os controladores so aplicados diretamente no rob real,
o Powerbot.
72

4.2 TRAJETRIA DE REFERNCIA

A trajetria de referncia utilizada em todos os ensaios foi obtida

pelo mtodo exposto no Captulo 2. A primeira parcela da trajetria
(linha tracejada na Fig. 22) inicia em P0 com angulo 0 e termina em
P1 com angulo 1 , as velocidades desejadas para esses pontos so 0 e
1 . A segunda parte da trajetria (linha contnua na Fig. 22) uma
reta que comea em P1 e termina em P2 , com velocidades iguais a 1
e 2 , respectivamente. Os parmetros para gerao da trajetria esto
descritos na Tab. 1.
Figura 22: Trajetria de referncia

Trajet4
oria de refer^encia
0 curva de B4ezier
P0
reta
-2
y [m]

-4

-6

P1 P2
-8

-6 -4 -2 0 2 4
x [m]

Tabela 1: Parmetros da trajetria

P0 = (0, 0) P1 = (2, 8) P2 = (3, 8)

0 = 0 m/s 1 = 0.5 m/s 2 = 0 m/s
0 = 0 rad 1 = 0 rad 2 = 0 rad
d0 = 8.39 m d1 = 8.39 m
tempo = 38,9 s extenso 14,4 m

As referncias de velocidade linear e angular, geradas pelo plane-

jamento de trajetria que respeitam as limitaes do rob real, esto
 73

exibidas na Fig. 23.

Figura 23: Velocidades de referncia.

Velocidade linear de refer^ecia

1
> [m/s]

0
0 5 10 15 20 25 30 35

Velociadde angular de refer^ecia

2
! [rad/s]

-2
0 5 10 15 20 25 30 35
tempo [s]

O objetivo destes ensaios verificar o desempenho dos controlado-

res, para tal, em todos utilizada uma posio inicial do rob conside-
rando um erro de postura definido como:
h iT
(0) = 0.05 0.05 0 . (4.1)

4.3 RESULTADOS PRELIMINARES

O controle de RMDs utilizando Compensadores Paralelos Distribu-

dos (CPDs) aparece na literatura em trabalhos que tratam do rastre-
amento de trajetria, como os de Guechi et al. (2009), Guechi et al.
(2010) e Blazic (2010), e outros que tratam apenas a sub-estabilizao
do rob, tal como o trabalho de Sun, Wang e Chang (2011), baseado
nas ideias de Tanaka, Iwasaki e Wang (2001), que utiliza um CPD
chaveado na descontinuidade do sistema para arcar com a perda de
controlabilidade.
O modelo do erro desenvolvido por Klancar e Skrjanc (2007) e adap-
tado para ser utilizado em conjunto com um CPD em Guechi et al.
74

(2009), aportam como principal motivadores da utilizao da tcnica

de controle fuzzy baseado em modelo neste trabalho.
Esta seo apresenta como utilizado o modelo do erro em conjunto
com um CPD para solucionar o problema de rastreamento. Os desen-
volvimentos a seguir foram baseados nos artigos de Guechi et al. (2009),
Guechi et al. (2010), e permitem analisar os resultados de simulao e
prticos.

4.3.1 Modelo do erro

Para obter este modelo, os trabalho de Blazic (2010) e Kanayama

T
et al. (1991) partem do erro entre a postura real, = [x y ] , e a pos-
tura de referncia, r , de um RMD, relativo ao plano de deslocamento,
Fo {O, xo , yo },

ex cos sen 0
ey = sen cos 0 (r ). (4.2)

e 0 0 1

Do erro de postura, Eq. (4.2), e do modelo cinemtico, definido na

Eq. (2.9), possvel escrever o modelo do erro de postura da seguinte
forma:
ex cos e 0 " # 1 ey
r
ey = sen e 0 + 0 ex u. (4.3)

r
e 0 1 0 1

Para que o modelo da Eq. (4.3) seja descrito em espao de estados,

o trabalho de Klancar e Skrjanc (2007) utiliza uma parcela de pr-
alimentao, u a , " # " #
r cos e b
u= + . (4.4)
r b
| {z } | {z }
ua ub

onde u b a nova varivel de entradas de controle a ser calculada.

Assim, com a aplicao da parcela de pr-alimentao da Eq. (4.4)
no modelo da Eq. (4.3), resulta-se no seguinte modelo do erro em espao
 75

de estados:

ex 0 r 0 ex 1 ey
ey = r 0 r sinc(e ) ey + 0 ex u b . (4.5)

e 0 0 0 e 0 1

Com o sistema a ser controlado representado na forma da Eq. (4.5),

possvel obter u b estabilizante utilizando um compensador CPD.

4.3.2 Controlador

Para controlar o modelo da Eq. (4.5) utilizando um CPD, neces-

srio partir de sua respectiva representao TS-Fuzzy,
nr
X
e(t) = hi (Ai e(t) + Bi u b ) , (4.6)
i=1

a qual foi apresentada na Eq. (3.17), Eq. (3.18) e Eq. (3.19), para
exemplificar o mtodo de modelagem. Aplica-se ento o compensador
CPD,
nr
X
ub = hj Fj e(t), (4.7)
j=1

resultando no modelo de malha fechada

nr X
X nr
e(t) = hi hj (Ai Bi Fj ) e(t), (4.8)
i=1 j=1

onde, para calcular os ganhos Fj que estabilizam o sistema, utiliza-se as

Linear Matrix Inequalities (LMIs) da Definio 5 em conjunto com as
condies de limitao da entrada de controle definidas na Eq. (3.30).
Os ganhos Fi so iguais para todos os ensaios que utilizam este
controlador, foram calculados atravs da Definio 5 em conjunto com
as condies de limitao da entrada de controle da Eq. (3.30), e podem
ser vistos na Tab. 8 e Tab. 9 (ver Apndice B).
76

4.3.3 Cenrio A: modelo ideal

Nesta simulao aplica-se o controlador CPD, Eq. (3.22) para con-

trole do RMD representado apenas pelo modelo cinemtico da Eq. (2.9).
Os parmetros da simulao podem ser vistos na Tab. 10 (ver Apn-
dice B).
Na Figura 24 v-se a trajetria desenvolvida no plano pelo rob, na
Fig. 25 encontra-se a evoluo dos erros de rastreamento e na Fig. 26
esto os sinais de controle calculados.

Figura 24: Controlador de Guechi et al. (2010) - cenrio A: trajetria.

Trajet4
oria
0 executado
refer^encia
-2
y [m]

-4

-6

-8

-6 -4 -2 0 2 4
x [m]

Este resultado reproduz o trabalho de Guechi et al. (2010) e valida,

como esperado, a tcnica de controle CPD para resoluo do problema
de rastreamento de trajetria para um RMD representado pelo modelo
cinemtico.
Constata-se j nesta primeira simulao, que o erro em situaes
de variao das velocidades angular e linear, prximo aos instantes
5 s e 25 s, que o desempenho do controlador apresenta degradao
apresentando picos de erro.
 77

Figura 25: Controlador de Guechi et al. (2010) - cenrio A: evoluo

do erro.

Erros de trajet4oria
0.1
ex [m]

-0.1
0 5 10 15 20 25 30 35 40
0.1
ey [m]

-0.1
0 5 10 15 20 25 30 35 40
0.2
e3 [rad]

-0.2
0 5 10 15 20 25 30 35 40
tempo [s]

Figura 26: Controlador de Guechi et al. (2010) - cenrio A: sinais de

controle.

Sinais de controle
1
> [m/s]

0.5

0
5 10 15 20 25 30 35 40

2
! [rad/s]

-2
0 5 10 15 20 25 30 35 40
tempo [s]
78

4.3.4 Cenrio B: modelo realstico

Este cenrio de simulao fornece o desempenho do controlador

CPD, Eq. (3.22) para controle do RMD representado pelo modelo din-
mico, Eq. (2.18), em conjunto com o modelo dos atuadores, Eq. (2.22),
considerando limites de atuao. Os parmetros da simulao podem
ser vistos na Tab. 11 (ver Apndice B).
Na Fig. 27 contm a evoluo dos erros de rastreamento durante a
execuo da tarefa e na Fig. 28 podem ser vistos os sinais de controles
calculados.

Figura 27: Controlador de Guechi et al. (2010) - cenrio B: evoluo

do erro.

Erros de trajet4oria
0.1
ex [m]

-0.1
0 5 10 15 20 25 30 35 40
0.1
ey [m]

-0.1
0 5 10 15 20 25 30 35 40
0.2
e3 [rad]

-0.2
0 5 10 15 20 25 30 35 40
tempo [s]

Este resultado demonstra que mesmo aplicado a um modelo que

no reproduz idealmente o comportamento do sistema para o qual foi
calculado, o controlador consegue executar a trajetria de referncia
com qualidade semelhante obtida no ensaio ideal (cenrio A).
 79

Figura 28: Controlador de Guechi et al. (2010) - cenrio B: sinais de

controle.

Sinais de controle
1.5
> [m/s]

0
0 5 10 15 20 25 30 35 40

2
! [rad/s]

-2
0 5 10 15 20 25 30 35 40
tempo [s]

4.3.5 Cenrio C: experimental

Este ltimo cenrio fornece um resultado mais representativo do de-

sempenho do controlador CPD, pois as informaes so experimentais,
ou seja, como o controlador se comporta quando aplicado ao rob real.
Os parmetros utilizados no ensaio esto descritos na Tab. 12 (ver
Apndice B). Na Fig. 29 encontra-se a evoluo dos erros de rastrea-
mento da trajetria e na Fig. 30 esto os sinais de controle aplicados
no rob.
Nota-se neste resultado prtico que embora a trajetria tenha sido
executada completamente, o controlador apresenta um comportamento
oscilatrio, sub-amortecido, durante todo o tempo de execuo. Este
comportamento se deve principalmente pela taxa de acomodao obtida
atravs do clculo dos ganhos, a qual foi de 0,0580.
80

Figura 29: Controlador de Guechi et al. (2010) - cenrio C: evoluo

do erro.

Erros de trajet4oria
0.4
ex [m]

-0.4
0 5 10 15 20 25 30 35 40
0.4
ey [m]

-0.4
0 5 10 15 20 25 30 35 40
0.4
e3 [rad]

-0.4
0 5 10 15 20 25 30 35 40
tempo [s]

Figura 30: Controlador de Guechi et al. (2010) - cenrio C: sinais de

controle.

Sinais de controle
8
> [m/s]

0
-2
0 5 10 15 20 25 30 35 40

2
! [rad/s]

-2
0 5 10 15 20 25 30 35 40
tempo [s]
 81

4.3.6 Sntese dos resultados

Este arranjo de resultados foi escolhido para mostrar que o contro-

lador CPD, Eq. (3.22), obtido atravs do modelo cinemtico do rob
mvel, Eq. (2.9), capaz de resolver o problema de rastreamento de
trajetria para um RMD, o que pode ser constatado na Tab. 2 atravs
dos erros Root Mean Square (RMS) obtidos em cada cenrio, os quais
so da ordem de centmetros e de centsimos de radiano.
Tabela 2: Controlador de Guechi et al. (2010): erros RMS de cada
cenrio

Cenrio Varivel Erro

(ex , ey ) 9, 44 102 [m]
(A) modelo ideal
e 5, 52 102 [rad]
(ex , ey ) 11, 71 102 [m]
(B) modelo realstico
e 6, 90 102 [rad]
(ex , ey ) 25, 22 102 [m]
(C) experimental
e 3, 78 102 [rad]

Tais resultados motivam a utilizao do controle CPD por demons-

trar sua viabilidade na soluo do problema de rastreamento e tambm
por apresentar-se como uma ferramenta automtica para clculo de ga-
nhos para o controlador. Motiva tambm o estudo de uma aplicao
da tcnica que consiga obter melhores valores de tempo de acomoda-
o, sem extrapolar seus limites de controle. Alm disso, busca-se uma
forma de construir um controlador CPD que consiga controlar o RMD
sem que seja necessrio uma pr-alimentao, atribuindo todo o esforo
de controle unicamente ao controlador, podendo-se assim analisar e re-
solver o problema de rastreamento atravs de LMIs de forma plena.

4.4 ESTABILIZAO

O objetivo deste resultado apresentar uma modificao no modelo

do RMD, a qual base dos controladores propostos no trabalho, e
tambm valida a capacidade de aplicao de um CPD para controlar
este sistema.
82

A malha de controle deste arranjo formada por um CPD e o

modelo cinemtico do RMD, como pode ser visto na Fig. 31.

Figura 31: Tarefa de estabilizao: lao de controle.

RMD
Controle q
Cinemtica
TS-Fuzzy

Neste caso o ponto de referncia para estabilizao a origem do

plano de deslocamento, ou seja, r = [0 0 0]T .
A estabilizao em torno de um ponto para o RMD no realiz-
vel atravs de um realimentao de estados esttica, como antecipado
por Brockett (1983). Porm, como apresentado em Siciliano e Khatib
(2008), possvel aplicar uma transformao ao modelo que contorne
estas restries. Esta modificao motivada pela manobra de carros,
onde um motorista enxerga um ponto ou rea frente do veculo, e
conhecida como controle look-ahead.
Para resolver esta tarefa utilizando um CPD reescreve-se o sistema
cinemtico, Eq. (2.9), para que represente o objetivo de controle, ou
seja, estabilizao apenas da posio do rob sem considerar sua orien-
tao: " # " #" #
x cos d sen
= . (4.9)
y sen d cos

Este modelo contorna os problemas de controlabilidade como a no-

holonomicidade e subatuao, em detrimento do controle da orientao
do rob.
Assim, de posse do modelo de controle da Eq. (4.9), nota-se que
existem duas no-linearidades, sumarizadas no vetor z = [cos sen ]T ,
as quais so utilizadas na obteno do respectivo modelo TS-Fuzzy,
baseando-se na Eq. (3.6) e na tcnica de modelagem descrita no Cap-
 83

tulo 3: " # " # " #!

r
x X x
= hi Ai + Bi , (4.10)
y i=1
y

sendo que as matrizes Ai e Bi so reescritas em termos das variveis

zj , " # " #
0 0 k1 dk2
Ai = , Bi = . (4.11)
0 0 k2 dk1

O sistema modelado para todo o circulo trigonomtrico, ou seja,

a regio de mapeamento definida como |z1 | 1 e |z2 | 1, que geram
os seguintes valores de kj :
( (
11 = 1 12 = 1
, , (4.12)
21 = 1 22 = 1

e as funes de pertinncia so definidas atravs da Eq. (3.14):

z1 +1 1z1
11 (z1 ) = 2 , 21 (z1 ) = 2 ,
(4.13)
z2 +1 1z2
12 (z2 ) = 2 e 22 (z2 ) = 2 .

Os ganhos do controlador foram calculados utilizando as LMIs da

Definio 5 em conjunto com as condies de restrio de entradas de
controle da Eq. (3.30), considerando o ponto inicial igual a [x y]T =
[5 5]T , resultando nas seguintes matrizes:
" # " #
0, 0494 0, 0494 0, 0455 0, 0455
F1 = , F2 = ,
0, 7305 0, 7305 0, 3316 0, 3316
" # " # (4.14)
0, 0455 0, 0455 0, 0494 0, 0494
F3 = e F4 = .
0, 3316 0, 3316 0, 7305 0, 7305

Os parmetros de simulao esto descritos na Tab. 13 (ver Apn-

dice B).
Os resultados do deslocamento do rob para oito diferentes pontos
iniciais podem ser vistos na Fig. 32. Nas Fig. 33 e Fig. 34 encontram-se
84

os os sinais de controle e os erros, respectivamente, apenas para o caso

com postura inicial igual a = [5 0 /2]T , e nota-se que o controlador
consegue estabilizar assintoticamente o RMD no sentido clssico, como
esperado, apenas para os estados x e y.

Figura 32: Tarefa de estabilizao: trajetrias.

Trajet4
orias
6
executado
3
y [m]

-3

-6
-6 -3 0 3 6
x [m]

Figura 33: Tarefa de estabilizao: sinais de controle do caso (0) =

[5 0 /2]T .

Sinais de controle
0.3
> [m/s]

0
-0.1
0 20 40 60 80 100 120 140 160 180 200

3
! [rad/s]

0
-1
0 20 40 60 80 100 120 140 160 180 200
tempo [s]
 85

Figura 34: Tarefa de estabilizao: erro do caso (0) = [5 0 /2]T .

Erros de trajet4oria
2
0
ex [m]

-6
0 20 40 60 80 100 120 140 160 180 200

0
ey [m]

-0.8
0 20 40 60 80 100 120 140 160 180 200
2
e3 [rad]

-2
0 20 40 60 80 100 120 140 160 180 200
tempo [s]

Estes resultados validam a capacidade de aplicao de um CPD

para controlar um sistema que represente um RMD. O prximo passo
deste captulo descrever a adequao deste controlador para a tarefa
de rastreamento de trajetrias.

4.5 RASTREAMENTO: PR-ALIMENTAO

Nesta seo o problema de rastreamento solucionado por um con-

trolador com pr-alimentao baseado na tcnica utilizada nos resulta-
dos preliminares, desenvolvida no trabalho de Guechi et al. (2010), que
embora resolva a questo, exibe alguns pontos que a limitam:

- As no-linearidades do modelo so descritas em funo do erro

do sistema. Esta caracterstica limita a representao TS-Fuzzy,
pois necessrio definir uma regio de mapeamento do erro, o
que em termos prticos difcil de se garantir, pois o erro pode
86

sair dessa regio facilmente devido, por exemplo, a alguma per-

turbao externa;

- O modelo de controle possui quatro no-linearidades e uma repre-

sentao em espao de estados de terceira ordem, o que gera um
modelo fuzzy com dezesseis regras. Este arranjo, quando com-
parado a um modelo de menor ordem e menor nmero de no-
linearidades, exibe: (i) maior tempo de computao da ao de
controle; (ii) maior tempo de clculo dos ganhos; e (iii) maior
conservabilidade ao conjunto de solues factveis das LMIs do
problema de controle.

Para contornar estes problemas, propem-se uma alterao na tc-

nica utilizando um modelo de controle que no depende da regio
de mapeamento do erro e tambm exprime ordem e nmero de no-
linearidades menores. Isto realizado utilizando o mesmo modelo uti-
lizado para resolver o problema de estabilizao.
Portanto, considerando o modelo cinemtico do RMD, de referncia
deslocada, expresso pela Eq. (2.9),
" # " #" #
x cos d sen
= , (4.15)
y sen d cos

onde as entradas de controle so as velocidades linear, , e angular,

. Define-se o erro de rastreamento, e(t) = [ex ey ]T , como a diferena
entre a posio real e a desejada do RMD, da seguinte forma:
" # " # " #
ex xr x
= . (4.16)
ey yr y

Derivando-se a Eq. (4.16) tem-se ento o modelo do erro em funo

das entradas de controle do RMD e as referncias de atuao:

e(t) = B r (q r )u r B(q)u, (4.17)

 87

onde B(q) e B r (q r ) so as matrizes do modelo cinemtico do RMD

a ser controlado e do RMD de referncia, respectivamente, e definidas
por,
" # " #
cos d sen cos r d sen r
B(q) = e B r (q r ) = . (4.18)
sen d cos sen r d cos r

Assim como o controlador original, aplica-se uma pr-alimentao

ao modelo do erro, Eq. (4.16), para compensar as velocidades de refe-
rncia:
u = B 1 B r u r u b , (4.19)

resultando no seguinte modelo residual do erro:

e(t) = B(q)u b , (4.20)

onde necessrio calcular u b que garanta que o erro e(t) convirja para
zero quando t .

Nota-se que a Eq. (4.20) igual ao modelo utilizado para resolver

o problema de estabilizao da seo anterior. Sendo assim possvel
utilizar todo o mapeamento TS-Fuzzy desenvolvido, assim como utilizar
o mesmo controlador CPD, dado por:
nr
X
ub = Fi e(t), (4.21)
i=1

sendo que os estados do sistema so [ex ey ]T e no mais [x y]T .

Para o clculo dos ganhos do controlador, assim como na seo

anterior, foram utilizadas as LMIs da Definio 5 em conjunto com as
condies de restrio de entradas de controle da Eq. (3.30). O erro
inicial igual ao utilizado no clculo dos ganhos do controlador original,
e(0) = [0, 05 0, 05]T . Os ganhos encontrados obtiveram uma taxa de
acomodao de 1,5809, gerando as seguintes matrizes:
88

" #
3, 3723 3, 3723
F1 = ,
46, 7456 46, 7456
" #
4, 1763 4, 1763
F2 = ,
31, 6227 31, 6227
" # (4.22)
4, 1763 4, 1763
F3 = e
31, 6227 31, 6227
" #
3, 3723 3, 3723
F4 = .
46, 7456 46, 7456
A seguir esto descritos os resultados obtidos de acordo com os
cenrios especificados no incio do captulo. Em todos os ensaios foi
aplicada a mesma trajetria especificada para o controlador original,
que pode ser vista na Fig. 22.

Cenrio A: modelo ideal

Neste cenrio aplica-se o controlador u = u a + u b em simulao

para o modelo cinemtico do RMD, Eq. (2.9), onde u a uma pr-
alimentao definida na Eq. (4.19) e u b o controlador CPD definido
na Eq. (4.21). Uma ilustrao da malha de controle pode ser visualizada
na Fig. 35. Os parmetros desta simulao podem ser encontrados na
Tab. 14 do Apndice B.

Figura 35: Controlador com pr-alimentao: malha de controle ideal.

RMD
+ q
Controle
Referncia
+
TS-Fuzzy + Cinemtica

Na Fig. 36 ilustrada graficamente a trajetria executada pelo rob

mvel neste arranjo de simulao. A Fig. 37 contm a evoluo dos erros
 89

de rastreamento com o intuito de comparao entre tcnicas e a Fig. 38

exibe os sinais de controle aplicados.
Neste primeiro resultado, j possvel notar melhora visvel no de-
sempenho do controlador em comparao tcnica original. Constata-
se que os erros de rastreamento nos pontos onde a trajetria apresenta
variao nas velocidades angular e linear, prximos aos instantes 5 s e
25 s, no so mais encontrados. Este fato se d principalmente pela
possibilidade de obteno de ganhos com taxa de acomodao maior do
que a encontrada pelo controlador descrito na Eq. (4.7), o que comprova
a diminuio da conservabilidade nas LMIs que descrevem o problema
de controle.

Figura 36: Controlador com pr-alimentao - cenrio A: trajetria.

Trajet4
oria
0 executado
refer^encia
-2
y [m]

-4

-6

-8

-6 -4 -2 0 2 4
x [m]
90

Figura 37: Controlador com pr-alimentao - cenrio A: erro.

Erros de trajet4oria
0.05
ex [m]

-0.05
0 5 10 15 20 25 30 35
0.05
ey [m]

-0.05
0 5 10 15 20 25 30 35
0.3
e3 [rad]

-0.3
0 5 10 15 20 25 30 35
tempo [s]

Figura 38: Controlador com pr-alimentao - cenrio A: sinais de

controle.

Sinais de controle
1
> [m/s]

0.5

0
0 5 10 15 20 25 30 35

2
! [rad/s]

-2
5 10 15 20 25 30 35
tempo [s]
 91

Cenrio B: modelo realstico

O cenrio realstico utiliza do modelo dinmico com modelo dos atu-

adores e limites de atuao do RMD, Eq. (2.18) e Eq. (2.22), para obter
informaes mais precisas de como o controlador com pr-alimentao
proposto se comporta com erros de modelagem. A malha de controle
possui tambm um PID em cascata, espelhando o que acontece no rob
real, como pode ser visto na Fig. 39.

Figura 39: Controlador com pr-alimentao: malha de controle rea-

lstica.

RMD
+ q
Controle
Referncia
+
TS-Fuzzy +
+
PID Dinmica Cinemtica

Os ganhos do controlador, Eq. (4.22), e o arranjo de controle so

os mesmos aplicados no cenrio ideal e os parmetros desta simulao
podem ser encontrados na Tab. 15 do Apndice B.
Na Fig. 40 esto os sinais de erro de rastreamento obtidos durante
toda a simulao e na Fig. 41 podem ser vistos os sinais de controle
calculados.
Como esperado, neste cenrio j se nota uma perda de desempenho
do controlador devido aos erros de modelagem eminentes da aplicao
em uma representao diferente da que foi utilizada em seu clculo.
92

Figura 40: Controlador com pr-alimentao - cenrio B: erro.

Erros de trajet4oria
0.3
ex [m]

-0.3
0 5 10 15 20 25 30 35
0.05
ey [m]

-0.05
0 5 10 15 20 25 30 35
0.3
e3 [rad]

-0.3
0 5 10 15 20 25 30 35
tempo [s]

Figura 41: Controlador com pr-alimentao - cenrio B: sinais de

controle.

Sinais de controle
1
> [m/s]

0.5

0
0 5 10 15 20 25 30 35

3
! [rad/s]

-3
0 5 10 15 20 25 30 35
tempo [s]
 93

Cenrio C: experimental

Neste cenrio o controlador aplicado diretamente ao rob real.

Assim como foi feito nos cenrios anteriores, o arranjo de controle e os
ganhos, Eq. (4.22), so os mesmos, bem como a posio inicial do rob.
Os parmetros desta simulao podem ser encontrados na Tab. 16 do
Apndice B.
A evoluo dos erros de rastreamento pode ser vista na Fig. 42 e
na Fig. 43 so apresentados os sinais de controle calculados e aplicados
no rob. A inteno desta ltima figura de analisar se a atuao
requerida apresenta comportamento oscilatrio ou abrupto.

Figura 42: Controlador com pr-alimentao - cenrio C: erro.

Erros de trajet4oria
0.5
ex [m]

-0.5
0 5 10 15 20 25 30 35 40
0.5
ey [m]

-0.5
0 5 10 15 20 25 30 35 40
0.5
e3 [rad]

-0.5
0 5 10 15 20 25 30 35 40
tempo [s]

Este resultado experimental demonstra uma grande diferena de

desempenho quando comparado aos resultados da Fig. 29. A locomoo
oscilatria amortecida principalmente pela taxa de acomodao maior
encontrada, fornecendo uma locomoo mais suave para o rob. Em
contrapartida, a velocidade angular executada apresentou oscilaes
94

Figura 43: Controlador com pr-alimentao - cenrio C: sinais de

controle.

Sinais de controle
2
> [m/s]

0
0 5 10 15 20 25 30 35 40

4
! [rad/s]

-4
0 5 10 15 20 25 30 35 40
tempo [s]

iniciais e um comportamento ruidoso na parte final da trajetria (reta),

o que gerou uma pequena perda de desempenho frente ao controlador
original.

Sntese dos resultados

Resumidamente, os erros em valores RMS de cada cenrio esto dis-

postos na Tab. 3. Dois tipos de erro so considerados: (i) o de posio
(ex , ey ); (ii) e o erro de orientao e . Estes valores so o principal
quantificador para avaliar o desempenho dos controlador proposto.

Tabela 3: Controlador com pr-alimentao: erros RMS de cada ce-

nrio

Cenrio Varivel Erro

(ex , ey ) 2, 25 102 [m]
(A) modelo ideal
e 2, 75 102 [rad]
(ex , ey ) 5, 66 102 [m]
(B) modelo realstico
e 3, 02 102 [rad]
(ex , ey ) 12, 82 102 [m]
(C) experimental
e 4, 77 102 [rad]
 95

De um modo geral, o controlador proposto obteve desempenho me-

lhor tanto em simulao quanto no experimento, tal situao pode ser
vista pelos valores de erro RMS superiores expressos na Tab. 2, que
contm os erros dos ensaios do controlador original.
Porm o foco deste controlador no a melhora do desempenho de
execuo, e sim quanto a capacidade de clculo dos ganhos e desempe-
nho computacional. As contribuies desse arranjo de controle focam
nos seguintes pontos:

- A soluo de controle apresenta uma ordem menor que a original.

O controlador proposto possibilita que a tcnica de clculo dos
ganhos fornea resultados com uma taxa de acomodao maior,
mantendo os mesmos requisitos de clculo que os do controlador
original. Esta diminuio da ordem possibilitou a obteno de
uma taxa de acomodao de 1,5809, enquanto a do controlador
original foi de 0, 0580;

- Devido a diminuio da ordem do problema e a reduo no n-

mero de no-linearidades, tanto o clculo dos ganhos quanto das
aes de controle exibem tempo de computao reduzido. Isso
uma implicao direta do nmero de regras fuzzy do sistema
de controle, que passou de 16 regras para 4 regras, sem perda de
desempenho do controlador;

- Com a modificao do modelo contorna-se o problema de mo-

delagem do controlador original que considera no-linearidades
dependentes do valor de erro. O que pode ocasionar facilmente
uma inconsistncia de modelagem frente a situaes de erro mo-
mentneo maiores do que a regio mapeada.

Nota-se nos resultados que embora o erro de orientao, e , no

componha o clculo do modelo de controle, ele tambm obtm esta-
bilidade assinttica em termos clssicos. Isso se deve basicamente ao
acoplamento entre as variveis e a natureza dinmica do problema de
rastreamento, pois a medida que os estados do sistema evoluem os er-
96

ros de posio s convergiro para zero se o erro de orientao tambm

convergir.

4.6 RASTREAMENTO: SISTEMA AMPLIADO

Embora o problema de rastreamento seja solucionado suficiente-

mente pelos dois controladores descritos at agora, ambos utilizam uma
pr-alimentao de controle para solucionar o problema. Isto indica que
o modelo de controle baseia-se apenas no erro residual da tarefa, ou
seja, os sinais de controle no so capazes de garantir completamente
que os limites das entradas de controle no sejam ultrapassados. Alm
disso, a trajetria de referncia precisa fornecer informaes de posio
e velocidade para que a trajetria seja executada.
Nesta seo, o compensador proposto deve contornar estas pro-
priedades, fornecendo um arranjo de compensao que remove a pr-
alimentao da malha de controle, como visto na Fig. 44, e que necessita
apenas de referncias de posio da trajetria a ser executada.

Figura 44: Controlador ampliado: malha de controle.

Controle q
Referncia RMD
TS-Fuzzy

A soluo do problema de rastreamento desenvolvida com base no

controlador proposto por Ohtake, Tanaka e Wang (2009), onde utiliza-
se um CPD com modelo ampliado para resolver o problema de regula-
o.
 97

4.6.1 Sistema ampliado

Os resultados de controle do rastreamento de trajetria de um RMD

foram obtidos a partir de uma tcnica desenvolvida por Smith e Davi-
son (1972), e utilizada em conjunto com o CPD proposto por Ohtake,
Tanaka e Wang (2009) e que descrita a seguir.

O objetivo da tcnica de Smith e Davison (1972) fazer com que as

sadas de um sistema no-linear contnuo convirjam para as sadas do
sistema de referncia:

x r (t) = kr (x r (t)),
(4.23)
y r (t) = gr (x r (t)),

onde x r (t) o vetor de estados do sistema de referncia e y r (t) o

vetor de sadas do sistema de referncia. Assumindo que kr e gr sejam
conhecidos e diferenciveis. O vetor de erro e(t) definido como

e(t) = y r (t) y(t). (4.24)

Tendo em vista as equaes do sistema a ser controlado, Eq. (3.6),

e a dinmica do erro definida na Eq. (4.24), possvel reescrever o
modelo atravs de um sistema ampliado que representa o objetivo de
controle.

A construo deste sistema feita derivando a Eq. (4.23), a Eq. (4.24),

e considerando, por motivos de simplificao, a referncia y r (t) cons-
tante:
x(t) = K(x(t), x(t), u(t), u(t)),
(4.25)
e(t) = y(t) = G(x(t), x(t)).

Estas equaes agrupadas formam o sistema ampliado que repre-

senta a dinmica do erro de um modelo TS-Fuzzy,
" # " #
x(t) K(x(t), x(t), u(t), u(t))
= (4.26)
e(t) G(x(t), x(t)),
98

que reescritas em termos de seus componentes,

" # " #" # " #
x(t) A(t) 0 x(t) B(t)
= + u(t), (4.27)
e(t) C (t) 0 e(t) 0

proporciona um modelo que pode ser expresso, aplicando o conceito de

no-linearidade de setor para cada termo no-linear, como o seguinte
sistema TS-Fuzzy:
" # nr
" #" # " # !
x(t) X Ai 0 x(t) Bi
= hi + u(t) (4.28)
e(t) i=1
Ci 0 e(t) 0

O modelo apresentado na Eq. (4.28), pode ser controlado utilizando

a Eq. (3.22), expressa da seguinte forma:

nr
" #
X x(t)
u(t) = hi Fi (4.29)
i=1
e(t)

onde Fi so os ganhos do controlador, que so obtidos atravs da Defi-

nio 5 utilizando as matrizes do sistema em malha fechada e a partir
da Eq. (4.28) e Eq. (4.29):
" # nr X
nr
" #
x(t) X
x(t)
= hi hj Ai Bi Fj . (4.30)
e(t) i=1 j=1
e(t)

Em sntese, a utilizao deste controlador faz com que o erro e(t)

convirja para zero. Isto significa que a sada y(t) do sistema no-linear
converge para a referncia y r (t). Para isso necessrio que todos os
pares (Ai , Bi ) sejam controlveis e o posto de
" #
Ai Bi
Ci 0

seja completo, permitindo que se encontre uma soluo factvel para as

LMIs da Eq. (3.29) (OHTAKE; TANAKA; WANG, 2009).
 99

4.6.2 Controlador ampliado

Para calcular o controlador de rastreamento utilizando a tcnica

descrita acima, considera-se inicialmente a referncia y r (t) constante,
assim a derivada temporal do erro, expresso pela Eq. (4.24), torna-se:

e(t) = y(t), (4.31)

o que resulta no modelo ampliado da Eq. (4.27).

Assim, para representar o problema de controle de acordo com a
Eq. (4.27) utiliza-se do mesmo modelo utilizado no controlador com pr-
alimentao proposto na seo anterior, ou seja, o modelo cinemtico
do RMD, Eq. (2.9). O qual, expresso em sua segunda derivada pode
ser descrito de acordo com o seguinte modelo em espao de estados:
" # " #" # " #" #
x 0 x cos d sen
= + . (4.32)
y 0 y sen d cos

Permitindo assim descrever o problema de controle na forma do

seguinte sistema ampliado:

x 0 0 0 x cos d sen

y 0 0 0 y sen d cos
= + u(t). (4.33)
e 1 0 0 0 ex 0 0

x
ey 0 1 0 0 ey 0 0

O objetivo encontrar uma lei de controle, u(t), que estabilize este

sistema ampliado. Para isso prope-se o seguinte CPD:

x
nr
X y
u(t) = hj Fj
e ,
(4.34)
j=1 x
ey

onde Fj so os ganhos de realimentao que, assim como feito com os

controladores de pr-alimentao, so determinados atravs da resolu-
100

o do problema descrito pelas LMIs da Definio 5, em conjunto com

as condies de limite de entrada de controle definidas na Eq. (3.30).
A computao dos ganhos, contidos na Tab. 17 do Apndice B, foi exe-
cutada considerando a mesma posio inicial utilizada para os outros
controladores, Eq. (4.1), e limites de entrada de controle = 10, o que
proporcionou uma taxa de acomodao igual a 5, 6670.
Utiliza-se para obter os resultados os mesmos cenrios j apresen-
tados e a mesma trajetria de referncia apresentada na Fig. 22. Po-
rm, no cenrio ideal, (A), utilizada tambm uma trajetria circular,
que exibe velocidades angular e linear constantes durante toda sua ex-
tenso. A utilizao desta nova trajetria tem o intuito de avaliar o
desempenho do controlador frente a problemas de complexidade me-
nor que o problema exibido pela trajetria de Bzier, a qual apresenta
velocidades angular e linear variveis em toda sua extenso.

Cenrio A: modelo ideal

O cenrio ideal demonstra como o controlador se comporta quando

o sistema controlado exatamente o que foi utilizado para seu clculo,
ou seja, que no apresenta erros de modelagem, como ilustrado na
Fig. 45.

Figura 45: Controlador ampliado: malha de controle ideal.

RMD
Controle q
Referncia Cinemtica
TS-Fuzzy

Crculo Esta trajetria aplicada apenas ao cenrio ideal com intuito

de verificar o desempenho do controlador considerando referncias de
velocidade constantes. No caso a trajetria tem incio e fim em r =
 101

[0 0 0]T e desempenha velocidades linear, , e angular, , iguais a 0, 5

m/s e 0, 25 rad/s, respectivamente. Os parmetros da simulao esto
na Tab. 18 (ver Apndice B).
Na Figura 46 apresenta-se a referncia da trajetria e a respectiva
locomoo executada pelo rob. Na Fig. 47 so apresentados os erros
entre referncia e execuo para toda a extenso da trajetria e na
Fig. 48 so vistos os sinais de controle aplicados para execuo da
trajetria.

Figura 46: Controlador ampliado - cenrio A (crculo): trajetria.

Trajet4
oria
0 executado
refer^encia
-1
y [m]

-2

-3

-4

-2 -1 0 1 2
x [m]

Nota-se nesse resultado, como esperado, que o controlador no apre-

senta estabilidade assinttica no sentido clssico, mostrando erros em
regime para todos os estados do sistema. Este um ponto fraco desta
tcnica, e torna-se um ponto a ser aprimorado em trabalhos futuros.
102

Figura 47: Controlador ampliado - cenrio A (crculo): erros.

Erros de trajet4oria
0.1
ex [m]

-0.1
0 5 10 15 20 25
0.1
ey [m]

-0.1
0 5 10 15 20 25
0.3
e3 [rad]

-0.3
0 5 10 15 20 25
tempo [s]

Figura 48: Controlador ampliado - cenrio A (crculo): sinais de

controle.

Sinais de controle
1
> [m/s]

0.5

0
0 5 10 15 20 25

2
! [rad/s]

-2
5 10 15 20 25
tempo [s]
 103

Bzier Esta trajetria submete o controlador a uma situao mais

prxima de tarefas reais, onde o planejamento de locomoo fornece
uma trajetria factvel s suas limitaes de movimento e atuao, e
desempenha um deslocamento entre dois pontos no ambiente em que
est imerso. Assim, espera-se que a trajetria apresente velocidades
variveis ao longo de sua parametrizao e o resultado de sua execuo
fornea a principal fonte de informaes para anlise do controlador
proposto.
Da execuo desta simulao obteve-se o desempenho de locomoo
do controlador, ilustrado na Fig. 49, os erros de rastreamento apresen-
tados na Fig. 50 e os sinais de controle vistos na Fig. 51. Os parmetros
da simulao esto na Tab. 19.

Figura 49: Controlador ampliado - cenrio A (Bzier): trajetria.

Trajet4
oria
0 executado
refer^encia
-2
y [m]

-4

-6

-8

-6 -4 -2 0 2 4
x [m]

Nota-se neste ensaio os mesmos erros em regime encontrados na

aplicao da trajetria circular, mas o principal ponto a se considerar
aqui que no se nota degradao na qualidade de execuo da tra-
jetria, como apurado em conjunto com os valores de erro RMS, na
Tab. 4 junto a sntese dos resultados desta seo.
104

Figura 50: Controlador ampliado - cenrio A (Bzier): erros.

Erros de trajet4oria
0.1
ex [m]

-0.1
0 5 10 15 20 25 30 35
0.1
ey [m]

-0.1
0 5 10 15 20 25 30 35
0.4
e3 [rad]

-0.4
0 5 10 15 20 25 30 35
tempo [s]

Figura 51: Controlador ampliado - cenrio A (Bzier): sinais de con-

trole.

Sinais de controle
1
> [m/s]

0.5

0
0 5 10 15 20 25 30 35

2
! [rad/s]

-2
5 10 15 20 25 30 35
tempo [s]
 105

Cenrio B: modelo realstico

O cenrio realstico demonstra como o controlador se comporta

frente a erros de modelagem e limites de atuao, ou seja, utiliza-se
o modelo dinmico do RMD acrescido dos modelos dos atuadores e li-
mitado de acordo com as capacidades de atuao do rob real. Uma
ilustrao da malha de controle simulada neste cenrio pode ser vista na
Fig. 52. Os parmetros da simulao esto na Tab. 20 do Apndice B.

Figura 52: Controlador ampliado: malha de controle realstica.

RMD

Controle q
Referncia
+
TS-Fuzzy +
PID Dinmica Cinemtica

Neste ensaio apenas a trajetria da Fig. 22 utilizada. Assim, na

Fig. 54 os respectivos erros de execuo esto ilustrados e na Fig. 53
visualiza-se os sinais de controle.
Figura 53: Controlador ampliado - cenrio B: sinais de controle.

Sinais de controle
15
> [m/s]

0
0 5 10 15 20 25 30 35

100
! [rad/s]

-100
0 5 10 15 20 25 30 35
tempo [s]
106

Figura 54: Controlador ampliado - cenrio B: erros.

Erros de trajet4oria
0.15
ex [m]

-0.15
0 5 10 15 20 25 30 35
0.1
ey [m]

-0.1
0 5 10 15 20 25 30 35
0.4
e3 [rad]

-0.4
0 5 10 15 20 25 30 35
tempo [s]

Constata-se nestes dados que frente a erros de modelagem e limi-

taes de atuao, a execuo da tarefa permanece com desempenho
muito prximo ao ideal. Anlise que reforada atravs dos dados de
erro na Tab. 4, na sntese dos resultados desta seo.

Cenrio C: experimental

Assim como feito para os controladores com pr-alimentao, para

comprovar a capacidade de aplicao real deste controlador, neste cen-
rio obtm-se informaes acerca da aplicao prtica no RMD Power-
bot. Os parmetros de execuo deste ensaio esto na Tab. 21 (ver
Apndice B).
Na Fig. 42 e Fig. 43 esto ilustrados a evoluo dos erros de rastre-
amento e os sinais de controle aplicados ao rob, respectivamente.
 107

Figura 55: Controlador ampliado - cenrio C: erros.

Erros de trajet4oria
0.3
ex [m]

-0.3
0 5 10 15 20 25 30 35 40
0.1
ey [m]

-0.1
0 5 10 15 20 25 30 35 40
0.4
e3 [rad]

-0.4
0 5 10 15 20 25 30 35 40
tempo [s]

Figura 56: Controlador ampliado - cenrio C: sinais de controle.

Sinais de controle
50
> [m/s]

0
-10
0 5 10 15 20 25 30 35 40

100
! [rad/s]

-100
0 5 10 15 20 25 30 35 40
tempo [s]
108

Sntese dos resultados

Como resultados, na Tab. 4 esto dispostos, em valores RMS, os

erros de posio (ex , ey ) e de orientao e , relativos a cada cenrio, os
quais quantificam o desempenho do controlador proposto.

Tabela 4: Controlador ampliado - erros RMS de cada cenrio.

Cenrio Varivel Erro

Crculo
(ex , ey ) 25, 53 102 [m]
(A) modelo ideal
e 3, 84 102 [rad]
Bzier
(ex , ey ) 25, 10 102 [m]
(A) modelo ideal
e 4, 85 102 [rad]
(ex , ey ) 25, 17 102 [m]
(B) modelo realstico
e 4, 65 102 [rad]
(ex , ey ) 29, 71 102 [m]
(C) experimental
e 5, 49 102 [rad]

Embora o controlador proposto no exiba desempenho melhor que

os controladores com pr-alimentao, como constatado pela compa-
rao das Tabs. 2 e 4, os resultados obtidos apresentam a viabilidade
de uma nova abordagem para anlise do problema de rastreamento de
trajetria, atravs de um arranjo CPD aplicado um RMD.
O que se obtm com esta tcnica de controle, em termos de contri-
buies, so os seguintes pontos:

- Por no utilizar uma pr-alimentao, a trajetria de refern-

cia no necessita fornecer um perfil de velocidade para que seja
executado o controle, basta o fornecimento dos pontos em sua
respectiva parametrizao de tempo. Isto facilita na aplicao de
tcnicas de planejamento on-line, onde a trajetria desenvolvida
medida que o rob se desloca;

- Como o controlador o nico responsvel pela gerao das en-

tradas de controle, possvel garantir limites de atuao durante
o clculo dos ganhos. Esta caracterstica no se aplica aos con-
 109

troladores com pr-alimentao pois o controlador trabalha no

residual do erro, ou seja, os limites do controlador variam com a
trajetria;

Apesar deste controlador no exibir estabilidade assinttica para o

objetivo de controle, o seu desempenho suficiente para que seja con-
siderado como uma opo de soluo prtica. Exibindo caractersticas
de controle que outros controladores no possuem, como os listados
acima. As prximas sees exibem algumas modificaes para melhora
do desempenho deste controlador.

4.6.3 Controlador ampliado dinmico

Com base na soluo de controle descrita na seo anterior, prope-

se agora uma alterao no modelo de controle onde se considera a refe-
rncia y r (t) varivel e as velocidades y r (t) constantes, assim a derivada
no tempo do erro descrito na Eq. (4.24) torna-se:

e(t) = y r (t) y(t), (4.35)

e sua segunda derivada:

e(t) = y(t). (4.36)

Destas constataes, propem-se a seguinte alterao no modelo

ampliado da Eq. (4.27):

...
x (t) A(t) 0 0 x(t) B(t)
e(t) = 0 0 I e(t) + 0 u(t). (4.37)

e(t) C (t) 0 0 e(t) 0

Para construir o modelo de controle para o problema de rastrea-

mento de acordo com a Eq. (4.37) utiliza-se, assim como no compensa-
dor da seo anterior, o modelo cinemtico do RMD, Eq. (2.9). O qual
expresso em sua terceira derivada pode ser descrito de acordo com o
110

seguinte modelo em espao de estados:

"...# " #" # " #" #
x 0 2 x 2 x
... = + +
y 2 0 y 2 y
" #" # (4.38)
cos d sen
+ .
sen d cos

Para que possa ser aplicada a tcnica de modelagem TS-Fuzzy,

considera-se apenas uma aproximao deste sistema, supondo que as
variaes de orientao, , sejam prximas a zero, resultando na se-
guinte representao:
"...# " #" #
x cos d sen
... = , (4.39)
y sen d cos

de onde monta-se o problema de controle, a partir da Eq. (4.37):

...
x x
... 0 022 022
y 22

= 022 y
+

e(t) 022 I22

e(t)

I22 022 022

e(t) e(t)
(4.40)
cos d sen

sen d cos
+
u(t).
022

022

A lei de controle estabilizante para este sistema ampliado pode ser

calculada pela seguinte proposta de CPD:

x
nr
X y
u(t) = hj Fj
(4.41)
j=1 e(t)

e(t)

onde Fj so os ganhos de realimentao que, assim como feito com os

 111

controladores de pr-alimentao, so determinado atravs da resolu-

o do problema descrito pelas LMIs da Definio 5, em conjunto com
as condies de limite de entrada de controle definidas na Eq. (3.30).
A computao dos ganhos, contidos na Tab. 22 do Apndice B, foi exe-
cutada considerando a posio inicial da Eq. (4.1) e limites de entrada
de controle = 10, gerando uma taxa de acomodao mxima igual a
2, 7760.
Para avaliar este esquema de controle, apenas o cenrio experimen-
tal ser utilizado, visto que a aplicabilidade j foi verificada na seo
anterior. Utiliza-se da mesma trajetria de referncia aplicada nos con-
troladores at agora apresentados, vista na Fig. 22.
A seguir esto descritos os resultados da estrutura de controle des-
crita, cujos parmetros de execuo esto na Tab. 23 (ver Apndice B).
A Fig. 57 exibe a trajetria executada pelo rob e o caminho de refe-
rncia. Ja na Fig. 58 podem ser vistos os erros de rastreamento e para
ajudar na anlise do controlador na Fig. 59 apresentam-se os sinais de
controle aplicados no rob ao desempenhar a trajetria.

Figura 57: Controlador ampliado dinmico: trajetria.

Trajet4
oria
0 executado
refer^encia
-2
y [m]

-4

-6

-8

-6 -4 -2 0 2 4
x [m]
112

Figura 58: Controlador ampliado dinmico: erros.

Erros de trajet4oria
0.3
ex [m]

-0.3
0 5 10 15 20 25 30 35
0.1
ey [m]

-0.1
0 5 10 15 20 25 30 35
0.4
e3 [rad]

-0.4
0 5 10 15 20 25 30 35
tempo [s]

Figura 59: Controlador ampliado dinmico: sinais de controle.

Sinais de controle
30
> [m/s]

20
10
0
-10
0 5 10 15 20 25 30 35

1.5
! [rad/s]

-1.5
0 5 10 15 20 25 30 35
tempo [s]
 113

Sntese do resultado

Na Tabela 5 encontra-se os valores de erro RMS obtidos por este

ensaio experimental.

Tabela 5: Controlador ampliado dinmico: erros RMS.

Cenrio Varivel Erro

(ex , ey ) 24, 44 102 [m]
experimental
e 6, 56 102 [rad]

Nota-se, ainda que pequena, uma reduo nos valores de erro de

posio da trajetria em detrimento dos erros de orientao. Isso deve-
se muito taxa de acomodao menor obtida no clculo dos ganhos do
controlador.
Ainda assim, constata-se visualmente uma melhora no desempenho
de rastreamento do estado x, sem alterar o desempenho de y. Isto
pode ser uma caracterstica importante quando a trajetria apresenta
variaes constantes e severas.
Mesmo que o desempenho no tenha sido significativamente melhor,
a apresentao desta tcnica vlida por abrir novas possibilidades
de alterao do controlador e incorporao de novas variveis a serem
controladas.

4.6.4 Controlador ampliado integral

Como ltima proposta de alterao do esquema de controle ampli-

ado considera-se o controlador proposto na seo anterior, Eq. (4.37), e
insere-se ao modelo de controle uma ao integradora no sentido cls-
sico, resultando na seguinte alterao no modelo ampliado proposto:

...
x (t) A(t) 0 0 x(t) B(t)
R
e(t) 0 I 0 e(t) + 0 u(t).

e(t) = 0 (4.42)

0 I e(t) 0


e(t) C (t) 0 0 e(t) 0
114

Esse modelo utilizado para reescrever o problema de controle de

rastreamento, utilizando como base o modelo do compensador ampliado
dinmico, exposto na seo anterior na Eq. (4.40):
...
x 022 022 022 022 x
...
y 022 022 022 022 y

R
e(t) = 022 022 I22 022 e(t) +


e(t) 022 022 022 I22 e(t)


e(t) I22 022 022 022 e(t)
(4.43)
cos d sen
sen d cos


+ 022 u(t).

022


022

A lei de controle para este modelo ampliado com uma parcela inte-
gral, baseada no CPD da seo anterior, Eq. 4.41, ampliado tambm
da parcela integral, para entrar em consonncia com a realimentao
de estados proposta por este controlador.
Os ganhos Fj , tambm so determinado atravs da resoluo do
problema descrito pelas LMIs da Definio 5, em conjunto com as con-
dies de limite de entrada de controle definidas na Eq. (3.30). A
computao dos ganhos, contidos na Tab. 24 do Apndice B, foi exe-
cutada considerando, assim como para os outros controladores, o rob
na posio inicial da Eq. 4.1 e limites de entrada de controle = 10,
gerando uma taxa de acomodao mxima igual a 1, 2702.
Neste esquema de controle tambm avaliado apenas atravs do
cenrio experimental em conjunto com a trajetria de referncia calcu-
lada a partir de curvas de Bzier, Fig. 22. Os parmetros de execuo
deste ensaio esto na Tab. 25 (ver Apndice B).
Foi gerada na Fig. 60 a representao da trajetria desempenhada
pelo rob em comparao ao caminho de referncia. Como ferramen-
tas de anlise do desempenho na Fig. 61 e Fig. 62, foram geradas as
 115

representaes grficas do erro e dos sinais de controle obtidas durante

a execuo do ensaio, respectivamente.

Figura 60: Controlador ampliado integral: trajetria.

Trajet4
oria
0 executado
refer^encia
-2
y [m]

-4

-6

-8

-6 -4 -2 0 2 4
x [m]
116

Figura 61: Controlador ampliado integral: erros.

Erros de trajet4oria
0.3
ex [m]

-0.3
0 5 10 15 20 25 30 35
0.1
ey [m]

-0.1
0 5 10 15 20 25 30 35
0.6
e3 [rad]

-0.6
0 5 10 15 20 25 30 35
tempo [s]

Figura 62: Controlador ampliado integral: sinais de controle.

Sinais de controle
30
> [m/s]

20
10
0
-10
0 5 10 15 20 25 30 35

2
! [rad/s]

-2
0 5 10 15 20 25 30 35
tempo [s]
 117

Sntese do resultado

Na Tabela 6, encontra-se os erros RMS de posio e orientao

calculados a partir dos dados desse ensaio.

Tabela 6: Controlador ampliado integral: erros RMS.

Cenrio Varivel Erro

(ex , ey ) 19, 99 102 [m]
experimental
e 8, 46 102 [rad]

Nota-se principalmente que os erros de posio reduziram signifi-

cativamente em relao aos erros do controlador ampliado original, na
ordem de 0, 1 m, enquanto houve uma deteriorao no desempenho de
controle da orientao, levando a um sinal mais oscilatrio e consequen-
temente a um esforo que pode reduzir a vida til dos atuadores. Isso
confirma a validade da tcnica como opo para um controlador com
melhor desempenho.

4.7 SNTESE DO CAPTULO

Este captulo apresentou resultados de simulao e experimentais

para duas propostas de controladores:
- Primeiramente considerando uma tcnica de controle da litera-
tura, composta por uma parcela de pr-alimentao e outra par-
cela contendo um controlador CPD, a qual foi adaptada para
utilizar um modelo de controle que no depende da regio de
mapeamento do erro e tambm exprime ordem e nmero de no-
linearidades menores original;

- Na sequncia foi proposta uma nova arquitetura de controle que

elimina a necessidade da pr-alimentao, fornecendo um meio de
analisar e garantir o desempenho do sistema de controle atravs
da sintonia do controlador.
No primeiro caso, foi analisado o desempenho do controlador com
relao ao da literatura, e foi constatada sua capacidade de resolver
118

o problema de rastreamento com um desempenho melhor ou igual ao

original. Verificou-se que controlador apresenta regio de modelagem
mais ampla que o modelo utilizado no controlador original, alm de
exibir melhor desempenho computacional, devido a ordem do problema
de controle e o nmero de regras fuzzy serem menores.
No segundo caso, o arranjo de controle proposto mostrou-se vivel e
apresenta-se como uma nova opo de soluo para o problema de ras-
treamento, embora no apresente o desempenho obtido com os contro-
ladores com pr-alimentao. Porm este tipo de controlador apresenta
vantagens como: a utilizao de um modelo vlido globalmente para
o problema; a capacidade de garantir limites nas entradas de controle;
e conveniente na definio da trajetria de referncia, para planeja-
mento em tempo de execuo, pois possvel verificar factibilidade da
trajetria em relao ao estado atual do rob.
5 CONCLUSO E PERSPECTIVAS

Este trabalho tratou o problema de controle do rastreamento de

trajetrias para Robs Mveis Diferenciais (RMDs). O tipo de rob
estudado se enquadra na classe de sistemas subatuados, cuja caracte-
rstica possuir grau de atuao menor que o grau de liberdade.
Caracterstica de subatuao implica em menor nmero de atuado-
res, complexidade construtiva reduzida e menor peso quando compa-
rado com sistemas similares e totalmente atuados. Esse fato oferece
vantagem em realizar tarefas com melhor eficincia energtica porm,
insere dificuldades para control-lo.
Alm disso, em virtude das suas propriedades construtivas, a cate-
goria do rob sofre tambm a influncia de restries no-holonmicas,
as quais tornam ainda mais complexos o planejamento de locomoo e
o projeto de controladores.
A construo de modelos matemticos para estes sistemas , ge-
ralmente, mais complexa e resulta em modelos em espao de estado
compostos. O sistema considerado neste trabalho, o RMD, tem restri-
es no-holonmicas, subatuao, com caractersticas de acoplamento
que agregam complexidade sntese de controle e gerao de trajetrias
factveis.
Assumindo-se que existe um sistema de navegao para o RMD
e que trajetrias factveis so conhecidas, optou-se por solucionar o
problema de rastreamento de trajetrias para esse rob por meio do
desenvolvimento de duas estratgias de controle utilizando uma tcnica
fuzzy baseada em modelo, o Compensador Paralelo Distribudo (CPD).
A primeira estratgia de controle proposta, baseada e comparada
com a desenvolvida por Guechi et al. (2009) por meio de simulaes e
experimentos, apresenta as seguintes contribuies:

- Melhoria no desempenho de controle de rastreamento de trajet-

rias para RMDs;

- Aumento da regio de validade do modelo de controle;

120

- Exibe uma estrutura de controle que obtm melhor desempenho

computacional, para o problema tratado.

A segunda estratgia de controle proposta baseia-se na eliminao

da pr-alimentao da malha de compensao, incumbindo um nico
controlador de todo o esforo de atuao necessrio para resolver o
problema de rastreamento. Embora o desempenho desta tcnica no
seja melhor do que o a dos controladores que possuem pr-alimentao,
esta proposta mostrou-se vlida pelas seguintes contribuies:

- Uma nova abordagem para aplicao da tcnica de controle pro-

posta por Ohtake, Tanaka e Wang (2009);

- Resoluo do problema de rastreamento para um RMD utilizando

um CPD que atua diretamente no erro de rastreamento e no no
modelo do erro residual;

- Capacidade de anlise das entradas e sadas do sistema de acordo

com as limitaes do sistema real, utilizando requisitos de de-
sempenho especificados nas Linear Matrix Inequalities (LMIs) do
problema de controle.

Alm disso, os desenvolvimentos desta tese contriburam com resul-

tados paralelos que no constam neste documento, como:

- Implementao da tcnica de planejamento de trajetria que con-

sidera os limites do RMD na obteno de trajetrias factveis;

- Construo de um ambiente experimental, com caractersticas

de tempo-real, para teste de solues de controle para ao rob
Powerbot, utilizando a ferramenta Matlab.

Este trabalho gerou publicaes, em peridicos, diretamente relaci-

onados tese e tambm alguns desenvolvidos em paralelo:

- BERTOL, D.W.; BARASUOL, V.; MARTINS, N.A.; DE PIERI,

E.R. Stiffness control of robot manipulators in the operational
space using fuzzy mapping of dynamic functions. Control and
Cybernetics. v. 42, n. 3, p. 639-661, 2013.
 121

- MARTINS, N.A.; ELYOUSSEF, E.S.; BERTOL, D.W.; DE PI-

ERI, E.R.; MORENO, U.F.; CASTELAN, E.B. Trajectory trac-
king of a nonholonomic mobile robot with kinematic disturban-
ces: a variable structure control design. Revista IEEE Amrica
Latina, v. 9, p. 276-283, 2011.

- MARTINS, N.A.; ELYOUSSEF, E.S.; BERTOL, D.W.; DE PI-

ERI, E.R.; MORENO, U.F.; CASTELAN, E.B. Nonholonomic
mobile robot with kinematic disturbances in the trajectory trac-
king: a variable structure controller. Learning and Nonlinear
Models, v. 8, p. 23-40, 2010.

- MARTINS, N.A.; BERTOL, D.W.; LOMBARDI, W.C.; DE PI-

ERI, E.R.; CASTELAN, E.B. Neural dynamic controllers for the
trajectory tracking of a nonholonomic mobile robot including the
actuators dynamics. International Journal of Factory Automa-
tion, Robotics and Soft Computing, v. 1, p. 39-44, 2009;

Alm de algumas publicaes em anais de congressos:

- SOUZA, C.; RAFFO, G.V.; BERTOL, D.W.; CASTELAN, E.B.

Identification and control of a commercial quadrotor helicopter.
Robocontrol2012 - 5th Workshop in Applied Robotics and Auto-
mation, 2012.

- MARTINS, N.A.; ALENCAR, M.; LOMBARDI, W.C.; BER-

TOL, D.W.; DE PIERI, E.R.; FERASOLI, H. A proposed neural
control for the trajectory tracking of a nonholonomic mobile ro-
bot with disturbances. Lecture Notes in Computer Science. v.
7552, p. 330-338, 2012.

- BERTOL, D.W.; BARASUOL, V.; MARTINS, N.A.; DE PIERI,

E.R. Fuzzy mapping of dynamic functions to control robot mani-
pulators in the operational space. 21st International Congress of
Mechanical Engineering, 2011.
122

- ELYOSSEF, E.S.; MARTINS, N.A.; DE PIERI, E.R.; BERTOL,

D.W.; JUNGERS, M. On a wheeled mobile robot trajectory trac-
king control: 1st and 2nd order sliding modes applied to a com-
pensated inverse dynamics. Pan-American Congress of Applied
Mechanics - PACAM, 2010.

- BARASUOL, V.; BERTOL, D.W.; DE PIERI, E.R. Mapeamento

fuzzy de funes dinmicas para controle de manipuladores no es-
pao operacional. Congresso Brasileira de Sistemas Fuzzy, 2010.

- MARTINS, N.A.; ELYOUSSEF, E.S.; BERTOL, D.W.; DE PI-

ERI, E.R.; MORENO, U.F.; CASTELAN, E.B. Seguimento de
trajetria de um rob mvel no-holonmico com perturbaes
cinemticas: um projeto de controle a estrutura varivel. VI
Congresso Nacional de Engenharia Mecnica, 2010.

- ELYOUSSEF, E.S.; MARTINS, N.A.; BERTOL, D.W.; DE PI-

ERI, E.R.; JUNGERS, M. On a wheeled mobile robot tracking
control: sliding mode control design. XVIII Congresso Brasileiro
de Automtica, 2010.

- MARTINS, N.A.; BERTOL, D.W.; DE PIERI, E.R. Trajectory

tracking of a nonholonomic mobile robot considering the actuator
dynamics: design of a neural dynamic controller based on sliding
mode theory. 19th International Conference on Artificial Neural
Networks, 2009.

- MARTINS, N.A.; BERTOL, D.W.; DE PIERI, E.R.; CASTE-

LAN, E.B. Control of mobile robot considering actuator dynamics
with uncertainties in the kinematic and dynamic models. Inter-
national Work-Conference on Artificial Neural Networks, 2009.

5.1 TRABALHOS FUTUROS

O desenvolvimento das pesquisas, abriu perspectivas para alguns

trabalhos futuros, listados a seguir:
 123

- Desenvolvimento de uma interface sem o cascateamento de con-

troladores, pois atualmente o Powerbot no possibilita o controle
aplicado diretamente aos atuadorese;

- Extenso da estrutura do controle ampliado, para que incorpore

as propriedades inerciais do rob e consideraes acerca da classe
de trajetrias com variaes de acelerao;

- Ampliao do mtodo de planejamento de trajetrias, incorpo-

rando limites globais de acelerao e limitaes na capacidade de
bateria do rob;

- Estudo da gerao de trajetrias factveis em um nvel acima de

abstrao, considerando obstculos e um objetivo de navegao.
124
 REFERNCIAS

BERTOL, D. Contribuies ao Desenvolvimento e Construo de um

Rob Mvel com Rodas. Dissertao (Mestrado em Engenharia de
Automao e Sistemas) Universidade Federal de Santa Catarina,
2009.

BLAZIC, S. Takagi-Sugeno vs. Lyapunov-based tracking control for a

wheeled mobile robot. WSEAS Transactions on Systems and Control,
v. 5, n. 8, p. 667676, 2010.

BLOCH, A. Nonholonomic mechanics and control. [S.l.]: Springer

Science and Business Media, 2003. v. 24. ISBN 9780387955353.

BROCKETT, R. Asymptotic stability and feedback stabilization.

Differential Geometric Control Theory, v. 27, p. 181191, 1983.

BUBECK, A.; WEISSHARDT, F.; VERL, A. Bride - a toolchain

for framework-independent development of industrial service robot
applications. In: ISR/Robotik 2014; 41st International Symposium on
Robotics; Proceedings of. [S.l.: s.n.], 2014. p. 16.

CAMPION, G.; BASTIN, G.; DANDREA-NOVEL, B. Structural

properties and classification of kinematic and dynamic models
of wheeled mobile robots. IEEE Transactions on Robotics and
Automation, v. 12, n. 1, p. 4762, 1996. ISSN 1042296X.

CAMPION, G.; DANDREA-NOVEL, B.; BASTIN, G. Modelling

and state feedback control of nonholonomic mechanical systems. In:
Proceedings of the 30th IEEE Conference on Decision and Control.
[S.l.]: IEEE, 1991. p. 11841189. ISBN 0-7803-0450-0.

CHOI, J.-w.; CURRY, R.; ELKAIM, G. Path planning based on bzier

curve for autonomous ground vehicles. In: Advances in Electrical
and Electronics Engineering - IAENG Special Edition of the World
Congress on Engineering and Computer Science 2008. [S.l.]: IEEE,
2008. p. 158166. ISBN 978-0-7695-3555-5.

CHOSET, H.; LYNCH, K. M.; HUTCHINSON, S.; KANTOR, G.;

BURGARD, W.; KAVRAKI, L. E.; THRUN, S. Principles of Robot
Motion: Theory, Algorithms and Implementations. [S.l.]: A Bradford
Book, 2005. v. 22. 632 p. ISSN 0269-8889. ISBN 978-0262033275.
126

DING, B.; LUO, X.; WEI, S. A survey on stability research of

discrete-time takagi-sugeno fuzzy control systems. In: Control and
Automation (ICCA), 2010 8th IEEE International Conference on.
[S.l.: s.n.], 2010. p. 411416. ISSN 1948-3449.
DUMITRASCU, B.; FILIPESCU, A.; MINZU, V.; FILIPESCU,
A. Backstepping control of wheeled mobile robots. In: System
Theory, Control, and Computing (ICSTCC), 2011 15th International
Conference on. [S.l.: s.n.], 2011. p. 16.
FENG, G. A survey on analysis and design of model-based fuzzy
control systems. IEEE Transactions on Fuzzy Systems, v. 14, n. 5, p.
676697, out. 2006. ISSN 1063-6706.
FENG, G. Analysis and Synthesis of Fuzzy Control Systems: A
Model-Based Approach. 1st. ed. Boca Raton, FL, USA: CRC Press,
Inc., 2010. ISBN 1420092642, 9781420092646.
FILIPESCU, A.; MINZU, V.; DUMITRASCU, B.; FILIPESCU, A.;
MINCA, E. Trajectory-tracking and discrete-time sliding-mode control
of wheeled mobile robots. In: Information and Automation (ICIA),
2011 IEEE International Conference on. [S.l.: s.n.], 2011. p. 2732.
GONZALEZ, F.; GUARNIZO, J.; BENAVIDES, G. Emulation system
for a distribution center using mobile robot, controlled by artificial
vision and fuzzy logic. Latin America Transactions, IEEE (Revista
IEEE America Latina), v. 12, n. 4, p. 557563, June 2014.
GUECHI, E.; LAUBER, J.; DAMBRINE, M.; BLAZIC, S.;
KLANCAR, G. Tracking-error model-based PDC control for mobile
robots with acceleration limits. IEEE International Conference on
Fuzzy Systems, Ieee, p. 197202, ago. 2009.
GUECHI, E.; LAUBER, J.; DAMBRINE, M.; KLANCAR, G.;
BLAZIC, S. PDC control design for non-holonomic wheeled mobile
robots with delayed outputs. Journal of Intelligent & Robotic Systems,
v. 60, n. 3-4, p. 395414, abr. 2010. ISSN 0921-0296.
HANSFORD, D. Chapter 4 - b?zier techniques. In: KIM, G. F.
H.-S. K. H.-S. (Ed.). Handbook of Computer Aided Geometric
Design. Amsterdam: North-Holland, 2002. p. 75 109. ISBN
978-0-444-51104-1.
HO, Y.-J.; LIU, J.-S. Collision-free curvature-bounded smooth path
planning using composite Bezier curve based on Voronoi diagram. In:
 127

2009 IEEE International Symposium on Computational Intelligence

in Robotics and Automation - (CIRA). [S.l.]: IEEE, 2009. p. 463468.
ISBN 978-1-4244-4808-1.

IEEE-STD-1278.1. IEEE standard for distributed interactive

simulation - application protocols. [S.l.: s.n.], 1995. ISBN
1-55937-572-8.

JOLLY, K.; KUMAR, R.; VIJAYAKUMAR, R. A Bezier curve based

path planning in a multi-agent robot soccer system without violating
the acceleration limits. Robotics and Autonomous Systems, v. 57, n. 1,
p. 2333, jan. 2009. ISSN 09218890.

KANAYAMA, Y.; KIMURA, Y.; MIYAZAKI, F.; NOGUCHI, T. A

stable tracking control method for a non-holonomic mobile robot. In:
IEEE/RSJ International Workshop on Intelligent Robots and Systems
IROS 91. [S.l.]: IEEE, 1991. p. 12361241. ISBN 0-7803-0067-X.

KAYACAN, E.; KAYACAN, E.; RAMON, H.; KAYNAK, O.; SAEYS,

W. Towards agrobots: trajectory control of an autonomous tractor
using type-2 fuzzy logic controllers. Mechatronics, IEEE/ASME
Transactions on, v. 20, n. 1, p. 287298, Feb 2015.

KHALIL, H. K. Nonlinear Systems. 3. ed. [S.l.]: Prentice Hall, 2002.

750 p. ISBN 0-13-067389-7.

KIM, C.; CHWA, D. Obstacle avoidance method for wheeled mobile

robots using interval type-2 fuzzy neural network. Fuzzy Systems,
IEEE Transactions on, PP, n. 99, p. 11, 2014.

KLANCAR, G.; SKRJANC, I. Tracking-error model-based predictive

control for mobile robots in real time. Robotics and Autonomous
Systems, v. 55, n. 6, p. 460469, 2007.

LAUMOND, J.-P.; SEKHAVAT, S.; LAMIRAUX, F. Guidelines in

nonholonomic motion planning for mobile robots. In: LAUMOND,
J.-P. (Ed.). Lecture Notes in Control and Information Sciences: Robot
Motion Planning and Control. London: Springer-Verlag, 1998. cap. 1,
p. 153. ISBN 3-540-76219-1.

LEPETIC, M.; KLANCAR, G.; SKRJANC, I.; MATKO, D.;

POTOCNIK, B. Time optimal path planning considering acceleration
limits. Robotics and Autonomous Systems, v. 45, n. 3-4, p. 199210,
dez. 2003. ISSN 09218890.
128

LIN, P.; ABNEY, K.; BEKEY, G. Robot Ethics: The Ethical and
Social Implications of Robotics. [S.l.]: MIT Press, 2011. ISBN
9780262297752.
LIZARRAGA, D. A. Obstructions to the existence of universal
stabilizers for smooth control systems. Mathematics of Control,
Signals, and Systems, v. 16, n. 4, p. 255277, mar. 2004. ISSN
0932-4194.
LOFBERG, J. YALMIP : a toolbox for modeling and optimization in
MATLAB. In: 2004 IEEE International Conference on Robotics and
Automation. [S.l.]: IEEE, 2004. p. 284289. ISBN 0-7803-8636-1.
MAMDANI, E. Application of fuzzy algorithms for control of simple
dynamic plant. Proceedings of the Institution of Electrical Engineers,
v. 121, n. 12, p. 1585, 1974. ISSN 00203270.
OHTAKE, H.; TANAKA, K.; WANG, H. Fuzzy modeling via sector
nonlinearity concept. In: Joint 9th IFSA World Congress and 20th
NAFIPS International Conference. [S.l.]: IEEE, 2001. p. 127132.
ISBN 0-7803-7078-3.
OHTAKE, H.; TANAKA, K.; WANG, H. Fuzzy model-based servo
and model following control for nonlinear systems. Systems, Man, and
Cybernetics, Part B: Cybernetics, IEEE Transactions on, v. 39, n. 6,
p. 16341639, Dec 2009.
OLFATI-SABER, R. Nonlinear control of underactuated mechanical
systems with application to robotics and aerospace vehicles. Tese
(Thesis) Massachusetts Institute of Technology, 2001.
ORIOLO, G.; DE LUCA, A.; VENDITTELLI, M. WMR control
via dynamic feedback linearization: design, implementation, and
experimental validation. IEEE Transactions on Control Systems
Technology, v. 10, n. 6, p. 835852, nov. 2002. ISSN 1063-6536.
REHMAN, F.; AHMED, M. Steering control algorithm for a class of
wheeled mobile robots. Control Theory Applications, IET, v. 1, n. 4,
p. 915924, July 2007. ISSN 1751-8644.
ROSS, T. Fuzzy logic with engineering aplications. 3rd. ed. [S.l.]: John
Wiley & Sons, 2010. ISBN 9780470743768.
SHOJAEI, K.; SHAHRI, A. M.; TARAKAMEH, A. Adaptive
feedback linearizing control of nonholonomic wheeled mobile robots in
 129

presence of parametric and nonparametric uncertainties. Robotics and

Computer-Integrated Manufacturing, v. 27, n. 1, p. 194204, fev. 2011.
ISSN 07365845.

SICILIANO, B.; KHATIB, O. Springer Handbook of Robotics. Berlin,

Heidelberg: Springer Berlin Heidelberg, 2008. ISBN 978-3-540-23957-4.

SKRJANC, I.; KLANCAR, G. Cooperative Collision Avoidance

between Multiple Robots Based on Bzier Curves. In: 2007 29th
International Conference on Information Technology Interfaces. [S.l.]:
IEEE, 2007. p. 451456. ISBN 953-7138-09-7. ISSN 1330-1012.

SMITH, H.; DAVISON, E. Design of industrial regulators: integral

feedback and feedforward control. Electrical Engineers, Proceedings of
the Institution of, v. 119, n. 8, p. 12101216, August 1972.

SPONG, M. Underactuated mechanical systems. Control Problems in

Robotics and Automation, Springer, v. 230, p. 135150, 1998.

SUGENO, M. On stability of fuzzy systems expressed by fuzzy rules

with singleton consequents. IEEE Transactions on Fuzzy Systems,
v. 7, n. 2, p. 201224, abr. 1999. ISSN 10636706.

SUGENO, M.; KANG, G. Fuzzy modelling and control of multilayer

incinerator. Fuzzy Sets and Systems, v. 18, n. 3, p. 329345, abr. 1986.
ISSN 01650114.

SUGENO, M.; KANG, G. Structure identification of fuzzy model.

Fuzzy Sets and Systems, v. 28, n. 1, p. 1533, out. 1988. ISSN
01650114.

SUN, C.; WANG, Y.; CHANG, C. Design of T-S fuzzy controller

for two-wheeled mobile robot. In: Proceedings of 2011 International
Conference on System Science and Engineering. [S.l.]: IEEE, 2011. p.
223228. ISBN 978-1-61284-351-3.

TAKAGI, T.; SUGENO, M. Fuzzy identification of systems and its

applications to modeling and control. IEEE Transactions on Systems,
Man, and Cybernetics, SMC-15, n. 1, p. 116132, 1985.

TANAKA, K.; IWASAKI, M.; WANG, H. Switching control of an r/c

hovercraft: stabilization and smooth switching. Systems, Man, and
Cybernetics, Part B: Cybernetics, IEEE Transactions on, v. 31, n. 6,
p. 853863, Dec 2001.
130

TANAKA, K.; WANG, H. Fuzzy control systems design and analysis:

a linear matrix inequality approach. [S.l.]: Wiley-Interscience, 2001.
ISBN 0471323241.

TOH, K. C.; TODD, M.; TUTUNCU, R. H. Sdpt3 a matlab

software package for semidefinite programming. OPTIMIZATION
METHODS AND SOFTWARE, v. 11, p. 545581, 1999.

TORABI, L.; GUPTA, K. An autonomous 9-dof mobile-manipulator

system for in situ 3d object modeling. In: Intelligent Robots and
Systems (IROS), 2012 IEEE/RSJ International Conference on. [S.l.:
s.n.], 2012. p. 45404541. ISSN 2153-0858.

TZAFESTAS, S. G. 5 - mobile robot control i: The lyapunov-based

method. In: TZAFESTAS, S. G. (Ed.). Introduction to Mobile Robot
Control. Oxford: Elsevier, 2014. p. 137 183. ISBN 978-0-12-417049-0.

TZAFESTAS, S. G. 7 - mobile robot control iii: Adaptive and robust

methods. In: TZAFESTAS, S. G. (Ed.). Introduction to Mobile Robot
Control. Oxford: Elsevier, 2014. p. 237 268. ISBN 978-0-12-417049-0.

TZAFESTAS, S. G. 8 - mobile robot control iv: Fuzzy and neural

methods. In: TZAFESTAS, S. G. (Ed.). Introduction to Mobile Robot
Control. Oxford: Elsevier, 2014. p. 269 317. ISBN 978-0-12-417049-0.

VERMEIREN, L.; DEQUIDT, A.; GUERRA, T.; RAGO-TIRMANT,

H.; PARENT, M. Modeling, control and experimental verification on
a two-wheeled vehicle with free inclination: An urban transportation
system. Control Engineering Practice, v. 19, n. 7, p. 744756, jul.
2011. ISSN 09670661.

WANG, H.; LI, J.; NIEMANN, D.; TANAKA, K. T-S fuzzy model with
linear rule consequence and PDC controller: a universal framework for
nonlinear control systems. The Ninth IEEE International Conference
on Fuzzy Systems, IEEE, v. 2, p. 549554, 2000.

WANG, H.; TANAKA, K.; GRIFFIN, M. Parallel distributed

compensation of nonlinear systems by Takagi-Sugeno fuzzy model.
Proceedings of 1995 International Conference on Fuzzy Systems, Ieee,
v. 2, p. 531538, 1995.

WIT, C. Canudas de. Trends in mobile robot and vehicle control. In:
SICILIANO, B.; VALAVANIS, K. (Ed.). Control Problems in Robotics
and Automation. [S.l.]: Springer Berlin Heidelberg, 1998, (Lecture
 131

Notes in Control and Information Sciences, v. 230). p. 151175. ISBN

978-3-540-76220-1.
YASUNO, T.; TANAKA, D.; KUWAHARA, A. Autonomous
navigation system based on collision danger-degree for unmanned
ground vehicle. In: Power Electronics Conference (IPEC-Hiroshima
2014 - ECCE-ASIA), 2014 International. [S.l.: s.n.], 2014. p.
31793184.
YING, H. General takagi-sugeno fuzzy systems are universal
approximators. In: Fuzzy Systems Proceedings, 1998. IEEE
World Congress on Computational Intelligence., The 1998 IEEE
International Conference on. [S.l.: s.n.], 1998. v. 1, p. 819823 vol.1.
ISSN 1098-7584.
ZADEH, L. Fuzzy sets. Information and Control, v. 8, n. 3, p.
338353, 1965.
132
 APNDICE A - ROB POWERBOT

Este apndice contm informaes sobre as caractersticas do rob

mvel utilizado para verificar o controladores descritos no trabalho.
O Rob Mvel Diferencial (RMD) Powerbot, ver Fig. 63, fabricado
pela empresa MobileRobots composto por duas rodas convencionais
que possuem atuao independentemente e duas rodas caster passi-
vas utilizadas como apoio para balanceamento da plataforma. Em
sua composio encontram-se: sonares frontais e traseiros; acelerme-
tro; giroscpio; bssola; odometria; cmera com controle de posio;
para-choques frontal e traseiro com sensores de toque; um computa-
dor interno com placa de captura de vdeo; e comunicao sem fio
(802.11b/g), ver Fig. 64.

Figura 63: Rob Powerbot.

A localizao do rob no ambiente fornecida pelo firmware do rob

que utiliza a tcnica de dead reckoning (IEEE-STD-1278.1, 1995), com
correo de erro atravs da fuso dos dados do acelermetro, giroscpio
e bssola.
A seguir descrito como foi implementada a malha de controle no
rob, assim como apresentado dados para verificao desta soluo.
134

Figura 64: Arquitetura de hardware do Powerbot.

wi-fi UART
interface
computador RS232 controladora3 sensores
sonar
captura

bssola
atuadores giroscpio
motores parachoques
pan/tilt/zoom
cmera encoders acelermetro
freios

A.1 ARQUITETURA DE SOFTWARE/HARDWARE

Na Figura 64 encontra-se a ilustrao em blocos da arquitetura de

hardware do Powerbot. Nota-se que os atuadores e parte do sensoria-
mento s so acessveis atravs da controladora principal do rob.
Todos os dados obtidos dos sensores, so preprocessados e encap-
sulados em um pacote de informaes que enviado, atravs de co-
municao serial RS-232, uma frequncia selecionvel entre 1 Hz e
1 kHz.
As entradas de controle so em termos de suas velocidades (do corpo
ou das rodas), que so tratadas como referncias da malha de controle
interna, composta por PIDs uma frequncia de 200 Hz, com ganhos
configurveis em firmware. O acesso direto ao acionamento dos motores
no possvel, o que impede a aplicao de referncias de torque.
O fabricante fornece a biblioteca Advanced Robot Interface for Ap-
plications (ARIA), que contm mtodos para conexo com o rob, tra-
tamento do pacote de dados e gerenciamento das tarefas de controle do
rob.
A soluo de lao de controle da biblioteca utiliza a frequncia de
envio dos pacotes de dados pelo rob para iniciar cada ciclo de execuo
do cdigo do controlador. Embora herde a frequncia de chegada dos
pacotes de dados, a soluo original do Powerbot no fornece garantias
temporais de execuo, ou seja, embora o rob estivesse mandando
pacotes a uma frequncia garantida, o software de controle poderia no
 135

estar apto a receb-los, perdendo passos de controle.

Desta forma para que houvesse maior previsibilidade sobre a peri-
odicidade da tarefa de controle, foi implementada uma malha de con-
trole utilizando como base o toolbox de tempo-real do software Ma-
tlab/Simulink, da empresa MathWorks em conjunto com os mtodos
de conexo e comunicao da biblioteca ARIA. Assim foi possvel im-
plementar um sistema de controle com frequncia de 200 Hz e com
capacidade de anlise de perdas de deadlines.
Completando as informaes, na Tab. 7 e na Fig. 65 encontram-
se os parmetros e o esquemtico detalhado das dimenses do rob,
respectivamente.
136

Tabela 7: Parmetros do Powerbot.

Parmetro Magnitude Descrio

Parmetros de disposio fsica
r 0,135 [m] Raio da roda
a 0,66 [m] Distncia das rodas ao eixo de sime-
tria do rob
b 0 [m] Distncia do eixo das rodas ao ponto
de referncia R
Parmetros inerciais
mc 110 [kg] Massa do corpo do rob
mr 5 [kg] Massa de cada roda do rob
2
Ic 11,4180 [kg.m ] Inrcia do corpo do rob
2
Iw 0,0456 [kg.m ] Inrcia do conjunto roda e rotor, em
relao ao plano da roda
Ir 0,7293 [kg.m2 ] Inrcia do conjunto roda e rotor, em
relao ao eixo da roda
Parmetros do atuador
n 22,3 Fator de reduo da engrenagem de
ligao motor/roda
Kb 0,02 [rad/s/V] Constante da velocidade do motor
Kt 0,2247 [Nm/A] Constante de torque do motor
La 0,01 [H] Indutncia do motor
Ra 6 [Ohm] Resistncia de armadura
Parmetros do PID interno do rob
kp 40 Ganho proporcional
ki 0 Ganho integral
kd 20 Ganho diferencial
 137

Figura 65: Especificaes do Powerbot.

298,5

139,7 114,3

320,5

TODAS.AS.DIMENSES
323,9 ESTO.EM.MILIMETOS
TOLERNCIAS:
.XXX.....127
257,2 .XX.....254
ANGULOS....1%
R538,4

111,8

331,5 484,0
831,9 15,2
DEPENDENTE
DE.CARGA

R393,4
444,2
579,9
625,5
668,8

258,8

20,3

110,7 111,1

429,5

331,9

66,7
153,9
VISO.TRASEIRA 250,0
138
 APNDICE B - PARMETROS DE SIMULAO

Tabela 8: Ganhos calculados para o controlador de Guechi et al.

(2010) - parte 1/2.

T T
23, 2608 2, 0081 23, 3112 2, 4261
F1 = 7, 4078 40, 8053 F2 = 8, 0804 43, 2958
1, 3474 12, 1908 1, 4895 12, 3672

T T
23, 2564 2, 2739 23, 0306 5, 4390
F3 = 7, 4697 40, 7932 F4 = 14, 8563 42, 3896
1, 4945 12, 1752 3, 1664 12, 1383

T T
22, 2995 0, 1289 22, 4967 1, 2275
F5 = 16, 5660 1, 2140 F6 = 16, 7636 1, 9657
3, 5798 0, 3332 3, 5371 0, 5760

T T
22, 2186 0, 1107 22, 1442 1, 9660
F7 = 17, 0879 1, 2120 F8 = 18, 5701 1, 9660
3, 7130 0, 3327 4, 1143 0, 5761

T T
23, 2565 2, 2734 23, 0297 5, 4421
F9 = 7, 4649 40, 7954 F10 = 14, 8624 42, 3879
1, 4933 12, 1755 3, 1673 12, 1383
140

Tabela 9: Ganhos calculados para o controlador de Guechi et al.

(2010) - parte 2/2.

T T
23, 2609 2, 0075 23, 3112 2, 4266
F11 = 7, 4029 40, 8075 F12 = 8, 0787 43, 2977
1, 3462 12, 1910 1, 4889 12, 3674

T T
22, 2185 0, 1093 22, 1478 1, 2161
F13 = 17, 0854 1, 2065 F14 = 18, 5606 1, 9340
3, 7123 0, 3312 4, 1129 0, 5675

T T
22, 2991 0, 1299 22, 4976 1, 2248
F15 = 16, 5652 1, 2085 F16 = 16, 7731 1, 9338
3, 5796 0, 3317 3, 5393 0, 5675

Tabela 10: Controlador de Guechi et al. (2010) - cenrio A: parme-

tros da simulao.

Controlador (GUECHI et al., 2010)

Modelo de simulao Ideal, Eqs. (2.9)
Plataforma de software Simulink - Matlab R2014a
Parmetros do simulador
Funo de integrao ode45 (Dormand-Prince)
Passo de integrao Varivel
Passo de integrao mximo 0.01
Tolerncia relativa 1e3
Condies iniciais
Posio do rob = [0, 05 0, 05 0]T
Velocidade do rob = [0 0 0]T
 141

Tabela 11: Controlador de Guechi et al. (2010) - cenrio B: parme-

tros da simulao.

Controlador (GUECHI et al., 2010)

Modelo de simulao Realstico, Eq. (2.18) e
Eq. (2.22)
Plataforma de software Simulink - Matlab R2014a
Saturaes
Velocidade linear max < |2,1| m/s
Velocidade angular max < |5,236| m/s
ddp dos motores ua,max < |24| V
corrente de armadura dos motores ia,max < |4.08| A
Parmetros do simulador
Funo de integrao ode45 (Dormand-Prince)
Passo de integrao Varivel
Passo de integrao mximo 0.01
Tolerncia relativa 1e3
Condies iniciais
Posio do rob = [0, 05 0, 05 0]T
Velocidade do rob = [0 0 0]T

Tabela 12: Controlador de Guechi et al. (2010) - cenrio C: parme-

tros do experimento.

Controlador (GUECHI et al., 2010)

Modelo de simulao Rob real
Plataforma de software Simulink - Matlab R2014a
Parmetros do simulador
Funo de integrao discreta (sem estados contnuos)
Tempo de amostragem 0.005 s
Condies iniciais
Posio do rob = [0, 05 0, 05 0]T
Velocidade do rob = [0 0 0]T
142

Tabela 13: Tarefa de estabilizao: parmetros da simulao.

Controlador CPD
Modelo de simulao Ideal, Eqs. (2.9)
Plataforma de software Simulink - Matlab R2014a
Parmetros do simulador
Funo de integrao ode45 (Dormand-Prince)
Passo de integrao Varivel
Passo de integrao mximo Automtico
Tolerncia relativa 1e5

Tabela 14: Controlador com pr-alimentao - cenrio A: parmetros

da simulao.

Controlador Controlador com pr-alimentao,

Eq. 4.19
Modelo de simulao Ideal, Eqs. (2.9)
Deslocamento de referncia d = 0.1
Plataforma de software Simulink - Matlab R2014a
Parmetros do simulador
Funo de integrao ode45 (Dormand-Prince)
Passo de integrao Varivel
Passo de integrao mximo 0.01
Tolerncia relativa 1e3
Condies iniciais
Posio do rob = [0, 05 0, 05 0]T
Velocidade do rob = [0 0 0]T
 143

Tabela 15: Controlador com pr-alimentao - cenrio B: parmetros

da simulao.

Controlador Controlador com pr-

alimentao, Eq. 4.19
Modelo de simulao Realstico, Eq. (2.18) e
Eq. (2.22)
Deslocamento de referncia d = 0.1
Plataforma de software Simulink - Matlab R2014a
Saturaes
Velocidade linear max < |2,1| m/s
Velocidade angular max < |5,236| m/s
ddp dos motores ua,max < |24| V
corrente de armadura dos motores ia,max < |4.08| A
Parmetros do simulador
Funo de integrao ode45 (Dormand-Prince)
Passo de integrao Varivel
Passo de integrao mximo 0.01
Tolerncia relativa 1e3
Condies iniciais
Posio do rob = [0, 05 0, 05 0]T
Velocidade do rob = [0 0 0]T

Tabela 16: Controlador com pr-alimentao - cenrio C: parmetros

do experimento.

Controlador Controlador com pr-alimentao,

Eq. 4.19
Modelo de simulao Rob real
Deslocamento de referncia d = 0.1
Plataforma de software Simulink - Matlab R2014a
Parmetros do simulador
Funo de integrao discreta (sem estados contnuos)
Tempo de amostragem 0.005 s
Condies iniciais
Posio do rob = [0, 05 0, 05 0]T
Velocidade do rob = [0 0 0]T
144

Tabela 17: Ganhos calculados para o controlador ampliado

T T
25, 8338 196, 9474 19, 7104 258, 2285
19, 7104 258, 2285 25, 8338 196, 9474
F1 = F2 =
232, 5222 1322, 4894 132, 3764 2324, 3890
132, 3764 2324, 3890 232, 5222 1322, 4894

T T
19, 7104 258, 2285 25, 8338 196, 9474
25, 8338 196, 9474 19, 7104 258, 2285
F3 =
132, 3764
F4 =
2324, 3890 232, 5222 1322, 4894
232, 5222 1322, 4894 132, 3764 2324, 3890

T T
19, 7104 258, 2285 25, 8338 196, 9474
25, 8338 196, 9474 19, 7104 258, 2285
F5 = F6 =
132, 3764 2324, 3890 232, 5222 1322, 4894
232, 5222 1322, 4894 132, 3764 2324, 3890

T T
25, 8338 196, 9474 19, 7104 258, 2285
19, 7104 258, 2285 25, 8338 196, 9474
F7 =
232, 5222
F8 =
1322, 4894 132, 3764 2324, 3890
132, 3764 2324, 3890 232, 5222 1322, 4894
 145

Tabela 18: Controlador ampliado - cenrio A (circulo): parmetros

da simulao.

Controlador Controlador ampliado, Eq. 4.34

Modelo de simulao Ideal, Eqs. (2.9)
Deslocamento de referncia d = 0.1
Plataforma de software Simulink - Matlab R2014a
Parmetros do simulador
Funo de integrao ode45 (Dormand-Prince)
Passo de integrao Varivel
Passo de integrao mximo 0.01
Tolerncia relativa 1e3
Condies iniciais
Posio do rob = [0, 05 0, 05 0]T
Velocidade do rob = [0 0 0]T

Tabela 19: Controlador ampliado - cenrio A (bzier): parmetros da

simulao.

Controlador Controlador ampliado, Eq. 4.34

Modelo de simulao Ideal, Eqs. (2.9)
Deslocamento de referncia d = 0.1
Plataforma de software Simulink - Matlab R2014a
Parmetros do simulador
Funo de integrao ode45 (Dormand-Prince)
Passo de integrao Varivel
Passo de integrao mximo 0.01
Tolerncia relativa 1e3
Condies iniciais
Posio do rob = [0, 05 0, 05 0]T
Velocidade do rob = [0 0 0]T
146

Tabela 20: Controlador ampliado - cenrio B: parmetros da simula-

o.

Controlador Controlador ampliado, Eq. 4.34

Modelo de simulao Realstico, Eq. (2.18) e
Eq. (2.22)
Deslocamento de referncia d = 0.1
Plataforma de software Simulink - Matlab R2014a
Saturaes
Velocidade linear max < |2,1| m/s
Velocidade angular max < |5,236| m/s
ddp dos motores ua,max < |24| V
corrente de armadura dos motores ia,max < |4.08| A
Parmetros do simulador
Funo de integrao ode45 (Dormand-Prince)
Passo de integrao Varivel
Passo de integrao mximo 0.01
Tolerncia relativa 1e3
Condies iniciais
Posio do rob = [0, 05 0, 05 0]T
Velocidade do rob = [0 0 0]T

Tabela 21: Controlador ampliado - cenrio C: parmetros do experi-

mento.

Controlador Controlador ampliado, Eq. 4.34

Modelo de simulao Rob real
Deslocamento de referncia d = 0.1
Plataforma de software Simulink - Matlab R2014a
Parmetros do simulador
Funo de integrao discreta (sem estados contnuos)
Tempo de amostragem 0.005 s
Condies iniciais
Posio do rob = [0, 05 0, 05 0]T
Velocidade do rob = [0 0 0]T
 147

Tabela 22: Ganhos calculados para o controlador ampliado dinmico

T T
11, 4221 114, 2196 11, 4221 114, 2196
11, 4221 114, 2196 11, 4221 114, 2196

96, 8518 968, 5053 96, 8518 968, 5053
F1 =
96, 8518
F2 =
96, 8518

968, 5053
968, 5053

59, 2493 592, 4854 59, 2493 592, 4854
59, 2493 592, 4854 59, 2493 592, 4854

T T
11, 4221 114, 2196 11, 4221 114, 2196
11, 4221 114, 2196 11, 4221 114, 2196

96, 8518 968, 5053 96, 8518 968, 5053
F3 = F4 =
96, 8518
968, 5053
96, 8518
968, 5053
59, 2493 592, 4854 59, 2493 592, 4854
59, 2493 592, 4854 59, 2493 592, 4854

Tabela 23: Controlador ampliado dinmico: parmetros do experi-

mento.

Controlador Controlador ampliado dinmico,

Eq. 4.41
Modelo de simulao Rob real
Deslocamento de referncia d = 0.1
Plataforma de software Simulink - Matlab R2014a
Parmetros do simulador
Funo de integrao discreta (sem estados contnuos)
Tempo de amostragem 0.005 s
Condies iniciais
Posio do rob = [0, 05 0, 05 0]T
Velocidade do rob = [0 0 0]T
148

Tabela 24: Ganhos calculados para o controlador ampliado integral

T T
8, 8917 88, 9161 8, 8917 88, 9161
8, 8917 88, 9161 8, 8917 88, 9161

51, 1667 511, 6587 51, 1667 511, 6587

51, 1667 511, 6587 51, 1667 511, 6587
F1 =
74, 6502 746, 4896
F2 =
74, 6502

746, 4896

74, 6502 746, 4896 74, 6502 746, 4896

39, 7727 397, 7202 39, 7727 397, 7202
39, 7727 397, 7202 39, 7727 397, 7202

T T
8, 8917 88, 9161 8, 8917 88, 9161
8, 8917 88, 9161 8, 8917 88, 9161

51, 1667 511, 6587 51, 1667 511, 6587

51, 1667 511, 6587 51, 1667 511, 6587
F3 =
74, 6502
F4 =
746, 4896

74, 6502
746, 4896

74, 6502
746, 4896

74, 6502
746, 4896
39, 7727 397, 7202 39, 7727 397, 7202
39, 7727 397, 7202 39, 7727 397, 7202

Tabela 25: Controlador ampliado integral: parmetros do experi-

mento.

Controlador Controlador ampliado integral, Se-

o 4.6.4
Modelo de simulao Rob real
Deslocamento de referncia d = 0.1
Plataforma de software Simulink - Matlab R2014a
Parmetros do simulador
Funo de integrao discreta (sem estados contnuos)
Tempo de amostragem 0.005 s
Condies iniciais
Posio do rob = [0, 05 0, 05 0]T
Velocidade do rob = [0 0 0]T