Estimação adaptativa para sistemas não-lineares em malha fechada e teoria de planicidade diferencial

Abstract

O projeto de sistemas de controle representa um dos campos mais ativos de pesquisa devido às diversas aplicações, em especial, nas engenharias. Uma típica abordagem da teoria de controle em sistemas modernos consiste na análise da evolução temporal dos estados do sistema, os quais, na prática, nem sempre são possíveis de medir através de mecanismos físicos. Com isto, é cada vez mais notória a utilização do filtro de Kalman e suas extensões, tornando-se o mais famoso dos algoritmos para estimação de estados. Entretanto, o caráter ótimo do filtro de Kalman está altamente relacionado a determinadas hipóteses, dentre elas a linearidade do sistema e o conhecimento prévio das matrizes de covariância dos ruídos que agem sob a planta. Dentro desse contexto, esta tese de doutorado propõe metodologias de estimação adaptativa para sistemas não-lineares em malha fechada baseadas no filtro de Kalman e na teoria de planicidade diferencial com o objetivo de lidar tanto com o completo desconhecimento da matriz de covariância do ruído de processo quanto considerar a influência do vetor de estimativas de estado no sinal de controle. A partir de simulações numéricas, ilustrou-se o desempenho em malha fechada das metodologias propostas nesta tese para um conjunto diversificado de sistemas dinâmicos. Graças à estimação e atualização em tempo real da matriz de covariância do ruído de processo, vislumbrou se uma contribuição favorável dessas metodologias no que se diz respeito ao rastreio das referências especificadas e à redução dos níveis de esforços nos atuadores.