RECONFIGURAÇÃO DE CONTROLE EM UM DRONE QUADRIMOTOR AUXILIADA POR UM CLASSIFICADOR DE FALHAS

Autores

  • Rodrigo Baleeiro Silva FACIT/FIPMOC/UNIMONTES
  • Jônatas Souza Faculdade de Ciência e Tecnologia de Montes Claros
  • Renato Dourado Maia Universidade Estadual de Montes Claros - UNIMONTES/ Universidade Federal de Minas Gerais/ Faculdade de Ciência e Tecnologia de Montes Claros

DOI:

https://doi.org/10.13037/ria.vol13n1.171

Resumo

As tarefas de classificação de falhas e reconfiguração de controle em processos ou sistemas são áreas em que a pesquisa está em crescente desenvolvimento, e essa expansão pode ser associada a sua característica preventiva que junto a um controle robusto previne perdas tanto materiais quanto humanas. Nesse
contexto, este trabalho apresenta uma nova proposta de abordagem adaptativa para classificação de falhas e reconfiguração ativa de controle em sistemas dinâmicos, baseada em duas etapas: na primeira etapa a abordagem proposta utiliza métodos clássicos para classificação de falhas, na segunda etapa propõe-se variações em reconfiguração de controle em sistemas dinâmicos a partir de dados de identificação da falha. Para verificar a eficiência da abordagem, ela foi aplicada em um modelo de drone quadrimotor com falha em um dos motores, contextualizada como a queda de potência neste. Dessa forma, os resultados
obtidos pelo sistema de reconfiguração são comparados com controladores utilizados apenas em operação normal, com uma ênfase na variável altura. De modo geral, a abordagem proposta obteve bons resultados, o que sugere que a mesma é promissora para realizar as tarefas de classificação de falhas e
reconfiguração de controle de sistemas dinâmicos.

Downloads

Biografia do Autor

Rodrigo Baleeiro Silva, FACIT/FIPMOC/UNIMONTES

Atualmente atuo como professor (desde 2011) de graduação e pós-graduação da Faculdade de Ciências e Tecnologia de Montes Claros (FACIT - FEMC), das Faculdades Integradas do Norte de Minas (FUNORTE) e das Faculdades Pitágoras de Montes Claros(FIP-MOC). Disciplinas lecionadas: Fenômenos dos transportes, Modelagem e Simulação de Processos, Controle de Sistemas I e II, Sinais e Sistemas, Eletricidade, Algoritmo e Linguagem de Programação, Cálculo numérico (Análise Numérica), Máquinas Elétricas, Acionamento Elétrico, Acionamentos Hidráulicos e Pneumáticos, Informática Industrial, Instrumentação Industrial, Controle de Processos por computador, Sistemas Microprocessados, Sistemas Digitais, Circuitos Elétricos, Eletrônica, Eletrônica Digital(Sistemas Digitais), Robótica Industrial, Laboratório de Circuitos Elétricos e Eletrônica, Laboratório integrador I,II e III e Inteligência Artificial e Computacional. Gestão do Laboratório de Engenharia (FEMC) 6 anos de experiência.

Jônatas Souza, Faculdade de Ciência e Tecnologia de Montes Claros

Engenheiro de Controle e Automação egresso da Faculdade de Ciência e Tecnologia de Montes Claros.

Renato Dourado Maia, Universidade Estadual de Montes Claros - UNIMONTES/ Universidade Federal de Minas Gerais/ Faculdade de Ciência e Tecnologia de Montes Claros

Renato Dourado Maia possui graduação em Engenharia de Controle e Automação pela Universidade Federal de Minas Gerais (Classificação Granulométrica de Pelotas Cruas Utilizando Imagens Digitais - 2003), mestrado em Engenharia Elétrica pela Universidade Federal de Minas Gerais (Projeto de Estruturas Neuro-Fuzzy do Tipo Takagi-Sugeno Utilzando Programação Genética - 2005) e doutorado em Engenharia Elétrica, também pela Universidade Federal de Minas Gerais (Colônias de Abelhas como Modelo para Otimização Multimodal em Espaços Contínuos: uma Abordagem Baseada em Alocação de Tarefas - 2012). É, desde fevereiro de 2004, professor da Faculdade de Ciência e Tecnologia de Montes Claros  FACIT, onde coordena o curso de Engenharia de Controle e Automação, tento atuado entre janeiro de 2012 e julho de 2014 como coordenador de pesquisa. É também professor do Departamento de Ciências da Computação da Universidade Estadual de Montes Claros - UNIMONTES, desde abril de 2005, e professor do Instituto de Ciências Agrárias da Universidade Federal de Minas Gerais, desde agosto de 2009. Tem experiência na área de Controle e Automação e Ciência da Computação, atuando principalmente nos seguintes temas: Computação Natural, especialmente Computação Bioinspirada , desenvolvimento de Sistemas de Controle e Supervisão, Otimização e Análise de Dados.

Referências

AHMED-ZAID, F. et al. Accommodation of failures in the f-16 aircraft using adaptive control. IEEE Control Systems, IEEE, v. 11, n. 1, p. 73–78, 1991.

BEARD, R. Quadrotor Dynamics and Control. [S.l.]: Brigham Young University, 2008.

BRAGA, A. d. P.; CARVALHO, A.; LUDERMIR, T. B. Redes neurais artificiais: teoria e aplicações. [S.l.]: Livros Técnicos e Científicos, 2000.

CAO, W. et al. Overview of electric motor technologies used for more electric aircraft (mea). IEEE Transactions on Industrial Electronics, IEEE, v. 59, n. 9, p. 3523–3531, 2012.

CHEN, F. et al. Self-repairing control of a helicopter with input time delay via adaptive global sliding mode control and quantum logic. Information Sciences, Elsevier, v. 316, p. 123–131, 2015.

COZA, C. et al. Adaptive fuzzy control for a quadrotor helicopter robust to wind buffeting. Journal of Intelligent & Fuzzy Systems, IOS Press, v. 22, n. 5, 6, p. 267–283, 2011.

CUI, Y.-j.; ZHU, H.-y.; LI, Y.-l. Flight control system faults analysis based on grey relation method [j]. Journal of Sichuan Ordnance, v. 5, p. 013, 2013.

CYBENKO, G.; ALLEN, T.; POLITO, J. Practical parallel union-find algorithms for transitive closure and clustering. International journal of parallel programming, Springer, v. 17, n. 5, p. 403–423, 1988.

DIERKS, T.; JAGANNATHAN, S. Output feedback control of a quadrotor uav using neural networks. IEEE transactions on neural networks, IEEE, v. 21, n. 1, p. 50–66, 2010.

EFE, M. Ö. Neural network assisted computationally simple pi d control of a quadrotor uav. IEEE Transactions on Industrial Informatics, IEEE, v. 7, n. 2, p. 354–361, 2011.

GEORGE, V. et al. Intelligent fault diagnosis and prognosis for engineering systems. [S.l.]: John Wiley & Sons, Inc, 2006.

HAGAN, M. T.; MENHAJ, M. B. Training feedforward networks with the marquardt algorithm. IEEE transactions on Neural Networks, IEEE, v. 5, n. 6, p. 989–993, 1994.

HAJIYEV, C.; CALISKAN, F. Fault diagnosis and reconfiguration in flight control systems. [S.l.]: Springer Science & Business Media, 2013. v. 2.

HAYKIN, S. Adaptive filters. Signal Processing Magazine, Citeseer, v. 6, 1999.

INACIO, M. J. Diagnóstico de falhas baseado em sistema inteligente evolutivo. [S.l.]: Universidade Federak de Minas Gerais, 2014.

JúNIOR, E. M. da S. Estimativa de volume de madeira de árvores de eucalipto utilizando redes neurais artificiais do tipo RBF. [S.l.]: Universidade Federak de Montes Claros, 2016.

KOHAVI, R.; PROVOST, F. Confusion matrix. Machine learning, v. 30, n. 2-3, p. 271–274, 1998.

LEVENBERG, K. A method for the solution of certain non-linear problems in least squares. Quarterly of applied mathematics, v. 2, n. 2, p. 164–168, 1944.

MARQUARDT, D. W. An algorithm for least-squares estimation of nonlinear parameters. Journal of the society for Industrial and Applied Mathematics, SIAM, v. 11, n. 2, p. 431–441, 1963.

MCCULLOCH, W. S.; PITTS, W. A logical calculus of the ideas immanent in nervous activity. The bulletin of mathematical biophysics, Springer, v. 5, n. 4, p. 115–133, 1943.

MONTOYA, J.; WOOD, Z.; RATHINAM, S. Runway scheduling using generalized dynamic programming. In: AIAA GNC Conference. [S.l.: s.n.], 2011.

OGATA, K. Ingeniería de control moderna. [S.l.]: Pearson Educación, 2003.

PERLMAN, A. How to fly a quadcopter – the ultimate guide. 2016.

REIS, E. Estatística Descritiva (6"ed.). [S.l.]: Sílabo, 1994.

ROSENBLATT, F. The perceptron: a probabilistic model for information storage and organization in the brain. Psychological review, American Psychological Association, v. 65, n. 6, p. 386, 1958.

RUBERTUS, D. P. Self-repairing flight control systems overview. p. 1280–1286, 1983.

SHANG, Y.; WAH, B. W. Global optimization for neural network training. Computer, IEEE, v. 29, n. 3, p. 45–54, 1996.

SHEN, Q.; JIANG, B.; COCQUEMPOT, V. Fuzzy logic system-based adaptive fault-tolerant control for near-space vehicle attitude dynamics with actuator faults. IEEE Transactions on Fuzzy Systems, IEEE, v. 21, n. 2, p. 289–300, 2013.

TECNOLOGIA, R. B. de W. Matriz de Confusão Revista Brasileira de Web: Tecnologia). Disponivel em: http://www.revistabw.com.br/revistabw/matriz-de-confusao//>. Acesso em 05 de Marco de 2017.: [s.n.], 2015.

VENKATASUBRAMANIAN, V. et al. A review of process fault detection and diagnosis: Part i: Quantitative model-based methods. Computers & chemical engineering, Elsevier, v. 27, n. 3, p. 293–311, 2003.

Downloads

Publicado

2020-05-31

Como Citar

Silva, R. B., Souza, J., & Maia, R. D. (2020). RECONFIGURAÇÃO DE CONTROLE EM UM DRONE QUADRIMOTOR AUXILIADA POR UM CLASSIFICADOR DE FALHAS. Revista De Informática Aplicada, 13(1). https://doi.org/10.13037/ria.vol13n1.171

Edição

v. 13 n. 1 (2017)

Seção

Artigos

Licença

Copyright (c) 2019 Rodrigo Baleeiro Silva, Jônatas Souza, Renato Dourado Maia

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Os autores que publicam trabalhos na RIA estão de acordo com os seguintes termos:

  1. Autores mantêm seus direitos autorais e concedem à RIA o direito à primeira publicação. Admite-se o compartilhamento do referido trabalho, desde que seja reconhecida sua autoria e publicação inicial nesta revista.
  2. Autores podem fechar contratos adicionais separadamente, para distribuição não exclusiva da versão do trabalho publicado na RIA, com reconhecimento de sua autoria e publicação inicial nesta revista.
  3. Autores podem publicar e distribuir seu trabalho online, antes ou durante o processo editorial.