Search

Submitted by Jonathan Sousa de Almeida (jonathan.sousa@ufma.br) on 2022-10-14T13:02:05Z No. of bitstreams: 1 CIRANOMELOPINHEIRO.pdf: 1945525 bytes, checksum: 23cf81fa13714511083cf4e3cb58d4b9 (MD5) Made available in DSpace on 2022-10-14T13:02:05Z (GMT). No. of bitstreams: 1 CIRANOMELOPINHEIRO.pdf: 1945525 bytes, checksum: 23cf81fa13714511083cf4e3cb58d4b9 (MD5) Previous issue date: 2022-09-16 CAPES In this work, a proposal of a particle filter based on innovative adaptive estimation for nonlinear systems is presented, as well as its fundamentals and operation. With the objective of mitigating the uncertainty or the lack of knowledge of the covariance matrices of process and measurement noises, simultaneously, the particle filter is allied to the innovative adaptive estimation. For such purpose, the difference between the theoretical and measured innovation covariances is defined as an approximation that uses the average of a moving estimation window for the innovation sequence calculus. This difference is computed continuously, using innovative adaptive estimation based on maximum likelihood theory to dynamically adjust the covariances of the particle filter. To illustrate the efficiency and applicability of the proposed filter, simulations are carried out for estimating the state of a system considering different scenarios, with and without uncertainty. The simulations results show that the proposed filter performs well in terms of robustness compared to extended Kalman filter and classic particle filter when uncertainty about process and measurement noises increases. Neste trabalho, é proposto um filtro de partículas baseado em estimação adaptativa inovativa para sistemas não lineares, bem como seus fundamentos e operação. Com o objetivo de mitigar a incerteza ou a falta de conhecimento das matrizes de covariância de ruído de processo e medição, simultaneamente, o filtro de partículas é aliado à estimação adaptativa inovativa. Para tal propósito, a diferença entre as covariâncias de inovação teórica e medida é definida como uma aproximação que utiliza a média de uma janela móvel de estimação para o cálculo da sequência de inovação. Essa diferença é calculada continuamente, usando estimação adaptativa inovativa baseada na teoria da máxima verossimilhança para ajustar dinamicamente as covariâncias do filtro de partículas. A fim de ilustrar a eficiência e aplicabilidade do filtro proposto, são realizadas simulações para estimar o estado de um sistema considerando diferentes cenários, sem incerteza e com incerteza. Os resultados das simulações mostram que o filtro proposto tem um bom desempenho em termos de robustez em comparação com o filtro de Kalman estendido e o filtro de partículas clássico quando aumenta a incerteza sobre os ruídos de processo e medição.

Orientador: Prof. Dr. Diego Paolo Ferruzzo Correa Coorientador: Prof. Dr. Luiz de Siqueira Martins Filho Dissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Engenharia Mecânica, Santo André, 2022. A navegação de quadrirrotores em ambientes fechados tem se tornado uma área de interesse, isto porque nesses ambientes o Global Positioning System (GPS) possui seu funcionamento comprometido, por vezes impossibilitando sua utilização. Visto que para navegar o veículo requer o conhecimento de sua localização, a ausência do GPS limita a navegação do veículo. Este trabalho propõe um sistema de estimação de posição e atitude de um veículo quadrirrotor utilizando visão computacional, o qual é utilizado para possibilitar a navegação do veículo em ambientes fechados com ausência de GPS. Tal navegação é baseada em um controle em cascata, em que os controles são baseados em realimentação utilizando ganhos proporcionais e derivativos como lei de controle. O sistema é realimentado com os estados estimados pelo Filtro de Kalman dos Erros de Estado (FKEE), o qual une as informações dos sensores inerciais e do sistema de visão baseado em marcadores artificiais. Os resultados, obtidos por meio de simulações no ambiente ROS/Gazebo, mostram que o FKEE realiza estimação dos estados de posição com erros na ordem de centímetros, e as estimações de atitude na ordem de 10-2 radianos. Através dos estados estimados, o quadrirrotor é capaz de rastrear as trajetórias desejadas com sucesso, validando a proposta do sistema desenvolvido. The indoor navigation of quadrotors has become an area of interest, because in these environments the Global Positioning System (GPS) has its functioning compromised, sometimes making its use impossible. Since navigating the vehicle requires knowledge of its location, the absence of GPS limits quadrotor navigation. This work proposes a system for position and attitude estimation of a quadrotor vehicle using computer vision to enable quadrotor navigation in GPS-denied environments. Such navigation is based on a cascade control which is based on feedback using proportional and derivatives gains. The system is fed back with the states estimated by Error State Kalman Filter, which joins the information from the inertial sensors and the vision system based on artificial markers. The results, obtained through simulations in the ROS/Gazebo environment, show that Error State Kalman Filter performs estimation of the position states with errors in the order of centimeters, and the attitude estimations in the order of 10-2 radians. Through the estimated states, the quadrotor can successfully track the desired trajectories, validating the proposal of the developed system.

Este trabalho prop?e a implementa??o de um Filtro de Kalman Estendido para estimar a orienta??o e posi??o de um corpo r?gido de seis graus de liberdade (6?DOF) embarcado em um FPGA utilizando um processador comercial. A abordagem utilizada para parametrizar a din?mica do corpo r?gido foi por Quaternions, que por possu?rem fun??o particular para rota??es tridimensionais, fornecem uma alternativa aos tradicionais ?ngulos de Euler, reduzindo o esfor?o computacional envolvido, bem como o problema de Gimbal Lock, que ocorre quando h? singularidades nas matrizes de rota??es. Para valida??o do estimador foi utilizado uma Plataforma Stewart, equipada com um aceler?metro, um girosc?pio e uma c?mera. Embora este trabalho considere o uso de sensores comuns de baixo custo e o uso de marcadores com simples geometria, os resultados mostram excelente desempenho do filtro desenvolvido, podendo estimar a posi??o e orienta??o com um erro abaixo de 8,14 mm e 0,63o, respectivamente. Al?m disso, a efic?cia da abordagem tamb?m foi avaliada, mostrando que o filtro ? capaz de convergir rapidamente quando os marcadores s?o recuperados ap?s uma perda de dados da c?mera por um curto per?odo de tempo. This work proposes the implementation of an Extended Kalman Filter to estimate the orientation and position of a six degrees of freedom (6?DOF) rigid body embedded in an FPGA with a commercial processor. The approach used to parameterize the dynamics of the rigid body was by Quaternions, which, because they have a particular function for three dimensional rotations, provide an alternative to traditional Euler angles, reducing the computational effort involved, as well as the Gimbal Lock problem, that occurs when there are singularities in the rotation matrices. To validate the estimator, a Stewart Platform was used, equipped with an accelerometer, a gyroscope and a camera. Although this work considers the use of common low-cost sensors and the use of markers with simple geometry, the results show excellent performance of the developed filter, being able to estimate the position and orientation with an error below 8.14 mm and 0.63o, respectively. Furthermore, the effectiveness of the approach has also been evaluated, showing that the filter is able to converge quickly when the markers are retrieved after a loss of camera data for a short period of time.

Submitted by Daniella Santos (daniella.santos@ufma.br) on 2020-01-30T12:42:21Z No. of bitstreams: 1 AndersonEvangelista.pdf: 8190790 bytes, checksum: 049ece88a5bce92cfc07c6587b2a4ee2 (MD5) Made available in DSpace on 2020-01-30T12:42:21Z (GMT). No. of bitstreams: 1 AndersonEvangelista.pdf: 8190790 bytes, checksum: 049ece88a5bce92cfc07c6587b2a4ee2 (MD5) Previous issue date: 2019-11-25 In this dissertation, a methodology for the identification of multivariable dynamic systems based on state-space neural-fuzzy model with evolving type-2 interval inference is proposed. An evolving learning algorithm for interval type-2 neural-fuzzy inference system is presented, where the combination of a fuzzy clustering method based on participatory learning and Extend Kalman filter is used for estimating the type-2 membership functions (shape and footprint of uncertainty). For estimating the consequent proposition, a fuzzy state-space identification algorithm is proposed, where the Markov parameters are recursively estimated, which are used to computing the state-space parameters incrementally. The efficiency and applicability of the proposed methodology are demonstrated through computational results (nonlinear SISO dynamic system, combined complex nonlinear dynamic system, time-varying nonlinear dynamic system) and experimental results (four-stage evaporator and helicopter with two degrees of freedom). Nesta dissertação é proposta uma metodologia para identificação sistemas dinâmicos multivariáveis baseada em modelo neuro-fuzzy no espaço de estados com inferência evolutivo tipo-2 intervalar. A metodologia proposta apresenta um algoritmo de aprendizado evolutiva para o sistema de inferência neural-fuzzy tipo-2 intervalar, onde a estimação das funções de pertinência tipo-2 (contorno e rastro de incerteza) é utilizada a combinação do algoritmo de agrupamento fuzzy baseado em Aprendizagem Participativa e do Filtro de Kalman (FKE). Para estimar a proposição do consequente, um algoritmo fuzzy de identificação no espaço de estados é proposto, onde os parâmetros de Markov são estimados recursivamente e através destes, os parâmetros dos submodelos são calculados incrementalmente. A eficiência e aplicabilidade da metodologia proposta são demonstradas através de resultados computacionais (sistema dinâmico SISO nãolinear, sistema dinâmico com não-linearidade complexa combinada, sistema dinâmico não-linear variante no tempo) e experimentais (evaporador de quatro estágios e helicóptero com dois graus de liberdade).

This dissertation aims to study the behavior of the preferences parameters of the Central Bank of Brazil (BCB), in the period between 2000.T1 and 2017.T4. To accomplish this purpose, we assume that Brazil’s monetary policy is defined in an optimized way, then we obtain the parameters of the political function from the estimation of the macroeconomic model with expectations backward-looking and the preferences of the Central Bank. The econometric approach used is based on Bayesian MCMC estimation supported by the Kalman filter. Our results indicate that Central Bank’s preferences have been unstable over time, with fluctuations after the ending of the term of BCB’s chairman and during the 2008 international crisis. Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES Esta dissertação objetiva estudar o comportamento dos parâmetros de preferências do Banco Central do Brasil (BCB), no período compreendido entre 2000.T1 e 2017.T4. Para isso, supomos que a política monetária do Brasil é definida de forma otimizada, e com isso obtemos os parâmetros da função política a partir de estimação do modelo macroeconômico com expectativas backward-looking e das preferências do Banco Central. A abordagem econométrica utilizada é baseada em estimação bayesiana MCMC com auxílio do filtro de Kalman. Nossos resultados indicam que houve instabilidade nas preferências ao longo do tempo, com flutuações após posses de presidentes do BCB e durante a crise internacional de 2008.

Nesta dissertação é apresentada a comparação do desempenho de três estimadores - o Filtro de Kalman Estendido, o Filtro de Kalman Unscented e o Filtro de Partículas - aplicados para estimar a postura de um robô diferencial. Uma câmera foi fixa no teto para cobrir todo o campo operacional do robô durante os experimentos, a fim de extrair o mapa e gerar o ground truth. Isso permitiu realizar uma análise do erro de forma precisa a cada instante de tempo. O desempenho de cada um dos estimadores foi avaliado sistematicamente e numericamente para duas trajetórias. Os resultados desse primeiro experimento demonstram que os filtros proporcionam grandes melhorias em relação à odometria e que o modelo dos sensores é crítico para obter esse desempenho. O Filtro de Partículas mostrou um desempenho melhor em relação aos demais nos dois percursos. No entanto, seu elevado custo computacional dificulta sua implementação em uma aplicação de tempo real. O Filtro de Kalman Unscented, por sua vez, mostrou um desempenho semelhante ao Filtro de Kalman Estendido durante a primeira trajetória. Porém, na segunda trajetória, a qual possui uma quantidade maior de curvas, o Filtro de Kalman Unscented mostrou uma melhora significativa em relação ao Filtro de Kalman Estendido. Foi realizado um segundo experimento, em que o robô planeja e executa duas trajetórias. Os resultados obtidos mostraram que o robô consegue chegar a um determinado local com uma precisão da mesma ordem de grandeza do que a obtida durante a estimação de estados do robô. In this dissertation, the performance of three nonlinear-model based estimators - the Extended Kalman Filter, the Unscented Kalman Filter and the Particle Filter - applied to pose estimation of a differential drive robot is compared. A camera was placed above the operating field of the robot to record the experiments in order to extract the map and generate the ground truth so the evaluation of the error can be done at each time step with high accuracy. The performance of each estimator is assessed systematically and numerically for two robot trajectories. The first experimental results showed that all estimators provide large improvements with respect to odometry and that the sensor modeling is critical for their performance. The particle filter showed a better performance than the others on both experiments, however, its high computational cost makes it difficult to implement in a real-time application. The Unscented Kalman Filter showed a similar performance to the Extended Kalman Filter during the first trajectory. However, during the second one (a curvier path) the Unscented Kalman Filter showed a significant improvement over the Extended Kalman Filter. A second experiment was carried out where the robot plans and executes a trajectory. The results showed the robot can reach a predefined location with an accuracy of the same order of magnitude as the obtained during the robot pose estimation.

Trabalho final de mestrado para obtenção do grau de Mestre em Engenharia Mecânica A presente dissertação apresenta uma solução para um robô móvel com navegação baseada em visão para ser aplicado em máquinas-ferramenta. Para tal, foi utilizado um protótipo de um robô de tracção diferencial de pequena escala onde um instrumento de escrita simula a actuação da máquinaferramenta. O protótipo dispõe ainda de uma câmara equipada com uma lente olho de peixe controlada por uma placa Raspberry Pi. Com o objectivo de imprimir uma determinada trajectória desejada com rigor, começou-se por desenvolver um algoritmo de planeamento onde se discretizou a dita trajectória. Seguidamente, foi definido o modelo cinemático do protótipo o qual, juntamente com o planeamento, permitiram desenvolver o anel de controlo para os motores onde se incorporou também um controlador PID. Com as leituras dos encoders das rodas, foi possível efectuar a localização baseada em odometria, a qual não apresentou rigor suficiente devido ao deslize das rodas e erros de modelação. Recorrendo à calibração da câmara através de uma toolbox implementada em ambiente MATLAB, obteve-se os parâmetros intrínsecos da câmara. Com estes foi então possível transformar as imagens obtidas pela câmara para que fosse retirada a deformação imposta pela lente de olho de peixe. Assim, foi possível estabelecer uma relação entre píxel e metro. Para a localização baseada em visão, foram utilizadas três referências (beacons) colocadas em posições conhecidas e a partir das quais foi calculada a postura do robô relativamente às mesmas. Esta avaliação utiliza apenas duas referências em vez das três que normalmente são utilizadas na triangulação, utilizando distâncias para o cálculo da localização em vez de ângulos. Esta informação juntamente com os dados da odometria são introduzidos num filtro de Kalman estendido com o objectivo de reduzir o desvio da estimativa baseada apenas na odometria. Por fim, a viabilidade da conjugação dos dois métodos de localização, quando aplicados em ambientes industriais, é discutida. Abstract: The present dissertation presents a vision based mobile robot system to be applied in machine tools. The prototype under study is a small scale differential drive robot where an incorporated writing tool simulates the action of the machine tool. Besides that, the robot has a fish-eye camera controlled by a Raspberry Pi board. The first step in devising a system for printing with enough precision was the development of a planning algorithm that produces a discretized trajectory. The next step was the definition of the kinematic model of the prototype which, when combined with the planning, allowed the development of a PID controller loop for the motors. Using the encoders readings a robot position estimate is computed, although the precision is not sufficient due to wheel slippage and modelling errors. The camera calibration was achieved using an open-source MATLAB toolbox, which produced the camera’s intrinsic parameters. With these parameters in hand, it was possible to transform the images obtained by the camera so that the deformation caused by the lens was removed. Once undistorted images are available, it is possible to take reliable measures on them. For the purpose of vision based localization, three active beacons were placed in known positions in the world, inside the robot’s viewing area. This computation relies only on two beacons instead of three, as is commonly used in triangulation, since the robot’s pose is computed using distances instead of bearings. This information is combined with the odometry estimate in an exteded Kalman filter with the goal of reducing the error that the odometry is unable to handle. To conclude, the viability of the conjugation between the two approaches to localization, when applied in industrial scenarios, is discussed. N/A

Não recebi financiamento Kalman filters are rooted in the technical literature, as a way of predicting new states in nonlinear systems providing a recursive solution to the problem of linear optimal filtering. Therefore, 56 years after its discovery, many modifications have been proposed in order to obtain better accuracy and speed. Some of these changes are used in this work; these being the Extended Kalman Filter (EKF), Unscented Kalman Filter (UKF) and Kalman Filter Cubature (CKF). This work , divided into three distinct parts: Implementation / Comparative analysis of prediction of Kalman filters in complex systems (Series), qualitative analysis of the possible uses of the Kalman filter variants for neural network training and position and velocity determination a displaced object on a simulated plane with some trajectories Having these analyzes key role in fostering the studies cited in the scientific literature , proving the possibility of such algorithms and methods are used for positioning in unstructured environments Filtros de Kalman estão consagrados na literatura técnica, como uma das formas de prever novos estados em sistemas não-lineares, fornecendo uma solução recursiva para o problema da filtragem ideal linear. Após 56 anos de sua descoberta, muitas modificações e melhorias foram propostas, procurando obter uma maior precisão e velocidade na predição de novos estados. Algumas dessas mudanças são utilizadas neste trabalho; sendo elas o Filtro de Kalman Estendido (EKF), Unscented Kalman Filter (UKF) e Filtro de Kalman de Cubagem Esférica Radial (CKF).O objetivo deste trabalho, divido em três partes distintas, porém complementares: Implementação/Análise comparativa da predição dos Filtros de Kalman em sistemas complexos (Series), Análise qualitativa das possíveis utilizações das variantes do Filtro de Kalman para treinamento de Redes Neurais e Determinação de posição e velocidade de um objeto deslocado sobre um plano simulado. Possuindo essas análises papel fundamental na fomentação dos estudos citados na literatura científica durante o trabalho, e comprovando a possibilidade desses algoritmos/ métodos serem utilizados em tarefas de posicionamento em ambientes não estruturados.

Dissertação de mestrado integrado em Engenharia Eletrónica Industrial e Computadores, Esta dissertação foca-se no problema de transporte de cargas por equipas de robôs móveis autónomos que atuam em coordenação. A equipa utiliza uma estratégia leader - helper e arquiteturas de controlo formalizadas recorrendo à abordagem de atratores dinâmicos para geração de comportamentos. Em trabalhos desenvolvidos anteriormente há comunicação explícita de informação entre o robô leader e o robô helper (na forma de direções). No presente trabalho é apresentada uma solução que permite dotar o robô helper com capacidades de estimar essa informação e eliminar a comunicação entre ele e o robô leader. Esta nova contribuição irá permitir que a equipa de robôs possa movimentar-se em ambientes em que a comunicação não é permitida, adiciona robustez em ambientes em que a comunicação é ruidosa ou, ainda, permite que o robô leader possa ser substituído por um humano, de forma transparente do ponto de vista do robô helper, uma vez que terá capacidades para agir de forma independente. Para o desenvolvimento do módulo estimador foi usado o Filtro de Kalman Estendido que utiliza informação proveniente das medições obtidas para a posição, orientação e velocidade do robô leader, calculadas a partir de informação sensorial do robô helper e do respetivo suporte de apoio à carga a transportar, para gerar uma estimativa da direção de navegação do robô leader. Na validação da solução implementada realizaram-se testes experimentais tanto num ambiente de simulação como num ambiente real, onde diferentes situações foram retratadas. Os resultados obtidos permitem concluir que a solução apresentada é robusta, eficiente para diferentes ambientes, sem que a tarefa de transporte seja comprometida., This dissertation focus on the problem of payload transportation by teams of autonomous mobile robots that act in coordination. The team uses a leader-helper strategy and the control architectures are formalized, recurring to the dynamic attractors approach to behavior based robotics. On previously developed works there is explicit communication between the leader robot and the helper robot (in the form of heading directions). In this dissertation one develops a module that allows the helper to estimate that information, thus eliminating the need to explicit communication. This contribution will allow the team of robots to move in environments in which communication is restricted, it adds robustness in environments in which the communication is noisy, or it even allows the leader robot to be replaced with a human, in a transparent way from the robot helper’s point of view, since it will have the capacity to act independently. An Extended Kalman Filter was used for the development of the module that estimates the heading direction of the leader robot. As input, this module uses information provided by the measures obtained for the position, orientation and velocity of the leader robot, calculated from the sensorial information gathered from the payload support base in the helper robot. To validate the solution, experimental tests were conducted, in a simulated environment and in a real environment, where different situations were portrayed. The results obtained in simulated environments allows us to conclude that the presented solution is robust, efficient for different environments, without compromising the transportation task.

A concepção de um satélite universitário de baixo custo busca atender as restrições de seu lançamento como carga útil secundária. A configuração girostato foi investigada para avaliar o desempenho do Sistema de Controle de Atitude (SCA) autônomo durante a aquisição de atitude quando o satélite se separa do veículo lançador em uma condição inicial desfavorável. A configuração girostato é controlada em três eixos e busca manter voltada para o Sol a única face com o painel solar. Uma roda de momentum, cujo eixo de rotação é ortogonal àquela face, provê rigidez giroscópica para, em conjunto com três bobinas de torque com núcleo de ar, gerar torques para controle de atitude em três eixos. O SCA inicia sua ação a partir da separação, operando em malha fechada com a estimação da atitude e da velocidade angular do satélite. Essas estimativas são fornecidas por um filtro de Kalman estendido (FKE) que processa medidas vetoriais da direção do Sol e do campo geomagnético oriundas de sensores de Sol e magnetômetro triaxial. Partindo de condições desfavoráveis, os resultados mostraram que o apontamento do satélite demanda cerca de um dia e meio dia para prover erro de apontamento inferior a 10º e menos de dois dias para manter o erro abaixo de 0,1º. Em torno do eixo da roda, ocorre oscilação do satélite em torno da referência, mas dentro de uma margem aceitável. A duração das manobras em relação à capacidade de carga das baterias embarcadas confirmou a viabilidade da configuração girostato. O desempenho e a complexidade dessa configuração foram comparados com a estabilização de corpo rígido com rotação spin visando selecionar configuração apropriada para a missão do satélite. The design of a low cost university satellite ITASAT seeks to meet launch constraints as a secondary, piggyback payload. The dual-spin configuration has been investigated to determine the performance of the autonomous Attitude Control System (SCA) when the satellite separates from the launch vehicle in an unfavorable initial condition prior to attitude acquisition. The dual-spinner is controlled in three axes to acquire and maintain a single face pointing to the Sun by means of a momentum wheel whose rotation axis is orthogonal to that face, and a triad of air-core coil magnetotorquers that provide gyroscopic stiffness and control torques to maneuver and point the solar panel to the Sun. The SCA starts actuation as from separation, and operates in closed loop with estimates of the satellite attitude and angular velocity. These estimates are computed by an extended Kalman filter (FKE) that processes vector measurements of the Sun direction and the geomagnetic field provided by Sun sensors and a triaxial magnetometer. Starting from unfavorable initial conditions, approximately 1.5 day has been required to yield a pointing error under 10º, and less than two days to maintain the error below 0.1º. Satellite oscillations about the wheel axis have been within an acceptable margin. The duration of the maneuvers in relation to the capacity of the batteries on board have confirmed the feasibility of the dual-spin configuration. The resulting performance and complexity have been compared with those of the rigid-body spin stabilization to select an appropriate configuration for the satellite mission.

The goal of this work is to propose a SLAM (Simultaneous Localization and Mapping) solution based on Extended Kalman Filter (EKF) in order to make possible a robot navigates along the environment using information from odometry and pre-existing lines on the floor. Initially, a segmentation step is necessary to classify parts of the image in floor or non floor . Then the image processing identifies floor lines and the parameters of these lines are mapped to world using a homography matrix. Finally, the identified lines are used in SLAM as landmarks in order to build a feature map. In parallel, using the corrected robot pose, the uncertainty about the pose and also the part non floor of the image, it is possible to build an occupancy grid map and generate a metric map with the obstacle s description. A greater autonomy for the robot is attained by using the two types of obtained map (the metric map and the features map). Thus, it is possible to run path planning tasks in parallel with localization and mapping. Practical results are presented to validate the proposal O objetivo desta tese é apresentar uma técnica de SLAM (Localização e Mapeamento Simultâneos) adequada para ambientes planos com linhas presentes no chão, de modo a permitir que o robô navegue no ambiente fundindo informações de odometria e de visão monocular. Inicialmente, é feita uma etapa de segmentação para classificar as partes da imagem em chão e não-chão . Em seguida, o processadomento de imagem identifica linhas na parte chão e os parâmetros dessas linhas são mapeados para o mundo, usando uma matriz de homografia. Finalmente, as linhas identificadas são usadas como marcos no SLAM, para construir um mapa de características. Em paralelo, a pose corrigida do robô, a incerteza em relação à pose e a parte nãochão da imagem são usadas para construir uma grade de ocupação, gerando um mapa métrico com descrição dos obstáculos. A utilização simultânea dos dois tipos de mapa obtidos (métrico em grade e de características) dá maior autonomia ao robô, permitindo acrescentar tarefas de planejamento em simultâneo com a localização e mapeamento. Resultados práticos são apresentados para validar a proposta

A retroalimentação de controladores preditivos que utilizam modelos em espaço de estado pode ser realizada de duas formas: (a) correção por bias, em que as saídas preditas são corrigidas adicionando-se um valor proporcional a discrepância encontrada entre o valor medido atual e sua respectiva predição e por (b) retroalimentação dos estados, onde se determinam as condições iniciais através da estimação dos estados, e a partir de uma melhor condição inicial se realizam as predições futuras usadas no cálculo das ações de controle. Nesta dissertação estas duas abordagens são comparadas utilizando a Planta Laboratorial de Seis Tanques Esféricos. As técnicas de Filtro de Kalman Estendido (EKF) e Filtro de Kalman Estendido com Restrições (CEKF) foram empregadas para estimar os estados não medidos. Inicialmente foram feitos testes off-line destes algoritmos de estimação. Para estes testes são utilizados uma série de dados da planta laboratorial do estudo de caso, na qual são estudadas as influências de diversos fatores de ajuste que determinam a qualidade final de estimação. Estes ajustes serviram de base para a aplicação destes algoritmos em tempo real, quando então, estimadores de estados estão associados ao sistema de controle do processo baseado em um algoritmo de controle preditivo. Após se ter certificado a qualidade das estimações de estado, partiu-se para sua utilização como uma alternativa de retroalimentação de controladores preditivos. Estes resultados foram comparados com os obtidos através da correção simples por bias. Os resultados experimentais apontam para uma marginal piora devido à retroalimentação por estimadores de estados frente à correção por bias, pelo menos para o caso do controlador preditivo linear utilizado na comparação. Entretanto, espera-se que resultados melhores sejam obtidos no caso de modelos preditivos não-lineares, uma vez que nestes casos o modelo é bem mais sensível à qualidade da condição inicial. The feedback of controllers that use predictive models in state space can be accomplished in two ways: (a) bias correction, where the predicted outputs are corrected by adding a value proportional to the discrepancy found between the current measurement and its respective prediction; and by (b) state feedback, which establishes the initial conditions through the states estimation, and from a better initial condition are carried out the future predictions used in the calculation of control. In this thesis these two approaches are compared using a Laboratorial Plant of Six Spherical Tanks. The techniques of Extended Kalman Filter (EKF) and Constraint Extended Kalman Filter (CEKF) were used to estimate the unmeasured states. Initially, tests were carried out off-line for theses estimation algorithms. For such testing are used a dataset of the plant in case study, in which are studied the influences of several adjustment factors that they determine the final quality of estimation. These adjustments were used of base for the application of these algorithms in real time, when then state estimators are associated with the system of process control based on a predictive control algorithm. After having ascertained the quality of the state estimates, begins its use as an alternative for feedback of predictive controllers. These results were compared with those obtained by the simple correction of bias. The experimental results show a marginal worsening due to feedback from state estimated compared with bias correction, at least for the case of linear predictive controller used in the comparison. However, one expects that better results will be obtained in the case of non-linear predictive models, since in these cases the model is much more sensitive to the quality of the initial condition.

Este artigo trata do emprego de um algoritmo preditivo no controle do fluxo do rotor e da velocidade de um motor de indução trifásico. No acionamento elétrico proposto, o motor de indução (MI) é descrito em espaço de estados, sendo necessário, para a realização do controle, o conhecimento de suas tensões de terminal do estator e das seguintes variáveis de estado: corrente de estator, fluxo de rotor e velocidade de eixo do motor, sendo que estas duas últimas são estimadas por um filtro de Kalman estendido. O torque de carga é considerado uma perturbação e a sua amplitude é calculada a partir do emprego da equação eletromecânica. A aplicação do MBPC é mostrada por resultados de simulação computacional e experimentais. This article presents the results concerning the control of rotor flux and speed of the induction motor using MBPC algorithm. A nonlinear state space model of induction motor is used to describe its dynamic. The rotor flux and speed are estimated using an extended Kalman filter. The load torque is considered as a disturbance and its value is calculated through the electromechanical equation. Simulated and experimental results have shown the good performance of this strategy.

O presente trabalho trata da criação de uma nova abordagem para predição de séries temporais ruidosas, com modelo desconhecido e que apresentam grandes não-linearidades. O novo método neuro-estatístico proposto combina uma rede neural de múltiplas camadas com o método estatístico Filtro de Kalman Estendido. A justificativa para a junção dessas abordagens é o fato de possuírem características complementares para o tratamento das peculiaridades das séries descritas. Quanto ao ruído, o FKE consegue minimizar a sua influência, trabalhando com a variância do ruído extraído dos dados reais. Quanto ao modelo gerador da série, as redes neurais aproximam a sua função, aprendendo a partir de amostras dos próprios dados. Grandes não-linearidades também são tratadas pelas RNs. O método neuro-estatístico segue a estrutura do FKE, utilizando a RN como processo preditivo. Com isso, elimina-se a necessidade de conhecimento prévio da função de transição de estados. O poder de tratamento de não-linearidades da RN é mantido, utilizando-se a previsão desta como estimativa de estado e os seus valores internos para cálculo das jacobianas do FKE. As matrizes de covariâncias dos erros de estimativa e dos ruídos são utilizadas para melhora do resultado obtido pela RN. A rede é treinada com um conjunto de dados retirado do histórico da série, de maneira off-line, possibilitando o uso de poderosas estruturas de redes de múltiplas camadas. Os resultados do método neuro-estatístico são comparados com a mesma configuração de RN utilizada em sua composição, sendo ambos aplicados na série caótica de Mackey-Glass e em uma série combinada de senos. Ambas séries possuem grandes não-linearidades e são acrescidas de ruído. O novo método alcança resultados satisfatórios, melhorando o resultado da RN em todos os experimentos. Também são dadas contribuições no ajuste dos parâmetros do FKE, utilizados no novo método. O método híbrido proporciona uma melhora mútua entre a RN e o FKE, explicando os bons resultados obtidos. This work presents a new forecast method over highly nonlinear noisy time series. The neural statistical method uses a multi-layer perceptron (NN) and the Extended Kalman Filter (EKF). The justification for the combination of these approaches is that they possess complementary characteristics for the treatment of the peculiarities of the series. The EKF minimizes the influence of noise, working with the variance of the noise obtained from the real data. The NN approximates the generating model’s function. High nonlinearities are also treated by the neural network. The neural statistical method follows the structure of the EKF, using the NN as the predictive process. Thus, it isn’t necessary previous knowledge of the state transition function. The power of treatment of nonlinearities of the NN is kept, using forecast of this as estimative of state and its internal values for calculation of the Jacobian matrix of the EKF. The error estimative covariance and the noise covariance matrixes are used to improve the NN outcome. The NN is trained offline by past observations of the series, which enable the use of powerfuls neural networks. The results of the neural statistical method are compared with the same configuration of NN used in its composition, being applied in the chaotic series of Mackey-Glass and an sine mistures series. Both series are noisy and highly nonlinear. The new method obtained satisfactory result, improving the result of the regular NN in all experiments. The method also contributes in the adjustment of the parameters of the EKF. The hybrid method has a mutual improvement between the NN and the EKF, which explains the obtained good results.

Made available in DSpace on 2014-06-11T19:22:25Z (GMT). No. of bitstreams: 0 Previous issue date: 2006-10-31Bitstream added on 2014-06-13T19:48:45Z : No. of bitstreams: 1 faustino_rc_me_prud.pdf: 956028 bytes, checksum: 4518bd21cfc75ed14c3e4e793a14ec55 (MD5) Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) Nesta dissertação investiga-se o Posicionamento por Ponto Preciso (PPP), nos modos estático e cinemático, utilizando o Filtro de Kalman Estendido. Foram corrigidos os erros devido aos efeitos da refração troposférica, relatividade, movimento de rotação da Terra, variações das marés terrestres, correção do centro de fase da antena do satélite e fase Wind- up. Os efeitos devido à ionosfera foram minimizados através da combinação linear Ion-Free. A perda de ciclo foi detectada através da combinação linear widelane, envolvendo as duas observáveis: fase da onda portadora e pseudodistância. Quando a perda de ciclo é detectada, uma nova ambigüidade é inicializada no lugar da antiga. As implementações foram realizadas no software FILTER_FCT, em desenvolvimento na FCT/UNESP, o qual processava apenas a pseudodistância. Visando mostrar a acurácia que pode ser obtida com o PPP, foram realizados três experimentos: PPP no modo estático, PPP estático simulando o modo cinemático e PPP cinemático. No primeiro e no segundo experimentos foram utilizados dados das estações GPS: PPTE, VICO, RIOD e FORT, pertencentes à Rede Brasileira de Monitoramento Contínuo (RBMC), e da estação FRDN, localizada em Fredericton, no Canadá. No terceiro experimento foram utilizados dados do receptor GPS a bordo do satélite CHAMP. No PPP estático, utilizou-se como estratégia de processamento a modificação da variância das coordenadas e do relógio do receptor na matriz de variância-covariância do Filtro de Kalman Estendido. Verificou-se uma discrepância em relação às coordenadas consideradas verdadeiras na ordem de decímetros, com exceção das estações VICO e RIOD, que foram da ordem de centímetros. In this dissertation the Precise Point Positioning (PPP), in static and kinematic modes, using Extended Kalman Filter is investigated. The errors due to troposphere refraction, relativity, movement of Earth's rotation, tide loading, satellite antenna phase center offset and phase wind-up were corrected. The effects due to ionosphere were minimized through the Ionospheric-Free linear combination. The widelane combination, involving phase and pseduorange, was used to detect cycle slips. When a cycle slip is detected, a new ambiguity is initialized in the place of the old one. The implementations were accomplished in the FILTER_FCT software. To show the accuracy in the PPP, three experiments were accomplished: PPP in the static mode, PPP in the static mode simulating the kinematic mode and PPP in kinematic mode. In the first and second experiments, data from PPTE, VICO, RIOD and FORT stations belonging to Brazilian Network for Continuous Monitoring (RBMC), and FRDN station located in Fredericton, Canada, were used. In the third experiment data from a GPS receiver on board of the CHAMP satellite were used. In static PPP, the modification of the coordinates variance and the receiver clock was used as processing strategy. The discrepanc ies obtained in the static positioning were on the order of decimeters, except for VICO and RIOD stations where they were on the order of centimeters. When the clock receiver variance was increased from (3.300)ø mø to (10.000)ø mø , the values of the discrepancies also increased, on the order of centimeters. Then, there is influence of the receiver clock variance in the estimated coordinates. The residual part of the tropospheric effects was estimated with the introduction of a scale factor in the processing.