Os veículos aéreos não tripulados, especialmente os quadrotores, são cada vez mais utilizados para tarefas que vão desde a vigilância até a entrega. No entanto, manter a sua estabilidade num ambiente imprevisível continua a ser um desafio fundamental. Distúrbios externos, erros de modelagem e ruído podem perturbar os sistemas de controle e levar à degradação ou falha do desempenho. Enfrentar esses desafios requer estratégias de controle que possam se adaptar em tempo real, garantindo ao mesmo tempo um comportamento confiável e restrito do sistema.
O professor Francisco Jurado do Tecnológico Nacional de México/Instituto Tecnológico de la Laguna desenvolveu uma nova arquitetura de controle adaptativo projetada para estabilização de pose de quadrotor. Seu trabalho, publicado na revista Applied Sciences, com revisão por pares, apresenta uma abordagem de controle adaptativo de referência de modelo robusto distribuído, um método de controle que se ajusta continuamente para seguir um comportamento desejado otimizado por meio de uma técnica chamada e-conversion. Como explica o professor Jurado, “Neste trabalho, um controlador adaptativo robusto de referência de modelo direto descentralizado por conversão eletrônica é proposto para controle de pose de um quadrotor para evitar desvio de parâmetros.”
O professor Jurado se concentrou em um dos problemas mais persistentes em sistemas de controle adaptativos: o desvio de parâmetros, uma situação em que os valores estimados se afastam de seus valores verdadeiros/ideais ao longo do tempo. Este fenômeno ocorre quando os parâmetros estimados se desviam significativamente de seus valores reais/ideais, especialmente sob perturbações ou sinais de estímulo insuficientes, ou seja, o sistema não recebe entrada variável suficiente para aprender adequadamente. Na prática, isso pode causar diferenças repentinas na saída do sistema, tornando os drones pouco confiáveis em condições reais. O método proposto introduz um mecanismo de amortecimento dependente do erro, um ajuste de estabilização dependendo do tamanho do erro de rastreamento, que ajusta dinamicamente as atualizações dos parâmetros, evitando instabilidade e mantendo a resposta.
Os resultados da simulação demonstram que a nova estratégia de controlo funciona eficazmente em muitas situações. Na ausência de perturbações como ruído, os parâmetros do sistema convergem de forma constante para os seus valores ideais, o que significa que o controlador aprende o comportamento correto ao longo do tempo. Sob condições mais realistas, incluindo perturbações externas, o controlador mantém um desempenho de rastreamento constante sem permitir a variação dos parâmetros. Em vez de se mover de forma incontrolável, o sistema permanece dentro de limites restritos, o que significa que o seu comportamento permanece dentro de limites seguros e previsíveis, garantindo uma operação confiável. Este equilíbrio entre adaptabilidade e robustez representa uma melhoria significativa em relação aos métodos convencionais de controle adaptativo.
Um dos principais pontos fortes da abordagem reside na sua concepção descentralizada. Em vez de tratar o quadrotor como um sistema complexo, a mecânica rotacional, os movimentos que descrevem como o drone se inclina e gira no espaço, são divididos em subsistemas menores associados a rotação, inclinação e guinada. Cada subsistema é controlado de forma independente, tendo em conta o seu acoplamento intrínseco, o que significa que os movimentos ainda influenciam uns aos outros. Este sistema simplifica o projeto de controle e aumenta a robustez, especialmente ao lidar com incertezas que afetam diferentes eixos de maneira diferente.
O estudo do professor Jurado compara a abordagem de conversão eletrônica proposta com outras técnicas estabelecidas, incluindo conversão baseada em sigma e um método suave de ajuste de zona morta. Um método de zona morta suave interrompe temporariamente a adaptação quando os erros são muito pequenos para evitar alterações desnecessárias. Embora todos os métodos visem mitigar o desvio de parâmetros, os resultados mostram que a estratégia de e-conversão atinge consistentemente erros de rastreamento mais baixos na maioria dos casos. Ao mesmo tempo, evita efeitos indesejáveis, como oscilações ou desempenho morto, que podem surgir com métodos alternativos. É importante ressaltar que o Prof. Jurado afirma que “um limite final consistente do sinal de erro de rastreamento é garantido”. Isto significa que ao longo do tempo, mesmo com interrupções, o erro de rastreamento permanece dentro de uma faixa segura constante.
Além dos quadrotores, as implicações deste trabalho estendem-se a outros sistemas aeroespaciais e mecânicos onde o controle preciso da atitude, a capacidade de controlar a orientação no espaço, é essencial. A capacidade de manter a estabilidade apesar das incertezas é particularmente valiosa em aplicações como a orientação de satélites, onde as perturbações são pequenas e persistentes. Ao combinar compatibilidade com garantias matemáticas de comportamento limitado, o método proposto fornece um caminho prático para sistemas autônomos mais confiáveis.
Como afirma o professor Jurado, “Embora na maioria dos casos a comunidade de controle esteja interessada em realizar a tarefa de controle de um controlador adaptativo, o desvio de parâmetros não pode ser ignorado sem prestar atenção a quando as estimativas dos parâmetros convergem para seus valores reais/ideais.”
Em resumo, a pesquisa do Professor Jurado apresenta uma solução robusta e eficiente para um desafio de longa data no controle adaptativo. Ao evitar desvios de parâmetros e garantir um rastreamento estável, a abordagem de controle adaptativo de referência de modelo descentralizado com conversão eletrônica melhora a confiabilidade dos sistemas quadrotor operando em ambientes incertos. As descobertas não apenas promovem a teoria de controle, mas também contribuem para a implantação segura e eficaz de drones em cenários cada vez mais complexos do mundo real.
Nota de diário
Jurado F., Ollervides-Vazquez EJ “MRAC direto robusto descentralizado para a pose de um UAV quadrotor por eletroconversão.” Ciência Aplicada, 2025; 15: 11713. DOI: https://doi.org/10.3390/app152111713
Referência de imagem
Quadrotor sob fortes perturbações de vento. Criado em 2026 por ChatGPT (DALL E, OpenAI).
Sobre o autor
Francisco Jurado Recebeu B.Sc. graduado em Engenharia Eletrônica em 1996 e seu M.Sc. formou-se em Engenharia Elétrica em 2001, ambos pelo Instituto Tecnológico de la Laguna (México). Ele recebeu seu D.Sc. Em 2010 formou-se no Centro de Investigación y de Estudios Avanzados (Cinvestão) do Instituto Politécnico Nacional (IPN) Unidad Guadalajara (México). Fez estágio de pesquisa em L’Aquila Studi, Université Tekli Studi em L’Al. 2008, participação no Programa de Aplicações de Sistemas de Controle Linear e Sistemas de Controle Não Dinâmicos no âmbito da Lei do Programa de Cooperação Científica do MAE entre Itália e México. Atualmente é Professor-Pesquisador no Tecnológico Nacional de México (TechNM)/Instituto Tecnológico de la Laguna, Dorian, México. É reconhecido como tendo um perfil PRODEP desejável desde 2012. É membro do Registro de Avaliadores Credenciados do CONACYT (RCEA-CONACYT), avaliando projetos de pesquisa nacionais desde 2013. É também membro dos Institutos Nacionais de Pesquisa (SNII). Ele foi homenageado como Pesquisador Homenageado pelo Estado pelo Governo do Estado de Coahuila de Zaragoza, México e pelo Conselho Estadual de Ciência e Tecnologia (COECYT). Foi premiado com a Edição de Excelência Acadêmica Cusco 2026 pela OIICE (Organização Internacional para Inclusão e Qualidade Educacional), Peru. Recebeu o título de Doutor Honoris Causa concedido pela OIICE. Foi homenageado com o Prêmio Magisterial Ordem Dorada da OIICE. Ele é membro do IEEE, membro da AIAA, membro da AMRob, membro da RICCA e membro da OIICE. Atuou como membro do TPC para conferências internacionais. Ele também atuou como revisor de diversas revistas científicas de prestígio. Os seus principais interesses de investigação são controlo adaptativo, controlo não linear, controlo inteligente, veículos aéreos não tripulados, robótica e sistemas esparsos.
