[pt] Durante a perfuração de poços de petróleo, a coluna de perfuração apresenta um comportamento dinâmico complexo, esta tese foca no estudo experimental e na modelagem matemática deste comportamento. Neste trabalho, destaca-se as vibrações autoexcitadas axiais, laterais e torcionais, que podem levar a efeitos como o bit bouncing, o whirling e stick-slip torcional. A primeira contribuição desta tese é a análise experimental de um bancada de testes, que fornece informações sobre a dinâmica de sistemas torcionais. A influência dos parâmetros de controle não lineares na resposta do sistema é investigada, identificando as condições sob as quais o fenômeno stick-slip ocorre. Em segundo lugar, a tese propõe estratégias de identificação de sistemas para sistemas não lineares, utilizando a mesma bancada de testes supracitada. Uma abordagem híbrida para a identificação é proposta, onde técnicas de modelagem de caixa cinza e caixa preta são combinadas para calibrar os parâmetros do sistema, particularmente aqueles associados ao atrito. Essa abordagem aumenta a precisão das estimativas em comparação com os métodos tradicionais de caixa cinza, mantendo a interpretabilidade. Além disso, a pesquisa emprega physics-informed deep learning para estimar os parâmetros mecânicos e de atrito do modelo de dois graus de liberdade. A calibração usando dados experimentais obtidos de uma bancada de testes fornece informações sobre o comportamento de sistemas de perfuração. Finalmente, a tese apresenta investigações experimentais sobre o acoplamento entre oscilações torcionais e axiais utilizando uma bancada experimental de perfuração em escala de laboratório modificada e adaptada equipada com brocas e amostras de rocha reais. Em resumo, esta tese aumenta a compreensão da dinâmica de colunas de perfuração e apresenta aplicações úteis para técnicas de identificação de sistemas na análise de oscilações torcionais e axiais. / [en] During drilling for oil extraction purposes, the drill string experiences complex dynamic behavior, and this work delves into the experimental study and the mathematical modeling of such behavior. Self-excited vibrations, such as axial, lateral, and torsional vibrations, which can lead to detrimental effects such as bit bouncing, whirling, and torsional stick-slip are highlighted in this thesis. Distinct aspects of drilling dynamics are considered in this investigation to enhance the understanding of various phenomena. Initially, an experimental analysis of a lab-scale rig is conducted, providing valuable insights into the dynamics of such systems. And the influence of control parameters on the system’s response is examined, particularly in identifying the conditions under which the stick-slip phenomenon is likely to occur. Secondly, the thesis proposes system identification strategies for nonlinear systems, specifically focusing on the same laboratory test rig. An innovative ensemble approach is proposed, which combines gray and black-box modeling techniques to effectively calibrate the parameters of a dynamical system, particularly those associated with friction. This approach improves prediction accuracy compared to traditional gray-box methods while maintaining interpretability in the dynamic responses. Furthermore, the research employs physics-informed deep learning to estimate the low-dimensional model mechanical and friction parameters. Calibration using experimental data obtained from a specialized setup provides insights into the drill-string system s behavior. Finally, the thesis involves experimental investigations on the coupling between torsional and axial oscillations using a modified and adapted lab-scale drilling rig equipped with real drill bits and rock samples. In summary, this thesis advances our understanding of drill-string dynamics and presents helpful applications for system identification techniques.