[pt] Neste trabalho, aborda-se a modelagem e controle de um quadricóptero para navegação autônoma em ambientes agrícolas. Os modelos cinemático e dinâmico do veículo aéreo são computados a partir do formalismo de Newton-Euler, incluindo efeitos aerodinâmicos e características das hélices. O sistema de movimento do quadricóptero pode ser dividido em dois subsistemas, um translacional e outro rotacional, responsáveis pelo controle de posição nos eixos x, y, z, and atitude do veículo no espaço Cartesiano. A primeira abordagem de controle é linear, se presenta dois controladores, um controlador proporcional-derivativo (PD) e o adaptativo baseado no espaço de estados. A segunda abordagem é não-linear e baseada em um controlador adaptativo a fim de lidar com a presença de incertezas nos parâmetros do sistema. Simulações numéricas são executadas em Matlab para ilustrar o desempenho e a viabilidade da metodologia de controle proposta. Simulações computacionais 3D são executadas em Gazebo para verificar a navegação autônoma em um campo agrícola. / [en] In this work, we address the modeling and control design of a quadrotor for autonomous navigation in agricultural environments. The kinematic and dynamic models of the aerial vehicle are derived following the Newton-Euler formalism. The motion system of the quadrotor can be split into two subsystems, that is, translational and rotational subsystems, responsible for controlling the position along the longitudinal, transverse and vertical axes of the Cartesian space as well as its orientation about the corresponding axes. The first linear control approach is based on the proportional-derivative (PD) controller, whereas the second nonlinear control approach is based on an adaptive controller in order to deal with the presence of uncertainties in the system parameters. Numerical simulations are carried out in Matlab to illustrate the performance and feasibility of the proposed control methodology. Gazebo was used to perform the 3D simulations for verifying autonomous navigation in agricultural fields.

[pt] Quadricópteros vêm sendo o objeto de estudo de inúmeras pesquisas ao redor do mundo. Diversas técnicas de controle já foram desenvolvidas, cada uma com seus prós e contras, objetivando o aprimoramento do desempenho destes veículos aéreos na consecução de tarefas específicas. Este trabalho foca na comparação de características de desempenho de técnicas de controle aplicadas a quadricópteros. Este trabalho mostra o projeto de controles modernos aplicados à quadricópteros apresentando tais técnicas, iniciando com a realimentação de estados com polos dominantes, passando pelo controle Linear Quadratic Regulator (LQR). Por sua vez, visando otimizar o desempenho das técnicas de controle aqui estudadas, foram aplicadas técnicas de inteligência computacional para resolver um problema de otimização do LQR e para auxiliar no controle de forças dos rotores. Apresenta-se o projeto de um controle PID, que será usado como referência para as demais técnicas analisadas. O controle por realimentação de estados citado anteriormente obteve bons resultados. O tempo de assentamento foi o menor para o eixo Z, overshoots e o erro em regime permanente, os menores para os eixos X e Y. O controlador Fuzzy conseguiu fazer seu papel auxiliando a movimentação do quadricóptero. O GA otimizou o tempo de assentamento do LQR. Esse controle conseguiu alcançar os menores tempos de assentamento para os eixos X e Y, sendo mais rápido que a configuração original do LQR, escolhida por heurísticas. Com esse trabalho foi possível notar que os controladores modernos, realimentação de estado e LQR, tem um desempenho melhor que o controle PID de referência. / [en] Quadcopters are researched all over the world. A lot of techniques had been developed and many others a blistering, each one with their pros and cons. The focus of this work is the comparison between the performance of some techniques most used in quadcopters, qualifying these techniques. This work shows the designing process of a quadcopter controllers, starting with state feedback with dominant poles and going to the Linear Quadratic Regulator controller. Focusing on optimizing the performance of those control strategies, computational techniques were used to solve an LQR optimization problem and to help choose the best inputs for the rotors. This work presents a PID controller that will be used as a reference for comparison. The state feedback controller with the Fuzzy position control performed very well, being the fastest one to settle on the Z axis, having the least overshoots and the lowest steadystate errors for the X and Y axes. The Fuzzy controller did what was supposed to do, smoothing and enabling a precise movement for the quadcopter. The GA also did what was supposed to do and improved the settling time for the LQR controller. It showed that it was a nice way to tune the Q and R matrixes, allowing the controller to be the fastest one to settle in the X and Y axes. As a result of this work, the modern control techniques, state feedback and LQR, performance better than the classic PID controller, used as reference.