[pt] O objetivo deste trabalho é investigar a utilização de um Sistema de Inferência Fuzzy (Fuzzy Inference System) para projetar um sistema de controle semiautônomo adequado a veículos militares, a partir do qual serão definidos valores para o Nível de Intervenção de um controlador automático. São apresentados conceitos básicos sobre a aplicação de Sistemas de Infer ência Fuzzy para a concepção de um ponderador de sinais e sobre a teoria de Controladores Preditivos Baseados em Modelo (Model Predictive Controllers), utilizados na implementação do sistema proposto. A partir da modelagem matemática do sistema dinâmico veicular foram obtidos resultados de simulações do veículo militar enquanto operado em situações perigosas e em que se faça necessária a intervenção do controlador, por exemplo, na presença de ameaças inimigas hostis ou em manobras altamente desestabilizadoras. O comportamento da variável de intervenção do controlador é apresentado por meio de suas curvas de evolução, e indica o seu aumento de acordo com o crescimento do nível de ameaça à qual o veículo está exposto. Os resultados são analisados criticamente, e conclui-se que o uso do sistema proposto resulta em um aumento qualitativo na segurança do veículo, tornando-o um sistema militar mais eficiente, com maior capacidade operacional, além de melhorar as habilidades de seu condutor. / [en] The purpose of this work is to investigate the use of Fuzzy Inference Systems to design an appropriate semi-autonomous control system for military vehicles, from which the choice of the automatic controller intervention level would be achieved. Basic concepts about the application of Fuzzy Inference Systems for the design of a weighted signal generator and about the Model Predictive Controllers theory are presented. These concepts were used for the implementation of the proposed semiautonomous control system. From the mathematical model of the vehicular dynamic system, results were obtained through simulated tests where the military vehicle was being operated in hazardous situations and in which the intervention of the automatic controller was necessary, e.g., in the presence of hostile enemy threats or in highly destabilizing maneuvers. The behavior of the controller s intervention variable is presented through its evolution curves and indicates its increase accordingly to the growth of the threat level to which the vehicle is exposed. The results are criticyzed, and it is concluded that the use of the proposed system will result in a qualitative increase in vehicle s safety, making it a more efficient military system, with greater operational capacity and enhancing the skills of its driver.

[pt] O estudo da dinâmica lateral é de grande importância para análise do comportamento de um veículo durante manobras e fundamental para a implementação de sistemas de controle de estabilidade e de trajetória em veículos autônomos. Nesse contexto, baseado em medições experimentais de um veículo militar de três eixos durante manobras de mudança dupla de faixa a diferentes velocidades, o presente trabalho apresenta métodos de identificação de sistemas para obtenção de modelos lineares por meio da ferramenta CONTSID (CONTinuous-Time System IDentification), disponível no MATLAB; de modelos não lineares baseados em Redes Neurais; e, por fim, a proposta de emprego de modelos híbridos com o intuito de minimizar o erro associado à primeira abordagem, somando-se ao modelo linear, o valor estimado do resíduo com a aplicação de redes neurais. Por se tratarem de modelos obtidos a partir de dados observados, como parâmetros de entrada e de saída do sistema, foram selecionados o ângulo do volante e a taxa de guinada do veículo, respectivamente. Com a utilização do dados observados, foi realizada a identificação das funções de transferência para cada velocidade, o que possibilitou a análise da influência dessa variável no comportamento dinâmico do sistema. Em seguida, empregou-se uma abordagem via redes neurais ao mesmo conjunto de dados, com a construção de arquiteturas distintas por meio da modificação do número de neurônios, número de camadas e função de ativação. Por fim, um modelo híbrido foi combinado utilizando-se a modelagem linear e não linear para obtenção de melhorias na resposta do modelo final estimado. De acordo com os resultados, as técnicas empregadas apresentaram viabilidade de aplicação e resultados satisfatórios, destacando-se o aprimoramento do modelo linear por meio de sua substituição pelo modelo híbrido baseado em redes neurais. Do exposto, objetiva-se destacar o potencial dos métodos apresentados de forma que, posteriormente, esses estudos possam ser aprofundados para implementação de malhas de controle veicular, com o intuito de contribuir com o aumento da segurança, melhoria do conforto e no desenvolvimento de veículos autônomos. / [en] The study of lateral dynamics is of great importance for the vehicle behavior analysis during turning maneuvers, and it is fundamental to stability or path control systems used in autonomous vehicles. In this context, based on experimental measurements of a three-axle military wheeled vehicle during double lane changes maneuvers at different speed, this work presents methods for the identification of linear models using the CONTSID (CONTinuous-Time System IDentification) toolbox, available in MATLAB; nonlinear models based on artificial neural networks; and, the application of hybrid models to reduce the error associated with the first approach, combining the linear model to the estimated error using neural networks. Since those are data-driven methods, as input and output parameters of the system, the wheel steering angle and the yaw rate of the vehicle were respectively selected. Using the CONTSID toolbox, the identification of the transfer functions for each speed was performed, making it possible to evaluate the influence of this variable in the system s dynamics behavior. Thereafter, a neural network approach was applied to the same data set, changing architecture s parameters, such as number of neurons, layers and the activation function. At last, a hybrid model approach was presented through the combination of previous linear and nonlinear approaches to improve the estimated model response. The proposed methods showed satisfatory results, highlighting the improvement in the linear model through its replacement by the hybrid model based on neural networks. Therefore, this work aims to show the potential of the methods presented, and posteriorly contribute to studies on the implementation of vehicle control systems to increase safety, improve comfort and in the development of autonomous vehicles.