The interest for multirotor unmanned aerial vehicles (UAVs) is currently growing due to their low cost, high maneuverability, simplified mechanics, capability to perform vertical take-off and landing as well as hovering flight. These characteristics make them a promising technology suitable for applications such as surveillance of indoor and urban environments and object transportation. The present work faces the problem of safely controlling the position trajectory of multirotor UAVs by taking into consideration a conic constraint on the total thrust vector and a linear convex constraint on the position vector. The problem is solved using a linear state-space model predictive control (MPC) strategy, whose optimization is made handy by replacing the original conic constraint set on the thrust vector by an inscribed pyramidal space, which renders a linear set of inequalities. The control vector computed by the MPC is converted into a thrust magnitude command and an attitude command. The proposed method is evaluated on the basis of Monte Carlo simulations taking into account a random disturbance force. The simulations show the effectiveness of the method in tracking the commanded trajectory while respecting the imposed control and position constraints. They also predict the effect of both the commanded speed and the maximum inclination constraint on the system performance.

A tática aérea de progressão em território inimigo usando navegação a baixa altura visa proteger a aeronave incursora dos radares inimigos, através do bloqueio natural oferecido pela geografia do terreno. Para diminuir os riscos de detecção, é fundamental um adequado planejamento deste tipo de missão, que requer informações como as posições de radares e os dados de elevação na região da navegação. Com essas informações, a construção do mapa de intervisibilidade constitui uma ferramenta essencial para um bom planejamento da trajetória. Por outro lado, do ponto de vista da defesa aérea, a construção de mapas de intervisibilidade permite posicionar os radares de forma que tenham maior visibilidade da região a ser protegida, diminuindo o risco de sofrer um ataque aéreo. Assim, para evitar o cálculo de intervisibilidade de todos os pontos, é importante investigar como reconstruir mapas de intervisibilidade a partir de informação incompleta. As alternativas escolhidas para apoiar o estudo foram a construção de modelos de predição com redes neurais artificiais e de modelos aditivos generalizados. Os dois modelos foram definidos a partir de um estudo sistemático, baseado nos princípios de projeto e análise de experimentos. Para a construção do algoritmo de cálculo exato foram utilizadas idéias contidas nos algoritmos Xdraw e Radial LoS Scanning, juntamente com o algoritmo de Bresenham para determinação das linhas de visada.

This work addresses the problem of trajectory planning in the context of predictive control. Initially, planners in the literature using predictive control techniques with binary variables are extended to consider situations in which it is necessary that the vehicle visits multiple targets featuring a limited amount of fuel. A reward for visiting each target set is included to tune the compromise between saving fuel and visiting as many targets as possible. The second part brings contributions aimed at reducing computational complexity of the problem of planning and execution of trajectories. For this purpose, techniques for reducing the number of binary variables necessary to implement obstacle avoidance constraints are studied. In this context, a more economical procedure for encoding the problem is presented. Moreover, a method is proposed for generation of waypoints to be traversed by the vehicle in order to complete the mission. The resulting waypoints are passed to the control layer responsible for guiding the vehicle through them. The advantage of this dual-layer approach is that the online computational effort for determining the control signal is significantly reduced. With the approach of multiple sets and rewards, it is possible to accommodate a fault which causes a reduction in the amount of fuel available. Moreover, using the waypoint planning technique, the online computational load is reduced, making it viable to deal with problems involving more stringent control constraints possibly arising from actuator faults.

Os veículos aéreos não-tripulados, especialmente os quadrirotores, estão conquistando crescente notoriedade e importância tanto em aplicações civis quanto militares. No entanto, este tipo de aeronave é instável em malha aberta, sub-atuado e sujeito a restrições nos atuadores, o que dificulta o projeto de controladores. Ademais, há uma crescente necessidade em aumentar a confiabilidade e autonomia do voo destes veículos. Estes requisitos exigem uma correta especificação e monitoramento da bateria da aeronave, que tipicamente é superdimensionada devido às dificuldades de prever a demanda e a oferta energética, especialmente na presença de falhas e perturbações. Baseado nestas dificuldades, o presente trabalho apresenta um sistema de gerenciamento do voo de quadrirotores tolerante a falhas, sujeito a restrições energéticas. Este sistema é responsável pelas principais rotinas de controle do voo, e gerenciamentos da missão e falhas. Especificamente, é analisado o problema de controle integrado a algoritmos de diagnóstico e prognóstico de falhas, em um contexto de otimização multiobjetivo. Alguns destes objetivos são: precisão no rastreamento, minimização da distância total percorrida e elevada confiabilidade para a execução da missão. A solução proposta envolve o uso de um controlador preditivo multimodelo integrado a um filtro estocástico híbrido de múltiplos modelos interativos, para as rotinas de controle e diagnóstico de falhas durante o voo do quadrirotor. Ademais, no momento em que este diagnóstico detecta um distúrbio, é ativado um sistema de prognóstico, constituído de um filtro de partículas, a fim de estimar quais as possíveis consequências deste evento atípico sobre a missão da aeronave. Por fim, baseado nas características deste distúrbio e na disponibilidade energética, um módulo de supervisão decide sobre a necessidade de reconfigurar o controlador e/ou replanejar a missão. Os resultados demonstraram a viabilidade da solução proposta à custa de um acréscimo na carga computacional. No entanto, esta desvantagem pode ter baixo impacto devido ao desenvolvimento de novos computadores de bordo e algoritmos mais eficientes.

Sistemas de aeração são amplamente utilizados em estações de tratamento de esgotos sanitários e efluentes industriais, sendo a configuração mais utilizada os sistemas de lodos ativados. Neste trabalho, buscou-se a implementação e o teste de uma estratégia de controle avançado em um sistema de aeração. Foi utilizado um canal de aeração com recirculação de água como simulação de um tanque de aeração. Para consumir o oxigênio dissolvido na água, foi realizada a dosagem de hipossulfito de sódio na entrada de água do canal. Um algoritmo de controle preditivo tipo QDMC (\"Quadratic Dynamic Matrix Control\") foi implementado. Para estabelecer o \"set-point\" de OD (oxigênio dissolvido) pela manipulação da rotação do soprador de ar, foi utilizado um microcomputador com programação desenvolvida em linguagem C. Foi instalado na saída do canal uma sonda com sensores de OD e temperatura e um inversor de freqüência foi ligado ao soprador, ambos conectados ao microcomputador para armazenamento das informações geradas e envio dos comandos gerados pelo algoritmo de controle. Foram avaliadas a performance e estabilidade da estratégia de controle adotada, mostrando que o controlador desenvolvido é robusto e estável para utilização em sistemas de aeração. Isto indica que é interessante desenvolver o estudo para reatores biológicos operando em estações de tratamento de efluentes. / Aeration systems are widely used in wastewater treatment plants, and the configuration more common is activated sludge plant. In this study, we sought to implement and test an advanced control strategy in an aeration system. We used a channel aeration with recirculation of water as a simulation of an aeration tank. To consume the dissolved oxygen in water was performed dosage of sodium thiosulphate in water entering the channel. A predictive control algorithm type QDMC (\"Quadratic Dynamic Matrix Control\") was implemented. To establish the set-point of DO (dissolved oxygen) by manipulating the rotation of the air blower was used with a microcomputer program developed in C language. It was installed onto the end of channel a sensor of DO and temperature and a frequency converter was connected to the blower, both connected to the computer for storing information generated and transmission of information generated by the control algorithm. We evaluated the performance and stability of the control strategy adopted, showing that the developed controller is robust and stable for use in aeration systems. This indicates that it is interesting to further explore the biological reactors operating in sewage treatment effluents.

Algoritmos MPC implementam estratégias avançadas de controle adequada-mente aplicáveis a processos químicos complexos e multivariáveis. Recentemente, desenvolveram-se algoritmos MPC que possuem controle das saídas por faixas e estabilidade nominal baseados em horizonte infinito de predição. O objetivo principal deste trabalho é estender este tipo de algoritmo desenvolvendo um MPC de horizon-te infinito com referências para as entradas manipuladas e controle das saídas por funnel. Funnel é um dispositivo, particular aos algoritmos Honeywell RMPCT® (de horizonte finito), que suaviza as ações do controlador estabelecendo, a cada instan-te de amostragem, limites mais brandos para as saídas controladas que fogem às suas faixas. O algoritmo MPC de horizonte infinito aqui desenvolvido é analisado por simulação de um subsistema importante de uma planta de produção de alumina. Pe-las simulações, verificou-se de fato a suavidade das ações do controlador que dis-põe do funnel. Neste trabalho também se propõe, e se analisa por simulação, uma nova estrutura para o controlador RMPCT® que hoje atua sobre a planta. Uma vez que se mostrou interessante, essa nova estrutura, que inclui uma nova entrada ma-nipulada, poderá ser implementada na prática. / MPC algorithms are particularly suitable to implement advanced control strate-gies at complex and multivariable chemical processes. Recently, it has been devel-oped MPC algorithms with zone control and nominal stability, based on infinity pre-diction horizon. The main objective of this dissertation is to extend this type of algo-rithm by developing an infinity horizon MPC with targets to the manipulated inputs and funnel control. Funnel is a numerical device, particular to Honeywell RMPCT® algorithms (with finite horizon), that softens the controller actions by establishing, at each sampling instant, softer limits for the controlled outputs that escapes from its zones. The infinity horizon MPC algorithm developed here is analyzed by simulation of an important subsystem of an alumina production facility. According to the simula-tions, it was confirmed in fact the smoothness of the control actions produced by the funnel controller. In this work it is also proposed, and analyzed by simulation, a new structure for the RMPCT® controller that controls the plant nowadays. Since this new structure, which includes a new manipulated input, showed itself interesting, it can be implemented in practice.

Esta tese tem por objetivo a obtenção de modelos que apresentem melhor desempenho quando utilizados em controladores preditivos baseados em modelo (Model-based Predictive Control, MPC). Ao longo dos últimos 25 anos diversos trabalhos propuseram métodos baseados na minimização de uma função de predição múltiplos passos à frente, que se caracteriza por ser uma função não linear. Estes métodos foram denominados MPC Relevent Identification (MRI). A maioria destes artigos propõe técnicas para a obtenção de modelos lineares. Ao longo dos últimos 5 anos, alguns métodos, também baseados na minimização da função de predição múltiplos passos à frente, foram propostos para a identificação de modelos não lineares. Estes trabalhos são baseados na minimização direta da função de custo não linear, para obter com estrutura NARMAX (Nonlinear Autoregressive Moving Average with exogenous inputs). Entretanto, estruturas simplificadas de controladores MPC não lineares podem ser obtidas utilizando modelos com estruturas de Wiener e de Hammerstein. Esta tese apresenta novos resultados teóricos que permitem a obtenção de algoritmos de identificação MRI para modelos com estrutura de Wiener e Hammerstein, sem a necessidade de minimizar a função de custo não linear. Além da demonstração dos resultados teóricos, novos algoritmos são propostos tendo a sua capacidade de predição, propriedades estatísticas e aplicação em controladores MPC não lineares avaliadas. / This thesis focuses on obtaining models that may produce a better performance of Model-based Predictive Controllers (MPC). Several papers published in the last 25 years have proposed methods based on the minimization of multi-step ahead prediction functions, which are inherently nonlinear. These methods have been called MPC Relevant Identification (MRI). Most of the papers focused on obtaining linear models. In the last 5 years, some methods have been proposed to obtain nonlinear models based on the minimization of the same cost function. These papers were based on the direct minimization of the nonlinear cost function to produce models with NARMAX (nonlinear Autoregressive Moving Average with exogenous inputs) structure. However, simplified MPC schemes may be obtained using models with Wiener and Hammerstein structures. This thesis presents new theoretical results which allow the development of MRI identification algorithms for models with Wiener and Hammerstein structures, without the need to perform the minimization of the nonlinear cost function. Besides the proof of theoretical results, new algorithms are developed and have their prediction capability statistical properties and performance in nonlinear MPC controllers evaluated.

This work presents an embedded model predictive control application to a 2-DOF Helicopter Process. The mathematical modeling of the plant is first presented along with an analysis of the linear model. Then, the incremental state-space representations used in the MPC formulation are derived. The MPC technique is then defined, along with how to rewrite the physical constraints into the problem formulation. After that, a discussion on the utilized Quadratic Programming solver is presented along with possible alternatives to it, showing some considerations on which matrices to calculate beforehand for an embedded application. Finally, system identification is performed and the experimental results are presented. / Este trabalho apresenta uma aplicação de controle preditivo embarcado em um helicóptero de bancada com dois graus de liberdade. A modelagem matemática é apresentada, junto com uma análise do modelo linear obtido. São obtidas duas representações de modelos de espaço de estados considerando a entrada incremental, que serão usadas posteriormente para a formulação do controlador. Então, é definida a técnica de controle utilizada, juntamente com a inclusão das restrições físicas da planta na formulação do problema. Após isto, é feita uma discussão sobre qual solver para a programação quadrática utilizar, junto com algumas alternativas ao solver escolhido, bem como algumas considerações sobre a aplicação embarcada. Finalmente, são apresentados os resultados da identificação de sistemas aplicadas ao protótipo, bem como os resultados experimentais obtidos.

Esta tese tem por objetivo a obtenção de modelos que apresentem melhor desempenho quando utilizados em controladores preditivos baseados em modelo (Model-based Predictive Control, MPC). Ao longo dos últimos 25 anos diversos trabalhos propuseram métodos baseados na minimização de uma função de predição múltiplos passos à frente, que se caracteriza por ser uma função não linear. Estes métodos foram denominados MPC Relevent Identification (MRI). A maioria destes artigos propõe técnicas para a obtenção de modelos lineares. Ao longo dos últimos 5 anos, alguns métodos, também baseados na minimização da função de predição múltiplos passos à frente, foram propostos para a identificação de modelos não lineares. Estes trabalhos são baseados na minimização direta da função de custo não linear, para obter com estrutura NARMAX (Nonlinear Autoregressive Moving Average with exogenous inputs). Entretanto, estruturas simplificadas de controladores MPC não lineares podem ser obtidas utilizando modelos com estruturas de Wiener e de Hammerstein. Esta tese apresenta novos resultados teóricos que permitem a obtenção de algoritmos de identificação MRI para modelos com estrutura de Wiener e Hammerstein, sem a necessidade de minimizar a função de custo não linear. Além da demonstração dos resultados teóricos, novos algoritmos são propostos tendo a sua capacidade de predição, propriedades estatísticas e aplicação em controladores MPC não lineares avaliadas. / This thesis focuses on obtaining models that may produce a better performance of Model-based Predictive Controllers (MPC). Several papers published in the last 25 years have proposed methods based on the minimization of multi-step ahead prediction functions, which are inherently nonlinear. These methods have been called MPC Relevant Identification (MRI). Most of the papers focused on obtaining linear models. In the last 5 years, some methods have been proposed to obtain nonlinear models based on the minimization of the same cost function. These papers were based on the direct minimization of the nonlinear cost function to produce models with NARMAX (nonlinear Autoregressive Moving Average with exogenous inputs) structure. However, simplified MPC schemes may be obtained using models with Wiener and Hammerstein structures. This thesis presents new theoretical results which allow the development of MRI identification algorithms for models with Wiener and Hammerstein structures, without the need to perform the minimization of the nonlinear cost function. Besides the proof of theoretical results, new algorithms are developed and have their prediction capability statistical properties and performance in nonlinear MPC controllers evaluated.

A utilização de controladores preditivos multivariáveis na indústria de processos cresceu significativamente nos últimos anos principalmente devido à versatilidade e a confiabilidade que essa ferramenta proporciona em termos de controle avançado. No entanto, aspectos relacionados à aplicação prática do que vem sendo desenvolvido no meio acadêmico possui pouca difusão na indústria devido às configurações clássicas adotadas, como sistemas quadrados (com o mesmo número de variáveis controladas e manipuladas), modelos lineares, utilização de setpoint e etc. diferindo daquilo que está disponível e é amplamente utilizado industrialmente: sistemas não-quadrados (geralmente com mais variáveis controladas do que manipuladas), modelos não-lineares e utilização de soft-constraints. Esse trabalho propõe uma metodologia para ajuste dos parâmetros presentes em um controlador preditivo, atento à variedade de algoritmos presentes na indústria de processos. Essa metodologia se baseia na obtenção do melhor desempenho alcançável para cada cenário de um modelo global do processo, atendendo as restrições de Número de Desempenho Robusto relativo (rRPN), Máxima Sensibilidade e restrições nas ações de controle. Baseado em um desempenho que é alcançável, o modelo linear global é escalonado (assim como a planta não-linear) e os pesos que levam o sistema para a melhor condição operacional são estimados. Essa técnica abrange controladores operando em faixas e/ou setpoint e configurações não-quadradas, i.e., com mais variáveis controladas do que manipuladas. A abordagem proposta foi testada em uma planta de quatro tanques esféricos com aquecimento apresentando resultados coerentes, corroborando seu potencial de aplicação industrial. / Due to their versatility and reliability, Model Predictive Controllers (MPCs) are the standard solution for advanced process control in the process industry. However, there is a gap between the academic developments and the actual industrial applications, since the most academic studies focus on systems working with set-points and same number of manipulated and controlled variables, whereas the industrial application cope with non-squared configuration usually with several controlled variables in ranging and a reduced number of manipulated variables. This work proposes a tuning methodology for the countable parameters presents in a typical industrial predictive controller, considering the variety of the algorithms presents commercially in the process industry. This methodology is based on the estimation of the best attainable performance for each scenario of the global model of the process, constrained by the relative Robust Performance Number (rRPN), Maximal Sensitivity and restrictions in the control actions. Based on a performance that is attainable, the linear global model is scaled (and the non-linear) and the weights that lead the system to the best operational condition are estimated. This technique covers controllers operating in zones of control and/or set-point tracking and non-square configurations, i.e., with more controlled variables than manipulated. The proposed approach was tested in a Quadruple-Spherical tanks heating system presenting coherent results indicating its potential for industrial applications.