Cada vez mais robôs móveis autônomos estão sendo utilizados em diversas tarefas e em ambientes com elevado risco para atividades humanas que a paralisação de suas atividades podem gerar outros riscos, perdas e elevados custos. Assim, o estado de carga (SOC) de sistemas de baterias em robôs móveis autônomos é um parâmetro importante na prevenção de uma falha primária nessa aplicação, a ausência de energia. Este trabalho apresenta os métodos existentes na literatura para a determinação do estado de carga de baterias e as tecnologias de baterias disponíveis utilizadas em robôs móveis autônomos ou veículos autônomos guiados. A partir desses estudos foi desenvolvido um modelo de medida, baseado no modelo combinado e foram realizados testes de bancadas para levantamento dos parâmetros e características de três modelos de células de baterias: Lítio Polímero (Li-PO), Níquel-Cádmio (NiCd) e Lítio-Ferro-Polímero (LiFePO4). Com esses parâmetros, aplicou-se o método de estimativa de carga baseado na técnica do Filtro de Kalman Estendido (EKF). Através dos testes, analisou-se comparativamente a resposta do método proposto e a resposta do método OCV e a capacidade de carga real. / Autonomous mobile robots have being increasingly used in various tasks, environments and activities of high risk to human that the stoppage of its activities may generate other risks, losses and high costs. Thus the state of charge (SOC) of battery systems in autonomous mobile robots, is an important parameter to prevent a primary failure in this application, the lack of energy. The paper presents the existing methods in the literature to determine the battery state of charge and battery commercial technologies available used in an autonomous mobile robot or autonomous guided vehicle, from these studies a measurement model based on combined model was developed and testing benches for three cells models on Lithium Polymer Battery (Li-PO), Nickel Cadmium (NiCd) and lithium-iron-Polymer (LiFePO4) batteries were performed for lifting the parameters and apply the battery state of charge method based on the Extended Kalman Filter (EKF) technique. The tests were analyzed in order to observe the comparatively response of the proposed method, the OCV method and Real charge capacity.

Submitted by Bruna Rodrigues (bruna92rodrigues@yahoo.com.br) on 2016-10-04T14:03:27Z No. of bitstreams: 1 DissDPL.pdf: 3012901 bytes, checksum: 29c2df84e5e59e8e598fae154f0983d2 (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-10-14T14:18:34Z (GMT) No. of bitstreams: 1 DissDPL.pdf: 3012901 bytes, checksum: 29c2df84e5e59e8e598fae154f0983d2 (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-10-14T14:18:43Z (GMT) No. of bitstreams: 1 DissDPL.pdf: 3012901 bytes, checksum: 29c2df84e5e59e8e598fae154f0983d2 (MD5) / Made available in DSpace on 2016-10-14T14:18:52Z (GMT). No. of bitstreams: 1 DissDPL.pdf: 3012901 bytes, checksum: 29c2df84e5e59e8e598fae154f0983d2 (MD5) Previous issue date: 2016-03-04 / Não recebi financiamento / Kalman filters are rooted in the technical literature, as a way of predicting new states in nonlinear systems providing a recursive solution to the problem of linear optimal filtering. Therefore, 56 years after its discovery, many modifications have been proposed in order to obtain better accuracy and speed. Some of these changes are used in this work; these being the Extended Kalman Filter (EKF), Unscented Kalman Filter (UKF) and Kalman Filter Cubature (CKF). This work , divided into three distinct parts: Implementation / Comparative analysis of prediction of Kalman filters in complex systems (Series), qualitative analysis of the possible uses of the Kalman filter variants for neural network training and position and velocity determination a displaced object on a simulated plane with some trajectories Having these analyzes key role in fostering the studies cited in the scientific literature , proving the possibility of such algorithms and methods are used for positioning in unstructured environments / Filtros de Kalman estão consagrados na literatura técnica, como uma das formas de prever novos estados em sistemas não-lineares, fornecendo uma solução recursiva para o problema da filtragem ideal linear. Após 56 anos de sua descoberta, muitas modificações e melhorias foram propostas, procurando obter uma maior precisão e velocidade na predição de novos estados. Algumas dessas mudanças são utilizadas neste trabalho; sendo elas o Filtro de Kalman Estendido (EKF), Unscented Kalman Filter (UKF) e Filtro de Kalman de Cubagem Esférica Radial (CKF).O objetivo deste trabalho, divido em três partes distintas, porém complementares: Implementação/Análise comparativa da predição dos Filtros de Kalman em sistemas complexos (Series), Análise qualitativa das possíveis utilizações das variantes do Filtro de Kalman para treinamento de Redes Neurais e Determinação de posição e velocidade de um objeto deslocado sobre um plano simulado. Possuindo essas análises papel fundamental na fomentação dos estudos citados na literatura científica durante o trabalho, e comprovando a possibilidade desses algoritmos/ métodos serem utilizados em tarefas de posicionamento em ambientes não estruturados.

Cada vez mais robôs móveis autônomos estão sendo utilizados em diversas tarefas e em ambientes com elevado risco para atividades humanas que a paralisação de suas atividades podem gerar outros riscos, perdas e elevados custos. Assim, o estado de carga (SOC) de sistemas de baterias em robôs móveis autônomos é um parâmetro importante na prevenção de uma falha primária nessa aplicação, a ausência de energia. Este trabalho apresenta os métodos existentes na literatura para a determinação do estado de carga de baterias e as tecnologias de baterias disponíveis utilizadas em robôs móveis autônomos ou veículos autônomos guiados. A partir desses estudos foi desenvolvido um modelo de medida, baseado no modelo combinado e foram realizados testes de bancadas para levantamento dos parâmetros e características de três modelos de células de baterias: Lítio Polímero (Li-PO), Níquel-Cádmio (NiCd) e Lítio-Ferro-Polímero (LiFePO4). Com esses parâmetros, aplicou-se o método de estimativa de carga baseado na técnica do Filtro de Kalman Estendido (EKF). Através dos testes, analisou-se comparativamente a resposta do método proposto e a resposta do método OCV e a capacidade de carga real. / Autonomous mobile robots have being increasingly used in various tasks, environments and activities of high risk to human that the stoppage of its activities may generate other risks, losses and high costs. Thus the state of charge (SOC) of battery systems in autonomous mobile robots, is an important parameter to prevent a primary failure in this application, the lack of energy. The paper presents the existing methods in the literature to determine the battery state of charge and battery commercial technologies available used in an autonomous mobile robot or autonomous guided vehicle, from these studies a measurement model based on combined model was developed and testing benches for three cells models on Lithium Polymer Battery (Li-PO), Nickel Cadmium (NiCd) and lithium-iron-Polymer (LiFePO4) batteries were performed for lifting the parameters and apply the battery state of charge method based on the Extended Kalman Filter (EKF) technique. The tests were analyzed in order to observe the comparatively response of the proposed method, the OCV method and Real charge capacity.