Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2017-04-03T19:47:14Z No. of bitstreams: 1 AntonioPericlesBonfimSaraivaDeOliveira_DISSERT.pdf: 17560753 bytes, checksum: 51b3d3c86c26db7e30f346b8d46e49f0 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2017-04-05T22:11:52Z (GMT) No. of bitstreams: 1 AntonioPericlesBonfimSaraivaDeOliveira_DISSERT.pdf: 17560753 bytes, checksum: 51b3d3c86c26db7e30f346b8d46e49f0 (MD5) / Made available in DSpace on 2017-04-05T22:11:52Z (GMT). No. of bitstreams: 1 AntonioPericlesBonfimSaraivaDeOliveira_DISSERT.pdf: 17560753 bytes, checksum: 51b3d3c86c26db7e30f346b8d46e49f0 (MD5) Previous issue date: 2012-08-13 / Prop?e-se a cria??o de um controle neural (neurocontrolador) baseado na aprendiza-gem supervisionada, com uma rede neural artificial (RNA), sem a modelagem por espa?ode estados, utilizando o Flightgear como simulador e ambientes de testes integrado comm?dulos de coleta de dados e controle. Diversas arquiteturas da RNA foram testadas afim de que as mesma tivesse a efic?cia pretendida nos diversos procedimentos (decola-gem, pairagem, deslocamento e pouso). Testes com as RNA treinadas foram realizadosat? que fosse encontrada uma pudesse gerar as respostas necess?rias atendendo aos requi-sitos de efici?ncia e estabilidade necess?rios ao controle do VANT.