Resumo: Esta monografia apresenta uma arquitetura para aplicação de Controle Tolerante a Falhas, seguindo uma abordagem de dupla malha de realimentação. A primeira malha apresenta um controlador regular, e a segunda segue uma estratégia de controle adaptativa baseada em rede neural, que faz uso de um mecanismo de ajustes de pesos em tempo real. O primeiro controlador foi escolhido como um projeto de controlador baseado em norma H?, objetivando estabilizar o sistema e garantir o bom desempenho na presença de erros de modelagem e distúrbios externos. O controlador tolerante a falhas, que atua complementarmente à malha externa, é o controlador que usa a técnica neuroadaptativa. A rede neural possui estados internos recorrentes, usando uma superfície de deslizamento para adaptar os seus pesos, de modo a acomodar as possíveis falhas. Também apresenta robustez contra as perturbações externas, além da capacidade do controlador regular. Uma nova topologia de dinâmica da rede neural, com estados internos recursivos e aprendizado em tempo-real, é proposta, e a estabilidade do sistema é provada com base em uma função de Lyapunov e em requisitos predefinidos. Para avaliar o método, foi usado um modelo matemático de um veículo aéreo não tripulado do tipo quadrirrotor. Os resultados simulados, com o sistema submetido a vários tipos de condições de falha, são apresentados, mostrando o bom desempenho da configuração proposta Ver menos

Abstract: This monograph presents an architecture scheme for Fault Tolerant Control applications, following a dual-loop controller design approach, where the first closed loop is a regular controller and the second one is based on a neural network adaptive control strategy, with on-line adjustment of the weights. The first controller, which was here chosen as an H? norm designed controller, aims stabilize the system, and guarantee a good performance in presence of modeling errors and external disturbances. The fault tolerant controller, acting complementarily to the external loop, is the one using the neuro-adaptive technique. Its design is based on recurrent internal states, using a sliding surface to adapt the weights of the neural network, in order to accommodate the system faults, but also with a robust effect which includes correcting all external perturbations, beyond the capacity of the regular controller. A new neural network dynamic topology, with internal recursive states and on-line learning algorithm, is proposed, and its stability is proved based on a Lyapunov function and predefined requirements. To assess the method, an unmanned quad rotor flying vehicle is modeled, and the respective controllers designed. Results based on numerical simulation, with the system submitted to several different fault conditions, are presented, showing a good performance of the proposed configuration Ver menos