SeaVis: Modeling and Control of a Remotely Operated Towed Vehicle for Seabed Visualization and Mapping

Resumo Técnico: SeaVis: Modelagem e Controle de um Veículo Rebocado Operado Remotamente para Visualização e Mapeamento do Leito Marinho

Declaração do Problema
O mapeamento de alta resolução do fundo do mar é crítico para monitoramento ambiental, pesquisa científica, desenvolvimento de infraestrutura offshore e aplicações de defesa. Embora os Veículos Rebocados Operados Remotamente (ROTVs) ofereçam vantagens significativas sobre os Veículos Operados Remotamente (ROVs) tradicionais em termos de eficiência energética e área de cobertura para levantamentos do leito marinho, eles apresentam desafios de controle distintos. Diferentemente dos ROVs com propulsão a bordo, os ROTVs são rebocados passivamente, tornando sua dinâmica altamente dependente das forças hidrodinâmicas e do cabo de reboque. Sistemas existentes frequentemente carecem da manobrabilidade e compactação necessárias para mapeamento de alta precisão. Além disso, as complexas forças hidrodinâmicas acopladas de sustentação e arrasto introduzidas por superfícies de controle semelhantes a asas tornam a modelagem precisa e o projeto de controle robusto difíceis. Embora existam abordagens baseadas em dados, elas requerem dados experimentais extensos, criando a necessidade de modelos analíticos detalhados para apoiar o desenvolvimento inicial do controlador e a simulação realista antes da implantação de hardware.

Metodologia
Os autores abordam esses desafios por meio de uma metodologia de quatro partes:

1. Projeto do Sistema e Integração de Sensores: O artigo apresenta o "SeaVis", um ROTV inovador projetado com uma configuração inspirada em aeronaves (122 cm de comprimento, 120 cm de envergadura), apresentando um fuselagem aerodinâmica, asas dianteiras e um estabilizador horizontal. A profundidade e a atitude são controladas por três superfícies atuadas independentemente: flap de boreste, flap de bombordo e profundor. O sistema integra um sonar de visão frontal, uma IMU e sensores de efeito Hall para estimativa de estado, comunicando-se via uma arquitetura Raspberry Pi e Arduino Nano usando os protocolos MAVLink e UART.

2. Modelagem Matemática: Um modelo detalhado de corpo rígido de 6 Graus de Liberdade (GDL) é desenvolvido com base na formulação Newton-Euler. O modelo incorpora:

   • Inércia do Corpo Rígido: Propriedades de distribuição de massa.
   • Massa Adicionada: Calculada aproximando o corpo como um elipsoide alongado e as asas como placas planas, focando nas acelerações de heave, roll e pitch.
   • Amortecimento Hidrodinâmico: Componentes de arrasto lineares e quadráticos para graus de liberdade ativos.
   • Forças de Sustentação: Geradas pelas superfícies de controle usando uma aproximação linear do coeficiente de sustentação do perfil aerodinâmico NACA0015.
   • Forças de Restauração do Cabo: Um momento estabilizador passivo gerado pelo cabo de reboque quando o veículo inclina-se para fora do plano horizontal.
   • Dinâmica do Atuador: Um modelo de primeira ordem com uma não linearidade de zona morta (limiar de 17% PWM) para refletir o comportamento real do servo.

3. Estratégia de Controle: Os autores projetam um Regulador Linear Quadrático (LQR) com Programação de Ganho baseado em modelo.

   • As dinâmicas altamente não lineares são linearizadas em torno de pontos de operação nominais (voo nivelado a profundidade constante).
   • As matrizes do sistema ($A$ e $B$) são parametrizadas como funções explícitas da velocidade de surge ($U$), permitindo que o controlador se adapte às condições hidrodinâmicas em mudança.
   • Os ganhos são pré-calculados offline para velocidades representativas e interpolados online, evitando soluções de Riccati em tempo de execução.
   • A arquitetura inclui um laço interno para estabilização de atitude e um laço externo para rastreamento de profundidade, com mecanismos anti-windup para lidar com saturação do atuador.
   • Para comparação, um controlador PID com programação de ganho também é implementado e ajustado para corresponder ao tempo de acomodação de profundidade do LQR em terreno plano.

4. Simulação e Validação: Um ambiente de simulação de alta fidelidade é construído usando HoloOcean (Unreal Engine) para testar os controladores contra um perfil de leito marinho desafiador, apresentando declives contínuos e bordas abruptas. A simulação opera a 200 Hz com um laço de controle a 50 Hz, testando o desempenho em uma velocidade de surge alvo de 5 m/s.

Principais Contribuições
O artigo faz quatro contribuições primárias:

1. Desenvolvimento de um modelo matemático analítico detalhado para o ROTV SeaVis, capturando interações hidrodinâmicas complexas e dinâmicas do cabo.
2. Projeto de um controlador LQR com programação de ganho especificamente para regulação precisa de profundidade e atitude em configuração rebocada.
3. Implementação de um controlador PID com programação de ganho comparativo para avaliar o desempenho em relação ao esforço de controle e robustez.
4. Lançamento de um framework de simulação de código aberto e código do controlador para facilitar pesquisas adicionais na modelagem e controle de ROTVs.

Resultados
Os resultados da simulação demonstram o desempenho superior do controlador LQR em comparação com a abordagem PID convencional:

• Precisão de Rastreamento: Sob condições nominais, o LQR mantém erros de profundidade abaixo de 2 cm em terreno plano e exibe respostas transitórias rápidas (erro de pico < 2 cm) ao atravessar mudanças abruptas no terreno.
• Eficiência de Controle: O LQR requer significativamente menos esforço do atuador. A deflexão máxima da aleta traseira para o LQR foi de 3°, comparada a 5,9° para o controlador PID (aproximadamente o dobro), indicando redução no consumo de energia e desgaste potencial.
• Robustez: Na presença de distúrbios gaussianos, o LQR rejeita efetivamente o ruído, mantendo erros de profundidade abaixo de 6,5 cm em terreno plano. Embora o controlador PID tenha mostrado um erro de profundidade de pico ligeiramente menor na borda descendente sob distúrbio, ele exibiu ações de controle significativamente mais agressivas e de alta frequência, levando a um maior gasto de energia.
• Programação de Ganho: A abordagem com programação de ganho provou ser eficaz em toda a faixa de velocidade (0 a 5 m/s). À medida que a velocidade de surge aumentou, o tempo de acomodação para erros de profundidade e atitude diminuiu, e deflexões menores das superfícies de controle foram necessárias para alcançar a mesma autoridade de controle.

Significado
O artigo afirma que o framework proposto atende às demandas específicas de estabilidade e precisão do mapeamento de alta resolução do leito marinho para veículos rebocados. Ao integrar a regulação de profundidade e atitude dentro de uma arquitetura LQR com programação de ganho, o sistema lida efetivamente com a hidrodinâmica acoplada do reboque subaquático, minimizando o esforço do atuador. Os resultados destacam um framework de controle que oferece rastreamento robusto, ação de controle suave e eficiência energética aprimorada em comparação com métodos clássicos. Os autores enfatizam que o ambiente de simulação de código aberto e o modelo analítico validado fornecem uma linha de base necessária para entender o comportamento do veículo e desenvolver estratégias de controle avançadas antes da implantação física.