Global Sensitive-Based Input Shaping for UAV-Payload Precision Motion Control

Resumo Técnico: Modelagem de Entrada Baseada em Sensibilidade Global para Controle de Movimento de Precisão de UAV com Carga Suspensa

Declaração do Problema
Veículos Aéreos Não Tripulados (UAVs) transportando cargas suspensas oferecem vantagens significativas em tarefas de logística e infraestrutura, mas enfrentam desafios fundamentais de controle devido às suas dinâmicas subatuadas e não lineares. A carga suspensa introduz graus de liberdade adicionais, criando dinâmicas acopladas complexas entre o veículo e a carga. Pequenos desvios de trajetória podem excitar o movimento oscilatório da carga, o que retroalimenta as dinâmicas do veículo, resultando frequentemente em oscilações residuais que comprometem a precisão do rastreamento e a segurança. Esses desafios são exacerbados por incertezas de parâmetros, especificamente variações na massa da carga ($m_l$) e no comprimento do cabo ($L$), que são frequentemente desconhecidas antes do voo ou mudam durante a operação. Embora as estratégias de controle existentes (ex: baseadas em passividade, adaptativas, modo deslizante) ofereçam robustez, elas são tipicamente ajustadas para pontos operacionais nominais e podem degradar-se sob incertezas amplas ou não estruturadas.

Metodologia
O artigo propõe uma estrutura de modelagem de entrada baseada em Análise de Sensibilidade Global (GSA) projetada para suprimir o balanço da carga, levando em conta incertezas na massa da carga ($m_l$) e no comprimento do cabo ($L$). A metodologia envolve três componentes principais:

1. Modelagem do Sistema: O sistema UAV-carga é modelado como um UAV de massa pontual com uma carga de massa pontual suspensa conectada por um cabo rígido. As dinâmicas são derivadas usando a formulação Lagrangiana, considerando o movimento translacional, ângulos de balanço da carga ($\alpha, \beta$) e energia rotacional. As incertezas são modeladas como distribuições uniformes: $m_l \sim U[0.2, 1]$ kg e $L \sim U[0.2, 1.8]$ m.
2. Design do Modelador de Entrada (Input Shaper): O estudo compara diversas técnicas de modelagem de entrada feedforward:
   • Não robusto: Um modelador padrão projetado para parâmetros nominais.
   • Robusto: Um modelador que posiciona dois conjuntos de zeros na localização do polo nominal para alargar o entalhe (notch).
   • Minimax: Um modelador projetado para minimizar a energia residual sobre uma faixa de frequência definida.
   • Baseado em GSA: Um modelador baseado em otimização onde o objetivo é minimizar a amplitude esperada dos ângulos de balanço ($R_\alpha, R_\beta$) ao longo do tempo da manobra, sujeito a restrições de magnitude e tempos de comutação.
3. Integração do Valor de Shapley: Para contabilizar sistematicamente as incertezas, os autores incorporam o conceito de Valor de Shapley da teoria dos jogos cooperativos. Neste contexto, os parâmetros incertos ($m_l$ e $L$) são tratados como "jogadores" em um jogo. O Valor de Shapley quantifica a contribuição marginal de cada parâmetro para a variância da saída do sistema (amplitude do ângulo de balanço). Uma restrição específica é introduzida para limitar o Valor de Shapley da influência do comprimento do cabo na amplitude do balanço ($Sh^R_{\alpha L} \leq 0.85$), dessensibilizando o controlador às variações no comprimento da corda.

Principais Contribuições

• Modelagem de Entrada Baseada em GSA: O trabalho demonstra a viabilidade de aplicar GSA para projetar modeladores de entrada para sistemas UAV-carga 3D, indo além de designs nominais ou simples designs robustos.
• Restrições de Valor de Shapley: O artigo introduz um método inovador de usar Valores de Shapley como restrições de otimização dentro do design do modelador de entrada. Isso permite a atribuição sistemática das contribuições de incerteza e a redução direcionada da sensibilidade a parâmetros específicos (ex: comprimento da corda).
• Análise Comparativa: O estudo fornece uma comparação numérica abrangente entre os modeladores de entrada não robusto, robusto, minimax, GSA padrão e GSA com restrição de Shapley.

Resultos
Simulações numéricas foram conduzidas para uma manobra ponto-a-ponto com um tempo final de $T_f = 3.7898$ s. As principais descobertas incluem:

• Análise de Sensibilidade: Sem a modelagem de entrada, a amplitude do ângulo de balanço mostrou uma forte dependência do comprimento do cabo ($L$) em comparação com a massa da carga ($m_l$).
• Melhoria de Desempenho: O modelador baseado em GSA padrão superou significativamente os designs não robusto, robusto e minimax. Ele alcançou uma média ($\mu$) e um desvio padrão ($\sigma$) menores para as amplitudes dos ângulos de balanço. Por exemplo, o desvio padrão para $\alpha$ foi reduzido para $0.8959^\circ$ (comparado a $1.2303^\circ$ para o minimax).
• Eficácia da Restrição de Shapley: A aplicação da restrição do Valor de Shapley ($Sh^R_{\alpha L} \leq 0.85$) conseguiu reduzir com sucesso a sensibilidade da amplitude do ângulo de balanço à incerteza do comprimento do cabo. Embora isso tenha resultado em um leve aumento na média do ângulo de balanço para $\alpha$ e um trade-off no desempenho de $\beta$ (aumento da variância), reduziu significativamente o desvio padrão de $\alpha$ para $0.7807^\circ$.
• Compromissos (Trade-offs): Os resultados destacam um compromisso na otimização multiobjetivo; dessensibilizar o sistema a um parâmetro (comprimento do cabo) para um objetivo ($\alpha$) pode impactar o desempenho de outros objetivos ($\beta$).

Significância e Alegações
Os autores afirmam que o modelador de entrada baseado em GSA proposto oferece uma estrutura promissora para o controle consciente de incertezas no transporte de carga aérea. A principal significância reside na capacidade de dessensibilizar os controladores de movimento UAV-carga às incertezas do sistema sem aumentar o tempo de manobra, fornecendo uma alternativa robusta aos métodos convencionais.

O artigo observa modestamente que, embora a abordagem baseada em Shapley forneça insights críticos para lidar com a variabilidade de parâmetros, a dependência de simulações de Monte Carlo torna o design offline computacionalmente intensivo. Além disso, observaram-se desvios numéricos na soma dos Valores de Shapley (devido à natureza não linear do sistema e tamanhos de amostra finitos). Os autores concluem que trabalhos futuros devem focar na validação experimental usando um drone físico e na exploração de modelos substitutos (surrogate models), como a expansão de polinômio de caos, para reduzir os custos computacionais. O objetivo final é validar essas estratégias para aplicações que exigem entrega de alta precisão, cinematografia estável e levantamento de precisão.