Estimação de parâmetros e controle para posicionamento e redução de oscilação da carga em guindastes do tipo ponte

Abstract

Guindastes do tipo pórtico e ponte rolante são sistemas mecânicos subatuados com dinâmica não linear, amplamente utilizados em ambientes industriais para movimentação de cargas pesadas. O principal objetivo de controle é posicionar a carga com precisão e mínima oscilação. Este trabalho aborda o controle de guindastes tridimensionais com movimentação simultânea nos três eixos, apresentando contribuições em modelagem, identificação de sistemas e projeto de controladores baseados na formulação LPV (Linear Parameter-Varying). O modelo dinâmico incorpora a dinâmica de motores de corrente contínua com ímãs permanentes, tendo como entradas as tensões de armadura dos atuadores. A parametriza- ção quasi-LPV em função do comprimento do cabo permite a representação do comportamento variante no tempo, possibilitando a aplicação de métodos de controle linear ao sistema. Os parâmetros do modelo foram obtidos por meio de uma metodologia de identifica- ção caixa-cinza em duas fases, que explora o desacoplamento do eixo de içamento para separar a estimação em etapas independentes, combinada com simulação segmentada e reinicialização periódica do estado simulado. Três controladores foram desenvolvidos: o LQR-LPV, com escalonamento de ganhos por interpolação de matrizes pré-calculadas; o LQG-LPV, que reaproveita os ganhos do LQR-LPV e incorpora um filtro de Kalman para estimação do vetor de estado a partir das medições disponíveis; e o MPC-LPV, com atualização online do modelo de predição e tratamento explícito de restrições. Embora estas formulações sejam estabelecidas na literatura, sua aplicação a guindastes tridimensionais com movimentação simultânea nos três eixos não foi identificada em trabalhos anteriores. A validação experimental foi realizada em plataforma de escala laboratorial, desenvolvida no âmbito deste trabalho, com arquitetura de controle baseada em ROS 2 e projetos disponíveis publicamente. Os resultados demonstraram que os três controladores atendem aos requisitos de posicionamento e supressão de oscilações, sendo o LQR-LPV computacionalmente eficiente, o LQG-LPV capaz de suavizar o sinal de controle por meio da estimação de estados pelo filtro de Kalman, e o MPC-LPV capaz de produzir sinais de controle menos agressivos. Por fim, a formulação LPV demonstrou ser uma abordagemeficaz, com menor custo computacional quando comparada a técnicas mais complexas.

Gantry and overhead cranes are underactuated mechanical systems with nonlinear dynamics, widely used in industrial environments for handling heavy loads. The main control objective is to position the payload with precision and minimal oscillation. This work addresses the control of three-dimensional cranes with simultaneous movement along three axes, presenting contributions in modeling, system identification, and controller design based on the LPV (Linear Parameter-Varying) formulation. The dynamic model incorporates the dynamics of permanent magnet DC motors, with armature voltages as system inputs. The quasi-LPV parameterization as a function of cable length enables the representation of time-varying behavior, allowing the application of linear control methods to the system. Model parameters were obtained through a two-phase grey-box identification methodology that exploits the decoupling of the hoisting axis to separate the estimation into independent stages, combined with segmented simulation and periodic reinitialization of the simulated state. Three controllers were developed: the LQR-LPV, with gain scheduling through interpolation of pre-computed matrices; the LQG-LPV, which reuses the LQR-LPV gains and incorporates a Kalman filter to estimate the state vector from the available measurements; and the MPC-LPV, with online prediction model update and explicit constraint handling. Although these formulations are established in the literature, their application to threedimensional cranes with simultaneous movement along three axes was not identified in previous works. Experimental validation was performed on a laboratory-scale platform, developed within the scope of this work, with a control architecture based on ROS 2 and publicly available designs. Results demonstrated that the three controllers meet the positioning and oscillation suppression requirements, with the LQR-LPV being computationally efficient, the LQG-LPV producing smoother control signals through Kalman-filter state estimation, and the MPC-LPV capable of producing less aggressive control signals. Finally, the LPV formulation proved to be an effective approach, with lower computational cost when compared to more complex techniques.