Identificação de sistemas para o estudo de controle motor.

Qualquer tarefa motora ativa se dá pela ativação de uma população de unidades motoras. Porém, devido a diversas dificuldades, tanto técnicas quanto éticas, não é possível medir a entrada sináptica dos motoneurônios em humanos. Por essas razões, o uso de modelos computacionais realistas de um núcleo de motoneurônios e as suas respectivas fibras musculares tem um importante papel no estudo do controle humano dos músculos. Entretanto, tais modelos são complexos e uma análise matemática é difícil. Neste texto é apresentada uma abordagem baseada em identificação de sistemas de um modelo realista de um núcleo de unidades motoras, com o objetivo de obter um modelo mais simples capaz de representar a transdução das entradas do núcleo de unidades motoras na força do músculo associado ao núcleo. A identificação de sistemas foi baseada em um algoritmo de mínimos quadrados ortogonal para achar um modelo NARMAX, sendo que a entrada considerada foi a condutância sináptica excitatória dendrítica total dos motoneurônios e a saída foi a força dos músculos produzida pelo núcleo de unidades motoras. O modelo identificado reproduziu o comportamento médio da saída do modelo computacional realista, mesmo para pares de sinal de entrada-saída não usados durante o processo de identificação do modelo, como sinais de força muscular modulados senoidalmente. Funções de resposta em frequência generalizada do núcleo de motoneurônios foram obtidas do modelo NARMAX, e levaram a que se inferisse que oscilações corticais na banda-beta (20 Hz) podem influenciar no controle da geração de força pela medula espinhal, comportamento do núcleo de motoneurônios até então desconhecido.

Controle cooperativo aplicado a sistemas de posicionamento dinâmico.

Hoje em dia com o crescente aumento da exploração de petróleo e gás em águas profundas, há um aumento na demanda por operações offshore envolvendo a cooperação entre unidades flutuantes. Tais operações requerem um alto nível de planejamento e coordenação, o que na maioria dos casos é feito com a troca de informação no nível de operação, com cada unidade flutuante comandada independentemente. Exemplos de operações deste tipo vão desde operações de alívio passando por operações de instalação de equipamento submarino, até operações de pesquisa envolvendo múltiplas unidades flutuantes dotadas de sistema de posicionamento dinâmico (DP). As vantagens do controle cooperativo surgem com a redução do erro da distância relativa durante a manutenção do posicionamento ou durante a execução de manobras de posicionamento conjuntas. No presente trabalho, os conceitos de controle de consenso são aplicados de forma combinada com o sistema DP de cada navio. A influência dos ganhos do controlador cooperativo no sistema como um todo será discutida, utilizando-se técnicas de análise da resposta em frequência. Simulações completas no domínio do tempo e experimentos usando modelos em escala serão utilizados para se demonstrar o funcionamento do controle cooperativo. Todas as simulações serão conduzidas no simulador Dynasim e os ensaios experimentais no tanque de provas da Engenharia Naval da Escola Politécnica da Universidade de São Paulo. Além disso, serão feitas comparações entre os experimentos em tanque de provas e simulações numéricas equivalentes, demonstrando-se a validade dos ensaios numéricos. Será também demonstrado que os requisitos de projetos adotados são atendidos pelos ensaios em tanque de provas. .

Modelos não lineares resultantes da soma de regressões lineares ponderadas por funções distribuição acumulada

Os controladores eletrônicos de pulverização visam minimizar a variação das taxas de insumos aplicadas no campo. Eles fazem parte de um sistema de controle, e permitem a compensação da variação de velocidade de deslocamento do pulverizador durante a operação. Há vários tipos de controladores eletrônicos de pulverização disponíveis no mercado e uma das formas de selecionar qual o mais eficiente nas mesmas condições, ou seja, em um mesmo sistema de controle, é quantificar o tempo de resposta do sistema para cada controlador específico. O objetivo desse trabalho foi estimar os tempos de resposta para mudanças de velocidade de um sistema eletrônico de pulverização via modelos de regressão não lineares, estes, resultantes da soma de regressões lineares ponderadas por funções distribuição acumulada. Os dados foram obtidos no Laboratório de Tecnologia de Aplicação, localizado no Departamento de Engenharia de Biossistemas da Escola Superior de Agricultura \"Luiz de Queiroz\", Universidade de São Paulo, no município de Piracicaba, São Paulo, Brasil. Os modelos utilizados foram o logístico e de Gompertz, que resultam de uma soma ponderada de duas regressões lineares constantes com peso dado pela função distribuição acumulada logística e Gumbell, respectivamente. Reparametrizações foram propostas para inclusão do tempo de resposta do sistema de controle nos modelos, com o objetivo de melhorar a interpretação e inferência estatística dos mesmos. Foi proposto também um modelo de regressão não linear difásico que resulta da soma ponderada de regressões lineares constantes com peso dado pela função distribuição acumulada Cauchy seno hiperbólico exponencial. Um estudo de simulação foi feito, utilizando a metodologia de Monte Carlo, para avaliar as estimativas de máxima verossimilhança dos parâmetros do modelo.