@MASTERSTHESIS{ 2025:1482291311,
 	title = {Modelagem não linear e controlador ator-crítico para manobrabilidade de um USV baseado em DLQT-I e programação dinâmica heurística dependente de ação},
 	year = {2025},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/6091",
 	abstract = "Os derramamentos de derivados de petróleo provocam degradação ambiental, problemas
  socioeconômicos e graves danos à saúde humana. Em decorrência das dificuldades do
  monitoramento dos eventos em grandes áreas, a utilização de veículos aquáticos de superfície
  não tripulados (Unmanned Surface Vehicles- USVs) tornou-se imprescindível para a
  tarefa. A aplicação desses dispositivos demandam a sua instrumentalização com sensores
  para análise da qualidade da água, além de um sistema de orientação, navegação e
  controle (Guidance, Navigation and Control- GNC). Especificamente para viabilizar a
  demanda de manobrabilidade, apresenta-se o desenvolvimento da proposta de um sistema
  de controle online baseado em Programação Dinâmica Adaptativa (PDA) e Aprendizado
  por Reforço (AR). O desenvolvimento de um sistema de controle para manobrabilidade
  de USVs, apresenta empecilhos em sua implementação em decorrência das dificuldades
  da identificação do sistema para a modelagem matemática do processo por se tratar de
  um modelo não linear complexo, acoplado e com incertezas. As perturbações externas
  e possíveis variações paramétricas aumentam os entraves para sua elaboração. Nesse
  contexto, esta dissertação apresenta o projeto de um controlador ótimo adaptativo baseado
  em dados para controle das velocidades de USV completamente atuado, como controle
  de manobrabilidade. A metodologia desenvolvida para o projeto do controlador ótimo
  online agrega PDA e AR na técnica Programação Dinâmica Heurística Dependente de
  Ação (Action Dependent Heuristic Dynamic Programming- ADHDP), visando o cálculo
  da solução online implícita da equação de Hamilton-Jacobi-Bellman (HJB) na forma da
  Equação Algébrica de Riccati Discreta (Discrete Algebric Riccati Equation- DARE). O
  sistema utiliza o Aprendizado por Reforço por meio da estrutura ator-crítico, com uma
  abordagem de controle ótimo para cálculo da lei de controle ótima baseado nos dados
  da ação de controle e estados do processo. O controlador desenvolvido é um Rastreador
  Linear Quadrático Discreto com ação integral (DLQT-I) denominado ADHDP-DLQT-I
  e os seus resultados são avaliados em simulador do modelo não linear, resolvido pelo
  método Runge-Kutta. O desempenho do sistema ADHDP-DLQT-I é comparado com um
  controlador PID adaptativo sintonizado pelo método dos Mínimos Quadrados (Least Mean
  Square- LMS).",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET},
 	note = {DEPARTAMENTO  DE ENGENHARIA DA ELETRICIDADE/CCET}
}