Caraca, foi a aula mais sensacional que já assisti em todos os tempos. Quem tem o dom passar o que sabe faz dessa maneira. Você não deu aula, e sim um show. Muito obrigado pela aula maravilhosa.
Otimo video. Seria bacana um vídeo implementando realimentação por estados de espaços no Arduino ou ate mesmo LQR. Esse conteúdo de controle por estado de espaço no Arduino esta em falta na internet
Que bom que gostou do vídeo. Eu lembro que tem um vídeo no canal que se chama "Filtro de Kalman: Deduzindo o Ganho Ótimo". Nesse vídeo eu mostro a dedução do ganho e coloco na descrição links para a bibliografia. Além disso, o próximo vídeo do canal será uma implementação prática de um observador de estados. Caso tenha interesse, se inscreva no canal para não perder!
Mais um inscrito! Seria excelente se houvesse no arduino um tutorial de como implementar um controlador por estado de espaço com uma planta identificada de um sistema. Implementar um alocamento de polos ou LQR, isso está em falta na internet!
Olá. Que legal que gosta da área. Depois dessa série de vídeos de TCC eu vou voltar ao conteúdo mais técnico. E boa sorte com seu TCC. Espero que os vídeos te ajudem! Qualquer dúvida manda uma mensagem por aqui.
Parabéns pelo vídeo colega, comecei à utilizar o kicad recentemente e ninguém até então informando sobre o power flag. Eu só queria fazer uma pergunta… Existe possibilidade de zerar o grid em qualquer lugar da pagina na folha da PCI ? Pois para posicionar um componente precisamente estou com muita dificuldade, referenciando somente pelo ponto zero da pagina. Muito obrigado.
Obrigado pelo comentário. Eu não sei se é possível mudar o zero do grid do KiCad. O que é possível fazer é usar a tecla 'espaço' para definir a referência (ou seja, o zero) do usuário. Ao apertar espaço as distâncias dx e dy são zeradas no ponto em que o cursor estiver no momento, e você pode consultar esses valores de dx e dy no canto inferior da tela. Eles podem te ajudar com o posicionamento dos componentes. Um abraço.
Olá Professor, boa tarde...me chamo Alex e primeiramente gostaria de dar os parabéns pelas aulas brilhantes que tenho visto no canal. Estou desenvolvendo aqui na FATEC JAHU um sistema de medição das variáveis dinâmicas de embarcações e até o momento o uso do filtro complementar esta sendo suficiente para garantir a qualidade dos dados que preciso, porém, depois de assistir esse vídeo do uso do Filtro de Kalman para melhorar os dados resolvi alterar a função de fusão dos acelerômetros e giroscópios e a priori não senti muita diferença comparado ao uso do filtro complementar (Já testei aqui valores de 0,93 a 0,9996 que foram valores encontradas para drones e afins. Melhor no meu caso 0.95). Estou com dúvidas quanto ao valor 10 utilizado no Rmeasure e no QBias de 0.03, somente devido ao fato de na própria biblioteca serem sugeridos valores de Rmeasure de 0.03 e QBias de 0.003 para a maioria das IMU's do mercado. Assisti seu outro vídeo com o experimento para encontrar o valor de 0.0466 e gostaria de saber se por eu estar utilizando o MPU9250 seria interessante fazer algum experimento para calcular tais variáveis e se o senhor acha que pode mudar muito esse valores caso troque por exemplo o fabricante dos componentes ou algo assim. Desde já agradeço a atenção e abraços.
Obrigado pelo comentário. Respondendo de memória, os valores do Filtro de Kalman estão relacionados com a covariância esperada dos sinais de perturbação (basicamente, o ruído). Então você poderia fazer um experimento para obter esses valores. Eu não esperaria grande alteração dessas covariâncias ao trocar de componente (por outro de similar especificações). Mesmo se a precisão/ruído mudar, o filtro de Kalman tende a funcionar de forma satisfatória se tudo for ruído gaussiano (claro, isso depende do que você considera satisfatório na sua aplicação). Se você tiver mais dúvidas, não hesite em perguntar.
Brother coloca mais um pouco de emocao na tua apresentacao se nao agente dorme😂😂😂 Olha esse exemplo de video sobre o mesmo asunto ru-vid.com/video/%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE-6qV3YjFppuc.htmlsi=ap9wfjl2EaFhNCG1
Serviria sim. Como filtro passa-baixas, ele atenua essas variações de alta frequência associadas ao ruído. Entretanto, é sempre importante cuidar na frequência de corte para não suprimir frequências importantes para a sua aplicação.
Oi. O PID obviamente é o que tem mais material. Função de transferência e realimentação de estados genéricas você encontra em qualquer livro de controle. Já as outras técnicas, como LQR, MPC e NMPC são mais avançadas. Eu acho que o lugar mais confiável de encontrá-las são em livros de controle ótimo, que eu não sei se foram traduzidos para o português. A SBA (Sociedade Brasileira de Automática) lançou uma editora e está colocando os primeiros livros no mercado. Os que eu conheço deles são bons. Vale a pena dar uma olhada.
E aí irmao, é verdade que o controlAfor PID classico e ineficiente em relacao ao algoritmo evolutivo? Ouvi um pesquisador afirmar que so na conversao AD para 4 a 20mA por exemplo, ja se perde 20% de eficiencia?
Olá. Primeiro, seria necessário definir de que tipo de eficiência estamos falando. Mas, de qualquer forma, em geral é possível superar o controle PID com outros métodos, dentre eles algoritmos evolutivos. O uso de inteligência artificial (redes neurais, algoritmos evolutivos, etc.) em tarefas de controle tem ganhado popularidade na última década. Entretanto, é preciso manter em mente que essas abordagens apresentam desvantagens, como necessidade de alto volume de dados e dificuldades em garantir critérios de desempenho. Por fim, a aplicação citada (conversão AD) não é uma tarefa de controle e eu desconheço o uso de controladored PID nela.
Bom dia! Estou realizando uma pesquisa de vibrações com o MPU 6050. Preciso inverter o procedimento do vídeo, pois desejo utilizar o grau como referência para a aceleração. Poderia me auxiliar fornecendo dicas sobre como devo realizar o cálculo?
Olá. Eu tenho um vídeo chamado "Fusão de Sensores com o Filtro de Kalman". Dê uma olhada pois, no seu caso, acho que você vai ter que adotar um procedimento similar ao daquele vídeo, que consiste em escrever um sistema dinâmico em que os estados são o que você quer observar (aceleração). Mas uma pergunta: se você tem o acelerômetro e quer medir vibração, por que não usar só o acelerômetro?
@@SobControleEngenharia O MPU6050, para captar vibrações, está apresentando muito ruído. Por esse motivo, pretendo usar o filtro de Kalman para suavizá-lo. No entanto, caso exista um método mais eficaz que o filtro de Kalman, você poderia me informar? Agradeço.
Eu acho que o filtro de Kalman pode ser uma boa solução. Como alternativa, você também pode dar uma olhada em filtro complementar (também tem vídeo no canal sobre isso). Entretanto, como sua aplicação não é a mais comum, pode ser um pouco mais difícil encontrar algo pronto que funcione para você. Mas como você sabe que as medições são ruídos, e não dados da vibração em si? Afinal, a aceleração de uma vibração pode se parecer com ruído.
@@SobControleEngenharia Acredito que o MPU 6050 possa ter ruídos, pois, ao permanecer parado sem nenhuma movimentação, pequenas variações são apresentadas no plot serial. Segui seu vídeo sobre o filtro passa-baixo e isso estabilizou essa medida estática.
Todo sensor vai apresentar algum ruído, isso é normal. Mas, em geral, esse ruído deve ser pequeno (em amplitude e energia) quando comparado com uma medição. Uma boa prática, como você mesmo mencionou, é usar um filtro passa-baixas. Mas cuidado! Para isso, você deve saber quais frequências de vibração mecânica você espera não ter na sua aplicação. Caso contrário você corre o risco de filtrar sinais de medições válidas. No seu caso, eu esperaria que esse ruído do sensor fosse naturalmente pequeno quando comparado com uma medição de vibração, pois vibrações em geral tem aceleração elevada. Agora, sem saber especificamente a aplicação, é difícil traçar conclusões mais precisas.
Olá, agora parei pra ver o vídeo. Qual a necessidade de adicionar aleatoriedade as diferentes amplitudes de componente de frequência sendo que no final as que possuem amplitude baixa serão filtradas?
Olá. Essa estratégia de gerar o sinal aleatoriamente no tempo tem por objetivo aumentar a riqueza do espectro (ou seja, adicionar energia em outras frequências mais elevadas). Entretanto, pela característica aleatória, não temos controle preciso sobre quais frequências estamos atuando e nem quanta energia/amplitude cada frequência terá no final. Por isso é uma boa ideia remover da análise frequências "muito fracas". Ora, mas por que não construímos um sinal com todas as frequências "fortes" (ou seja, de significativa amplitude)? Pois isso implicaria em um sinal no tempo de energia elevada que não seria possível de implementar devido à saturação do atuador. Ou seja, a limitação da energia do sinal no tempo implica em uma limitação da energia do espectro (basicamente, o Teorema de Parseval). Por fim, é bem provável que dê para projetar um sinal de entrada melhor para medir a resposta em frequência desse sistema em específico. Mas eu também optei pelo sinal aleatório pela simplicidade.
Não sei se estou errado, porém comparando os livros em idioma inglês com os da edição em português, percebe se que algumas coisas da edição inglês são faltantes com respeito a edição em português. Isso porque baixei os livros em inglês da internet?
excelente, também concordo com a comparação...Tenho o Dorf também, porém acho um livro muito mais complicado e até confuso. O Ogata é clássico. O Nise tem uma linguagem mais focada, porém não tem profundidade.
Ola amigo, otima aula me ajudou muito. muito obrigado. Mas uma duvida. Sensores digitais como um sensor de vazão que entrega uma onda quadrada podem tambem gerar este problema?
Olá. De forma resumida, dificilmente sensores digitais apresentam problemas com aliasing. A resposta completa está abaixo. Sensores digitais fazem a medição da grandeza física (no seu caso, vazão), fazem a conversão A/D internamente e fornecem o dado via um pino digital (em geral, utilizando algum protocolo de comunicação). Como para evitar aliasing deve-se fazer uma filtragem antes da conversão A/D, normalmente esses sensores possuem filtros internos ou a própria resposta em frequência do sensor é limitada, o que evita o problema de aliasing. Mas, caso seu sensor não possua filtro interno, não há como garantir que o aliasing não esteja ocorrendo. Consulte a folha de dados do seu sensor específico para mais detalhes.