Cabeça de série do sistema robotizado para inspeção de linhas de distribuição de energia elétrica

Abstract

Desenvolvido no Laboratório de Robótica Aplicada Raul Guenther (LAR/UFSC), este projeto de iniciação científica busca otimizar o avanço tecnológico da inspeção robotizada de redes elétricas. Por meio de estudos teóricos e da implementação de soluções baseadas em álgebra linear, teoria de grafos e matroides, o trabalho se concentrou na melhoria do planejamento de trajetórias e do dimensionamento do robô inspetor. O objetivo central do projeto foi aplicar conhecimentos teóricos para desenvolver algoritmos que resolvessem de forma otimizada os sistemas de equações lineares gerados pela trajetória do robô. A necessidade dessa otimização reside no fato de que a movimentação do robô gera sistemas lineares caracterizados como grandes e esparsos, especialmente em matrizes jacobianas. A resolução eficiente desses sistemas é crucial para garantir a velocidade, o baixo consumo de recursos computacionais e a confiabilidade dos resultados do robô. Para isso, o projeto se propôs a comparar diferentes métodos de resolução, utilizando como critérios de análise o tempo de execução, o consumo de armazenamento de memória e a propagação de erro numérico. Foram implementados e comparados três métodos principais: Forma Canônica Combinatória (CCF), implementada em MATLAB, Método de Dulmage-Mendelsohn (DM), implementado em Octave e Resolução por Gauss-Jordan, utilizada como método base para comparação, também implementada em Octave. Adicionalmente, um código para "layered mixed matrix" foi desenvolvido em SageMath. As atividades resultaram no desenvolvimento de algoritmos otimizados, baseados em conceitos matemáticos, e em estudos comparativos sobre as metodologias de projeto, possibilitando a aplicação das ferramentas e algorítmos no desenvolvimento da trajetória do robô inspetor. Dessa forma, a análise dos resultados mostrou que os métodos de pré-ordenação estrutural, Dulmage-Mendelsohn e a Forma Canônica Combinatória apresentaram resultados "notavelmente semelhantes".