https://repositorio.ufsc.br/handle/123456789/274868 2026-10-17T22:30:33Z https://repositorio.ufsc.br/handle/123456789/276761 Implementação e Teste de Metodologias para Treinamento de Controladores Neurais ReLU Aplicados ao Seguimento de Trajetórias em Ambientes com Obstáculos Raposo, Victor Nishida Algumas classes de problemas de controle de sistemas dinâmicos complexos exigem algoritmos robustos capazes de lidar com dinâmicas rápidas e desvio de obstáculos em espaços de busca não-convexos. Embora o Controle Preditivo Baseado em Modelo (MPC) se mostre capaz de resolver essa tarefa, seu elevado custo computacional limita sua aplicação prática em sistemas embarcados que demandam decisões rápidas, seguras e precisas. Este trabalho apresenta a implementação e análise de um controlador neural baseado em uma rede com funções de ativação ReLU, treinado via aprendizagem por imitação para aproximar o comportamento de um controlador MPC aplicado ao seguimento de trajetórias em ambientes com restrições não-convexas. Adicionalmente, essa abordagem possibilita posterior estudo de regiões do espaço de estados propensas a falhas ou colisões ou, alternativamente, provar matematicamente a corretude e a segurança do controlador neural antes de sua execução por meio de algoritmos MILP(Mixed-Integer Linear Programming). Os resultados demonstraram o potencial das redes ReLU em mapear com precisão leis de controle complexas, reduzindo drasticamente o tempo de processamento e mantendo resultados iguais ou semelhantes aos do MPC. Tecnologia e inovação 2026-09-01T00:00:00Z https://repositorio.ufsc.br/handle/123456789/276567 Aprendizado por Imitação Implı́cito para Navegação de Veı́culos Autônomos Silva, Miguel Castilho Veículos autônomos precisam tomar decisões em situações nas quais mais de uma ação pode ser válida. Em uma interseção, por exemplo, o veículo pode seguir em frente, virar à esquerda ou à direita, dependendo do contexto. A clonagem comportamental (Behavior Cloning, BC) é uma abordagem de aprendizado por imitação em que uma rede neural aprende a reproduzir as ações de um motorista especialista a partir de exemplos. Entretanto, quando diferentes ações corretas aparecem para situações semelhantes, a BC pode produzir uma ação intermediária inadequada. Este trabalho investiga a Clonagem Comportamental Implícita (Implicit Behavior Cloning, IBC), baseada em modelos de energia, como alternativa para representar múltiplas ações plausíveis. Os experimentos foram realizados no simulador CARLA, utilizado para treinamento e avaliação de sistemas de condução autônoma em ambientes urbanos. Foi empregada a cidade Town03, na qual foram analisadas rotas de navegação, realizada a coleta de dados e treinados agentes de BC e IBC. As observações do ambiente foram representadas por imagens em visão superior (Bird’s-Eye View, BEV), utilizadas como entrada dos modelos. Para a avaliação, foram utilizadas rotas da mesma cidade não empregadas no treinamento, permitindo analisar o comportamento dos agentes em diferentes trechos do ambiente urbano. Os resultados mostram que os agentes treinados são capazes de conduzir o veículo em diferentes rotas da Town03. Os experimentos com BC também evidenciaram situações em que o modelo pode produzir uma ação intermediária entre alternativas possíveis, levando o veículo a sair da área trafegável. A abordagem IBC foi treinada e avaliada no mesmo ambiente, permitindo estudar seu comportamento em cenários urbanos com diferentes possibilidades de ação. O trabalho reforça o potencial de métodos de aprendizado por imitação baseados em modelos de energia para aplicações em condução autônoma e contribui para o desenvolvimento de soluções de inteligência artificial voltadas à navegação de veículos em ambientes urbanos simulados. Promoção da igualdade, fortalecimento da democracia e governança 2026-09-10T00:00:00Z https://repositorio.ufsc.br/handle/123456789/276498 Modelagem dinâmica de baterias em microrrede fotovoltaica real: adaptação do modelo de Martinez et al. a dados operacionais Laguna, Alex Lucero Fernandez Este trabalho analisa a aplicação do modelo dinâmico de baterias de íons de lítio proposto por Martinez et al. (2024) ao contexto de uma microrrede fotovoltaica real. A pesquisa parte da comparação entre um modelo originalmente formulado para representar o comportamento elétrico, térmico e de degradação de células de bateria e os desafios encontrados em dados operacionais de campo. A partir das medições disponíveis, foram avaliadas a qualidade dos sinais, a coerência física das grandezas elétricas e as limitações do estado de carga reportado pelo sistema de monitoramento. Os resultados indicaram que, embora corrente e tensão apresentassem consistência para fins de modelagem, o SOC informado pelo BMS não possuía confiabilidade suficiente para ser adotado como referência direta. Diante disso, o estudo propôs uma adaptação metodológica baseada em âncoras físicas de tensão e na reconstrução de um SOC operacional. Com essa abordagem, foram identificados parâmetros elétricos e térmicos compatíveis com a faixa real de operação da microrrede. Conclui-se que o modelo de Martinez et al. constitui uma estrutura útil para análise e simulação de baterias, mas sua aplicação em sistemas reais exige validação prévia dos dados, adequação das hipóteses do modelo e interpretação crítica dos parâmetros estimados. Tecnologia e inovação 2026-09-09T00:00:00Z https://repositorio.ufsc.br/handle/123456789/276361 Controle Preditivo LPV Parametrizado: Aplicação para Microrrede Renovável em Escala Cunha, Cecilia Gonçalves Este relatório apresenta o desenvolvimento e a validação de um algoritmo de Controle Preditivo Baseado em Modelo (MPC) com representação Linear a Parâmetros Variantes (LPV) Parametrizado, focado na aplicação em uma microrrede renovável em escala reduzida sujeita a falhas nos atuadores. O projeto teve como objetivo principal contornar o custo computacional elevado do MPC tradicional, transformando o problema de controle original através de uma parametrização afim e estratégias de busca em árvore com warm-start. O método foi validado em um modelo que integra geração eólica, solar, bateria emulada e sistema de hidrogênio verde. Os resultados obtidos demonstraram que o algoritmo é uma boa alternativa frente aos solvers tradicionais, sendo capaz de rastrear a demanda de energia tanto em cenários nominais quanto na presença de falhas, mantendo o tempo de cômputo médio sempre abaixo do período de amostragem. Tecnologia e inovação 2026-07-10T00:00:00Z