Desenvolvimento de um sensor virtual para a velocidade longitudinal de um veículo

O aumento mundial da circulação de veículos acarretou problemas com tráfego, poluição ambiental e com a segurança, os quais motivaram pesquisas no desenvolvimento de veículos melhores para o seu usuário e para o meio o qual trafega. Uma das formas encontradas para contornar os problemas citados, foi a utilização sistemas de controle eletromecânicos, tais como sistemas avançados de assistência ao condutor (ADAS – do inglês Advanced Driver Assistance Systems) e sistemas de controle ativo de estabilidade (ASC – do inglês Active Stability Control). Esses sistemas auxiliaram o desenvolvimento de veículos inteligentes, pois necessitam ter acesso as grandezas do ambiente e da dinâmica do veículo por meio de sensores confiáveis. Porém, os sensores físicos são suscetíveis a problemas, tais como: erros de medição, disponibilidade, confiabilidade, atrasos de medição e custo elevado. Uma alternativa, sem altos custos econômicos, para contornar esses problemas é o uso de soft sensors ou sensores virtuais. Este trabalho descreve o processo de identificação de um sensor virtual, capaz de estimar a velocidade longitudinal de um veículo inteligente por meio de sensores físicos de baixo custo, como por exemplo, o acelerômetro de um smartphone. Para isso, foi realizada uma coleta de dados referentes ao comportamento dinâmico do veículo, por meio de um dispositivo OBD-II (do inglês On-Board Diagnostic) e um smartphone. Na coleta de dados, a inclinação da via e a massa do veículo foram variadas entre os ensaios, de maneira a obter dados das diversas situações em que um veículo normalmente trafega. A partir dos dados coletados, modelos auto-regressivos não-lineares com entradas exógenas (NARX – do inglês Non-linear AutoRegressive with eXogenous inputs) polinomiais com parâmetros obtidos pelo estimador de mínimos quadrados (LS – do inglês Least Squares) e regressores escolhidos por meio da taxa de redução de erro (ERR – do inglês Erro Reduction Ratio) foram identificados. Por fim, a obtenção de modelos robustos às variações de inclinação da via e massa do veículo foram implementados e analisados. Esses modelos são ditos robustos por descreverem a velocidade longitudinal do veículo durante os intervalos dessas variações. Avalia-se que os resultados obtidos foram satisfatórios quanto a robustez às variações de massa do veículo, mas ainda precisam ser melhor identificados para obtenção de robustez em relação à inclinação da via. Este problema pode ser contornado a partir de uma proposta apresentada que emprega uma combinação de modelos a ser desenvolvida em trabalhos futuros.