Código MAVSDK-python para implementar identificação de sistemas em SITL (software in the Loop). O workflow é o seguinte:

1. PX4 rodando em SITL make px4_sitl gazebo-classic, testado em:
   • WSL2 em Windows 11,
   • Debian 12 using px4io/px4-dev-ros-noetic:latest docker image. Run the PX4-docker.sh script,
2. O codigo MAVSDK-Python deste repositório roda em Python venv:
   • python3 -m venv venv, a primeira vez,
   • source venv/bin/activate, para ativar o virtual environment,
   • pip install -r requirements.txt, a primeira vez.
   • deactivate para encerrar o venv.
3. São enviados comandos de atitude utilizando o modo offboard, para analizar as dinâmicas das velocidades angulares $p(t)$, $q(t)$ e $r(t)$.

O que tem sido feito até o momento:

1. O script offboard_attitude.py produz vários sinais de de teste:

   • Sinal dente-de-serra,
   • Sinal quadrado (rico em harmônicos),
   • Sinal triangular,
   • Sinal de varredura de frequência (frequency sweep).
   • Sinal senoidal puro para baixas frequências

2. O sinal é enviado via MAVlink, para o PX4 em SITL.

3. Utilizando QGroundControl são obtidos os arquivos de dados ulg.

4. No Python notebook XXX_XXX_analise_resposta_em_freq.ipynb é obtida a resposta em frequência.

5. Os dados gerados de resposta em frequência, assim como os dados temporais, são guardados em arquivos de texto (txt).

6. No script XXX_XXX_analise_resposta_em_freq.ipynb é obtinda a resposta em frequência a partir dos dados anteriores.

7. É proposto um modelo linear de primeira ordem com atraso

$$\dfrac{P(s)}{U(s)}=ke^{-\tau s}\left(\dfrac{Ts+1}{aTs+1}\right)\left(\frac{1}{I_{xx}s}\right),$$

para a dinâmica da velocidade angular $p(t)$.

9. O modelo estimado utilizando Mínimos Quadrados é

$$\dfrac{P(s)}{U(s)}=Ke^{-\tau s}\left(\dfrac{s+a}{s+b}\right)\left(\frac{1}{s}\right),$$

11. O modelo foi validado com sucesso.