Controle adaptativo paralelo usando redes neurais com identificação explícita da dinâmica não modelada.

• Main Author: Daniel Oliveira Cajueiro
• Other Authors: Elder Moreira Hemerly
• Format: Others
• Language: Portuguese
• Published: Instituto Tecnológico de Aeronáutica 2000
• Subjects: Controle adaptativo; Redes neurais; Filtros de Kalman; Reatores químicos; Convergência (matemática); Funções de Liapunov; Identificação de parâmetros; Inteligência artificial; Controle
• Online Access: http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=2361

Esta tese propõe uma nova estratégia de controle adaptativo paralelo neural em que uma única rede neural é usada para identificar e controlar simultaneamente uma planta. A idéia por trás dessa estratégia de controle adaptativo é compensar a entrada de controle gerada por um controlador retroalimentado convencional. O processo de treinamento da rede neural é realizado através de duas técnicas: backpropagation e filtro de Kalman estendido. Adicionalmente, a convergência do erro de identificação é analisada através do segundo método de Lyapunov. O desempenho da estratégia proposta é avaliado através de simulações com plantas lineares e não-lineares, comparação com outras técnicas de controle adaptativo que usam redes neurais e uma aplicação em tempo real desenvolvida no processo térmico PT-326 disponível no ITA-IEES. É considerado também o problema de se controlar um reator contínuo perfeitamente agitado, que é um sistema padrão tipicamente utilizado para o teste de novas estratégias de controle.