Implementação de um controlador preditivo baseado em um modelo neural associado a um sistema especialista

• Main Author: Mazzucco, Marcos Marcelino
• Other Authors: Universidade Federal de Santa Catarina
• Format: Others
• Language: Portuguese
• Published: 2016
• Subjects: Sistemas de comando e controle; Computadores neurais; Teses; Controladores programáveis; Inteligência artificial
• Online Access: https://repositorio.ufsc.br/xmlui/handle/123456789/158175

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnologico === Made available in DSpace on 2016-01-08T22:24:27Z (GMT). No. of bitstreams: 1 107983.pdf: 22604629 bytes, checksum: 054812a73d5725c2de040bcc2b66fefe (MD5) Previous issue date: 1997 === A evolução dos equipamentos das indústrias químicas e as restrições impostas pelos órgãos ambientais têm produzido processos industriais altamente complexos. A modelagem matemática de tais processos, baseada nos princípios de conservação, tem se tornado bastante complicada, obtendo-se, na maioria das vezes, um sistema de equações diferenciais parciais não lineares. Recentemente, técnicas de modelagem matemática não fenomenológicas, como redes neurais artificiais, tem sido adotadas. Neste trabalho, foi implementado um controlador preditivo, cuja ação é calculada através da minimização de um critério de desempenho quadrático e o modelo interno de predição é representado por uma rede neural. A utilização de um sistema especialista, onde dois conjuntos de pesos determinam etapas do processo permite acompanhar as principais alterações dinâmicas do sistema. Para testar experimentalmente o controlador proposto, duas operações bastante comuns na engenharia química foram utilizadas, os controles de nível de um tanque e de temperatura de um trocador de calor. No controle de nível foi utilizado um tanque cônico em que há uma grande variação da constante de tempo do sistema em função do nível no interior do tanque. No caso do trocador de calor, em função do sistema de aquecimento disponível, tem-se dinâmicas bastante diferentes nas etapas de aquecimento e resfriamento. Os resultados obtidos mostraram que o desempenho do controlador com sistema especialista foi superior ao mesmo controlador sem sistema especialista e bem melhor que o controlador clássico PI, tanto para mudanças no set point como para perturbações carga.