| Summary: | Dissertação (mestrado)-Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2010. === Submitted by Fernanda Weschenfelder (nandaweschenfelder@gmail.com) on 2010-11-08T19:10:16Z
No. of bitstreams: 1
2010_FlavioAugustoOliveira.pdf: 3565800 bytes, checksum: a5ffd6b95e35dd707d06e745f84b96ef (MD5) === Approved for entry into archive by Daniel Ribeiro(daniel@bce.unb.br) on 2010-11-30T01:36:14Z (GMT) No. of bitstreams: 1
2010_FlavioAugustoOliveira.pdf: 3565800 bytes, checksum: a5ffd6b95e35dd707d06e745f84b96ef (MD5) === Made available in DSpace on 2010-11-30T01:36:15Z (GMT). No. of bitstreams: 1
2010_FlavioAugustoOliveira.pdf: 3565800 bytes, checksum: a5ffd6b95e35dd707d06e745f84b96ef (MD5) === A base tecnológica do paradigma Ambient Intelligence é de uma rede de nós de processamento que coleta informações do ambiente, as processa e age sobre ele por meio de atuadores, provendo uma diversidade de serviços aos seus ocupantes. Inserido neste cenário, o presente trabalho apresenta uma abordagem de identificação estruturada baseada em princípios fundamentais (first-principles) para um ambiente predial composto por uma sala de reunião no Laboratório de Automação e Robótica (LARA) da Universidade de Brasília (prédio SG11), objetivando oferecer condições que permitam a obtenção de um modelo matemático que represente seu comportamento térmico, de modo que as informações resultantes possam ser usadas no projeto de controladores adequados para estratégias de controle do conforto térmico (norma ISO7730) com economia de energia, tais como os controladores preditivos HVAC (Heating, Ventilating and Air-conditioning). Para tal, os dados são obtidos em uma rede de sensores sem fio utilizando o protocolo de comunicação ZigBee/IEEE 802.15.4. O modelo estruturado fornece significado físico aos estados do modelo e facilita o ajuste de parâmetros no caso de mudanças no ambiente sem a necessidade de proceder novamente todo o processo de identificação, como no método de identificação caixa preta. Visto que a aquisição dos parâmetros do modelo estruturado first-principles não é trivial, avaliam-se alguns procedimentos de obtenção dos parâmetros deste modelo. Em particular, obtiveram-se bons resultados com o uso de métodos de filtragem estocástica, tal como o filtro de Kalman estendido. _________________________________________________________________________________ ABSTRACT === The technological basis of Ambient Intelligence is a network of processing units that collect sensor information, process them and act on the environment through actuators, providing the occupants a diversity of services. In this scenario, this manuscript presents a first-principles structured identification approach for a thermal environment consisting of a conference room of the Automation and Robotics Laboratory (LARA) located at the University of Brasília (building SG11), aiming an efficient model that can lead to successful controller designs suitable for energy-saving and comfort control strategies (ISO7730), such as predictive HVAC control. The data is obtained in a wireless sensor network using the ZigBee/IEEE 802.15.4 protocol. The obtained first-principles model simplifies the parameters identification, associating physical meaning to the internal model states and allowing easier parameters adjusts in case of environment changes, with no need to proceed the entire identification process, as in the black box method. Since the parameters acquisition from first-principles structured model is not trivial, some procedures for obtaining them were evaluated. In particular, good results were achieved using stochastic filtering methods, such as the extended Kalman filter.
|
|---|
