Modelagem e controle preditivo utilizando multimodelos / Modeling and predictive control using multi-models

AUTOR(ES)

Jeremias Barbosa Machado

DATA DE PUBLICAÇÃO

2007

RESUMO

o interesse na utilização de algoritmos de controle sofisticados cresce no meio industrial devido à necessidade de melhor qualidade dos produtos produzidos. Uma abordagem que vem ganhando destaque é a utilização de sistemas de controle não-linear que modelam os sistemas por meio de multimodelos lineares. Neste contexto, este trabalho apresenta a modelagem e controle de sistemas não-lineares através de controladores preditivos não-lineares que utilizam multimodelos lineares. Os controladores preditivos baseados em modelos (MBPC - Model Based Predictive Controllers) são controladores cuja principal característica é a utilização de um modelo na determinação de um conjunto de previsões de saída, e a lei de controle é calculada em função destas previsões minimizando-se uma função de custo. O desempenho deste controlador depende da qualidade do modelo utilizado para predição dos sinais de saída. A proposta do trabalho é modelar as não-linearidades do processo sob controle através de modelos fuzzy Takagi-Sugeno - TS com funções de base ortonormal - FBO nos conseqüentes das regras. As FBO s apresentam diversas características conceituais e estruturais de interesse na elaboração dos modelos utilizados nos controladores preditivos, como a ausência de realimentação de saída, o que evita a propagação de erro, além de outras que serão discutidas ao longo deste trabalho. Os parâmetros de um modelo fuzzy TS a serem determinados são os antecedentes das regras, com suas funções de pertinência, e as funções nos conseqüentes das regras, que neste trabalho dar-se-ão de forma automática, sendo os antecedentes das regras obtidos através de agrupamento fuzzy (fuzzy clustering) das amostras de entrada e saída. Para esta tarefa será utilizado o algoritmo de GustafsonKessel. A fim de determinar o número de grupos que irão compor o modelo e, por conseqüência, defil)ir o número de regras e modelos locais, utilizar-se-ão critérios que avaliam a qualidade dos agrupamentos juzzy, como Fuzzy Silhouette, Fuzzy Hipervolume, Average Partition Density e Average Within-Cluster Distance, sendo proposta a combinação dos resultados obtidos em cada um dos critérios. O controle é feito de forma que, para cada modelo local, presente no modelo fuzzy TS-FBO, tem-se um controlador atuando sobre este. As ações de controle locais são combinadas conforme a ativação de cada regra do respectivo modelo local, e a ação de controle global resultante dessa combinação é aplicada ao processo a ser controlado. A abordagem proposta apresenta vantagens estruturais na modelagem e controle de processos nãolineares, quando comparado a outras metodologias de modelagem (como modelos polinomiais NARMAX) e controle, uma vez que esta abordagem é composta de uma estrutura simples com modelos locais lineares (ou afins) formados por FBO s. Para ilustrar o que foi desenvolvido, são apresentadas, no final destes trabalho, implementações na modelagem e controle de processos não-lineares

ASSUNTO(S)

sistemas de controle logica difusa orthonormal base functions takagi-sugeno fuzzy model controle preditivo nonlinear predictive control system identification and control nonlinear systems sistemas não lineares identificação de sistemas

Documentos Relacionados

• Segmentação multi-níveis e multi-modelos para imagens de radar e ópticas
• Modeling and predictive hybrid control by fuzzy logic for polymerization processes
• Application of herbicides to floating rate using predictive control
• Subspace predictive control.
• Controle preditivo não-linear baseado em multimodelos aplicado ao motor de indução