Defesa de Exame de Qualificação – Bernardo Barancelli Schwedersky – 8/8/2019
19/08/2019 14:31
| Defesa de Exame de Qualificação | |
| Aluno | Bernardo Barancelli Schwedersky |
| Orientador | Prof. Rodolfo Cesar Costa Flesch, Dr. – DAS/UFSC |
| Data
Local |
8/8/2019 14h00 (quinta-feira)
Sala PPGEAS I (piso superior) |
| Prof. Daniel Martins Lima, Dr. – PPGEAS/UFSC (presidente);
Prof. Mauro Roisenberg, Dr. – INE/UFSC; Prof. Ademar Gonçaves da Costa Júnior, Dr. – IFPB. |
|
| Título | Controle Preditivo Não Linear Prático com Modelos Identificados por Redes Neurais Recorrentes |
| Resumo: Este trabalho propõe abordagens práticas de controle preditivo não linear (NMPC) com modelos obtidos por meio de redes neurais recorrentes (RNN). Em tais abordagens, o modelo não linear da RNN é utilizado para a obtenção de uma predição da resposta livre do sistema, enquanto uma versão linearizada do modelo neural é utilizada para obtenção de uma aproximação local da resposta ao degrau do sistema, com a qual é obtida a matriz de dinâmica do sistema a cada período de amostragem. Foram feitas duas propostas de controlador, uma com redes de estado de eco e outra com redes com memória de longo-curto prazo. Os controladores propostos foram avaliados em um estudo de caso de simulação de neutralização de pH e em um estudo de caso experimental de pressões em uma bancada de ensaio de compressores de refrigeração. Em ambos os casos, a abordagem de controle proposta apresentou resultados em malha fechada melhores que os obtidos com abordagens de MPC linear e NMPC prático com modelos Hammerstein. Apesar dos melhores resultados em malha fechada, o algoritmo proposto é computacionalmente eficiente, o que permite sua aplicação em processos com dinâmicas da ordem de milissegundos. A principal contribuição da proposta é que ela permite aplicar uma técnica NMPC computacionalmente eficiente com modelos de fácil obtenção e grande generalidade em processos não lineares cuja modelagem fenomenológica é de difícil obtenção ou economicamente inviável. | |
