Defesa de Doutorado – Bernardo Barancelli Schwedersky – 8/3/2022
24/02/2022 11:00
| Defesa de Tese de Doutorado | |
| Aluno | Bernardo Barancelli Schwedersky |
| Orientador | Prof. Rodolfo Cesar Costa Flesch, Dr. – DAS/UFSC |
| Data
|
8/3/2022 13h30 (terça-feira)
Videoconferência (https://meet.google.com/coi-dqqg-iie) |
|
Banca |
Prof. Rodolfo Cesar Costa Flesch, Dr. – DAS/UFSC (presidente);
Prof. Tito Luís Maia Santos, Dr. – DEE/UFBA; Prof. Jomi Fred Hübner, Dr. – DAS/UFSC; Prof. Ademar Gonçalves da Costa Junior, Dr. – DI/IFPB. |
| Título | Contribuições para o Controle Preditivo Não Linear Prático com Modelos Identificados por Redes de Estado de Eco |
| Resumo: Abordagens de controle preditivo não linear (NMPC) são uma alternativa de controle avançado cada vez mais aplicada na indústria, com abordagens NMPC práticas (PNMPC) sendo uma alternativa para a redução do seu custo computacional. Um modelo que apresenta potencial para aplicação como modelo de predição em algoritmos PNMPC é a rede de estado de eco (ESN), capaz de identificar processos não lineares com algoritmos computacionalmente eficientes. Considerando este contexto, nesta tese é apresentado um estudo acerca da aplicação de modelos baseados na ESN para identificação e utilização como modelo de predição em abordagens PNMPC. É proposta uma arquitetura de modelo baseada em uma rede ESN com parcela integradora (ESNI) e uma abordagem de identificação relevante para MPC (MRI), com formulações para obtenção dos parâmetros do modelo ESNI por meio de dados obtidos do processo e estimação on-line. Foram propostas abordagens PNMPC com modelos de predição baseados no modelo ESNI. Tais algoritmos utilizam o modelo ESNI completo para obtenção da resposta livre do processo e obtêm a resposta forçada a partir dos coeficientes da resposta ao degrau do modelo ESNI, que são definidos a cada instante de amostragem por meio de uma simulação numérica. São propostas abordagens que utilizam modelos ESNI identificados a partir de dados do processo (PNMPC-ESNI) e abordagens adaptativas (APNMPC-ESNI), nas quais o modelo ESNI é identificado on-line. Adicionalmente, é proposta uma abordagem que busca aprimorar o desempenho do controlador PNMPC-ESNI utilizando um procedimento iterativo (PNMPCI-ESNI), com o qual a importância da porção linearizada no modelo de predição é reduzida. Para avaliar as abordagens de identificação e controle propostas, foram realizados estudos de caso com processos não lineares simulados e reais. Os resultados da abordagem de identificação MRI-ESNI indicam que a utilização da abordagem MRI resultou em modelos com desempenho melhor, para a tarefa de predição de múltiplos instantes à frente, quando comparado com modelos ESNI, treinados sem a abordagem MRI. Os resultados da abordagem de controle PNMPC-ESNI evidenciaram que o controlador proposto apresenta desempenho 16% superior aos controladores com modelos identificados. Por sua vez, a avaliação da abordagem adaptativa APNMPC-ESNI mostrou que o controlador APNMPC-ESNI é capaz de se adaptar a variações paramétricas do processo, alcançando desempenho em malha fechada superior a um NMPC, quando considerado um cenário de testes em que o processo é sujeito a variação paramétrica. Os resultados do controlador PNMPCI-ESNI indicaram que a abordagem iterativa é capaz aprimorar o desempenho do controlador, com melhorias de até 18% para a métrica e o cenário testados. O custo computacional dos controladores propostos foi avaliado, com os tempos de cômputo associados ao tamanho do reservatório do modelo ESNI e também ao número de iterações do procedimento iterativo, no caso do PNMPCI-ESNI. Os tempos máximos foram compatíveis com os processos avaliados, sendo mais de uma ordem de grandeza menores que os verificados para os controladores NMPC usados como comparação. | |
