Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/261198
Type: TESE
Title: Controle preditivo para processos com incertezas estruturadas baseado em series de funões ortonormais
Author: Oliveira, Gustavo Henrique da Costa
Advisor: Amaral, Wagner Caradori do, 1952-
Abstract: Resumo: Trabalho aborda o problema de controle de processos contendo incertezas estruturadas e restrições nos sinais de entrada e saída. A metodologia de controle utilizada é a dos controladores preditivos ou Model Based Predictive Controllers (MBPC). Esta técnica está, atualmente, bastante difundida, tanto no meio acadêmico como em aplicações práticas. A principal característica dos MBPC é a utilização de um modelo para a determinação de um conjunto de previsões da saída e, a lei de controle é calcula a em função destas previsões. Neste trabalho, para se obter um modelo não estruturado e projetar algoritmos de controle preditivo para processos incertos, propõe-se a utilização de séries de funções ortonormais, definidas a partir de um conhecimento aproximado da dinâmica dominante do processo. Neste contexto, são analisadas as abordagens de controle preditivo adaptativo e robusto. A lei de controle é calculada considerando que, no caso adaptativo, os parâmetros do modelo são obtidos utilizando-se um método de identificação e que, no caso robusto, os parâmetros do modelo pertencem a um intervalo de incerteza. As características dos algoritmos MBPC adaptativo e robusto, utilizando séries de funções ortonormais, são comparadas com outras estratégias de controle preditivo utilizando modelos estruturados (por exemplo, o modelo CARIMA), e modelos não estruturados (por exemplo, o modelo de resposta ao impulso). Mostra-se também que, sob determinadas condições de ajuste dos parâmetros dos controladores, o sistema em malha fechada é estável. O desempenho das abordagens propostas é ilustrado através de exemplos de simulação

Abstract: The control of processes containing structured uncertainties and input / output signal constraints is investigated. The methodology used is that of predictive controllers or Model Based Predictive Controllers (MBPC), a technique which at present is widely used, for both academic and practical applications. The main characteristic of MBPC is the utilization of a model for the determination of a set of output predictions, with a control law calculated based on these predictions. In the present dissertation, a series of orthonormal functions, constructed using prior approximate knowledge of the dominant time constant of the process, is proposed for the obtention of a non-structured model, leading to predictive control algorithms for uncertain processes. The approaches of adaptive and robust control are analysed in this context. The control law is calculated: for adaptive predictive control, the parameters of the nominal model are obtained by using on-line identification, whereas for robust predictive control, parameters uncertainties are used to design the control law. The characteristics of adaptive and robust MBPC algorithms based on orthonormal series function modelling were compared to strategies for predictive control based on other models, both structured (such as the CARIMA model) and non-structured (such as the model of impulse response). Under certain conditions of parameter adjustment of the controllers, the closed-loop system proved to be stable. The performance of the proposed approaches is illustrated using simulation examples
Subject: Controle automático
Controle preditivo
Modelagem
Incerteza (Teoria da informação)
Language: Português
Editor: [s.n.]
Date Issue: 1997
Appears in Collections:FEEC - Tese e Dissertação

Files in This Item:
File SizeFormat 
Oliveira_GustavoHenriquedaCosta_D.pdf7.6 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.