Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/266817
Type: TESE
Title: Controle preditivo baseado em modelo neuro-fuzzy de sistemas não-lineares aplicado em sistema de refrigeração = Model predictive control based on neuro-fuzzy nonlinear systems applied to a refrigeration plant
Title Alternative: Model predictive control based on neuro-fuzzy nonlinear systems applied to a refrigeration plant
Author: Franco, Ivan Carlos, 1976-
Advisor: Silva, Flávio Vasconcelos da, 1971-
Abstract: Resumo: Os sistemas de refrigeração estão presentes em diferentes ramos da indústria e caracterizam-se como grandes consumidores de energia com considerável comportamento não-linear. Inúmeros trabalhos vêm sido desenvolvidos para promover a redução dos gastos energéticos e a minimização dos efeitos das não-linearidades nestes sistemas. A aplicação da automação e do controle de processos, particularmente o uso de técnicas avançadas de controle, são estratégias amplamente utilizadas para esta finalidade. O Controle Preditivo baseado em Modelos (MPC) é capaz de estabilizar processos onde há não-linearidades, sendo promissora a sua aplicação em sistemas de refrigeração. Neste trabalho, foi desenvolvido um SIStema de MOnitoramento e Controle Avançado para Refrigeração (SISMOCAR) capaz de monitorar, em tempo real, através da comunicação OPC (OLE for Process Control), todas as variáveis envolvidas no ciclo de refrigeração e também realizar o controle das variáveis de interesse. Modelos Takagi-Sugeno (SISO) para a predição das temperaturas de evaporação (Te) e do fluido secundário (Tp) foram desenvolvidos e validados, a partir da técnica ANFIS (Adaptative Network based Fuzzy Inference Systems), com análise de desempenho baseado no cálculo do VAF (Variance accounted for). Os modelos Takagi-Sugeno validados foram utilizados como base para Controladores Preditivos, mais especificamente um Controlador Preditivo Generalizado (GPC). Os controladores GPC's foram desenvolvidos sem restrições na função objetivo da ação do controlador. Foram projetados diferentes controladores preditivos para diferentes regras locais (Regras Fuzzy), sendo a ação global do controlador a integração ponderada dos modelos locais. Foram desenvolvidos três diferentes controladores: GPC1 (controle da temperatura de evaporação utilizando modelo de predição da Te em função da frequência do compressor); GPC2 (controle da temperatura do propilenoglicol utilizando modelo de predição da Tp em função da frequência do compressor) e GPC3 (controle da temperatura do propilenoglicol utilizando o modelo de predição da Tp em função da frequência da bomba do evaporador). Os testes realizados para rastreamento do set-point (±1 °C), com carga térmica constante de 3000 W, mostraram-se satisfatórios sendo os melhores desempenhos apresentados pelos controladores GPC1 e GPC2 onde o desvio da variável controlada em relação ao set point, dos respectivos controladores, ficou em torno de ± 0,3 °C

Abstract: Refrigeration systems can be found in many different branches of industry and are characterized as great energy consumers with considerable non-linear behavior. Several studies have been developed to promote the reduction of energy costs and to minimize the effects of nonlinearities in these systems. The use of automation and process control, particularly the use of advanced control techniques, is a widely used strategy for this purpose. The Model Predictive Control (MPC) is capable of stabilizing processes in which there are nonlinearities, and it is a promising application in refrigeration systems. In this work, a System for Monitoring and Advanced Control in Refrigeration (SISMOCAR) was developed using OPC (OLE for Process Control) communication. This feature allowed beyond real time monitoring for all variables involved in the refrigeration cycle, the control of the relevant variables. Furthermore, to predict the evaporating (Te) and the secondary fluid (Tp) temperatures, Takagi-Sugeno models (SISO) were developed and validated using the ANFIS (Adaptive Network-based Fuzzy Inference Systems) technique, with performance analysis based on the VAF (Variance accounted for) calculation. The validated Takagi-Sugeno models were used as basis for Predictive Controllers, specifically using Generalized Predictive Controller (GPC) strategy. The GPC controllers were developed without constraints in the objective function of the controller action. Different predictive controllers were designed for different local rules (Fuzzy Rules), being the weighted integration of the local models the controller global action. Three different controllers were developed: GPC1 (evaporating temperature control using the Te predictive model as a function of compressor frequency); GPC2 (control of propylene glycol temperature using the Tp predictive model as a function of compressor frequency) and GPC3 (control of propylene glycol temperature using the Tp predictive model as a function of the frequency of the evaporator pump). The tests performed for the set-point tracking (± 1 °C), with constant thermal load of 3000 W, were considered satisfactory and best performances were those obtained by GPC1 and GPC2 controllers, in which the controlled variable was around ± 0,3 °C
Subject: Identificação de sistemas
Controle preditivo
Refrigeração
Lógica fuzzy
Language: Português
Editor: [s.n.]
Date Issue: 2012
Appears in Collections:FEQ - Dissertação e Tese

Files in This Item:
File SizeFormat 
Franco_IvanCarlos_D.pdf29.94 MBAdobe PDFView/Open


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