[pt] Sistemas hidráulicos são usados onde se requerem forças e torques relativamente altos, alta velocidade de resposta para o início, parada e reversão da velocidade. Eles são usados em sistemas industriais, em robótica, simuladores de movimento, plantas automatizadas, exploração de minérios, prensas, e especialmente em sistemas de testes de fadiga de materiais. As máquinas de testes de fadiga baseadas em sistemas servo-hidráulicos têm como propósito fazer ensaios nos materiais para prever a vida útil em serviço. Os ensaios de fadiga são quase sempre independentes da freqüência de trabalho. Para uma dada resistência do material e magnitudes das tensões alternadas e médias aplicadas, a vida à fadiga depende essencialmente do número de ciclos de carga aplicados ao material testado. Por esse motivo, trabalhar com a máquina de ensaios de materiais a uma freqüência elevada traz vantagens de redução de tempo e custo dos ensaios, sem interferir nos resultados. A aplicação da carga pode ser repetida milhões de vezes, em freqüências típicas de até cem vezes por segundo para metais. Para se atingirem estas freqüências, relativamente altas para um teste de fadiga, é necessário um sistema de controle eficiente. Nesta dissertação, técnicas de controle por aprendizado são desenvolvidas e aplicadas a uma máquina de ensaios de materiais, permitindo a aplicação de carregamentos de amplitude variável em alta freqüência. A metodologia proposta consiste em fazer um controle do tipo bang-bang, restringindo à servo-válvula do sistema a trabalhar sempre nos seus limites extremos de operação, i.e., procurando mantê-la sempre completamente aberta em uma ou outra direção. Devido à dinâmica do sistema, os pontos de reversão devem ficar antes dos picos e vales de força ou tensão desejada. O instante de reversão é um parâmetro que depende de diversos fatores, como a amplitude e carga média da solicitação, e também é influenciado por zonas mortas causadas, e.g., por folgas na fixação dos corpos de prova. Para que a servo-válvula trabalhe no limite de seu funcionamento, o algoritmo de aprendizado obtém os instantes ótimos para as reversões, associados a variáveis adimensionais com valores entre 0 e 1, armazenados em tabelas específicas para cada tipo de carregamento. A lei de aprendizado preenche e atualiza constantemente os valores das tabelas durante a execução dos testes, melhorando a resposta do sistema a cada evento. Apresentam-se a modelagem dinâmica de uma máquina servohidráulica e de sua malha de controle, e simulações comparando o controle PID com o controle por aprendizado proposto. A validação experimental é feita em uma máquina servo-hidráulica de ensaios de fadiga. Para este fim, um software de controle em tempo real foi especialmente desenvolvido e implementado em um sistema computacional CompactRIO. Os resultados demonstram a eficiência da metodologia proposta. / [en] Hydraulic systems are used where relatively high forces and torques are required, or when high response speeds are necessary. They are used in industrial systems, robotics, movement simulators, automated plants, ore exploration, presses, and especially in fatigue testing systems. Fatigue tests are usually performed on servo-hydraulic systems, in order to predict the behavior of materials and their life in service. Fatigue tests are almost always independent of the loading frequency. For a given material and magnitudes of alternate and mean stresses, the fatigue life depends essentially on the number of applied load cycles on the tested material. For this reason, working with the material testing machine at high frequencies brings the advantages of reduction in time and cost, without altering the results. The application of the load can be repeated millions of times, in frequencies of up to one hundred times per second for metals, or even more. To achieve such frequencies, relatively high for a fatigue test, it is necessary to use an efficient control system. In this thesis, learning control techniques are developed and applied to a materials testing machine, allowing the application of constant or variable amplitude loads in high frequency. The proposed methodology consists of implementing a bang-bang type control, restricting the system servo-valve to always work at its extreme limits of operation, i.e., always keeping it completely open in one or the other direction. Due to the system dynamics, the reversion instant must happen before achieving the peaks and valleys of desired force (or stress, strain, etc.). The reversion instant is a parameter that depends on several factors, such as the alternate and mean loading components. It is also influenced by dead zones caused, e.g., by the slack in the mounting between a CTS specimen and the machine pins. As the servo-valve works in its limits of operation, the learning algorithm tries to obtain the optimal instants for the reversions, associating them to a non dimensional variable with values between 0 and 1, stored in specific tables. The learning law constantly updates the values of the table during the execution of the tests, improving the system response. In this work, the dynamic modeling of a servo-hydraulic machine is presented, together with its control scheme. Simulations are performed to compare results from PID and learning controls. The experimental validation is made using a servohydraulic testing machine. For this purpose, real time control software is developed and implemented in a CompactRIO computational system. The results demonstrate the efficiency of the proposed methodology.

[pt] Nesta dissertação foram desenvolvidas técnicas de controle por aprendizado acelerado e Neuro-Fuzzy, aplicadas em um sistema servo-hidráulico para ensaio de fadiga. Este sistema tem o propósito de fazer ensaios em materiais para prever a resistência à fadiga dos materiais. O trabalho envolveu quatro etapas principais: levantamento bibliográfico, desenvolvimento de um controle por aprendizado acelerado, desenvolvimento de um controle por aprendizado Neuro-Fuzzy, e implementação experimental dos modelos de controle por aprendizado proposto em uma máquina de ensaios de materiais. A implementação do controle por aprendizado acelerado foi feita a partir do modelo de controle desenvolvido por Alva, com o objetivo de acelerar o processo de aprendizagem. Esta metodologia consiste em fazer um controle do tipo bang-bang, restringindo a servo-válvula a trabalhar sempre em seus limites extremos de operação, i.e., procurando mantê-la sempre completamente aberta em uma ou outra direção. Para manter a servo-válvula trabalhando em seus limites de seu funcionamento, os instantes ótimos para as reversões são obtidos pelo algoritmo de aprendizado, e armazenados em tabelas específicas para cada tipo de carregamento. Estes pontos de reversão dependem de diversos fatores, como a amplitude e carga média da solicitação, e são influenciados pela dinâmica do sistema. Na metodologia proposta, a lei de aprendizado inclui um termo de momentum que permite acelerar a aprendizagem dos valores das tabelas constantemente durante a execução dos testes, melhorando a resposta a cada evento. O desenvolvimento de um controle por aprendizado Neuro-Fuzzy foi motivado pela necessidade de ter um agente com a capacidade de aprendizado e armazenamento dos pontos ótimos de reversão. Este modelo de controle também consiste na implementação de um controle do tipo bang-bang, trabalhando com a servo-válvula sempre nos seus limites extremos de operação. O instante de reversão é determinado pelo sistema Neuro-Fuzzy, o qual tem como entradas a gama (dobro da amplitude) e o valor mínimo do carregamento solicitado. O processo de aprendizado é feito pelas atualizações dos pesos do sistema Neuro-Fuzzy, baseado nos erros obtidos durante a execução dos testes, melhorando a resposta do sistema a cada evento. A validação experimental dos modelos propostos é feita em uma máquina servohidráulica de ensaios de fadiga. Para este fim, o algoritmo de controle proposto foi implementado em tempo real em um módulo de controle CompactRIO da National Instruments. Os testes efetuados demonstraram a eficiência da metodologia proposta. / [en] In this thesis, accelerated learning and Neuro-Fuzzy control techniques were developed and applied to a servo-hydraulic system used in fatigue tests. This work involved four main stages: literature review, development of an accelerated learning control, development of a Neuro-Fuzzy control, and implementation of the learning control models into a fatigue testing machine. The accelerated learning control was implemented based on a learning control developed in previous works, introducing a faster learning law. Both learning control methodologies consist on implementing a bang-bang control, forcing the servovalve to always work in its operational limits. As the servo-valve works in its operational limits, the reversion points to achieve every peak or valley in the desired history are obtained by the learning algorithm, and stored in a specific table for each combination of minimum and mean load. The servo-valve reversion points depend on a few factors, such as alternate and mean loading components, while they are as well influenced by the system dynamics. In the proposed accelerated methodology, the learning law includes one momentum term that allows to speed up the learning process of the table cell values during the execution of the tests. The developed Neuro-Fuzzy control also consists on a bang-bang control, making the servo-valve work in its operational limits. However, here the instant of each reversion is determined by the Neuro-Fuzzy system, which has the load range and minimum load required as inputs. The learning process is made by the update of the Neuro-Fuzzy system weights, based on the errors obtained during the execution of the test.The experimental validation of the proposed models was made using a servo-hydraulic testing machine. The control algorithm was implemented in real time in a C-RIO computational system. The tests demonstrated the efficiency of the proposed methodology.