Este trabalho tem por objetivo avaliar diferentes controladores preditivos para sistemas de ventilação mecânica empregando uma metodologia multi-objetivo. Para isso, é utilizado um modelo para o sistema respiratório, que descreve as trocas gasosas ocorridas nos pulmões, no cérebro e nos tecidos corporais do indivíduo. Restrições foram impostas às variáveis manipuladas tendo em vista valores fisiologicamente aceitáveis. Os controladores foram implementados empregando a técnica de Controle por Matriz Dinâmica (Dynamic Matrix Control, DMC), tendo por finalidade regular a saturação de oxigênio no sangue arterial. Três abordagens foram comparadas: a primeira utiliza a fração inspirada de oxigênio como variável de controle, a segunda utiliza a ventilação total, e a terceira emprega ambas. Os resultados foram avaliados em termos de sensibilidade a ruído de medida e a uma perturbação paramétrica na dinâmica do sistema. Com base em tais critérios, fronteiras de Pareto foram estimadas para as três abordagens consideradas, variando-se os horizontes de predição e controle, bem como o peso do controle na função de custo. Como resultado, observou-se uma superioridade do controlador multivariável.

Durante o desenvolvimento deste trabalho é apresentada a utilização de uma planta tipicamente industrial em procedimentos de modelagem, identificação, detecção de falhas e controle tolerante. Um breve estado da arte é realizado, classificando as técnicas de detecção em 2 grupos com 3 subdivisões. Estes são percentualmente classificados com base em uma amostragem de artigos extraídos do portal CAPES, mostrando uma tendência entre as técnicas. Em seguida esta planta industrial é modelada de modo que técnicas baseadas em modelo possam ser aplicadas. Esta modelagem utilizou de abordagens com estruturas paramétrica linear, não-linear, não-paramétrica e da utilização de curvas características. Com um modelo bastante razoável as técnicas de detecção puderam ser testadas. Inicialmente tratou-se do problema por causalidade de eventos, o que não mostrou-se ideal pois o modelo não pode ser tratado facilmente por eventos, mostrando a importância da escolha da técnica. A presença de invariantes possibilitou a criação de um detector de falhas baseado no conhecimento do processo. Este foi testado em uma malha fechada por um PI projetado em uma aula de laboratório lecionada no ITA. Outro controlador foi implementado para testar a mesma técnica, o Preditivo baseado em Modelo. Deste modo foi possível analisar o detector em uma malha com atuadores cooperativos na presença de falhas múltiplas.

Restrições terminais são tipicamente empregadas em formulações de controle preditivo (Model-based Predictive Control, MPC) para garantia de estabilidade em malha fechada. Contudo, tal garantia é perdida caso o problema de otimização associado não seja factível no instante inicial ou deixe de ser factível devido, por exemplo, à ocorrência de falhas. Neste trabalho, foram investigadas potenciais vantagens de se utilizar uma abordagem de gerenciamento de referência como forma de tratar problemas de não-factibilidade. A abordagem proposta envolve a parametrização do conjunto invariante utilizado como restrição terminal na lei de controle em termos dos valores de equilíbrio dos estados e controles, bem como das restrições sobre as entradas. As leis de controle desenvolvidas foram aplicadas ao modelo de um helicóptero de laboratório por meio de simulações em ambiente Matlab. O principal aspecto investigado foi a tolerância a falhas de atuador, modeladas como alterações de ganho e de limites de excursão do sinal de controle.

A aceitação das estratégias de Controle Preditivo Baseado em Modelo (MPC) na indústria vem crescendo desde seu desenvolvimento em meados da década de 70 até hoje. Características como a capacidade de atender restrições, atuação dependente de modelos, princípio de horizonte móvel, inovaram a teoria de controle de tal modo que atualmente existem diversos algoritmos com esses novos paradigmas. Existem diversas teorias sobre MPC não linear, entretanto, esta dissertação dá ênfase apenas à investigação comparativa de duas linhas de pesquisas distintas sobre controle preditivo neuro-fuzzy, cada qual baseada em diferentes estruturas e propriedades de redes do tipo Takagi-Sugeno. Uma das linhas se refere à possibilidade de interpretar a rede como múltiplos modelos lineares e a outra trata da conveniência de entender a rede como modelo global linear de parâmetros variáveis. Assim sendo, este tema foi escolhido com objetivo de identificar vantagens e desvantagens de cada pesquisa. Sua importância é justificada, pois contribui com informações detalhadas para a seleção de uma abordagem numa aplicação qualquer. No desenvolvimento deste trabalho, as formulações da literatura foram reescritas utilizando as equações no espaço de estado como ferramenta padrão de modelagem. Desta maneira, resultados teóricos foram encontrados ao cotejar os controladores antes mesmo de sua implementação e simulação. Por fim, um estudo de caso de uma planta de processo didática, com três tanques acoplados entre si, foi explicado e modelado, sendo os resultados teóricos verificados por meio de experimentos simulados.

Idealmente, espera-se que uma planta permaneça em operação até a próxima manutenção programada. Para isso, o esforço de controle deve ser distribuído ao longo do tempo de forma que a degradação do atuador não cause sua avaria ou falha. Neste trabalho, assume-se que tal degradação é relacionada com o esforço exercido acumulado ao longo do tempo, sendo avaliada por um índice convenientemente definido que associa o risco de avaria com um valor limiar. Propõe-se então o uso de leis de controle preditivo para mitigar o desgaste do atuador, por meio da imposição de restrições relacionadas com a evolução temporal do índice de degradação. Neste contexto, três abordagens são investigadas. A primeira consiste na limitação da amplitude do controle de modo a garantir que um dado limiar de degradação não seja superado ao final de um horizonte de tempo pré-estabelecido. Na segunda abordagem, emprega-se uma técnica de prognóstico de falha de modo a aprimorar a distribuição do esforço de controle ao longo do tempo. Por fim, a terceira abordagem adota uma estratégia fuzzy para relaxamento da restrição de degradação, a fim de melhorar o desempenho do sistema de controle. Uma análise comparativa das três abordagens é efetuada considerando-se um problema de regulação na presença de perturbações aleatórias. Simulações de Monte Carlo são efetuadas de modo a avaliar o desempenho de regulação, bem como a degradação do atuador. Conclui-se que o segundo controlador é menos conservador que o primeiro devido à inserção do prognóstico de falhas, permitindo que se obtenha uma regulação melhor, ainda obedecendo ao limiar de degradação. A flexibilização da restrição de degradação, através do uso da lógica fuzzy no terceiro controlador, permite que ele seja o mais agressivo dos três, obtendo-se o melhor desempenho de regulação entre os três controladores implementados.

Controladores preditivos possuem como uma de suas vantagens a capacidade de tratar explicitamente restrições lineares. Porém, existem cenários onde as restrições do problema de controle são não lineares. Este trabalho propõe um método para lidar com uma classe de restrições não lineares em um esquema MPC. As fronteiras da restrição são aproximadas por segmentos de reta que são então utilizados para reescrever o problema de otimização em uma forma de programação quadrática inteira mista (MIQP). Um caso particular de interesse consiste em restrições de potência, que podem ser traduzidas em restrições quadráticas na entrada ou variáveis de estado. Para ilustração da abordagem desenvolvida, exemplos de simulação envolvendo o controle de um servomecanismo são apresentados. Os ganhos em performance são investigados comparando-se o controlador proposto com outro que não considera as restrições de potência na otimização.

Uma forma de se possibilitar a aplicação em tempo real de técnicas de controle preditivo robusto (RMPC) em processos de dinâmica rápida de utilizar uma formulação que designa parte do esforço computacional para processos off-line. No caso do RMPC tratado neste trabalho a estratégia se vale do conceito de particionar o espaço de estados através de elipsoides invariantes assintoticamente estáveis para gerar uma sequência de matrizes de ganho de realimentação de modo off-line através de desigualdade matriciais lineares. Essas partições podem ser determinadas off-line e, assim, reduz-se o custo computacional necessário para execução em tempo real. Neste trabalho, apresenta-se um método para a obtenção de uma partição otimizada do espaço de estados que satisfaça estas condições necessárias para a utilização dessa estratégia off-line. O método é baseado no conceito de meta-heurísticas, mais especificamente em algoritmos genéticos, e busca garantir que a partição atenda as condições impostas ao mesmo tempo em que minimiza o custo da lei de controle. Sua utilização possibilitou a aplicação bem sucedida de uma lei de controle robusta em um estudo de caso envolvendo um helicóptero de bancada de três graus de liberdade.

O atual ambiente de alta competitividade do Mercado tem levado os produtores a operar com margens de lucro cada vez mais restritas. Nesse sentido, é imperativa a racionalização dos custos de produção, bem como a otimização dos processos produtivos. Diante de tal cenário, o controle preditivo baseado em modelos tem sido apresentado como uma poderosa alternativa para a obtenção dos objetivos acima mencionados. Sendo assim, é essencial que seja estabelecida uma metodologia de análise, baseada em critérios claros, acompanháveis e mensuráveis. Atualmente, encontram-se disponíveis no mercado distintas metodologias e suas respectivas ferramentas de suporte, as quais auxiliam na realização de tais análises. Quando se observa o número de soluções de controle avançado disponíveis, juntamente com as metodologias e ferramentas de análise de desempenho disponíveis, nota-se que existe um amplo espectro de possíveis combinações a ser avaliado. O objetivo desse trabalho é estudar algumas dessas combinações. São aqui avaliados o desempenho de controladores preditivos, à luz de algumas das consagradas técnicas de avaliação, bem como a própria efetividade e aplicabilidade de tais técnicas. São utilizados e analisados os seguintes controles avançados: Controlador Preditivo Generalizado (GPC); Controlador Multivariável Robusto; e Controlador ESSMPC. Para a avaliação de desempenho, serão utilizadas e estudadas as seguintes técnicas: Controller Performance Index (CPI); Cp e Cpk; e Índice de Yu e Qin. Os resultados mostraram que o Controlador Robusto Multivariável apresentou desempenho similar ao ESSMPC e ambos apresentaram desempenho melhor que o GPC. Todos os algoritmos apresentaram maior sensibilidade às mudanças nos pesos das variáveis controladas e menor nos pesos das manipuladas. No caso da inserção de erros, os algoritmos apresentam sensibilidade maior até 35% de erro. Após tal valor, a diferença de desempenho não é tão significativa. Além disso, o Cp, Cpk e Índice de Yu e Qin se comportaram de forma similar, mas diferentes do CPI. / The current environment of high competitiveness of the market has led producers to operate with profit margins increasingly restricted. Therefore, it is imperative to streamlining production costs, as well as the optimization of production processes. Faced with this scenario, the model predictive control has been presented as a powerful alternative for obtaining the objectives stated above. Therefore, it is essential to establish a methodology of analysis, based on clear and measurable criteria. Currently, there are different methods and support tools available in the Market which help in such analysis. These methodologies and tools may evaluate the problem only quantitatively (increased production of a particular unit, for example) or qualitatively (how close to the predictions of advanced control solution is the actual behavior of the plant, for example). When one observes the number of advanced control solutions available, along with methodologies and tools available for performance analysis, we note that there is a wide spectrum of possible combinations to be evaluated. The aim of this work is to study some of these combinations. It will be observed the performance of advanced control solutions, through some of the most famous evaluation techniques, as well as their own effectiveness and applicability of such techniques. For the execution of the work will be used and analyzed the following advanced control solutions: Generalized Predictive Controller (GPC); Robust Multivariable Controller; and Controller ESSMPC. For the performance assessment, it will be used and studied the following techniques: Controller Performance Index; Cp and Cpk; and Qin and Yu Index. The results showed that the Robust Multivariable Controller performance was similar to ESSMPC and both performed better than the GPC. All algorithms showed greater sensitivity to changes in the weights of the controlled variables than on weights for manipulated variables. In the case of error insertion, the algorithms exhibit greater sensitivity up to 35% of mismatch. After this value, the performance difference was not very significant. Moreover, the Cp index Cpk and Qin and Yu behaved similar but different than CPI.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. / Made available in DSpace on 2012-10-17T17:51:10Z (GMT). No. of bitstreams: 0Bitstream added on 2014-09-25T18:44:56Z : No. of bitstreams: 1 176762.pdf: 12462260 bytes, checksum: 897c9ffa131d417e85394d06a870b263 (MD5) / Nas últimas décadas, a identificação e o controle de processos multivariáveis são áreas de interesse crescente na comunidade de sistemas de controle. Os métodos clássicos de controle, usualmente utilizados na indústria, apresentam limitações quando aplicados a processos multivariáveis com características complexas, tais como: não-linearidades, instabilidade, atraso de transporte não-unitário, comportamento não-estacionário e acoplamento entre as variáveis. Diversas abordagens não-convencionais, destacando-se as metodologias de controle auto-ajustável, preditivo e inteligente são propostas na literatura para aplicações multivariáveis. Esta tese estuda os fundamentos e a aplicação de metodologias de controle preditivo, controle de estrutura variável e inteligência computacional em processos não-lineares multivariáveis. As metodologias da inteligência computacional abordadas são: a computação evolutiva, os sistemas nebulosos, as redes neurais artificiais e os sistemas híbridos inteligentes. Os paradigmas da computação evolutiva abordados são: algoritmos genéticos, estratégias evolutivas, programação evolutiva e algoritmos híbridos com simulated annealing e método simplex. Os sistemas nebulosos abordados visam a identificação de processos e na estruturação de projetos do tipo controle PID nebuloso. O outro paradigma inteligente apresentado são as redes neurais artificiais do tipo: perceptron multicamadas, parcialmente recorrente de Elman, Group Method of Data Handling e função de base radial. Os aspectos de projeto preditivo e de estrutura variável tratam a abordagem adaptativa, através do estimador dos mínimos quadrados recursivo, e a hibridização com as metodologias da inteligência computacional. As metodologias de controle preditivo generalizado e por modos quase-deslizantes combinado ao controle de variância mínima generalizada são descritas e analisadas. As simulações visam identificar um processo experimental não-linear balanço horizontal, em malha fechada; a dinâmica de um manipulador robótico, com dois graus de liberdade; e um processo não-linear apresentando acoplamentos entre as variáveis de saída. A configuração e a análise dos algoritmos de controle tratam o controle do manipulador robótico, utilizado no procedimento de identificação.

Dissertação (Mestrado) - Universidade Federal de Santa Catarina, Centro Tecnologico / Made available in DSpace on 2012-10-17T04:21:08Z (GMT). No. of bitstreams: 0Bitstream added on 2016-01-09T01:06:13Z : No. of bitstreams: 1 149022.pdf: 21458470 bytes, checksum: 60031d09b6d5f52db1ece67d33ca938a (MD5) / O desenvolvimento da microeletrônica, tem facilitado o surgimento de algoritmos de controle baseados em redes neurais. A capacidade de aprendizado que estas redes possuem tem contribuído muito para que as estratégias de controle apresentadas na literatura se mostrem bastante promissoras para serem aplicadas a equipamentos como os reatores que operam em batelada e semi-batelada. Neste trabalho é apresentado um controlador preditivo baseado em um critério de desempenho quadrático, em que se utiliza um modelo interno de predição representado por uma rede neural do tipo feedforward, com o algoritmo de treinamento backpropagation, e estratégia de otimização steepest descent. Testes experimentais obtidos em uma unidade piloto de controle de temperatura de um reator encamisado, que opera em regime de semi-batelada, mostraram que o controlador apresentado é capaz de manter o reator nas condições desejadas durante as fases de produção. Testes comparativos, realizados com o controlador clássico PI, mostraram que o desempenho do controlador proposto é bastante robusto e estável, apresentando uma performance superior ao PI. A reação entre o Tiosulfato de Sódio e o Peróxido de Hidrogênio foi a utilizada nos testes experimentais. Esta reação é altamente exotérmica (6,82 . 105 KJ/Kmol) e extremamente rápida.