Submitted by GUSTAVO JOSÉ CORRÊA GONÇALVES null (gustavojcgoncalves@hotmail.com) on 2017-05-19T14:19:36Z No. of bitstreams: 1 Dissertação Gustavo - Final.pdf: 5187423 bytes, checksum: 79eb54065f27a82436e48070a5494a8c (MD5) / Approved for entry into archive by Luiz Galeffi (luizgaleffi@gmail.com) on 2017-05-19T14:24:07Z (GMT) No. of bitstreams: 1 goncalves_gjc_me_bauru.pdf: 5187423 bytes, checksum: 79eb54065f27a82436e48070a5494a8c (MD5) / Made available in DSpace on 2017-05-19T14:24:07Z (GMT). No. of bitstreams: 1 goncalves_gjc_me_bauru.pdf: 5187423 bytes, checksum: 79eb54065f27a82436e48070a5494a8c (MD5) Previous issue date: 2017-04-26 / O uso de técnicas de controle preditivo e de sistemas inteligentes na resolução de problemas de controle de grande complexidade tem crescido significativamente na última década. Parte disso se deve ao fato destas abordagens já terem sido utilizadas com sucesso em uma vasta gama de aplicações, demonstrando sua robustez e eficiência. Porém, o uso destas técnicas ainda é pequeno quando comparado com o controle PID (proporcional integral derivativo) clássico, ainda que apresentem resultados melhores. Assim, a maioria das publicações presentes na literatura que utilizam estas técnicas de controle mais sofisticadas tem como objetivo resolver um problema específico de controle. Para isso, em geral, adota-se uma determinada abordagem sem que necessariamente se faça uma avaliação a respeito de qual dos métodos existentes seria o mais eficiente, uma vez que o foco é apenas a resolução do problema. Nesse contexto, o objetivo deste trabalho foi avaliar o desempenho de três das técnicas de controle inteligente e/ou preditivo mais aceitas para o controle de processos industriais frente ao controlador PID clássico, de uso generalizado na indústria. Mais especificamente, optou-se por utilizar o controlador MPC, o controlador Fuzzy e o controlador Neural Preditivo para o controle de um processo industrial e, então, avaliar o desempenho por meio das métricas ISE e ITSE, além de comparar o sobressinal máximo, erro estacionário e tempo de acomodação. Por fim, os resultados de desempenho de cada controlador foram confrontados com o controlador PID clássico. Os resultados indicaram que os controladores com melhor desempenho foram os controladores MPC e fuzzy de duas entradas, apresentando melhores resultados quando comparados com o controlador PID. Ainda, observou-se que o controlador fuzzy de uma entrada e preditivo neural não foram capazes de controlar o sistema em todos os patamares considerados. / The use of predictive control techniques and intelligent systems in the resolution of complex control problems has increased in the last decade. Part of this is due to the fact that these approaches have already been used successfully in a wide range of applications, demonstrating their robustness and efficiency. However, the use of these techniques is still small when compared to the classic PID (derivative proportional integral) control, although they present better results. Thus, most publications in the literature that use these more sophisticated control techniques aim to solve a specific control problem. For this, in general, a certain approach is adopted without necessarily making an evaluation as to which of the existing methods would be the most efficient, since the focus is only the resolution of the problem. In this context, the objective of this work was to evaluate the performance of three of the most accepted intelligent and / or predictive control techniques for the control of industrial processes against the classical PID controller, widely used in industry. More specifically, it was decided to use the MPC controller, the Fuzzy controller and the Neural Predictive controller to control an industrial process, and then evaluate the performance through the ISE and ITSE metrics, in addition to comparing the maximum overshoot, stationary error and accommodation time. Finally, the performance results of each controller were confronted with the classic PID controller. The results indicated that the best performing controllers were the MPC and the two input fuzzy controllers, presenting better results when compared to the PID controller. Also, it was observed that the fuzzy controller of an input and predictive neural were not able to control the system at all levels considered.