[pt] O Planejamento econômico, abordado como um problema de controle, tem por objetivo estabelecer trajetórias ótimas (ou sub-ótimas) para as variáveis que estão sujeitas ao controle do Governo. Isto significa dizer que as varáveis de política (controle) não mais serão arbitrariamente determinadas pelos seus planejadores, sendo agora resultantes de um processo de otimização , tendo em vista o cumprimento de metas previamente estabelecidas. Neste artigo aplicamos um controlador adaptativo de certeza equivalente a um modelo macroeconométrico da economia brasileira, considerando erro de medida nas variáveis de estado. A adoção de um controlador adaptativo é justificada tendo em vista as críticas (principalmente a crítica de Lucas) que recaíram sobre os modelos macroeconométricos estacionários. Uma das formas adequadas de se tratar a não estacionariedade de tais modelos é por intermédio de um controlador adaptativo cujo objetivo será controlar e identificar simultaneamente o modelo em questão. Apresentamos uma pequena resenha das aplicações de controle ótimo e controle adaptativo em problema econômicos, ressaltando a aplicação de ambas as técnicas em modelos macroeconométricos com expectativas racionais. Por intermédio de simulações comparamos a política realmente efetivada pelo governo federal e a política ótima obtida via controle ótimo não adaptativo. / [en] Economic planning, when considered as a control problem, has as its objective establishing optimal (or sub-optimal) trajectories for the variables subject to Government Control. This means that the policy variables (control), instead of being arbitrarily determined by the policymakers, will be the result of an optimization process, with the objective of reaching pre-established goals. In this work a Certainly Equivalence Adaptative Control is applied to a macroeconometric model of the Brazilian economy with measurement error. Since the employment of time-invariant models has been widely criticized (Lucas critique) the model used here is time- varying. An adequate way to treat such a case is through an adaptative control scheme, in which control and identification of the model are perfomed simultaneously. By means of simulations the policy obtained with the adaptative controller is compared to the policy adopted by the Brazilian Government.

[pt] Os métodos de Brown e Winters são, sem dúvida alguma, os métodos de amortecimento exponencial mais usados para a previsão de séries temporais. Entretanto, ambos podem ser considerados de aplicação limitada, pois ou não admitem componente sazonal (Brown) ou utilizam um modelo linear para a modelagem da tendência (Winters). Apresenta-se aqui uma generalização dos métodos de amortecimento na qual as limitações acima são eliminadas. Em particular, considera-se uma única formulação matemática para o modelo, composto dos termos de tendência (constante, linear ou quadrática) e componente sazonal sob a forma de um conjunto discreto de fatores (aditivos ou multiaplicativos). Fornece-se também uma estimativa para a variância dos erros de previsão, e é proposta uma forma de controle adaptativo para a constante de amortecimento da parte não sazonal. Foi feito um programa de computador que implementa automaticamente o método, inclusive estimando valores iniciais para o processo. Foram geradas e processadas algumas séries para exemplo e análise do desempenho do método. São fornecidas sugestões de pesquisa futura no sentido de possíveis aprimoramentos para o método, mas que demandam maior análise. / [en] The methods of Brown and Winters are, undoubtedly, the most popular exponential smoothing techniques used nowadays. However, both methods have limitations, such as: Brown s method is applicable only to non-seasonal series and Winters use the linear structure as the only possible model for the trend. A generalization of the smoothing methods in which the limitations cited above are eliminated is presented here. In particular, through a unique analytical formulation, the trend model (constant, linear or quadratic) is linked to the seasonal factors (additive or multiplicative). A forecast error variance estimator is provided and the adaptive control of the non-seasonal part smoothing constant is proposed. A computer program was written for automatic implementation of the method. This program also performs initial values estimation for the process initialization. Some series were generated and processed for testing the method performance. Several suggestions are given for future research which may yield, upon further analysis, to method improvement.

Made available in DSpace on 2015-03-03T15:07:35Z (GMT). No. of bitstreams: 1 IsaelCJ_DISSERT.pdf: 3710521 bytes, checksum: ffcd6197d140a1f366f43dd76204f72c (MD5) Previous issue date: 2013-02-05 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / With the technology progess, embedded systems using adaptive techniques are being used frequently. One of these techniques is the Variable Structure Model- Reference Adaptive Control (VS-MRAC). The implementation of this technique in embedded systems, requires consideration of a sampling period which if not taken into consideration, can adversely affect system performance and even takes the system to instability. This work proposes a stability analysis of a discrete-time VS-MRAC accomplished for SISO linear time-invariant plants with relative degree one. The aim is to analyse the in uence of the sampling period in the system performance and the relation of this period with the chattering and system instability / Com o avanco da tecnologia, sistemas embarcados utilizando t?cnicas adaptativas est?o sendo utilizados com mais frequencia. Uma dessas t?cnicas ? o Controlador adaptativo por Modelo de Referencia e Estrutura Variavel (VS-MRAC). A implementa??o dessa t?cnica em sistemas embarcados, requer a considera??o de um per?odo de amostragem que se n?o for levado em considera??o, pode afetar de maneira negativa a performance do sistema e at? mesmo lev?-lo a instabilizacao. Este trabalho prop?e uma an?lise de estabilidade do VS-MRAC para o caso discreto para uma planta SISO linear, invariante no tempo, de grau relativo unit?rio. O objetivo ? analisar a influ?ncia do per?odo de amostragem no desempenho do sistema, e a rela??o desse per?odo com o fen?meno de "chattering" e instabiliza??o do sistema

Este trabalho desenvolve um método adaptativo estocástico aplicado ao treinamento de uma arquitetura neural conhecida como Functional Link Network - FLN para a determinação dos coeficientes aerodinâmicos e de controle de uma aeronave de alto desempenho. Esta arquitetura neural possui dois aspectos importantes: permite o uso de uma infinidade de alternativas de tipos de funções (exponenciais, polinomiais, etc) como funções de base e o uso de regras de treinamento lineares. Quando o treinamento é feito usando um algoritmo de estimação linear ótimo, ou seja, um algoritmo como o filtro de Kalman, tem-se um comportamento numérico ruim, causando assim problemas de divergência quando conjuntos grandes de dados de treinamento são processados. Este problema ocorre devido ao fato de que o algoritmo perde a capacidade de treinamento quando novos conjuntos de dados são processados. Para evitar este mau comportamento e tentar manter uma capacidade de aprendizado distribuída e uniforme, se propõe o uso de um procedimento adaptativo baseado em um critério de consistência estatística, para contrabalançar a prioridade das informações a priori com as novas informações de treinamento. A arquitetura neural Functional Link Network - FLN e o procedimento adaptativo formam a Adaptive Functional Link Network - AFLN que permite a identificação dos parâmetros aerodinâmicos e de controle, mesmo quando os valores iniciais dos parâmetros estiverem distantes dos valores reais. Para se obter uma arquitetura que tenha boa capacidade de modelagem e de generalização, utiliza-se também uma heurística de poda (Optimal Brain Surgeon - OBS), para eliminar os parâmetros (funções) menos significativos. Para testar e validar o método desenvolvido, utilizam-se dados fornecidos por um simulador em FORTRAN da aeronave F16 e se compara com os dados obtidos via a aplicação da AFLN, tanto para os coeficientes do movimento longitudinal quanto para os do movimento látero-direcional. Os resultados são promissores e indicam a possibilidade do uso da ferramenta na identificação, em tempo quase real, dos coeficientes dentro do envelope de vôo da aeronave.

Esta tese trata do problema de controle adaptativo de sistemas dinâmicos não-lineares utilizando realimentação de saída e redes neurais artificiais. Para o esquema de controle que utiliza linearização entrada-saída em conjunto com redes neurais artificiais, é mostrado que a condição de magnitude relacionada ao termo de eficácia de controle do modelo nominal não é requerida para que haja garantia de existência para a solução deste problema e, através de um exemplo simples, é mostrado como as hipóteses teóricas relacionadas a este termo podem ser satisfeitas e são dadas orientações gerais relacionadas à seleção deste parâmetro. Adicionalmente, é proposta uma extensão para utilização de redes não-linearmente parametrizadas, sendo as leis de adaptação implementáveis e obtidas utilizando-se análise de estabilidade tipo Lyapunov. A técnica aplicável aos sistemas SISO é também validada em dois sistemas MIMO onde é utilizada uma mudança de variáveis de controle e cooperação implícita entre controladores. O problema de controle de sistemas MIMO subatuados, utilizando cancelamento parcial de não-linearidade, é formulado baseado na relação existente entre sistemas dinâmicos subatuados e sistemas dinâmicos de fase não-mínima. Resultados desta técnica são ilustrados aplicando-a em um modelo de helicóptero com três graus de liberdade.

This Doctorate Thesis concerns optimum control of flexible aircraft. Models of a conceptual flexible aircraft are developed for control applications. A general model following problem via output feedback is developed and applied to the conceptual aircraft. The models are determined for 3 aircraft variants with increasing flexibility. The aerodynamics of flexible body is given by the Doublet Lattice method. The dynamics of the flexible structure is obtained via modal superposition. Controllability measures, given from control amplitude and rate constraints, are evaluated. Stabilization of flexible modes is performed via static output feedback. Control channels are defined with support of modal controllability and observability indexes. These applications contribute to determine the configuration of control surfaces. In order to treat the control of flexible aircraft, a rigid body approximation is proposed as the reference model. A general problem is posed, that consists in the determination of an optimum quadratic nonlinear output feedback for nonlinear plant and reference model, in order to approximate the input-output behavior of the reference model, for given performance outputs. Novel optimum and sub-optimum results, involving time variant and invariant linear state and output feedback and nonlinear time invariant output feedback, via neural networks, are developed. All these results are applied to the nonlinear model of conceptual aircraft and respective linear approximation, with comparisons among them. The efficiency and efficacy of the results are shown, and the importance of the nonlinear control is evidenced.

Esta tese propõe uma nova estratégia de controle adaptativo paralelo neural em que uma única rede neural é usada para identificar e controlar simultaneamente uma planta. A idéia por trás dessa estratégia de controle adaptativo é compensar a entrada de controle gerada por um controlador retroalimentado convencional. O processo de treinamento da rede neural é realizado através de duas técnicas: backpropagation e filtro de Kalman estendido. Adicionalmente, a convergência do erro de identificação é analisada através do segundo método de Lyapunov. O desempenho da estratégia proposta é avaliado através de simulações com plantas lineares e não-lineares, comparação com outras técnicas de controle adaptativo que usam redes neurais e uma aplicação em tempo real desenvolvida no processo térmico PT-326 disponível no ITA-IEES. É considerado também o problema de se controlar um reator contínuo perfeitamente agitado, que é um sistema padrão tipicamente utilizado para o teste de novas estratégias de controle.

A crescente complexidade do controle dos processos industriais vem exigindo sistemas de controle cada vez mais precisos, confiáveis e versáteis. No sentido de atender a estas exigências, algoritmos diversos de controle e estimação, tais como: técnicas de controle adaptativas, preditivas, estimação paramétrica, filtros de Kalman, observação de estados, etc. têm sido desenvolvidas, simuladas e implementadas com relativa facilidade nos modernos sistemas digitais. Este trabalho propõe uma estratégia de controle em redes Fieldbus usando controle adaptativo por modelo de referência através de variáveis de estado, para resolver sistemas complexos. O algoritmo de controle proposto é composto por um observador de estados trabalhando em conjunto com um esquema de controle adaptativo por modelo de referência. As malhas de controle no Fieldbus consistem em um conjunto de blocos funcionais padrões existentes, conectados aos novos blocos funcionais propostos e desenvolvidos de acordo com as especificações da norma Fieldbus Foundation. Este algoritmo de controle realiza os cálculos de maneira distribuída entre os dispositivos da rede Fieldbus, implicando em várias vantagens, tais como: a) perda do supervisório não implica na perda do algoritmo de controle, b) menor tráfego de dados na rede, c) algoritmo de controle que não depende do tempo de processamento do computador. Os resultados dos testes obtidos são apresentados e demonstraram um alto grau de precisão, destacando-se a estabilidade e aplicabilidade do algoritmo proposto. / The rising complexity of the industrial control processes has been claiming more and more accurate, reliable and versatile control systems. Attempting to satisfy this demand, several control and estimation systems algorithms, such as adaptive and predictive techniques, parametric estimation, Kalman filtering, state observation, have been designed, simulated and implemented with relative easiness in the modern digital systems. This work proposes a new control strategy in Fieldbus networks, using adaptive control techniques through state variables, to solve complex systems. The proposed control algorithm is based on an states observer concurrently working with a reference model adaptive control scheme. The modified Fieldbus network consists of a set of standard function blocks, connected to the proposed new function blocks. These new function blocks comply with the specifications of the Fieldbus Foundation norm. This control algorithm accomplishes its calculation in a distributed way among the fieldbus devices. This operating feature results in some advantages, such as: any failure in the supervisory system does not imply in the loss of the control algorithm, b) a lower data transmission in the network, c) control algorithm that does not depend on the processing time of the computer. The obtained results corroborate with the expected advantages of the proposed algorithm, in terms of high degree of accuracy, stability and applicability.

Submitted by Rosivalda Pereira (mrs.pereira@ufma.br) on 2017-07-18T19:31:22Z No. of bitstreams: 1 MadsonMachado.pdf: 3046442 bytes, checksum: 71cc6800f83fdbf38b97607067653f63 (MD5) / Made available in DSpace on 2017-07-18T19:31:22Z (GMT). No. of bitstreams: 1 MadsonMachado.pdf: 3046442 bytes, checksum: 71cc6800f83fdbf38b97607067653f63 (MD5) Previous issue date: 2017-05-26 / The need to increase industrial productivity coupled with quality and low cost requirements has generated a demand for the development of high performance controllers. Motivated by this demand, we presented in this work models, algorithms and a methodology for the online project of high-performance control systems. The models have characteristics of adaptability through adaptive control system architectures. The models developed were based on artificial neural networks of radial basis function type, for the online project of model reference adaptive control systems associated with the of sliding modes control. The algorithms and the embedded system developed for the online project were evaluated for tracking mobile targets, in this case, the solar radiation. The control system has the objective of keeping the surface of the photovoltaic module perpendicular to the solar radiation, in this way the energy generated by the module will be as high as possible. The process consists of a photovoltaic panel coupled in a structure that rotates around an axis parallel to the earth’s surface, positioning the panel in order to capture the highest solar radiation as function of its displacement throughout the day. / A necessidade de aumentar a produtividade industrial, associada com os requisitos de qualidade e baixo custo, gerou uma demanda para o desenvolvimento de controladores de alto desempenho. Motivado por esta demanda, apresentou-se neste trabalho modelos, algoritmos e uma metodologia para o projeto online de sistemas de controle de alto desempenho. Os modelos apresentam características de adaptabilidade por meio de arquiteturas de sistemas de controle adaptativo. O desenvolvimento de modelos, baseia-se em redes neurais artificiais (RNA), do tipo função de base radial (RBF, radial basis function), para o projeto online de sistemas de controle adaptativo do tipo modelo de referência associado com o controle de modos deslizantes (SMC, sliding mode control). Os algoritmos e o sistema embarcado desenvolvidos para o projeto online são avaliados para o rastreamento de alvos móveis, neste caso, o rastreamento da radiação solar. O sistema de controle tem o objetivo de manter a superfície do módulo fotovoltaico perpendicular à radiação solar, pois dessa forma a energia gerada pelo módulo será a maior possível. O processo consiste de um painel fotovoltaico acoplado em uma estrutura que gira em torno de um eixo paralelo à superfície da terra, posicionando o painel de forma a capturar a maior radiação solar em função de seu deslocamento ao longo do dia.

Durante a operação de um controlador MPC, a planta pode ir para outro ponto de operação principalmente pela decisão operacional ou pela presença de perturbações medidas/não-medidas. Assim, o modelo do controlador deve ser adaptado para a nova condição de operação favorecendo o controle sob as novas condições. Desta forma, as condições ótimas de controle podem ser alcançadas com a maior quantidade de modelos identificados e com um controlador adaptativo que seja capaz de selecionar o melhor modelo. Neste trabalho é apresentada uma metodologia de controle adaptativo com identificação on-line do melhor modelo o qual pertence a um conjunto previamente levantado. A metodologia proposta considera um controlador em duas camadas e a excitação do processo através de um sinal GBN na camada de otimização com o controlador em malha fechada. Está sendo considerada a validação deste controlador adaptativo através da comparação dos resultados com duas diferentes técnicas Controlador MMPC e Identificação ARX, para a comprovação dos bons resultados desta metodologia. / During the operation of a MPC, the plant can change the operation point mainly due to management decision or due to the presence of measured or unmeasured disturbances. Thus, the model of the controller must be adapted to improve the control in the new operation conditions. In such a way, a better control policy can be achieved if a large number of models are identified at the possible operation points and it is available an adaptive controller that is capable of selecting the best model. In this work is presented a methodology of adaptive control with on-line identification of the most adequate model which belongs to a set of models previously obtained. The proposed methodology considers a two-layer controller and process excitation by a GBN signal in the LP optimization layer with the controller in closed loop mode. It is also presented the adaptive controller validation by comparing the proposed approach with two different techniques - MMPC and ARX Identification, to confirm the good results with this new methodology to the adaptive controller.