Made available in DSpace on 2014-12-17T14:08:39Z (GMT). No. of bitstreams: 1 LuizHGP_DISSERT.pdf: 1454316 bytes, checksum: 0866b81b5bfb98284278c13af6a47bdc (MD5) Previous issue date: 2009-08-07 / A pesquisa tem como objetivo desenvolver uma estrutura de controle preditivo neural, com o intuito de controlar um processo de pH, caracterizado por ser um sistema SISO (Single Input - Single Output). O controle de pH ? um processo de grande import?ncia na ind?stria petroqu?mica, onde se deseja manter constante o n?vel de acidez de um produto ou neutralizar o afluente de uma planta de tratamento de fluidos. O processo de controle de pH exige robustez do sistema de controle, pois este processo pode ter ganho est?tico e din?mica n?olineares. O controlador preditivo neural envolve duas outras teorias para o seu desenvolvimento, a primeira referente ao controle preditivo e a outra a redes neurais artificiais (RNA s). Este controlador pode ser dividido em dois blocos, um respons?vel pela identifica??o e outro pelo o c?lculo do sinal de controle. Para realizar a identifica??o neural ? utilizada uma RNA com arquitetura feedforward multicamadas com aprendizagem baseada na metodologia da Propaga??o Retroativa do Erro (Error Back Propagation). A partir de dados de entrada e sa?da da planta ? iniciado o treinamento offline da rede. Dessa forma, os pesos sin?pticos s?o ajustados e a rede est? apta para representar o sistema com a m?xima precis?o poss?vel. O modelo neural gerado ? usado para predizer as sa?das futuras do sistema, com isso o otimizador calcula uma s?rie de a??es de controle, atrav?s da minimiza??o de uma fun??o objetivo quadr?tica, fazendo com que a sa?da do processo siga um sinal de refer?ncia desejado. Foram desenvolvidos dois aplicativos, ambos na plataforma Builder C++, o primeiro realiza a identifica??o, via redes neurais e o segundo ? respons?vel pelo controle do processo. As ferramentas aqui implementadas e aplicadas s?o gen?ricas, ambas permitem a aplica??o da estrutura de controle a qualquer novo processo