Orientador: Rubens Maciel Filho / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-08-09T11:12:44Z (GMT). No. of bitstreams: 1 Lima_NadsonMuriloNascimento_M.pdf: 1887705 bytes, checksum: e0761ce0e30dd05a47c9cfbe9b0968ef (MD5) Previous issue date: 2006 / Resumo: A síntese de controladores representa uma importante vertente dos desenvolvimentos atuais no campo da pesquisa acadêmica e industrial. Um controlador bem projetado pode significar sucesso no que se refere aos objetivos de produção, sendo gerados materiais com as especificações desejadas e proporcionando que o sistema opere sob certas restrições, levando em consideração aspectos relativos à operabilidade, segurança e minimização de resíduos. Para tanto, sabe-se que as etapas de modelagem são fundamentais para a delineação de estratégias de controle. No entanto, a obtenção de representações matemáticas precisas e, ao mesmo tempo, aplicáveis para controle da maioria dos processos de interesse da engenharia química é uma tarefa árdua, devido à presença de comportamentos dinâmicos não lineares e variantes ao longo do espaço e do tempo. Deste modo, busca-se a obtenção de modelos mais simples, porém dotados da imprescindível representatividade inerente aos sistemas de produção, a fim de serem projetadas estruturas de controle adequadas para cada necessidade específica. Este trabalho enfoca o desenvolvimento de um controlador híbrido preditivo baseado em modelos nebulosos (fuzzy) tipo Takagi-Sugeno para processos de polimerização, os quais apresentam dinâmicas altamente complexas e de difícil modelagem matemática, dificultando assim a aplicação de metodologias convencionais de controle. Foram considerados dois casos de estudo para análise de desempenho do controlador proposto: o processo de copolimerização em solução do metacrilato de metila e acetato de vinila, e a copolimerização industrial do eteno/1-buteno com catalisador Ziegler-Natta solúvel. Os modelos fenomenológicos de ambos os processos já se encontram descritos na literatura, sendo considerados como plantas virtuais para geração de dados dinâmicos e implementação do controlador. A partir de simulações computacionais, os modelos dinâmicos nebulosos funcionais foram construídos ¿ os quais demonstraram excelentes capacidades para predição das saídas dos processos como uma função dos dados dinâmicos de entrada ¿ sendo, posteriormente, inseridos na estrutura interna do controle preditivo DMC (Dynamic Matrix Control). A escolha do controlador DMC como base para o desenvolvimento da estrutura proposta deve-se ao fato de sua notória aplicabilidade industrial, aliada à simplicidade de projeto e execução, além de possibilitar a incorporação de restrições nas variáveis controladas e manipuladas. Por fim, foram comparados os desempenhos entre os controladores híbrido e DMC convencional para os problemas regulatório e servo, fornecendo resultados satisfatórios em ambas as situações. Isto demonstra o alto potencial do algoritmo proposto para o controle de sistemas não lineares / Abstract: Controller synthesis represents an important slope of recent development in the field of academic and industry research. A well-projected controller may express the success in reference to the aim of production, and it also creates materials with desirable specification and it allows that the system operates under certain restrictions, considering aspects related to operability, safety and minimization of residue. Then, it¿s known that modeling stage is fundamental to delineation of controller strategies. However, the obtaining of precise and applicable mathematical representation to control most of relevant process in chemist engineering is an arduous task, because of the presence of nonlinear dynamic behavior and space-time variation. Therefore, it searches obtaining of simplier models, but gifted of essential representativity inherent to production system, because of this suitable control structure to each specific necessity projected. This work focus on the development of predictive hybrid controller based on fuzzy models, type Takagi-Sugeno, to process of copolymerization, that present high complex dynamic and hard mathematical modeling, what is also difficult to apply conventional methodologies of control. Two study cases that present analyze of purpose controller were considered: the process of copolymerization in solution of methyl methacrylate and vinyl acetate, and industry copolymerization of ethene/1-butene with Ziegler-Natta catalyzation. The phenomenologic models of the two processes have already described in relevant literature, and they are considered as virtual plants to create dynamic data and controller implementation. Based on computer simulation, functional dynamic fuzzy models were made ¿ they demonstrate excellent capacity to output prediction in process as a function of input dynamic data ¿ and they are, subsequently, inserted in an internal structure of DMC (Dynamic Matrix Control) predictive control. The choice of DMC controller as the base to development of proposal structure is responsible to the fact of its well-known industry applicability, allied to simplicity of the project and execution, beyond it makes possible the incorporation of restrictions in controlled and manipulated variables. Finally, the performance between hybrid controller and conventional DMC to regulatory and servo problems were compared, and it supplies satisfactory results in both situation. It demonstrates high potential of propose algorithm to control nonlinear system / Mestrado / Desenvolvimento de Processos Químicos / Mestre em Engenharia Química

Orientadores: Fernando Antonio Campos Gomide, Rosangela Ballini / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-12T14:32:10Z (GMT). No. of bitstreams: 1 Lima_EltonMariode_M.pdf: 1259231 bytes, checksum: 7a910e84bfb43d6c13b2deb8b6f511c2 (MD5) Previous issue date: 2008 / Resumo: Este trabalho propõe um modelo fuzzy funcional evolutivo que utiliza uma aplicação do aprendizado participativo para a construção de uma base de regras. O aprendizado participativo é um modelo de aprendizado baseado na noção de compatibilidade para a atualização do conhecimento do sistema. O aprendizado participativo pode ser traduzido em um algoritmo de agrupamento não supervisionado conhecido como agrupamento participativo. O algoritmo intitulado Aprendizado Participativo Evolutivo é proposto para construir um modelo fuzzy funcional evolutivo no qual as regras são obtidas a partir de um algoritmo de agrupamento não supervisionado. O algoritmo utiliza uma versão do agrupamento participativo para a determinação de uma base de regras correspondente ao modelo funcional do tipo Takagi-Sugeno evolutivo. A partir de uma noção generalizada, o modelo proposto é aplicado em problemas de previsão de séries temporais e os resultados são obtidos para a conhecida série Box-Jenkis, além da previsão de uma série de carga horária de energia elétrica. Os resultados são comparados com o modelo Takagi-Sugeno evolutivo que utiliza a noção de função potencial para agrupar os dados dinâmicamente e com duas abordagens baseadas em redes neurais. Os resultados mostram que o modelo proposto é eficiente e parcimonioso, abrindo potencial para aplicações e estudos futuros. / Abstract: This work introduces an approach to develop evolving fuzzy rule-based models using participatory learning. Participatory learning assumes that learning and beliefs about a system depend on what the learning mechanism knows about the system itself. Participatory learning naturally augments clustering and yields an e_ective unsupervised fuzzy clustering algorithms for on-line, real time domains and applications. Clustering is an essential step to construct evolving fuzzy models and plays a key role in modeling performance and model quality. A least squares recursive approach to estimate the consequent parameters of the fuzzy rules for on-line modeling is emphasized. Experiments with the classic Box-Jenkins benchmark are conducted to compare the performance of the evolving participatory learning with the evolving fuzzy system modeling approach and alternative fuzzy modeling and neural methods. The experiments show the e_ciency of evolving participatory learning to handle the benchmark problem. The evolving participatory learning method is also used to forecast the average hourly load of an electric generation plant and compared against the evolving fuzzy system modeling using actual data. The results confirm the potential of the evolving fuzzy participatory method to solve real world modeling problems. / Mestrado / Automação Industrial / Mestre em Engenharia Elétrica