Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2018-03-12T20:41:14Z No. of bitstreams: 1 AlcemyGabrielVitorSeverino_DISSERT.pdf: 2366907 bytes, checksum: 9c123928f1facabf2097d270c1a468ad (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2018-03-19T11:45:04Z (GMT) No. of bitstreams: 1 AlcemyGabrielVitorSeverino_DISSERT.pdf: 2366907 bytes, checksum: 9c123928f1facabf2097d270c1a468ad (MD5) / Made available in DSpace on 2018-03-19T11:45:04Z (GMT). No. of bitstreams: 1 AlcemyGabrielVitorSeverino_DISSERT.pdf: 2366907 bytes, checksum: 9c123928f1facabf2097d270c1a468ad (MD5) Previous issue date: 2017-12-08 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior (CAPES) / A identifica??o de sistemas tem como objetivo determinar modelos matem?ticos capazes de descrever suas caracter?sticas din?micas a partir de observa??es. Geralmente, o processo de identifica??o ? dividido nas seguintes etapas: i) coleta de dados experimentais, ii) determina??o da estrutura do modelo, iii) estima??o de par?metros e iv) valida??o do modelo. Neste trabalho investiga-se o problema da determina??o de estruturas. A partir de t?cnicas de otimiza??o conhecidas como meta-heur?sticas, foi desenvolvido um algoritmo para determina??o da estrutura de modelos NARX polinomiais. Diferente dos m?todos tradicionais, as meta-heur?sticas utilizam um conjunto de poss?veis solu??es e estrat?gias, geralmente baseadas na natureza, para encontrar a solu??o do caso aplicado. Dentre as t?cnicas estudadas est?o o algoritmo gen?tico, a otimiza??o por enxame de part?culas e o algoritmo do morcego. A metodologia proposta foi aplicada na identifica??o de tr?s exemplos experimentais: um aquecedor el?trico, um conversor buck e uma v?lvula pneum?tica. Os resultados demonstram que meta-heur?sticas podem ser aplicadas no problema da sele??o de estruturas em modelos NARX polinomiais. / System identification has the goal to determine mathematical models to describe dynamic characteristics of systems from observations. The identification process is generally divided into the following steps: i) experimental data collection, ii) determination of model structure, iii) parameter estimation and iv) model validation. In this work, the problem determining of structures is investigated. An algorithm was developed to determine the structure of polynomial NARX models using optimization techniques known as meta-heuristics. Unlike traditional methods, metaheuristics use a set of possible solutions and strategies, usually based on nature, to find the solution of the case applied. Among the techniques studied are the genetic algorithm, the particle swarm optimization, and the bat algorithm. The methodology proposed in this work was applied to identify three experimental examples: an electric heater, a buck converter and a pneumatic valve. The results demonstrate that metaheuristics can be applied to the problem of the selection of polynomial NARX model structures.

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2017-04-03T19:47:15Z No. of bitstreams: 1 CarlosDeyvinsonRegesBessa_DISSERT.pdf: 1836128 bytes, checksum: 011b308c5bf1f343af8959cc6d45f0b6 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2017-04-06T19:10:44Z (GMT) No. of bitstreams: 1 CarlosDeyvinsonRegesBessa_DISSERT.pdf: 1836128 bytes, checksum: 011b308c5bf1f343af8959cc6d45f0b6 (MD5) / Made available in DSpace on 2017-04-06T19:10:45Z (GMT). No. of bitstreams: 1 CarlosDeyvinsonRegesBessa_DISSERT.pdf: 1836128 bytes, checksum: 011b308c5bf1f343af8959cc6d45f0b6 (MD5) Previous issue date: 2016-12-19 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior (CAPES) / Este trabalho tem como enfoque as dificuldades envolvidas em controlar sistemas de or-dem superior com atraso de transporte, onde a solu??o adotada para amenizar o efeito cau-sado pelo atraso ? a utiliza??o de um algoritmo de predi??o, composto pelas t?cnicas do Preditor de Smith e do Preditor de Smith Filtrado. Analisando os casos em que o modelo do sistema usado no algoritmo de predi??o n?o ? id?ntico ao real, foi poss?vel constatar a presen?a de erro na din?mica do sistema. Este erro pode amplificar o esfor?o de controle e o desgaste prematuro dos equipamentos envolvidos, levando em alguns casos a desestabili-zar o sistema. Diante disto, foi proposto o desenvolvimento de um sistema capaz de tratar as incertezas decorrentes da diferen?a entre o modelo e o sistema real, reduzindo o efeito do atraso de transporte sobre o sistema de controle. Como resultado foi gerada uma ferra-menta, que atua de forma aceit?vel para os casos testados, ajustando o modelo do processo e, consequentemente, melhorando a compensa??o de tempo morto. / This work considers the difficulties involved in the control of higher order systems with transport delay, where the solution adopted to mitigate the effect caused by the delay is the use of a prediction algorithm composed of the Smith Predictor techniques and Filtered Smith Predictor. Analyzing the cases where the system model used in the prediction algo-rithm is not identical to the real system, the presence of error in the system dynamics was observed. This error may amplify the control effort and cause premature wear of the equipment involved, in some cases leading the system to instability. In this manner, the development of a tool to treat uncertainties originated from the difference between the sys-tem model and the real system, thereby reducing the effect of transmission delay of the control system, has been proposed. A software to adjust the process model and thus im-prove the dead time compensation was implemented.

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2016-06-10T00:04:44Z No. of bitstreams: 1 LeandroLuttianeDaSilvaLinhares_TESE.pdf: 2400561 bytes, checksum: 3693662adcc0c23b5063f51b23d9b6c5 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2016-06-10T22:50:22Z (GMT) No. of bitstreams: 1 LeandroLuttianeDaSilvaLinhares_TESE.pdf: 2400561 bytes, checksum: 3693662adcc0c23b5063f51b23d9b6c5 (MD5) / Made available in DSpace on 2016-06-10T22:50:22Z (GMT). No. of bitstreams: 1 LeandroLuttianeDaSilvaLinhares_TESE.pdf: 2400561 bytes, checksum: 3693662adcc0c23b5063f51b23d9b6c5 (MD5) Previous issue date: 2015-09-03 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior (CAPES) / O grande interesse pela identifica??o n?o linear de sistemas din?micos deve-se, principalmente, ao fato de que uma grande quantidade dos sistemas reais s?o complexos e precisam ter suas n?o linearidades consideradas para que seus modelos possam ser utilizados com sucesso em aplica??es, por exemplo, de controle, predi??o, infer?ncia, entre outros. O presente trabalho analisa a aplica??o das redes Fuzzy Wavelet Neural Network (FWNN) na identifica??o de sistemas n?o lineares sujeitos a ru?dos e outliers. Esses elementos, geralmente, influenciam no procedimento de identifica??o, ocasionando interpreta??es err?neas em rela??o ao comportamento din?mico do sistema. A FWNN combina, em uma ?nica estrutura, a capacidade de tratar incertezas da l?gica fuzzy, as caracter?sticas de multirresolu??o da teoria wavelet e as habilidades de aprendizado e generaliza??o das redes neurais artificiais. Normalmente, o aprendizado dessas redes ? realizado por algum m?todo baseado em gradiente, tendo o erro m?dio quadr?tico como fun??o de custo. Este trabalho avalia a substitui??o dessa tradicional fun??o por uma medida de similaridade da Teoria da Informa??o, denominada correntropia. Esta medida de similaridade permite que momentos estat?sticos de ordem superior possam ser considerados durante o processo de treinamento. Por esta raz?o, ela se torna mais apropriada para distribui??es de erro n?o gaussianas e faz com que o treinamento apresente menor sensibilidade ? presen?a de outliers. Para avaliar esta substitui??o, modelos FWNN s?o obtidos na identifica??o de dois estudos de caso: um sistema real n?o linear, consistindo em um tanque de m?ltiplas se??es, e um sistema simulado baseado em um modelo biomec?nico da articula??o do joelho humano. Os resultados obtidos demonstram que a utiliza??o da correntropia, como fun??o custo no algoritmo de retropropaga??o do erro, torna o procedimento de identifica??o utilizando redes FWNN mais robusto aos outliers. Entretanto, isto somente pode ser alcan?ado a partir do ajuste adequado da largura do kernel gaussiano da correntropia. / The great interest in nonlinear system identification is mainly due to the fact that a large amount of real systems are complex and need to have their nonlinearities considered so that their models can be successfully used in applications of control, prediction, inference, among others. This work evaluates the application of Fuzzy Wavelet Neural Networks (FWNN) to identify nonlinear dynamical systems subjected to noise and outliers. Generally, these elements cause negative effects on the identification procedure, resulting in erroneous interpretations regarding the dynamical behavior of the system. The FWNN combines in a single structure the ability to deal with uncertainties of fuzzy logic, the multiresolution characteristics of wavelet theory and learning and generalization abilities of the artificial neural networks. Usually, the learning procedure of these neural networks is realized by a gradient based method, which uses the mean squared error as its cost function. This work proposes the replacement of this traditional function by an Information Theoretic Learning similarity measure, called correntropy. With the use of this similarity measure, higher order statistics can be considered during the FWNN training process. For this reason, this measure is more suitable for non-Gaussian error distributions and makes the training less sensitive to the presence of outliers. In order to evaluate this replacement, FWNN models are obtained in two identification case studies: a real nonlinear system, consisting of a multisection tank, and a simulated system based on a model of the human knee joint. The results demonstrate that the application of correntropy as the error backpropagation algorithm cost function makes the identification procedure using FWNN models more robust to outliers. However, this is only achieved if the gaussian kernel width of correntropy is properly adjusted.

Made available in DSpace on 2014-12-17T14:55:00Z (GMT). No. of bitstreams: 1 SergioJGS.pdf: 1164807 bytes, checksum: 597fe8700a95271ecd0c0f3e0b460362 (MD5) Previous issue date: 2007-11-13 / This work intends to analyze the behavior of the gas flow of plunger lift wells producing to well testing separators in offshore production platforms to aim a technical procedure to estimate the gas flow during the slug production period. The motivation for this work appeared from the expectation of some wells equipped with plunger lift method by PETROBRAS in Ubarana sea field located at Rio Grande do Norte State coast where the produced fluids measurement is made in well testing separators at the platform. The oil artificial lift method called plunger lift is used when the available energy of the reservoir is not high enough to overcome all the necessary load losses to lift the oil from the bottom of the well to the surface continuously. This method consists, basically, in one free piston acting as a mechanical interface between the formation gas and the produced liquids, greatly increasing the well s lifting efficiency. A pneumatic control valve is mounted at the flow line to control the cycles. When this valve opens, the plunger starts to move from the bottom to the surface of the well lifting all the oil and gas that are above it until to reach the well test separator where the fluids are measured. The well test separator is used to measure all the volumes produced by the well during a certain period of time called production test. In most cases, the separators are designed to measure stabilized flow, in other words, reasonably constant flow by the use of level and pressure electronic controllers (PLC) and by assumption of a steady pressure inside the separator. With plunger lift wells the liquid and gas flow at the surface are cyclical and unstable what causes the appearance of slugs inside the separator, mainly in the gas phase, because introduce significant errors in the measurement system (e.g.: overrange error). The flow gas analysis proposed in this work is based on two mathematical models used together: i) a plunger lift well model proposed by Baruzzi [1] with later modifications made by Bolonhini [2] to built a plunger lift simulator; ii) a two-phase separator model (gas + liquid) based from a three-phase separator model (gas + oil + water) proposed by Nunes [3]. Based on the models above and with field data collected from the well test separator of PUB-02 platform (Ubarana sea field) it was possible to demonstrate that the output gas flow of the separator can be estimate, with a reasonable precision, from the control signal of the Pressure Control Valve (PCV). Several models of the System Identification Toolbox from MATLAB? were analyzed to evaluate which one better fit to the data collected from the field. For validation of the models, it was used the AIC criterion, as well as a variant of the cross validation criterion. The ARX model performance was the best one to fit to the data and, this way, we decided to evaluate a recursive algorithm (RARX) also with real time data. The results were quite promising that indicating the viability to estimate the output gas flow rate from a plunger lift well producing to a well test separator, with the built-in information of the control signal to the PCV / Este trabalho se prop?e a realizar uma an?lise do comportamento da vaz?o de g?s de po?os produzindo por plunger lift para vasos separadores de teste em plataformas de produ??o de petr?leo com o objetivo de propor uma t?cnica de estima??o da vaz?o durante os instantes de golfadas provocadas por estes tipos de po?os. A motiva??o para este trabalho surgiu diante da perspectiva de instala??o pela PETROBRAS de alguns po?os equipados com plunger lift no campo mar?timo de Ubarana situado na costa do Rio Grande do Norte onde a medi??o dos volumes produzidos ? feita em vaso separador na plataforma. O m?todo de eleva??o artificial de petr?leo denominado plunger lift ? utilizado quando a energia dispon?vel no reservat?rio n?o ? suficiente para vencer todas as perdas de carga necess?rias para elevar o petr?leo do fundo do po?o at? a superf?cie de forma cont?nua. O m?todo consiste, basicamente, de um pist?o livre (plunger) agindo como uma interface mec?nica entre o g?s da forma??o e os l?quidos produzidos, aumentando enormemente a efici?ncia de eleva??o. ? instalada, tamb?m, uma v?lvula de controle acionada pneumaticamente, na linha de produ??o do po?o para efetuar o controle dos ciclos. Ao ser aberta a v?lvula, o pist?o se desloca do fundo do po?o at? a superf?cie, elevando o ?leo e o g?s que se encontram acima do mesmo at? chegar no vaso separador de teste onde os fluidos ser?o medidos. O vaso separador de teste ? utilizado para fazer a aferi??o dos volumes produzidos pelo po?o durante um determinado per?odo de tempo denominado de teste de produ??o. Na maioria dos casos, os vasos separadores s?o projetados para medi??o de vaz?es estabilizadas, ou seja, razoavelmente constantes atrav?s do uso de controladores eletr?nicos de n?vel e de press?o. No caso de po?os produzindo por plunger lift, as vaz?es de l?quido e de g?s na superf?cie s?o c?clicas e de amplitude vari?vel, acarretando o surgimento de golfadas no interior do vaso separador provocando, principalmente para o caso do g?s, erros significativos no sistema de medi??o (ex.: erro de overrange ). A an?lise da vaz?o de g?s proposta neste trabalho se baseia na integra??o de dois modelos matem?ticos: i) modelagem de um po?o de plunger lift proposta por Baruzzi [1] com modifica??es efetuadas posteriormente por Bolonhini [2] na implementa??o de um simulador de plunger lift; ii) modelagem de um vaso separador bif?sico (g?s + l?quido) a partir de um modelo trif?sico (?leo + g?s + ?gua) proposto por Nunes [3]. Com base nos modelos acima e utilizando-se dados coletados no vaso separador de teste da plataforma PUB-02 (campo de Ubarana), foi poss?vel demonstrar que a vaz?o de sa?da de g?s do vaso de teste pode ser estimada, com razo?vel precis?o, a partir do sinal de controle da v?lvula controladora de press?o (PCV). Diversos modelos dispon?veis no toolbox de Identifica??o de Sistemas do MATLAB? foram analisados para se avaliar qual seria o que melhor se adaptava aos dados coletados no campo. Para a valida??o dos modelos foi usado o crit?rio de AIC, bem como uma variante do crit?rio de valida??o cruzada. O modelo ARX foi o que apresentou melhor desempenho com base nos dados coletados e, desta forma, decidiu-se avaliar tamb?m um algoritmo recursivo (RARX) com dados obtidos em tempo real. Os resultados foram bastante promissores, indicando a viabilidade de se poder estimar a vaz?o de sa?da de g?s de um po?o de plunger lift produzindo para um vaso separador de teste a partir da informa??o contida no sinal de controle da PCV

Made available in DSpace on 2014-12-17T14:55:11Z (GMT). No. of bitstreams: 1 CarlosAGF_TESE.pdf: 1739972 bytes, checksum: 7401db4e68ede642dc9d65e00bd935e6 (MD5) Previous issue date: 2012-12-21 / In this work a modification on ANFIS (Adaptive Network Based Fuzzy Inference System) structure is proposed to find a systematic method for nonlinear plants, with large operational range, identification and control, using linear local systems: models and controllers. This method is based on multiple model approach. This way, linear local models are obtained and then those models are combined by the proposed neurofuzzy structure. A metric that allows a satisfactory combination of those models is obtained after the structure training. It results on plant s global identification. A controller is projected for each local model. The global control is obtained by mixing local controllers signals. This is done by the modified ANFIS. The modification on ANFIS architecture allows the two neurofuzzy structures knowledge sharing. So the same metric obtained to combine models can be used to combine controllers. Two cases study are used to validate the new ANFIS structure. The knowledge sharing is evaluated in the second case study. It shows that just one modified ANFIS structure is necessary to combine linear models to identify, a nonlinear plant, and combine linear controllers to control this plant. The proposed method allows the usage of any identification and control techniques for local models and local controllers obtaining. It also reduces the complexity of ANFIS usage for identification and control. This work has prioritized simpler techniques for the identification and control systems to simplify the use of the method / Neste trabalho prop?e-se uma modifica??o na estrutura neurofuzzy ANFIS (Adaptive Network Based Fuzzy Inference System) para a obten??o de um m?todo sistem?tico para identifica??o e controle de plantas com ampla faixa de opera??o e n?o linearidade acentuada, a partir de t?cnicas lineares de identifica??o e controle. Este m?todo se baseia na metodologia de m?ltiplos modelos. Dessa forma, obt?m-se modelos lineares locais e esses s?o combinados pela estrutura neurofuzzy proposta. Uma m?trica que permite combinar adequadamente esses modelos ? obtida ap?s o treinamento dessa estrutura, resultando na identifica??o global da planta. Para cada um desses modelos ? projetado um controlador. O controle global ? obtido a partir da combina??o dos sinais dos controladores locais. Essa mistura ? feita pelo ANFIS modificado. A modifica??o na arquitetura do ANFIS permite o compartilhamento do conhecimento adquirido pelo treinamento da estrutura empregada na combina??o de modelos locais. Assim n?o se faz necess?rio o treinamento da estrutura empregada na mistura de controladores. Avaliaram-se as estruturas modificadas atrav?s de dois estudos de caso. Verificou-se que ? poss?vel treinar apenas um ANFIS, para a obten??o de uma m?trica que permita a combina??o adequada dos modelos lineares, v?lidos localmente, e essa estrutura, j? ajustada, pode ser aplicada na combina??o de controladores lineares, projetados para cada um dos modelos, resultando em um sistema de controle que satisfaz as especifica??es de desempenho previamente estabelecidas. O m?todo proposto possibilita a utiliza??o de quaisquer t?cnicas de identifica??o e controle para a obten??o dos modelos e controladores locais, e a redu??o da complexidade de utiliza??o do ANFIS para identifica??o e controle. Neste trabalho priorizaram-se as t?cnicas mais simples de identifica??o e controle de sistemas de forma a simplificar a utiliza??o do m?todo

Made available in DSpace on 2014-12-17T14:55:44Z (GMT). No. of bitstreams: 1 JoilsonBAR_DISSERT.pdf: 5903616 bytes, checksum: bee0d51eb1c54833e1d9a19364c80c76 (MD5) Previous issue date: 2010-07-30 / The present work describes the use of a mathematical tool to solve problems arising from control theory, including the identification, analysis of the phase portrait and stability, as well as the temporal evolution of the plant s current induction motor. The system identification is an area of mathematical modeling that has as its objective the study of techniques which can determine a dynamic model in representing a real system. The tool used in the identification and analysis of nonlinear dynamical system is the Radial Basis Function (RBF). The process or plant that is used has a mathematical model unknown, but belongs to a particular class that contains an internal dynamics that can be modeled.Will be presented as contributions to the analysis of asymptotic stability of the RBF. The identification using radial basis function is demonstrated through computer simulations from a real data set obtained from the plant / O presente trabalho descreve a utiliza??o de uma ferramenta matem?tica na solu??o de problemas decorrentes da teoria de controle, incluindo a identifica??o, a an?lise do retrato de fase e a estabilidade, bem como a evolu??o temporal da planta de corrente do motor de indu??o. A identifica??o de sistemas ? uma ?rea da modelagem matem?tica que tem como objetivo o estudo de t?cnicas que possam determinar um modelo din?mico na representa??o de um sistema real. A ferramenta utilizada na identifica??o e an?lise do sistema din?mico n?o linear ser? as Fun??es de Base Radial (RBF). O processo ou a planta que ser? utilizada possui um modelo matem?tico desconhecido, mas pertence a uma determinada classe que cont?m uma din?mica interna que pode ser modelada. Ser? apresentada como contribui??es a an?lise da estabilidade assint?tica da RBF. A identifica??o utilizando Fun??es de Base Radial ? demonstrada atrav?s de simula??es computacionais a partir de um conjunto de dados reais obtidos da planta de corrente do motor de indu??o

Made available in DSpace on 2014-12-17T14:55:57Z (GMT). No. of bitstreams: 1 FranciscoGFJ.pdf: 2262425 bytes, checksum: 03d70ce4ca2d284516ec0c9c15922fbf (MD5) Previous issue date: 2006-02-17 / The present work has as objective to present a method of project and implementation of controllers PID, based on industrial instrumentation. An automatic system of auto-tunning of controllers PID will be presented, for systems of first and second order. The software presented in this work is applied in controlled plants by PID controllers implemented in a CLP. Software is applied to make the auto-tunning of the parameters of controller PID of plants that need this tunning. Software presents two stages, the first one is the stage of identification of the system using the least square recursive algorithm and the second is the stage of project of the parameters of controller PID using the root locus algorithm. An important fact of this work is the use of industrial instrumentation for the accomplishment of the experiments. The experiments had been carried through in controlled real plants for controllers PID implemented in the CLP. Thus has not only one resulted obtained with theoreticians experiments made with computational programs, and yes resulted obtained of real systems. The experiments had shown good results gotten with developed software / O presente trabalho tem como objetivo apresentar um m?todo de projeto e implementa??o de controladores PID, baseado em instrumenta??o industrial. Ser? apresentado um sistema autom?tico de re-sintonia de controladores PID, para sistemas de primeira e segunda ordem. O software apresentado neste trabalho ? aplicado em plantas controladas por controladores PID implementados num CLP. O software ? aplicado para fazer a auto-sintonia dos par?metros do controlador PID de plantas que necessitem desta sintonia. O software apresenta duas etapas, a primeira ? a etapa de identifica??o do sistema utilizando o algoritmo dos m?nimos quadrados recursivos e a segunda ? a etapa de projeto dos par?metros do controlador PID utilizando o algoritmo do m?todo do lugar das ra?zes. Um fato importante deste trabalho ? a utiliza??o de instrumenta??o industrial para a realiza??o dos experimentos. Os experimentos foram realizados em plantas reais controladas por controladores PID implementados em um CLP. Assim n?o se tem apenas resultados te?ricos obtidos de experimentos feitos com programas computacionais, e sim resultados obtidos de sistemas reais. Os experimentos mostraram bons resultados obtidos com o software desenvolvido

Made available in DSpace on 2014-12-17T14:56:04Z (GMT). No. of bitstreams: 1 AndersonLOC.pdf: 406689 bytes, checksum: 691bbb5946a5ec4cddcd17c2240e9a91 (MD5) Previous issue date: 2003-12-12 / The present work presents the study and implementation of an adaptive bilinear compensated generalized predictive controller. This work uses conventional techniques of predictive control and includes techniques of adaptive control for better results. In order to solve control problems frequently found in the chemical industry, bilinear models are considered to represent the dynamics of the studied systems. Bilinear models are simpler than general nonlinear model, however it can to represent the intrinsic not-linearities of industrial processes. The linearization of the model, by the approach to time step quasilinear , is used to allow the application of the equations of the generalized predictive controller (GPC). Such linearization, however, generates an error of prediction, which is minimized through a compensation term. The term in study is implemented in an adaptive form, due to the nonlinear relationship between the input signal and the prediction error.Simulation results show the efficiency of adaptive predictive bilinear controller in comparison with the conventional. / O presente trabalho tem como objetivo o estudo e a implementa??o de um controlador preditivo generalizado bilinear adaptativamente compensado. Este trabalho utiliza t?cnicas de controle preditivo convencionais juntamente com t?cnicas de controle adaptativo na busca de um melhor resultado. No intuito de solucionar problemas de controle freq?entemente enfrentados pela ind?stria qu?mica, ? proposto o modelo bilinear para representar a din?mica dos sistemas em estudo. Os modelos bilineares s?o uma classe particular dentre os modelos n?o-lineares, por?m s?o por natureza mais simples que os modelos n?o lineares gerais e ainda conseguem representar as n?o-linearidades intr?nsecas dos processos industriais. A lineariza??o do modelo, pela aproxima??o quasilinear por degrau de tempo, ? utilizada para viabilizar a aplica??o das equa??es do controlador preditivo generalizado (GPC). Tal lineariza??o, no entanto, gera um erro de predi??o, o qual ? minimizado atrav?s de um termo de compensa??o. O termo em estudo ? implementado de forma adaptativa, dada a forte rela??o n?o-linear entre o sinal de entrada e o erro de predi??o. Resultados de simula??o mostram a efici?ncia do controlador preditivo bilinear adaptativo em compara??o com o convencional.

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2017-02-21T00:17:08Z No. of bitstreams: 1 BrennaKarolynaDosSantosSilva_DISSERT.pdf: 6981280 bytes, checksum: 0266d5d98ab38bb268fe5ddd9e7e3c97 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2017-03-03T22:08:40Z (GMT) No. of bitstreams: 1 BrennaKarolynaDosSantosSilva_DISSERT.pdf: 6981280 bytes, checksum: 0266d5d98ab38bb268fe5ddd9e7e3c97 (MD5) / Made available in DSpace on 2017-03-03T22:08:40Z (GMT). No. of bitstreams: 1 BrennaKarolynaDosSantosSilva_DISSERT.pdf: 6981280 bytes, checksum: 0266d5d98ab38bb268fe5ddd9e7e3c97 (MD5) Previous issue date: 2016-02-23 / A identifica??o de sistemas din?micos n?o lineares tem grande import?ncia em v?rias ?reas da Engenharia. Esta disserta??o apresenta uma t?cnica de identifica??o de sistemas utilizando Redes Neurais Artificiais do tipo Fun??es de Base Radial ? RBF aplicada a um sistema bastante comum na ind?stria de qu?mica e petroqu?mica, o sistema de multitanques (tanques acoplados), que apresenta uma din?mica de natureza n?o linear. Em tal sistema, o comportamento n?o linear deste pode dificultar a identifica??o e apresentar um modelo que n?o reflete seu comportamento real. Esse fator ? fonte de motiva??o para utilizarmos uma ferramenta matem?tica tal como a RBF na identifica??o dos aspectos n?o lineares do sistema. Essa rede apresenta potencialidades como habilidade de tratar sistemas complexos, aprendizado e generaliza??o. A identifica??o de sistemas utilizando RBF pode ser tratada como um problema de ajuste de curvas atrav?s da combina??o das fun??es de base. / The identification of nonlinear dynamical systems is of great importance in many areas of engineering. In this dissertation presents a system identification technique using Artificial Neural Networks Radial Basis Function type - RBF applied to a very common system in the chemical and petrochemical industry, multi tanks system (coupled tanks), which features a dynamic nature not linear. In such a system, the nonlinear behavior of this can make it difficult to identify and present a model that does not reflect their actual behavior. This factor is a source of motivation we use a mathematical tool such as RBF in the identification of nonlinear aspects of the system. This network has potential as ability to handle complex systems, learning and generalization. Identification systems using RBF can be treated as a curve fitting problem by combining the basic functions.

Made available in DSpace on 2014-12-17T14:55:19Z (GMT). No. of bitstreams: 1 JoseMAJ_TESE.pdf: 3560157 bytes, checksum: 2f20316c7b980a74bdb7b82e97e3bb43 (MD5) Previous issue date: 2014-03-24 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / In last decades, neural networks have been established as a major tool for the identification of nonlinear systems. Among the various types of networks used in identification, one that can be highlighted is the wavelet neural network (WNN). This network combines the characteristics of wavelet multiresolution theory with learning ability and generalization of neural networks usually, providing more accurate models than those ones obtained by traditional networks. An extension of WNN networks is to combine the neuro-fuzzy ANFIS (Adaptive Network Based Fuzzy Inference System) structure with wavelets, leading to generate the Fuzzy Wavelet Neural Network - FWNN structure. This network is very similar to ANFIS networks, with the difference that traditional polynomials present in consequent of this network are replaced by WNN networks. This paper proposes the identification of nonlinear dynamical systems from a network FWNN modified. In the proposed structure, functions only wavelets are used in the consequent. Thus, it is possible to obtain a simplification of the structure, reducing the number of adjustable parameters of the network. To evaluate the performance of network FWNN with this modification, an analysis of network performance is made, verifying advantages, disadvantages and cost effectiveness when compared to other existing FWNN structures in literature. The evaluations are carried out via the identification of two simulated systems traditionally found in the literature and a real nonlinear system, consisting of a nonlinear multi section tank. Finally, the network is used to infer values of temperature and humidity inside of a neonatal incubator. The execution of such analyzes is based on various criteria, like: mean squared error, number of training epochs, number of adjustable parameters, the variation of the mean square error, among others. The results found show the generalization ability of the modified structure, despite the simplification performed / Nas ?ltimas d?cadas, as redes neurais t?m se estabelecido como uma das principais ferramentas para a identifica??o de sistemas n?o lineares. Entre os diversos tipos de redes utilizadas em identifica??o, uma que se pode destacar ? a rede neural wavelet (ou Wavelet Neural Network - WNN). Esta rede combina as caracter?sticas de multirresolu??o da teoria wavelet com a capacidade de aprendizado e generaliza??o das redes neurais, podendo fornecer modelos mais exatos do que os obtidos pelas redes tradicionais. Uma evolu??o das redes WNN consiste em combinar a estrutura neuro-fuzzyANFIS (Adaptive Network Based Fuzzy Inference System) com estas redes, gerando-se a estrutura Fuzzy Wavelet Neural Network - FWNN. Essa rede ? muito similar ?s redes ANFIS, com a diferen?a de que os tradicionais polin?mios presentes nos consequentes desta rede s?o substitu?dos por redes WNN. O presente trabalho prop?e uma rede FWNN modificada para a identifica??o de sistemas din?micos n?o lineares. Nessa estrutura, somente fun??es waveletss?o utilizadas nos consequentes. Desta forma, ? poss?vel obter uma simplifica??o da estrutura com rela??o a outras estruturas descritas na literatura, diminuindo o n?mero de par?metros ajust?veis da rede. Para avaliar o desempenho da rede FWNN com essa modifica??o, ? realizada uma an?lise das caracter?sticas da rede, verificando-se as vantagens, desvantagens e o custo-benef?cio quando comparada com outras estruturas FWNNs. As avalia??es s?o realizadas a partir da identifica??o de dois sistemas simulados tradicionalmente encontrados na literatura e um sistema real n?o linear, consistindo de um tanque de multisse??es e n?o linear. Por fim, a rede foi utilizada para inferir valores de temperatura e umidade no interior de uma incubadora neonatal. A execu??o dessa an?lise baseia-se em v?rios crit?rios, tais como: erro m?dio quadr?tico, n?mero de ?pocas de treinamento, n?mero de par?metros ajust?veis, vari?ncia do erro m?dio quadr?tico, entre outros. Os resultados encontrados evidenciam a capacidade de generaliza??o da estrutura modificada, apesar da simplifica??o realizada