Orientador: Rubens Maciel Filho / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química / Made available in DSpace on 2018-08-17T00:14:12Z (GMT). No. of bitstreams: 1 Ribeiro_PleycienneTrajano_D.pdf: 5889372 bytes, checksum: fb40a08b4781dc281483bc320321f3ff (MD5) Previous issue date: 2010 / Resumo: Este trabalho teve como principal objetivo o desenvolvimento e implementação de um controlador adaptativo do tipo regulador auto-ajustável (STR - Self Tuning Regulator), com a subsequente comparação de seu desempenho com um controlador PID (proporcionalintegrativo-derivativo) e dois controladores preditivos: um preditivo baseado em redes neurais artificiais e um controlador DMC (Dynamic Matrix Control). Esses esquemas de controle foram todos implementados na ferramenta de simulação desenvolvida, o FCCGUI (Fluid Catalytic Cracking Graphical User Interface). Como modelo para estimativa dos parâmetros do controlador adaptativo foi treinada e validada uma rede neural. Esse modelo caixa-preta forneceu uma abordagem eficiente para identificação e controle não-linear do processo de craqueamento catalítico. Para implementação do controlador adaptativo foram estruturadas três novas malhas de controle PID a partir de estudos estatísticos desenvolvidos para a análise dos efeitos das variáveis de processo e suas interações. Dentre essas novas malhas de controle, optou-se pela implementação do controle adaptativo no par manipulada-controlada CTCV-SEVER (abertura de catalisador regenerado - severidade da reação). Após aperfeiçoamentos e reestruturações no simulador FCCGUI, foram realizadas várias simulações para avaliação gráfica e numérica do desempenho do controlador através do critério de desempenho dinâmico ITAE (Integral of Time and Absolute Error). O controlador adaptativo apresentou bons resultados, tanto para testes servo quanto para regulatórios em comparação com a estratégia PID sem adaptação, bem como para as demais estratégias disponíveis no simulador, MPC-RNA (Model Predictive Control baseado em uma Rede Neural Artificial) e DMC. A capacidade de ajuste dos parâmetros do controlador torna-o uma estratégia promissora para sistemas que sofrem com alterações contínuas em suas variáveis de processo ou mudanças de setpoint / Abstract: This work had as main objective the development and implementation of an selftuning regulator (STR) adaptive controller, with subsequent comparison of its performance with a PID (proportional-integral-derivative) controller and two predictive controllers, namely a predictive based on artificial neural networks (MPC-ANN) and a dynamic matrix controller (DMC). These control schemes were all implemented in the developed simulation tool, the FCCGUI - Fluid Catalytic Cracking Graphical User Interface. An artificial neural network, used as a model to estimate controller parameters, was trained and validated. This black box model provided an efficient approach for identification and nonlinear control of the catalytic cracking process. To implement the adaptive controller, three new PID control loops were structured based on statistical studies designed to analyze the effects of process variables and their interactions. The implementation of adaptive control was chosen to be in the manipulated-controlled pair CTCV-SEVER (regenerated catalyst valve opening - reaction severity). After restructuring and improvements in the simulator FCCGUI, several simulations were performed for graphical and numerical evaluation of controller performance through ITAE (Integral of Time and Absolute Error) dynamic performance criterion. The adaptive controller presented good results for both tests: servo and regulatory, in comparison with PID strategy without adaptation and other strategies available to the simulator, MPC-ANN and DMC. The ability to adjust the parameters of the controller makes it a promising strategy for systems that suffer from continuous changes in their process variables or setpoints / Doutorado / Desenvolvimento de Processos Químicos / Doutor em Engenharia Química

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / This works proposes parameters estimation algorithm to auto-tune the control laws of a speed sensorless servo. The identification process of the electrical and mechanical parameters is based on recursive least squares method (RLS) and utilizes just measured stator currents. The electrical parameters are obtained by the transfer function of the motor with locked rotor. Hence, this eliminates the need to realize classical tests for the electrical parameters obtention and impose robustness to the controller for parameters variations caused by aging of materials. Thus, the electrical parameters are used to project the current controllers and the rotor speed is estimated by a model reference adaptive systems (MRAS). The structure of MRAS is composed by two systems (reference model and adaptive system) based on instantaneous reactive power and using an adaptation mechanism. On the other hand, to obtain a robust control when the system is subject to disturbances or load s variations, mechanical parameters are identified using estimated rotor speed and mechanical model of the induction motor (IM). Finally, for the speed control is used a proportional plus integral controller (PI) self-tuned through the estimated inertia. / Este trabalho propõe um algoritmo de identificação paramétrica para auto-ajuste da lei de controle de um servo de velocidade sem sensor mecânico. O processo de identificação dos parâmetros elétricos e mecânicos do servo é baseado em algoritmos do tipo mínimos quadrados recursivo (RLS) e utiliza apenas as medidas das correntes estatóricas. Os parâmetros elétricos são identificados através da função de transferência do motor com rotor bloqueado. Isso elimina a necessidade de realizar ensaios clássicos para obtenção dos parâmetros elétricos e impõe robustez ao controlador frente a variações paramétricas que ocorrem devido aos desgastes e envelhecimento dos materiais que constituem o motor. Uma vez identificados, os parâmetros elétricos são utilizados no projeto dos controladores de corrente e a velocidade rotórica é estimada utilizando um sistema adaptativo por modelo de referência (MRAS). A estrutura do MRAS é composta por dois sistemas (modelo de referência e sistema adaptativo) baseados na potência reativa instantânea e utiliza um mecanismo de adaptação. Por outro lado, para impor robustez ao controlador frente a variações de carga, os parâmetros mecânicos são identificados a partir da velocidade rotórica estimada e do modelo mecânico do motor de indução (MI). Finalmente, para o controle de velocidade é usado um controlador proporcional e integral (PI) com seus ganhos sintonizados a partir da inércia estimada.

Made available in DSpace on 2014-12-17T14:56:07Z (GMT). No. of bitstreams: 1 DanielGVF_DISSERT.pdf: 2881772 bytes, checksum: 5236953fb6bb70560393eeeaa01f96f9 (MD5) Previous issue date: 2012-08-31 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / The control, automation and optimization areas help to improve the processes used by industry. They contribute to a fast production line, improving the products quality and reducing the manufacturing costs. Didatic plants are good tools for research in these areas, providing a direct contact with some industrial equipaments. Given these capabilities, the main goal of this work is to model and control a didactic plant, which is a level and flow process control system with an industrial instrumentation. With a model it is possible to build a simulator for the plant that allows studies about its behaviour, without any of the real processes operational costs, like experiments with controllers. They can be tested several times before its application in a real process. Among the several types of controllers, it was used adaptive controllers, mainly the Direct Self-Tuning Regulators (DSTR) with Integral Action and the Gain Scheduling (GS). The DSTR was based on Pole-Placement design and use the Recursive Least Square to calculate the controller parameters. The characteristics of an adaptive system was very worth to guarantee a good performance when the controller was applied to the plant / As ?reas de controle, automa??o e otimiza??o contribuem para a melhoria dos processos utilizados pelas ind?strias, permitindo uma linha de produ??o r?pida, aprimorando a qualidade do produto final e reduzindo os custos de produ??o. Boas ferramentas para o desenvolvimento de pesquisas nestas ?reas s?o as plantas did?ticas, pois proporcionam um contato direto com equipamentos semelhantes ou at? mesmo usados no setor industrial. Em vista dessas capacidades, o objetivo deste trabalho ? modelar e controlar uma planta did?tica que consiste de um sistema de controle de processo para vaz?o e n?vel com instrumenta??o industrial. Com o modelo ? poss?vel construir um simulador capaz de permitir estudos a respeito do funcionamento do sistema, sem os gastos com a opera??o do processo real. ? o caso de experimentos com controladores, que podem ser testados diversas vezes antes de serem efetivamente utilizados no processo real. Dentre os diversos tipos de controladores existentes, foi dado foco aos de tipo adaptativo, principalmente ao auto-sintoniz?vel direto (Direct Self-Tuning Regulator DSTR) com a??o integral e ao controlador com Escalonamento de Ganho (Gain Scheduling GS). O controlador DSTR foi projetado com base no m?todo de posicionamento de p?los e teve seus par?metros calculados atrav?s da t?cnica dos m?nimos quadrados recursivos. As caracter?sticas dos sistemas adaptativos foram de grande valia para garantir um desempenho satisfat?rio dos controladores, quando aplicados ? planta