Devido à crescente implementação do Controle Preditivo baseado em Modelo (MPC) em outros processos além de refino e plantas petroquímicas, que geralmente possuem múltiplas entradas e saídas, tem-se um aumento na demanda de modelos gerados por identificação de sistemas. Identificar modelos que representem fielmente a dinâmica do processo depende em grande medida das características dos sinais de excitação dos processos. Assim, o foco deste trabalho é realizar um estudo dos sinais típicos usados em identificação de sistemas, PRBS e GBN, em uma abordagem multivariável. O estudo feito neste trabalho parte das características da geração dos sinais individualmente, depois é feita uma análise de correlação cruzada dos sinais de entrada, observando a influência desta sobre os resultados de identificação. Evitar uma alta correlação entre os sinais de entrada permite determinar o efeito de cada entrada sobre a saída no processo de identificação. Um ponto importante no projeto de sinais de identificação de sistemas multivariáveis é a frequência dos mesmos para conseguir excitar os processos nas regiões de frequência de operação normal e assim extrair a maior informação dinâmica possível do processo. As características estudadas são avaliadas por meio de testes em três plantas simuladas diferentes, categorizadas como mal, medianamente e bem condicionadas. Estas implementações foram feitas usando sinais GBN e PRBS de diferentes frequências. Expressões para a caracterização dos sinais de excitação foram avaliadas identificando os processos em malha aberta e malha fechada. Para as plantas mal condicionadas foram implementados sinais compostos por uma parte completamente correlacionada e uma parte não-correlacionada, conhecido como método de dois passos. Finalmente são realizados experimentos de identificação em uma aplicação em tempo real de uma planta piloto de neutralização de pH. Os testes realizados na planta foram feitos visando avaliar os estudos de frequência e correlação em uma aplicaficção real. Os resultados mostram que a condição de sinais completamente descorrelacionados n~ao deve ser cumprida para ter bons resultados nos modelos identificados. Isto permite ter mais exibilidade na geração do conjunto de sinais de excitação. / Due to the Predictive Control based on Model (MPC) rising in other process beyond refining and petrochemical plants, which in general have multiple inputs and outputs, there have been an increase in demand of models generated by system identification. Identify models that accurately represent the dynamics of the process depends largely on the characteristics of the processes excitation signals. Thus, the focus of this work is to perform a study of the typical signals used in identification systems, PRBS and GBN, in a multivariable approach. The study carried out in this work begins on the individual generation characteristics of the signals, and then an analysis is made of input signals cross-correlation, by observing the in uence of this on the identification results. Avoid a high correlation among the input signals allows to determine the effect of each input on the output of the identification process. An important point in the signals design for multivariable system identification is its frequency to get excite the processes in the normal operation frequency regions and thus extract the maximum dynamic information possible of the process. The studied characteristics are evaluated by testing three different simulated plants, categorized as well, medium and ill conditioned. These implementations were made using GBN and PRBS signals of dierent frequencies. Expressions to characterize the excitation signals were evaluated identifying the processes in open and closed-loop. For ill-conditioned plants were implemented signals composed by a fully correlated part and a non-correlated part, known as two-step method. Finally, identification experiments are performed on a real time application in a pilot pH neutralization plant. The tests were made in the plant in order to evaluate the frequency and correlation studies in a real application. The results show that the completely uncorrelated signals condition must not be satisfied to have good results on the identified models, which besides allows greater exibility in the generation of the excitation signals set.

Devido à crescente implementação do Controle Preditivo baseado em Modelo (MPC) em outros processos além de refino e plantas petroquímicas, que geralmente possuem múltiplas entradas e saídas, tem-se um aumento na demanda de modelos gerados por identificação de sistemas. Identificar modelos que representem fielmente a dinâmica do processo depende em grande medida das características dos sinais de excitação dos processos. Assim, o foco deste trabalho é realizar um estudo dos sinais típicos usados em identificação de sistemas, PRBS e GBN, em uma abordagem multivariável. O estudo feito neste trabalho parte das características da geração dos sinais individualmente, depois é feita uma análise de correlação cruzada dos sinais de entrada, observando a influência desta sobre os resultados de identificação. Evitar uma alta correlação entre os sinais de entrada permite determinar o efeito de cada entrada sobre a saída no processo de identificação. Um ponto importante no projeto de sinais de identificação de sistemas multivariáveis é a frequência dos mesmos para conseguir excitar os processos nas regiões de frequência de operação normal e assim extrair a maior informação dinâmica possível do processo. As características estudadas são avaliadas por meio de testes em três plantas simuladas diferentes, categorizadas como mal, medianamente e bem condicionadas. Estas implementações foram feitas usando sinais GBN e PRBS de diferentes frequências. Expressões para a caracterização dos sinais de excitação foram avaliadas identificando os processos em malha aberta e malha fechada. Para as plantas mal condicionadas foram implementados sinais compostos por uma parte completamente correlacionada e uma parte não-correlacionada, conhecido como método de dois passos. Finalmente são realizados experimentos de identificação em uma aplicação em tempo real de uma planta piloto de neutralização de pH. Os testes realizados na planta foram feitos visando avaliar os estudos de frequência e correlação em uma aplicaficção real. Os resultados mostram que a condição de sinais completamente descorrelacionados n~ao deve ser cumprida para ter bons resultados nos modelos identificados. Isto permite ter mais exibilidade na geração do conjunto de sinais de excitação. / Due to the Predictive Control based on Model (MPC) rising in other process beyond refining and petrochemical plants, which in general have multiple inputs and outputs, there have been an increase in demand of models generated by system identification. Identify models that accurately represent the dynamics of the process depends largely on the characteristics of the processes excitation signals. Thus, the focus of this work is to perform a study of the typical signals used in identification systems, PRBS and GBN, in a multivariable approach. The study carried out in this work begins on the individual generation characteristics of the signals, and then an analysis is made of input signals cross-correlation, by observing the in uence of this on the identification results. Avoid a high correlation among the input signals allows to determine the effect of each input on the output of the identification process. An important point in the signals design for multivariable system identification is its frequency to get excite the processes in the normal operation frequency regions and thus extract the maximum dynamic information possible of the process. The studied characteristics are evaluated by testing three different simulated plants, categorized as well, medium and ill conditioned. These implementations were made using GBN and PRBS signals of dierent frequencies. Expressions to characterize the excitation signals were evaluated identifying the processes in open and closed-loop. For ill-conditioned plants were implemented signals composed by a fully correlated part and a non-correlated part, known as two-step method. Finally, identification experiments are performed on a real time application in a pilot pH neutralization plant. The tests were made in the plant in order to evaluate the frequency and correlation studies in a real application. The results show that the completely uncorrelated signals condition must not be satisfied to have good results on the identified models, which besides allows greater exibility in the generation of the excitation signals set.