Resumo com excesso de fórmulas, equações, diagramas e/ou símbolos não são incluídos em nosso banco de dados. Veja documento eletrônico.

Turbinas a gás são máquinas de fluxo que utilizam a energia liberada em um processo de combustão para produzir potência de eixo ou tração, fornecendo energia cinética rotacional para geração de energia elétrica ou mecânica, como, por exemplo, para transporte aéreo e marítimo. Nas últimas décadas têm-se observado grande interesse mundial em pesquisas na área de turbinas a gás. Há várias causas pelas quais estes estudos estão em crescimento, quando comparados, por exemplo, com motores a diesel, tais como: maiores faixas de potência, peso por unidade de potência muito menor, baixa emissão de poluentes, capacidade de funcionar com multicombustíveis, menores níveis de vibração, menores custos de manutenção, geralmente mais baratos, dentre outras vantagens, como citado em Walsh (2004). Voltando-se para o Brasil, percebem-se também empenhos significativos para desenvolver estudos neste campo, levando-se em consideração o interesse em deter conhecimentos tanto para aplicação industrial quanto para uso aeronáutico. Dentro deste contexto encontram-se as pesquisas na área de sistemas de controle, inclusive modelagem e identificação de sistemas. No presente trabalho apresenta-se uma abordagem em identificação de sistemas utilizando dados gerados por um simulador de turbinas a gás de eixo simples, com a finalidade de se encontrar parâmetros e utilizá-los na criação de modelos representativos deste simulador. Este tipo de trabalho, a partir de dados amostrados, pode servir como ferramenta para desenvolver estratégias de controle. Neste caso, tem-se por objetivo avaliar os modelos obtidos, comparando suas respostas com as correspondentes respostas amostradas pelo simulador, o qual, a partir de agora, será chamado de turbina a gás de referência (TR). Para fazer isso, são realizadas simulações com o emprego de modelos lineares autorregressivos com entradas externas (ARX), onde os valores dos parâmetros são calculados utilizando dados de entrada e saída gerados pela TR. São realizados dois estudos de caso para este tipo de motor, utilizando modelos multivariáveis, a primeira análise é feita através de blocos separados, com múltiplas entradas e uma única saída (MISO) e a segunda, onde se analisa a turbina a gás como um único bloco com múltiplas entradas e múltiplas saídas (MIMO). Estes estudos são realizados com a finalidade de obterem-se modelos matemáticos mais adequados para serem ferramentas em projetos de sistemas de controle.

This work covers the development of a nonlinear, adaptive control system for payload extraction operations. Load extractions are a critical type of maneuver which could make the longitudinal flight dynamics unstable. The online adaptation control strategy seems adequate for the problem, since it can deal with the drift in the plant parameters caused by the movement of the load inside the aircraft. The effects of a continuously varying C.G. position on the longitudinal flight dynamics are modeled in detail. The controller proposed consists on applying the technique of nonlinear inversion coupled with a model reference adaptive controller to deal with the unmodeled/unknown dynamics. The dynamic system considered for the control problem consists of the modeled aircraft dynamics augmented by the unknown parameters - whose dynamics are controlled by the chosen adaptation laws. The demonstration of stability for the complete system is done via Lyapunov';s stability theorem for nonlinear dynamic systems. A suitable Lyapunov Function Candidate used for such a demonstration is proposed in this work. Simulation results are presented and discussed based on the theory and on comparison with other control methods performance when applied to the same problem.

A aplicação da técnica não linear Backstepping para a proteção do Envelope de Voo em uma aeronave é estudada nesse trabalho. O objetivo principal é projetar controladores para proteger a aeronave de operar fora dos valores máximos e mínimos do seu envelope de voo. Esses valores são definidos pelo fabricante na etapa de projeto da aeronave. A proteção está relacionada está relacionada à entrada que o piloto produz no "stick';", que é considerada como a entrada do sistema de proteção. Os projetos de proteção foram desenvolvidos para proteger ao envelope de aerodinâmica adversa e ao envelope de atitude incomum. Dentro desses envelopes a subdivisão é feita pela proteção longitudinal, segurando o ângulo de ataque no seu máximo valor e a proteção latero-direcional, mantendo o ângulo de rolamento no máximo valor. O Backstepping por ser uma técnica de controle não linear, permite trabalhar com as não linearidades favoráveis (que estabilizam o sistema) até achar uma lei de controle que garanta a estabilidade baseada na teoria de Lyapunov. Ao longo do trabalho são apresentados os projetos de controle de proteção que foram divididos em Longitudinal e Latero-Direcional. Cada um deles é composto de dois controladores de rastreio (?, q, ?, ?, ?, p, r) que trabalham em paralelo e são compactados através de uma função de comutação. Já nos capítulos finais são apresentados as simulações, os resultados as conclusões e as recomendações.

Esta tese trata da modelagem, simulação e controle de voo de aviões muito flexíveis. A metodologia de modelagem usada foi NFNS (Non Linear Flight Dynamics - Non Linear Structural Dynamics). A metodologia NFNS foi usada para implementar o modelo de um avião, que havia sido previamente implementado com a metodologia NFLS (Non Linear Flight Dynamics - Linear Structural Dynamics). Foi realizada uma comparação entre as metodologias NFLS e NFNS com base em resultados de simulações feitas, e com base nas próprias considerações tecidas durante a modelagem. Foram notadas diferenças entre as duas metodologias, particularmente com relação a modelagem aerodinâmica. As causas encontradas para estas diferenças indicam algumas melhorias necessárias na formulação aerodinâmica na metodologia NFNS. Os efeitos de uma grande flexibilidade estrutural na dinâmica de vôo foram verificados, analisados, e explicações físicas para estes efeitos são propostas. Por fim, leis de controle não linear com a técnica do regulador integrativo universal são implementadas. Os resultados obtidos demonstram a eficácia e robustez das leis de controle projetadas.

This thesis deals with the control of nonlinear systems governed by nonlinear state equations of the form =f(x)+g(x)u with state and input constraints, and subjected to model uncertainties. Classical linearization methods lead to adequate results when the model is accurate and the reference signals are well-conditioned and have low amplitude. However, this may not be the case for inputs such as large steps or when uncertainties are not to be neglected. The problem of bounds on control and state variables is tackled by using the reference governor approach which guarantees that the constraints are satisfied for a general class of input commands while stability is also assured. The main idea behind the reference governor is to manage the reference signal which is supplied to the inner loop controller in such a way that violation of the constraints is avoided. Model uncertainties are treated by using fuzzy logic adaptation features. Fuzzy blocks are used in order to approximate the nonlinear functions f(x) and g(x) that appear in the state equations. This thesis also describes some theoretical difficulties encountered in some of previous work in the field, especially when fuzzy or neural estimators are used for the estimation of the nonlinear functions. Despite the apparent success (because the tracking error seems to be tending to zero), some subtle details related to the proof of stability are pointed out. Basically, the difficulties may stem from the fact that the Lyapunov method is used assuming that the tracking error converges to zero. Moreover, an external control signal us which acts like a sliding mode control is used to guarantee stability and it assumes that the function estimates converge to their real values. Here, it is shown that making use of this previous approach the tracking error does not tend to zero when t. An explicit equation for computing the steady-state error is presented. Moreover, despite many propositions for the introduction of an external control signal us to force stability, it is verified that its use is not necessary to assure the tracking error stability if some free parameters are properly initialized. Also, it is noted that the tracking error is bounded and can be reduced through a convenient choice of design parameters. Finally it is shown that in the method presented in the previous work, the estimates of f(x) and g(x) are not required to be accurate to achieve stability. In order to solve the detected theoretical problems, this thesis proposes a new approach for the control of the considered class of nonlinear systems. It also uses fuzzy blocks as estimators for f(x) and g(x). However, the proposed structure and the control and adaptation laws, are then applied so that the tracking error converges to zero and the function estimates converge to their real values.In order to highlight the controllers properties, a nonlinear and open-loop unstable magnetic levitation system is used as an example.

The well-known capacity of the neural networks structures to approximate functions and nonlinear systems, to any degree of accuracy, on a compact domain, has motivated its use in actual control problems where the presence of uncertainties is inevitable. Neural networks models can be used to parameterize unknown nonlinearities, hence, the linear parameterization assumption typically imposed in most nonlinear adaptive control designs can be avoided. Several works, based on Lyapunovs stability theory have demonstrated the feasibility, stability properties and performance characteristics of such schemes. However, most of such controllers are only applicable to some classes of SISO uncertain nonlinear systems. Hence, in this dissertation we propose neural networks based adaptive algorithms for identification, adaptive observation, state feedback and output feedback control for more general classes of nonlinear systems. Initially, we introduce a nonlinear adaptive observer for MIMO unknown general nonlinear systems. The proposed observer uses linearly parameterized neural networks whose weights are adaptively adjusted in a suitable form to guarantee stability for the state and weight estimation errors. No strictly positive real (SPR) assumption on the output error equation is required for the construction of the proposed observer. Next, we consider the adaptive tracking control of unknown general nonlinear systems with full state measurement. Bounded linearly parameterized approximators for adaptive compensation of unknown nonlinearities and usual Lyapunov arguments are used to design two controllers that guarantee semi-globally uniform ultimate boundedness (UUB) for all signals in closed loop. In the first scheme, where only adaptive control action is used, it is shown that all signals in closed loop are UUB. The second controller preserves the stability properties of the first, and in addition, by incorporating a variable proportional control action, it is shown that the tracking error converges to a residual set whose size can be arbitrary pre-specified by the designer without small approximation errors and without high gains in the feedback loop. The proposed controllers have advantageous features, such as robustness and the possibility of regulating the control signal effort and rate. Finally, we develop an output feedback tracking controller for a class of MIMO unknown nonlinear systems. By using an adaptive observer, which is similar to the previously introduced, and usual Lyapunov arguments, a controller is designed. It is proved that the output converges to a neighborhood of the desired trajectory. Moreover, the proposed controller enables control effort manipulation in order to satisfy physical limitations of the actuators.

Esta dissertação objetiva estudar a estabilidade de sistemas com controladores nebulosos. A característica de saída desta classe de controladores é não linear, sendo, portanto, necessário lançar mão de métodos para análise de estabilidade para sistemas não lineares.O critério de Popov é um método de análise de estabilidade para sistemas não lineares, de aplicação prática mais simples, por utilizar análise gráfica (interpretação geométrica), sendo o método utilizado neste trabalho.Neste trabalho, há o interesse de se aplicar esse critério a sistemas que utilizam controladores nebulosos com implicação Mamdani, por ser esta, a implicação mais importante conhecida na literatura.Para controladores nebulosos com uma entrada e uma saída, apresenta-se um método de análise para a obtenção do valor da inclinação máxima da característica não linear de saída, sem a necessidade, porém, de se gerar essa característica por completo.Para sistemas que possuem um controlador nebuloso com duas variáveis de entrada e uma variável de saída, resultando numa superfície, como característica não linear de saída. Utilizando manipulações matemáticas e gráficas, nas equações de estado do sistema a controlar, e na característica não linear de saída do CN, pode-se aplicar o critério de Popov a sistemas com esta configuração.

Neste trabalho elaborou-se um modelo linear a parâmetros variáveis (LPV) de um sistema pneumático aeronáutico a partir do seu modelo não-linear validado, este modelo foi utilizado no projeto de um controlador não-linear utilizando escalonamento de ganhos considerando a abordagem LPV. A obtenção da representação LPV exigiu a avaliação de duas metodologias de modelagem de escoamento compressível e várias mudanças de variáveis até se conseguir um bom resultado no projeto do controlador, que foi feito sem a linearização e a realização de cálculos exaustivos, no entanto, cálculos mais complexos foram feitos com o suporte do pacote LMI Control Toolbox para a geração e solução das inequações matriciais lineares. Os resultados mostraram que o controlador LPV apresentou um desempenho muito bom, com sobressinais pequenos e poucas oscilações após os distúrbios e variações de referência. Estimou-se uma regio de atração para a qual existe garantia teórica de estabilidade. Entendeu-se as desvantagens e os impactos associados à utilização da abordagem LPV para se controlar um sistema pneumático aeronáutico quando comparado com a utilização de técnicas de controle linear, entendeu-se também que esses impactos poderiam ser compensados em alguns cenários pelo fato de existir garantia teórica de estabilidade para a abordagem LPV, estabilidade que aumentaria a vida dos componentes do sistema e a prontidão da aeronave para operação.

Esta tese tem por objetivo a obtenção de modelos que apresentem melhor desempenho quando utilizados em controladores preditivos baseados em modelo (Model-based Predictive Control, MPC). Ao longo dos últimos 25 anos diversos trabalhos propuseram métodos baseados na minimização de uma função de predição múltiplos passos à frente, que se caracteriza por ser uma função não linear. Estes métodos foram denominados MPC Relevent Identification (MRI). A maioria destes artigos propõe técnicas para a obtenção de modelos lineares. Ao longo dos últimos 5 anos, alguns métodos, também baseados na minimização da função de predição múltiplos passos à frente, foram propostos para a identificação de modelos não lineares. Estes trabalhos são baseados na minimização direta da função de custo não linear, para obter com estrutura NARMAX (Nonlinear Autoregressive Moving Average with exogenous inputs). Entretanto, estruturas simplificadas de controladores MPC não lineares podem ser obtidas utilizando modelos com estruturas de Wiener e de Hammerstein. Esta tese apresenta novos resultados teóricos que permitem a obtenção de algoritmos de identificação MRI para modelos com estrutura de Wiener e Hammerstein, sem a necessidade de minimizar a função de custo não linear. Além da demonstração dos resultados teóricos, novos algoritmos são propostos tendo a sua capacidade de predição, propriedades estatísticas e aplicação em controladores MPC não lineares avaliadas. / This thesis focuses on obtaining models that may produce a better performance of Model-based Predictive Controllers (MPC). Several papers published in the last 25 years have proposed methods based on the minimization of multi-step ahead prediction functions, which are inherently nonlinear. These methods have been called MPC Relevant Identification (MRI). Most of the papers focused on obtaining linear models. In the last 5 years, some methods have been proposed to obtain nonlinear models based on the minimization of the same cost function. These papers were based on the direct minimization of the nonlinear cost function to produce models with NARMAX (nonlinear Autoregressive Moving Average with exogenous inputs) structure. However, simplified MPC schemes may be obtained using models with Wiener and Hammerstein structures. This thesis presents new theoretical results which allow the development of MRI identification algorithms for models with Wiener and Hammerstein structures, without the need to perform the minimization of the nonlinear cost function. Besides the proof of theoretical results, new algorithms are developed and have their prediction capability statistical properties and performance in nonlinear MPC controllers evaluated.