Inicialmente concebidos para operar em ambientes industriais fechados, os robôs vem se tornando cada vez mais difundidos na sociedade. Suas atribuições não se limitam mais exclusivamente a execução de simples tarefas de repetição, mas a uma interação efetiva com o mundo em que se inserem. Para atingir tal objetivo, estes robôs devem possuir um controlador flexível, capaz de adaptar-se continuamente ao mundo dinâmico que o cerca. A maioria das soluções para o posicionamento de um braço, manipulador funcionam através do mapeamento de posições/orientações espaciais e de configurações das juntas do braço. Uma vez que a função cinemática direta não possui inverso global, diversas restrições devem ser adicionadas ao sistema de modo a diminuir a quantidade de soluções possíveis. Este tipo de controlador não e flexível, uma vez que qualquer modificação no estado do sistema pode tornar o controlador Este fato obriga a introdução de novos paradigmas na programação de robôs. Redes neurais possuem a capacidade de solucionar problemas não-lineares que, de outra forma, tornam-se muito difíceis de tratar matematicamente. Devido a natureza altamente não-linear do controle de um braço manipulador articulado, seja da parte cinemática ou dinâmica do processo, redes neurais vem sendo utilizadas sistematicamente na definição de sistemas de controle robóticos. Porem, apesar da grande versatilidade das redes neurais, estas tem sido, em grande parte, utilizadas apenas como sistemas de mapeamento não-linear. Tanto nos problemas cinemáticos quanto dinâmicos, existe um processo de treinamento onde a rede armazena diversos estados possíveis para o sistema e, após este processo, busca as soluções previamente armazenadas na rede. Contudo, esta abordagem não e a mais adequada para sistemas abertos, ou seja, sistemas que não são completamente conhecidos e que podem sofrer transformações no decorrer do seu funcionamento. Este fato leva a que soluções armazenadas para uma determinada configuração do sistema não funcionem para outras configurações. Este trabalho apresenta uma estratégia de controle neural adaptativo para o posicionamento de um braço de robô no espaço. Diferentemente das abordagens tradicionais, não existe um processo de treinamento da rede, mas sim uma continua adaptação do bravo de modo a se aproximar da localização espacial (posição e orientação) desejada. Desta forma, qualquer que seja o estado corrente do ambiente no qual o sistema robótico esteja inserido, este e capaz de encontrar uma solução adaptativamente, sem as limitações impostas por configurações de braço previamente armazenadas. / Initially conceived to work inside closed industrial environments, robots are becoming part of our everyday lives. They are not demanded to execute repeated simple tasks anymore, but to interact with the world around them in an efficient and intelligent way. In order to achieve this goal, those robots must have a flexible controller, capable of adapting itself to a dynamic world. The majority of solutions to position a robot arm try to map a spatial position and orientation to a joint configuration. Since the forward kinematics function has no global inverse, several constraints must be added in order to prune the solution space, and the arm position will be restricted to the one previously mapped as the problem solution. This is not a flexible solution because any obstacle in the way will turn this approach useless. This fact obliges us to use new paradigms when programming robots, because known control techniques are, most of the time, no longer suitable. The problem of positioning a robot arm in the three-dimensional space has been studied for a long time. However, most solutions developed until now, despite the fact of providing great reliability and accuracy, lack the necessary flexibility to permit the arm to move in an open environment. Most problems to be solved by a robot arm in uncontrolled environments are mostly like the ones we solve in a daily basis, such as pick and place tasks. Those tasks don't necessarily need the accuracy provided by the known methods to positon an arm, but they do need the degree of adaptivity and flexibility that humans possess. In this thesis we will present a neural adaptive approach to solve the problem of positioning a robot arm in the space. This method works by incorporating the state of the system into the network. The network input is the current state of the system (the current arm position and orientation) and the outputs are the changes in the state variables (the joint values) in order to approximate the current state to the desired one. This is a closed-loop neural control scheme and it is done in real time without needing any previous training phase.

Inicialmente concebidos para operar em ambientes industriais fechados, os robôs vem se tornando cada vez mais difundidos na sociedade. Suas atribuições não se limitam mais exclusivamente a execução de simples tarefas de repetição, mas a uma interação efetiva com o mundo em que se inserem. Para atingir tal objetivo, estes robôs devem possuir um controlador flexível, capaz de adaptar-se continuamente ao mundo dinâmico que o cerca. A maioria das soluções para o posicionamento de um braço, manipulador funcionam através do mapeamento de posições/orientações espaciais e de configurações das juntas do braço. Uma vez que a função cinemática direta não possui inverso global, diversas restrições devem ser adicionadas ao sistema de modo a diminuir a quantidade de soluções possíveis. Este tipo de controlador não e flexível, uma vez que qualquer modificação no estado do sistema pode tornar o controlador Este fato obriga a introdução de novos paradigmas na programação de robôs. Redes neurais possuem a capacidade de solucionar problemas não-lineares que, de outra forma, tornam-se muito difíceis de tratar matematicamente. Devido a natureza altamente não-linear do controle de um braço manipulador articulado, seja da parte cinemática ou dinâmica do processo, redes neurais vem sendo utilizadas sistematicamente na definição de sistemas de controle robóticos. Porem, apesar da grande versatilidade das redes neurais, estas tem sido, em grande parte, utilizadas apenas como sistemas de mapeamento não-linear. Tanto nos problemas cinemáticos quanto dinâmicos, existe um processo de treinamento onde a rede armazena diversos estados possíveis para o sistema e, após este processo, busca as soluções previamente armazenadas na rede. Contudo, esta abordagem não e a mais adequada para sistemas abertos, ou seja, sistemas que não são completamente conhecidos e que podem sofrer transformações no decorrer do seu funcionamento. Este fato leva a que soluções armazenadas para uma determinada configuração do sistema não funcionem para outras configurações. Este trabalho apresenta uma estratégia de controle neural adaptativo para o posicionamento de um braço de robô no espaço. Diferentemente das abordagens tradicionais, não existe um processo de treinamento da rede, mas sim uma continua adaptação do bravo de modo a se aproximar da localização espacial (posição e orientação) desejada. Desta forma, qualquer que seja o estado corrente do ambiente no qual o sistema robótico esteja inserido, este e capaz de encontrar uma solução adaptativamente, sem as limitações impostas por configurações de braço previamente armazenadas. / Initially conceived to work inside closed industrial environments, robots are becoming part of our everyday lives. They are not demanded to execute repeated simple tasks anymore, but to interact with the world around them in an efficient and intelligent way. In order to achieve this goal, those robots must have a flexible controller, capable of adapting itself to a dynamic world. The majority of solutions to position a robot arm try to map a spatial position and orientation to a joint configuration. Since the forward kinematics function has no global inverse, several constraints must be added in order to prune the solution space, and the arm position will be restricted to the one previously mapped as the problem solution. This is not a flexible solution because any obstacle in the way will turn this approach useless. This fact obliges us to use new paradigms when programming robots, because known control techniques are, most of the time, no longer suitable. The problem of positioning a robot arm in the three-dimensional space has been studied for a long time. However, most solutions developed until now, despite the fact of providing great reliability and accuracy, lack the necessary flexibility to permit the arm to move in an open environment. Most problems to be solved by a robot arm in uncontrolled environments are mostly like the ones we solve in a daily basis, such as pick and place tasks. Those tasks don't necessarily need the accuracy provided by the known methods to positon an arm, but they do need the degree of adaptivity and flexibility that humans possess. In this thesis we will present a neural adaptive approach to solve the problem of positioning a robot arm in the space. This method works by incorporating the state of the system into the network. The network input is the current state of the system (the current arm position and orientation) and the outputs are the changes in the state variables (the joint values) in order to approximate the current state to the desired one. This is a closed-loop neural control scheme and it is done in real time without needing any previous training phase.

Orientadores : João Marcos Travassos Romano, Maria D. Miranda / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-31T15:18:00Z (GMT). No. of bitstreams: 1 Neves_AlinedeOliveira_M.pdf: 10627035 bytes, checksum: 08ca007829ee69f5498c31fa9fd4649d (MD5) Previous issue date: 2001 / Mestrado

Orientador: João Marcos Travassos Romano / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-03T19:02:04Z (GMT). No. of bitstreams: 1 Suyama_Ricardo_M.pdf: 6998059 bytes, checksum: 23e291ea4a8d0221cb595a18650b4149 (MD5) Previous issue date: 2003 / Mestrado

Made available in DSpace on 2014-06-12T18:07:39Z (GMT). No. of bitstreams: 2 arquivo7972_1.pdf: 731773 bytes, checksum: 55304014acdffd7e9fb943248ed1bcd2 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2003 / Este trabalho teve como objetivo estudar métodos baseados em Inteligência Artificial (IA), em particular, as Redes Neurais Artificiais (RNA), aplicados em controle de processos. O sistema a ser estudado é composto de uma coluna de destilação existente na planta da PETROFLEX de Cabo de Santo Agostinho, a qual faz parte do sistema de purificação de solvente. O principal processo de produção da PETROFLEX se dá através da reação de polimerização do Butadieno-1,3 formando a borracha sintética. Ocorre através do mecanismo conhecido como polimerização aniônica em solução em presença de um iniciador, onde o solvente, principalmente constituído de N-Hexano e Ciclohexano, é o meio no qual a reação ocorre. A mistura de borracha sintética e solvente, conhecida como cemento é encaminhada para um sistema onde o solvente é separado da borracha e em seguida, é enviado ao sistema de purificação de solvente. A função do sistema em estudo é remover impurezas representadas por compostos leves, na faixa de 4 átomos de carbono, que contaminando a corrente de solvente traz grandes perturbações ao sistema de reação. Esses são principalmente o cis-Buteno-2 e o próprio Butadieno-1,3 não convertido. Embora, em si não sejam contaminantes, sua presença normalmente está associada a teores bastante diminutos de outros compostos altamente indesejáveis como os acetilenos (Etilacetileno, Vinilacetileno ou Metilacetileno). A coluna de destilação opera com seus controladores ajustados em valores fixos, devido ao fato de não se conhecer a todo instante a composição da carga e a de fundo da coluna. Isto nem sempre produz bons resultados e na maior parte do tempo gasta-se mais energia que o necessário. Propõe-se, então, a implementação de um sistema de controle que deverá se ajustar às diferentes condições de operação, como uma conseqüência da variação da composição da carga. O trabalho foi constituído de três etapas : Na primeira, utilizou-se o simulador de processos ASPEN PLUS para simular e validar as condições operacionais da coluna de destilação; na segunda, utilizou-se o conjunto de dados gerados pelo simulador para realizar a identificação do processo via uma rede neural (RNA). Na terceira, foi implementado um controlador adaptativo, onde o sinal de processo para o controlador vem da RNA. O simulador de processos ASPEN PLUS se baseia em modelos fenomenológicos. A RNA a ser implementada e treinada, tomará por base os dados gerados por este simulador, numa etapa denominada de identificação do processo, resultando em mais agilidade à obtenção dos dados necessários ao treinamento da rede. O controle do processo, denominado de Controle Adaptativo fará uso desta rede, que será responsável pela predição do sinal de controle. O controlador adaptativo baseado no modelo de rede neural, modifica a sintonia do controlador da variável controlada atuando de acordo com o critério especificado, enquanto ao mesmo tempo, o sinal de processo para o controlador adaptativo é predito pelo modelo de rede neural. Os resultados obtidos pelo simulador demonstraram um alto grau de compatibilidade com as condições reais da planta, dando boa representatividade ao processo. A RNA também após treinada e validada apresentou um erro inferior a 0,9 %. De posse destas informações, realizou-se a implementação de um controlador adaptativo para a vazão de refluxo da coluna de destilação, onde definiu-se equações relacionando os parâmetros de sintonia do controlador ao teor de leves na corrente de carga da coluna. A opção de implementação de um controlador adaptativo na coluna de destilação da PETROFLEX deverá proporcionar uma melhor estabilidade na qualidade das especificações dos produtos da coluna devido à maior sensibilidade que este tipo de controle apresenta,adequando-se melhor às perturbações e apresentando uma performance superior ao controle regulatório padrão baseado em controladores PID (Proporcional-Integral-Derivativo)

Doctora en Ingeniería Eléctrica / El presente trabajo aborda el problema del análisis de estabilidad, convergencia y desempeño de los sistemas adaptables fraccionarios, utilizando el enfoque de los modelos de error, problema que no ha sido abordado ni reportado en la literatura técnica hasta la fecha. Los modelos de error fraccionarios surgen al introducir las derivadas de orden fraccionario en los esquemas adaptables clásicos, ya sea describiendo la planta a controlar o identificar, o bien en las leyes de ajuste de los parámetros. Como parte del desarrollo del trabajo, se estudiaron los cuatro modelos de error conocidos hasta el momento, pero desde el punto de vista fraccionario. En todos los casos, el primer paso fue realizar exhaustivos estudios por simulación, que permitieron tener un nivel de comprensión inicial del desempeño de estos modelos de error, en cuanto a estabilidad y convergencia de los errores. Para analizar la estabilidad de estos modelos de error, fue preciso generar resultados matemáticos generales, los que también constituyen un importante aporte de esta Tesis Doctoral. Estos resultados permitieron completar el análisis de los Modelos de Error Fraccionarios 1 y 4 en su totalidad, y para ciertos casos particulares de los Modelos de Error Fraccionarios 2 y 3. En relación a la demostración de convergencia del error de salida a cero, se obtuvieron resultados analíticos para casos particulares en el Modelo de Error Fraccionario 1, y se expusieron de manera concreta las principales dificultades que han impedido, hasta el momento, generalizar estos resultados a los demás casos. También se obtuvieron otros resultados analíticos válidos para los cuatro modelos de error, que permiten afirmar que el promedio del cuadrado de la norma del error de salida, tiene una tendencia decreciente. Esto puede resultar de utilidad en algunas aplicaciones desde el punto de vista práctico. Respecto de la convergencia del error paramétrico, se logró determinar que ella está relacionada con alguna forma de excitación persistente, particular para los sistemas adaptables fraccionarios, pero no se logró dar cabal respuesta a esta interrogante. Sin embargo, se obtuvieron resultados analíticos parciales para el caso del Modelo de Error Fraccionario 1 escalar, quedando los restantes casos como parte del trabajo futuro a desarrollar en esta línea de investigación. No obstante, se expusieron las conclusiones intuitivas al respecto, obtenidas de los estudios por simulación. Finalmente, este trabajo se complementó con el diseño, implementación y análisis de dos aplicaciones de controladores fraccionarios. El primero corresponde al control por referencia a modelo de orden fraccionario para un regulador automático de voltaje, mientras que el segundo es un compendio de tres estrategias de control fraccionario para el control de posición en un sistema de levitación magnética, conocido como Anillo de Thomson.

Se presenta el diseño del controlador adaptivo aplicado a la Planta Modelo de Presión desarrollado en base a Controladores Adaptivos de Auto-sintonización – STR con Identificación Recursiva en Línea. Este algoritmo de control está basado en el método de asignación de polos y del algoritmo de identificación recursivo de mínimos cuadrados – RLS y mínimos cuadrados extendidos RELS. El control es tal que permite que el proceso esté a una referencia deseada, manteniendo siempre la regulación deseada. Además el control es capaz de hacer frente a las perturbaciones existentes en el proceso por ser altamente no lineal. El diseño incluyó etapas de identificación, control y simulación del sistema de control, las cuales se utilizaron para hallar las soluciones a los requerimientos de funcionamiento, asimismo se realizo la implementación del controlador en MatLab – Simulink. Palabras Claves: Controladores Adaptivos de Auto-sintonización – STR. Identificación Recursiva de Mínimos Cuadrados – RLS, Identificación Recursiva de Mínimos Cuadrados Extendidos – RELS, asignación de polos. / Tesis

Tese (Doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. / Made available in DSpace on 2012-10-16T09:34:13Z (GMT). No. of bitstreams: 0Bitstream added on 2016-01-08T19:44:00Z : No. of bitstreams: 1 137944.pdf: 5607382 bytes, checksum: 7ed31fccb2f41738d5bc2abc5a1d3f0a (MD5)

Submitted by Marcio Filho (marcio.kleber@ufba.br) on 2017-06-06T12:56:59Z No. of bitstreams: 1 DISSERTAÇÃO_LEONARDO_DA_FONSECA_SOUZA_DEFINITIVA_UFBA.pdf: 1789057 bytes, checksum: 4397ec74708eb43987392c3a881e8939 (MD5) / Approved for entry into archive by Vanessa Reis (vanessa.jamile@ufba.br) on 2017-06-16T15:02:39Z (GMT) No. of bitstreams: 1 DISSERTAÇÃO_LEONARDO_DA_FONSECA_SOUZA_DEFINITIVA_UFBA.pdf: 1789057 bytes, checksum: 4397ec74708eb43987392c3a881e8939 (MD5) / Made available in DSpace on 2017-06-16T15:02:39Z (GMT). No. of bitstreams: 1 DISSERTAÇÃO_LEONARDO_DA_FONSECA_SOUZA_DEFINITIVA_UFBA.pdf: 1789057 bytes, checksum: 4397ec74708eb43987392c3a881e8939 (MD5) / Existem diversas técnicas de elevação artificial de petróleo. Este trabalho trata especificamente o método do Bombeio Centrífugo Submerso (BCS). Este método possui a vantagem de elevar altas vazões de fluidos em relação às demais técnicas de elevação, além de poder atuar sob diferentes condições dinâmicas de escoamento. O presente trabalho tem como objetivo o uso da técnica de controle Supervisor Fuzzy-PID e Adaptativo para levar o bombeio centrífugo submerso a operar no head desejado, mesmo na presença de incertezas e dinâmicas não modeladas. O Laboratório de Elevação Artificial (LEA), da Escola Politécnica da Universidade Federal da Bahia, dispõe de uma planta BCS com um poço de 32mde altura completamente instrumentado, num ambiente experimental que favorece o desenvolvimento de estudos e pesquisas, entre outros, na área de controle. Para o presente estudo foram realizados experimentos práticos que possibilitaram o desenvolvimento de modelos a partir de dados medidos. Além disso, os resultados obtidos com o método de controle Supervisor Fuzzy-PID e Adaptativo em ambiente simulado mostram que há estabilidade no sinal de controle e na resposta da planta. Assim espera-se contribuir na formulação de novas estratégias de controle aplicáveis ao método de bombeio centrífugo submerso.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2015. / Made available in DSpace on 2015-12-01T03:11:00Z (GMT). No. of bitstreams: 1 336273.pdf: 2429657 bytes, checksum: e58d71dde1458de4d676a4717ce67e28 (MD5) Previous issue date: 2015 / Este trabalho de pesquisa apresenta uma nova política de distribuição de ganho para algoritmos tipo proporcional baseada na convergência individual dos coeficientes. Para isso, uma taxa de variação suavizada e normalizada da magnitude do coeficiente é concebida para avaliação de convergência individual dos coeficientes. A nova abordagem visa melhorar a distribuição de ganho durante o processo adaptativo. Para tal, ganhos associados a coeficientes ativos que estão na vizinhança de seus valores ótimos são reduzidos e redistribuídos a outros coeficientes visando, assim, acelerar a velocidade de convergência global do algoritmo. A partir da nova política de distribuição de ganho, três novas versões de algoritmos tipo proporcional são derivadas. Além disso, uma nova versão do algoritmo adaptativo proporcional ao desvio quadrático médio dos coeficientes (z2 proportionate) é apresentada. Este último algoritmo combina uma distribuição de ganho proporcional com ganho uniforme. Tal estratégia é dependente do conhecimento do nível de potência do ruído de medição presente no sistema que, na prática, não está sempre disponível. Assim, para contornar essa dependência, um novo procedimento de distribuição de ganho baseado na autocorrelação do sinal de erro é apresentado e discutido. O novo algoritmo supera o algoritmo original em termos de velocidade de convergência e resposta a perturbações na planta. Por fim, uma nova política de distribuição de ganho para algoritmos tipo proporcional para operação em ambientes com elevada esparsidade é proposta. A nova política utiliza uma função de amplificação do ganho de coeficientes ativos visando aumentar sua velocidade de convergência. A partir da nova política, dois novos algoritmos para operação com plantas cujas respostas ao impulso exibem elevada esparsidade são introduzidos. Resultados de simulação corroboram a eficácia dos algoritmos propostos.<br> / Abstract : This research work presents a new gain distribution policy for proportionate-type algorithms based on individual-coefficient convergence. To this end, a normalized and smoothed variation rate of the individual-coefficient magnitude is derived in order to assess the individual-coefficient convergence. The new approach aims to enhance the gain distribution during the adaptation process. Thereby, gains of the active coefficients that are close to their optimum values are reduced and redistributed to other coefficients, increasing the convergence speed of the algorithm. By using this policy, three new versions of proportionate algorithms have been conceived. Moreover, an alternative version of the mean-square weight deviation-proportionate gain algorithm (z2 proportionate) is introduced. This latter algorithm applies a rule combining the mean-square weight deviation-proportionate gain and a uniform gain to obtain the whole algorithm gain distribution. Such a rule is strongly dependent on the knowledge of the measurement noise variance, requiring therefore its estimate. Thereby, a novel approach aiming to circumvent such a dependence, based on error autocorrelation, is presented and discussed. Lastly, a new proportionate gain distribution strategy for operating with plants exhibiting high sparseness is proposed. The new policy uses an amplification function of the gain assigned to active coefficients in order to increase their convergence rate. Thereby, two proportionate algorithms have been developed. Through numerical simulation results, the effectiveness of the proposed algorithms is verified.