Esta dissertação estuda o controle multivariável de uma plataforma \"offshore\" típica. Com esse propósito, um modelo dinâmico rigoroso do processo não-linear foi desenvolvido e usado para representar o processo real nas simulações das estratégias de controle propostas. Baseado no modelo rigoroso e usando métodos de identificação, foram desenvolvidos modelos lineares aproximados para representar o processo no controlador preditivo (MPC). O sistema de controle foi projetado visando manter as variáveis controladas em valores adequados e reduzir o efeito de golfadas severas nos equipamentos à jusante da plataforma. Foram testados dois controladores preditivos: o MPC convencional que opera com \"setpoints\" fixos para as variáveis controladas e o controlador preditivo que opera com zonas para as variáveis controladas. Os resultados da simulação mostram que o controlador preditivo com controle por zonas é capaz de ter uma performance bem melhor que o controlador preditivo convencional, com uma significativa redução na amplitude das oscilações causadas pelas golfadas na vazão de petróleo na saída da plataforma. / This dissertation studies the multivariable control of a typical offshore platform. For this purpose, a rigorous nonlinear dynamic model of the process system is developed and used to represent the true process in the simulation of the proposed control strategies. Based on this rigorous model, approximate linear models are obtained through identification methods in order to represent the platform process in the Model Predictive Control (MPC). The control system was designed aimed at keeping all the controlled variables at adequate values and to reduce the effect of severe riser slugging on the downstream systems. Two model predictive controllers are tested: the conventional MPC with fixed set-points to the controlled outputs and the MPC with zone control of the outputs. The simulation results show that the controller based on the output zone control has a better performance than the conventional MPC with a significant reduction on the amplitude of the oscillation of oil flow at the outlet of the platform process.

Este estudo mostra o desenvolvimento de um controlador da classe MPC Model Predictive Control, ou controle preditivo com modelo, para ser utilizado no reator de amônia da Unidade de Fertilizantes Nitrogenados da Bahia FAFEN-BA, da PETROBRAS, localizada em Camaçari/BA. A estratégia de controle visa manter as temperaturas de saída de cada um dos leitos catalíticos do reator dentro de limites adequados através da manipulação das válvulas de controle instaladas na corrente de alimentação do equipamento. O controlador escolhido foi de horizonte de predição infinito com faixas nas variáveis controladas. Adicionalmente, o controlador contém, em uma única camada, um componente de otimização econômica com o objetivo de maximizar o teor de amônia na saída do reator. A função econômica que dá a direção de otimização consiste em um modelo rigoroso de estado estacionário do reator capaz de calcular a fração molar de amônia na saída do equipamento quando são conhecidas as condições da corrente de alimentação e o valor das variáveis manipuladas do controlador. Os resultados das simulações mostraram que o controlador proposto tem bom desempenho, tanto sob o aspecto de controle, no sentido de controlar o sistema quando este sofre perturbações, quanto sob a ótica de otimização econômica, maximizando a conversão de reagentes em amônia sempre que existem graus de liberdade disponíveis no sistema. Foi verificado que a consideração de um MPC de horizonte de predição infinito elimina a necessidade de considerar o gradiente reduzido da função econômica na função objetivo do controlador. Uma sintonia adequada do controlador permite que se considere o gradiente completo da função econômica sem que haja desvio permanente, ou offset, nas variáveis controladas mesmo quando o ponto ótimo de operação se encontra além da faixa de controle. / This study shows the development of a Model Predictive Control (MPC) to the ammonia reactor of PETROBRAS nitrogen fertilizers unit FAFEN-BA that is located in Camaçari/BA, Brazil. The main goal of the control strategy is to keep the temperature at the outlet of the catalyst beds inside adequate ranges by manipulating the feed flow rates to the reactor beds. It has been chosen an infinite horizon controller with control zones and an economic objective. The control and economic optimization are performed in a single layer structure where the objective is to maximize the ammonia content in the reactor outlet stream. The economic function which provides the optimization direction is based on a steady state rigorous model of the reactor that evaluates the ammonia molar fraction at the outlet stream assuming that the feed stream conditions and the manipulated variables are known. The proposed controller shows satisfactory performance in simulations either controlling the system when it faces external disturbances or optimizing the economic goal by increasing the ammonia conversion when degrees of freedom are available. It is shown that the adoption of the infinite horizon MPC eliminates the need to consider the reduced gradient of the economic function in the cost function of the controller. The proper tuning of the controller allows the consideration of the full gradient of economic function without producing offset in the controlled outputs even when the optimum operating point lays outside the control zones.

Em geral, nos processos de policondensação há formação de um produto volátil, conhecido como condensado. A remoção deste produto é necessária a fim de favorecer o crescimento das cadeias poliméricas. O controle da temperatura do reator deve ser implementado de modo a favorecer a remoção do condensado e de manter a qualidade do produto. A aplicação experimental do controlador preditivo não linear (NMPC) a um reator de policondensação é apresentada neste trabalho. Devido às restrições de tempo de processamento, foi proposto um modelo simplificado, denominado Modelo A, obtido considerando o reator como sendo bem misturado acoplado a um tanque de condensado em que Etilenoglicol é acumulado. Supõe-se também que o metanol que deixa o reator é removido completamente do sistema, como se houvesse uma separação perfeita. O modelo A foi ajustado a dados experimentais obtidos a partir de ensaios com perturbação degrau e PRBS (Pseudo Random Binary Sequence). Em conclusão dos experimentos em malha fechada verificou-se que o controlador NMPC com o modelo A apresenta dificuldades de controle quando há reações químicas no sistema. Sendo assim, foi proposto um novo modelo, denominado modelo B, em que assume-se que os componentes voláteis, etilenoglicol e metanol, acumulam-se ambos em um tanque de condensado, podendo retornar ao reator. Foram realizados estudos de simulação para verificar como os modelos A e B interferem na viabilidade das trajetórias de temperatura. Os estudos mostraram que a presença de Metanol no reator, mesmo em pequenas quantidades, tem um efeito mais acentuado na temperatura do que a presença de Etilenoglicol. No entanto, o desempenho do controlador NMPC não foi muito bom quando comparado ao desempenho de um controlador PID. Foi proposta uma nova estratégia, com retroalimentação simples de estado. Nesta estratégia, a temperatura inicial do reator no modelo de referência é atualizada com o valor medido desta temperatura. O controlador NMPC com retroalimentação de estado apresentou um desempenho superior aos controladores NMPC anteriores e PID. O controlador NMPC com retroalimentação de estado mostrou-se mais robusto que o PID porque tem um desempenho equivalente para diferentes trajetórias, sem para isto ter que sofrer alterações nos seus parâmetros de sintonia. O controlador PID sofre uma degradação do seu desempenho, dependendo da trajetória a ser seguida. Isto torna o controlador NMPC com retroalimentação simples de estado mais flexível, pois evitam-se correções no modelo ou nos parâmetros de sintonia para diferentes bateladas. Esta flexibilidade é importante para a industria de polímeros, que muitas vezes trabalha com reatores multiproduto em batelada. / In general, in polycondensation processes there is formation of a volatile product known as condensate. The removal of this product is necessary in order to favor the growth of the polymer chains. The reactor temperature control should be implemented in order to favor condensate removal and to keep product quality. The experimental application of nonlinear predictive controller (NMPC) to a polycondensation reactor is presented in this work. Due to processing time requirements, a simplified model of the system, called model A, obtained by supposing the reactor is a perfect stirred tank coupled to a condensate tank, where the ethyleneglycol that exits the system is accumulated. It is supposed also that the entire methanol that leaves the reactor leaves the system too, as if there was a perfect separation column. Model A was adjusted to experimental data obtained from step response and PRBS (Pseudo Random Binary Sequence) disturbance experiments. In conclusion of the closed loop experiments, it was verified that the NMPC controller with model A presents difficulties when chemical reactions take place in the system. Therefore, a new model, called model B, was proposed, in which it is assumed that both methanol and ethylene glycol are accumulated in a condensate tank, and are allowed to return to the reactor. Simulation studies were carried out in order to verify how models A and B interfere in the feasibility of trajectories. The studies showed that the presence of Methanol, even in small amounts, has a very large effect in temperature, when compared to Ethyleneglycol. However, the NMPC controller performance was not very better than that of a PID. A strategy implementing a simple state feedback was proposed. In this strategy, the initial reactor temperature in the reference model is replaced by its measured value. NMPC with state feedback has a performance better than that of the previous NMPC and PID controllers. NMPC with state feedback appears to be more robust than PID because it has a constant performance for different temperature trajectories, without need of changing its tuning parameters. PID controller instead, shows a degradation of its performance, depending on the trajectory to be followed. This makes the NMPC controller with state feedback more flexible because there is no need to correct the model or the tuning parameters for different batches. This flexibility is important for the polymer industry, that often works with multiproduct batch reactors.

Orientador: Paulo Augusto Valente Ferreira / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-19T11:54:53Z (GMT). No. of bitstreams: 1 Kido_RafaelHisashiZanetti_M.pdf: 3168500 bytes, checksum: 878c22e520b0301cfac31c3f6b2b1ba7 (MD5) Previous issue date: 2011 / Resumo: Nesta dissertação, o problema de controle preditivo baseado em modelo, um problema de otimização não linear com critério de desempenho quadrático e restrições lineares, é reformulado via otimização quadrática multiparamétrica, em que as entradas de controle são as variáveis de otimização e os estados (no caso mais simples) representam um vetor de parâmetros. A resolução do problema multiparamétrico fornece as ações de controle ótimas para cada região onde possam estar situados os parâmetros de interesse. Um algoritmo para obtenção destas regiões - politopos - é apresentado. Fórmulas explícitas para a transformação de problemas preditivos clássicos (envolvendo tanto regulação de estados quanto regulação de saída) em problemas de controle preditivo multiparamétricos são derivadas. O algoritmo para regulação da saída, versão multiparamétrica, é então aplicada a um problema de planejamento da produção envolvendo a coordenação de esforços de produção/estoque e propaganda. Resultados computacionais demonstram a versatilidade que a abordagem paramétrica propicia ao processo de tomada de decisões em ambientes de planejamento / Abstract: In the present dissertation, the model based predictive control problem, a nonlinear optimization problem with quadratic performance criterion and linear constraints, is reformulated as a multi-parametric quadratic programming problem, in which the control inputs are the optimization variables and the states (in the simplest case) represent the parameter vector. The optimal solution of the multi-parametric problem provides the optimal control input for every single region where the parameters of interest may be located. An algorithm for obtaining all regions (politopes) is presented. Explicit formulas for the transformation of classical predictive problems (state regulation and output regulation, as well) in multi-parametric predictive control problems are provided. The output regulation algorithm in its parametric version is applied then to a production planning problem involving the production/inventory and the propaganda efforts. Computational results demonstrate the versatility of the parametric approach in production planning environments / Mestrado / Automação / Mestre em Engenharia Elétrica

Orientador: Flávio Vasconcelos da Silva / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química / Made available in DSpace on 2018-08-20T15:14:24Z (GMT). No. of bitstreams: 1 Franco_IvanCarlos_D.pdf: 30656846 bytes, checksum: 73b0216f94ce7393fb51d78cc6e4ea7f (MD5) Previous issue date: 2012 / Resumo: Os sistemas de refrigeração estão presentes em diferentes ramos da indústria e caracterizam-se como grandes consumidores de energia com considerável comportamento não-linear. Inúmeros trabalhos vêm sido desenvolvidos para promover a redução dos gastos energéticos e a minimização dos efeitos das não-linearidades nestes sistemas. A aplicação da automação e do controle de processos, particularmente o uso de técnicas avançadas de controle, são estratégias amplamente utilizadas para esta finalidade. O Controle Preditivo baseado em Modelos (MPC) é capaz de estabilizar processos onde há não-linearidades, sendo promissora a sua aplicação em sistemas de refrigeração. Neste trabalho, foi desenvolvido um SIStema de MOnitoramento e Controle Avançado para Refrigeração (SISMOCAR) capaz de monitorar, em tempo real, através da comunicação OPC (OLE for Process Control), todas as variáveis envolvidas no ciclo de refrigeração e também realizar o controle das variáveis de interesse. Modelos Takagi-Sugeno (SISO) para a predição das temperaturas de evaporação (Te) e do fluido secundário (Tp) foram desenvolvidos e validados, a partir da técnica ANFIS (Adaptative Network based Fuzzy Inference Systems), com análise de desempenho baseado no cálculo do VAF (Variance accounted for). Os modelos Takagi-Sugeno validados foram utilizados como base para Controladores Preditivos, mais especificamente um Controlador Preditivo Generalizado (GPC). Os controladores GPC's foram desenvolvidos sem restrições na função objetivo da ação do controlador. Foram projetados diferentes controladores preditivos para diferentes regras locais (Regras Fuzzy), sendo a ação global do controlador a integração ponderada dos modelos locais. Foram desenvolvidos três diferentes controladores: GPC1 (controle da temperatura de evaporação utilizando modelo de predição da Te em função da frequência do compressor); GPC2 (controle da temperatura do propilenoglicol utilizando modelo de predição da Tp em função da frequência do compressor) e GPC3 (controle da temperatura do propilenoglicol utilizando o modelo de predição da Tp em função da frequência da bomba do evaporador). Os testes realizados para rastreamento do set-point (±1 °C), com carga térmica constante de 3000 W, mostraram-se satisfatórios sendo os melhores desempenhos apresentados pelos controladores GPC1 e GPC2 onde o desvio da variável controlada em relação ao set point, dos respectivos controladores, ficou em torno de ± 0,3 °C / Abstract: Refrigeration systems can be found in many different branches of industry and are characterized as great energy consumers with considerable non-linear behavior. Several studies have been developed to promote the reduction of energy costs and to minimize the effects of nonlinearities in these systems. The use of automation and process control, particularly the use of advanced control techniques, is a widely used strategy for this purpose. The Model Predictive Control (MPC) is capable of stabilizing processes in which there are nonlinearities, and it is a promising application in refrigeration systems. In this work, a System for Monitoring and Advanced Control in Refrigeration (SISMOCAR) was developed using OPC (OLE for Process Control) communication. This feature allowed beyond real time monitoring for all variables involved in the refrigeration cycle, the control of the relevant variables. Furthermore, to predict the evaporating (Te) and the secondary fluid (Tp) temperatures, Takagi-Sugeno models (SISO) were developed and validated using the ANFIS (Adaptive Network-based Fuzzy Inference Systems) technique, with performance analysis based on the VAF (Variance accounted for) calculation. The validated Takagi-Sugeno models were used as basis for Predictive Controllers, specifically using Generalized Predictive Controller (GPC) strategy. The GPC controllers were developed without constraints in the objective function of the controller action. Different predictive controllers were designed for different local rules (Fuzzy Rules), being the weighted integration of the local models the controller global action. Three different controllers were developed: GPC1 (evaporating temperature control using the Te predictive model as a function of compressor frequency); GPC2 (control of propylene glycol temperature using the Tp predictive model as a function of compressor frequency) and GPC3 (control of propylene glycol temperature using the Tp predictive model as a function of the frequency of the evaporator pump). The tests performed for the set-point tracking (± 1 °C), with constant thermal load of 3000 W, were considered satisfactory and best performances were those obtained by GPC1 and GPC2 controllers, in which the controlled variable was around ± 0,3 °C / Doutorado / Sistemas de Processos Quimicos e Informatica / Doutor em Engenharia Química

Orientador : Basilio Ernesto de Almeida Milani / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-02T08:50:24Z (GMT). No. of bitstreams: 1 Assis_WandersondeOliveira_D.pdf: 5465137 bytes, checksum: df471ebb2b205c1a2573ad40c48cc721 (MD5) Previous issue date: 2002 / Doutorado

Orientador : Rubens Maciel Filho / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-08-02T20:42:35Z (GMT). No. of bitstreams: 1 Meleiro_LuizAugustodaCruz_D.pdf: 3017963 bytes, checksum: 67b1e2c0a578e7ab914632ffc45e0387 (MD5) Previous issue date: 2002 / Doutorado

Orientadores: Ana Maria Frattini Fileti, Florival Rodrigues de Carvalho / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-08-03T02:39:01Z (GMT). No. of bitstreams: 1 Vieira_WilliamGoncalves_D.pdf: 7050309 bytes, checksum: c1e288d81c3eebed686e86e3bcc5edda (MD5) Previous issue date: 2002 / Resumo: A unidade de Craqueamento Catalítico em Leito Fluido - FCC, modelo Kellogg Orthoflow F., representa um processo de refino de petróleo apresentando característica altamente não linear, possuindo fortes interaçães entre as variáveis de produção, e condições de operação extremamente severas. Essas unidades são constituídas basicamente de duas seções: uma de reação catalítica na qual ocorrem as reações de quebra de cadeia hidrocarbônica e também há formação de coque, desativando o catalisador; e outra seção onde ocorre a regeneração do catalisador desativado. O objetivo dessa unidade é transformar produtos de elevado peso molecu1ar, que apresentam baixo valor agregado, em compostos de elevado valor comercial. As unidades FCC, devido às condições severas de operação, necessitam de um controle rigoroso de determinadas variáveis operacionais. Apesar de existirem instalados controladores avançados baseados em modelos de convolução, fteqüentemente essas unidades são reguladas por meio de controladores PID padrões e também através de controle manual baseado no conhecimento de operadores das refinarias. O presente estudo tem como objetivo desenvolver um controlador preditivo multivariável (Multivariable Predictive Control - MPC) para ser implementado na unidade FCC, utilizando Redes Neurais Artificiais (RNA) como modelo interno do controlador. Inicialmente é previsto realizar a identificação do processo da FCC em RNA, obedecendo a seguinte estratégia: usando um modelo fenomenológico que representa a unidade industrial, e partindo de um estado inicial são aplicados diversos degraus nas variáveis manipuladas analisando as respostas nas variáveis controladas do processo. A partir destas simulações são gerados diversos conjuntos de dados divididos em grupos de treinamento, validação e teste. Diversas redes neurais do tipo multicamada feedforward são então criadas para representar o modelo fenomenológico, sendo selecionada aquela que apresenta melhor desempenho, quando comparada com o modelo. A configuração da RNA escolhida como modelo interno foi 8x15x4 (camadas de entrada, escondida e de saída, respectivamente) apresentando um erro relativo máximo de 1% quando comparado com os resultados do modelo rigoroso. Posteriormente, foi previsto desenvolver um controlador preditivo multivariável usando como modelo interno esta rede selecionada. Este controlador foi implementado dentro da rotina do modelo fenomenológico, sendo então realizados testes para verificar seu desempenho, comparando o resultado com o sistema aberto e também com o controlador DMC (Dynamic Matrix Contro!) existente. Diversos horizontes de predição e controle foram analisados, sendo selecionados aqueles que apresentaram melhor desempenho. Foi introduzido um ruído nos sinais do modelo fenomenológico para testar a robustez do controlador proposto. O controlador apresentou bom desempenho mesmo na presença de ruídos de 1,5%, levando sempre as variáveis controladas para seus valores de referência, o que comprova sua robustez. Baseados nestes resultados, conclui-se que um controlador preditivo multivariável baseado em RNA é perfeitamente capaz de controlar um sistema não linear de porte do FCC, onde elevada interação entre suas variáveis operacionais e fortes restrições estão presentes. Isto nos permite extrapolar que são boas as expectativas para uma futura utilização na unidade industrial, principalmente devido à sua simplicidade, robustez e facilidade de implementação, a despeito da dificuldade de sintonia do controlador / Abstract: The Fluid Cracking Catalytic unit - FCC, Kellogg Orthotlow F. model, represents a very strong nonlinear process, with severe interactions among the process variables, and extremely severe operation conditions. The unit is composed of two sections: one is the catalytic reaction, where the hydrocarbon breaks chain reactions and coke deposition take place becoming the catalyst inactive, and the other where the catalyst regeneration happens. The objective is to transform products derived ITom petroleum, with high molecular weight and low added value, into products with higher profit. Due to the severe operation conditions, rigorous control of some variable is needed. In spite of the existence of advanced control based on a convolution model, in practice, FCC units are ftequently regulated by standard PID controllers, and also through manual control actions based on the knowledge of the refinery operators. The objective of this study is to develop a Multivariable Predictive Control (MPC) to be implemented in the FCC unit, using the Artificial Neural Networks (ANN) as internal model. Initially, the process identification in ANN of the FCC was done by the following strategy: an initial state was fust achieved using numerical simulations based on the phenomenological mo deI. Then, several steps changes were applied to the manipulated variables and the response in the controlled variables were monitored and recorded. From these simulations, several groups of data were generated for training, validation and testing. The Neural Network of multilayer feedforward type were created to represent the phenomenological model, being selected the one that better represents the phenomenological model. The ANN configuration chosen to be the internal model was 8x15x4 (Input x Hidden x Output) architecture, with a maximum relative error below 1 % when comparing the results with the phenomenological model results. Later on, it was developed a multivariable predictive control based on this internal model. This control was implemented inside the routine of the phenomenological model. The performance tests were evaluated comparing the results with the open system and with the Dynamics Matrix Control (DMC). Several prediction and control horizons were analyzed. The ANN control presented good performance even in the presence of noise of 1,5% of intensity, taking back the controlled variables to its setpoints, proving its robustness. Based on these results, a multivariable predictive control based on ANN showed be perfectly able to control a nonlinear system like a FCC unit, where high interactions among process variables, and strong restriction conditions exists. This allows us to have good expectations for a future use in the industrial unit, mainly due to its simplicity, robustness and facility ofuse, in spite ofthe difliculty oftune control / Doutorado / Sistemas de Processos Quimicos e Informatica / Doutor em Engenharia Química

Orientador: Francisco Maugeri Filho / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia de Alimentos / Made available in DSpace on 2018-08-04T02:36:57Z (GMT). No. of bitstreams: 1 Atarassi_MiltonMassahiro_M.pdf: 930809 bytes, checksum: 1ff313d204727a6756c4b1294579393f (MD5) Previous issue date: 2005 / Mestrado / Engenharia de Alimentos / Mestre em Engenharia de Alimentos

Orientadores: João Mauricio Rosário, Didier Dumur / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica / Made available in DSpace on 2018-08-22T07:43:59Z (GMT). No. of bitstreams: 1 RinconArdila_LizKatherine_D.pdf: 34773968 bytes, checksum: a0a6769d12cd82525097b60b095e82b4 (MD5) Previous issue date: 2013 / Resumo: Esta tese de doutorado apresenta o estudo do comportamento dinâmico para máquinas-ferramenta CNC (Controle Numérico Computadorizado) com ênfase na implementação do sistema de controle, a fim de melhorar o desempenho desse dispositivo, possibilitando assim a obtenção de maiores velocidades de funcionamento com precisão de operação. O estudo do comportamento dinâmico do sistema foi baseado na modelagem dinâmica do dispositivo CNC, através de um modelo tipo MIMO (Múltiplas Entradas- Múltiplas Saídas), não linear, invariante no tempo, constituído pelo modelo do sistema mecânico, elétrico, eletrônico e controle. O modelo é fundamentado no estudo dos torques estático, dinâmico e de perturbações, incluindo a dinâmica não linear ocorrida pelos efeitos de atrito dos componentes, variação inercial e forças de perturbação. O modelo final é definido mediante a aplicação de uma estratégia proposta de identificação e estimação de parâmetros dinâmicos do dispositivo CNC real. A estratégia é baseada na estimação de parâmetros através de modelos de referência e método de otimização não linear. O sistema de controle proposto é constituído pelos níveis de geração de movimentos, controle e compensação, diagnóstico e otimização. O nível de controle utiliza estratégias de controle PID, controle preditivo generalizado (GPC) e controle preditivo robusto (GPCR). O nível de compensação é configurado pelos controladores em feedforward utilizando modelos de atrito e variação inercial. Finalmente, a validação e testes são realizados inicialmente através da implementação de um simulador virtual de dispositivo CNC, com posterior validação experimental em um dispositivo com arquitetura de supervisão e controle aberto disponível no Laboratório de Automação e Robótica da UNICAMP / Abstract: This doctoral thesis presents the dynamic behavior for CNC (Computer Numerical Control) Machine Tool with emphasis on the control system, for the purpose of improving the machine's performance, by obtaining high operation's velocity with precision. This study was based on the dynamic modeling by means of MIMO (multiple-input and multiple-output), nonlinear, and invariant time model, constituted by mechanical, electrical, electronics and control models. The model is based on the study of static, dynamic, and perturbation torques, and includes the nonlinear dynamic caused by the effects of friction in the components, inertial variation and perturbation's force. The final model is defined through the application of a strategy proposed by the identification and parameters estimation, in order to obtain the actual CNC machine's values. The strategy is formed by the parameters estimation by means of reference models and nonlinear optimization methods. The control architecture proposed is composed of the following levels: movement generator, control and compensation, diagnosis and optimization. The level of control applies strategies of PID control, generalized predictive control (GPC) and robust predictive control (GPCR). The level of compensation is configured by the feedforward controls, which utilize the friction and inertial variation models. Finally, the validation and tests are developed initially through the implementation of a virtual simulator of CNC machine tool, with the latter experimental validation in device with supervision and open architecture control, available in UNICAMP / Doutorado / Mecanica dos Sólidos e Projeto Mecanico / Doutora em Engenharia Mecânica