Orientador: José Antonio Siqueira Dias / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-25T04:25:15Z (GMT). No. of bitstreams: 1 Soares_PaulodaSilva_D.pdf: 5062177 bytes, checksum: b08acd7cd74b46ed7ade778b2cbed7cf (MD5) Previous issue date: 2014 / Resumo: Neste trabalho é apresentado o desenvolvimento de um sistema de baixo custo para monitoração e acompanhamento de equipamentos industriais com vistas à manutenção preditiva. O sistema desenvolvido monitora a vibração do elemento em estudo, e faz o registro da mesma comparando-se a um padrão de vibração considerado nominal, ou seja, uma condição de operação satisfatória da máquina. Quando uma variação na vibração do dispositivo monitorado é identificada, há de se observar seu comportamento, não só de amplitude mas também no espectro de frequência, pois geralmente a incidência de falhas ou anomalias apresentam vibrações em frequências diferentes da nominal de trabalho de um dispositivo. A Transformada de Fourier do sinal e os registros de leituras frequentes nos permitem um acompanhamento contínuo do equipamento monitorado. Adicionalmente ao acompanhamento da vibração mecânica, faz-se o monitoramento da corrente elétrica do motor de acionamento do elemento para observância de eventual sobrecarga, desequilíbrio das fases e análise do espectro de frequência do sinal elétrico de corrente, que nos permite avaliar as alterações na alimentação do mesmo, indicando alguma anomalia de natureza elétrica ao motor em estudo. Por fim ainda monitora-se a temperatura dos elementos em estudo, pois a vida útil destes depende das temperaturas a que são submetidos em regime de operação que têm impacto direto em isolamentos de bobinas e lubrificantes das partes mecânicas. Este sistema permite uma avaliação de uma máquina, sem intervenção humana para as medições de vibração e elétricas, aliado ao histórico levantado, torna-se uma ferramenta poderosa para a implementação de um programa de manutenção preditiva / Abstract: This work aims to develop a low-cost system for monitoring and tracking of industrial equipment with a view to predictive maintenance. It presents a system that monitors vibration of the recording studied element comparing the same to a vibration pattern considered nominal. When it detects a change in the vibration of the device is to observe their behavior, not only amplitude but in the frequency spectrum, usually because the incidence of faults or anomalies exhibit vibrations at different frequencies of nominal working of a device. The Fourier transform of the signal and records of frequent readings allow to close monitoring of the element under study. In addition to monitoring the mechanical vibration, it is monitoring the electrical current of the motor drive element for compliance with any overload, phase imbalance and even the analysis of spectro signal frequency electric current, which allows us to evaluate changes feeding the same, indicating an abnormality of the electric motor in nature study. Finally even monitor the temperature of the elements under study, because the life of these depends on the temperatures to which they are subjected in operation regime that have direct impact on coil insulation and lubricants of the mechanical parts. This system permits an automatic evaluation of the condition of a machine, without human intervention for measurement of vibration and electrical therein, together with the historical raised, becomes a powerful tool for industry implementation of a predictive maintenance program / Doutorado / Eletrônica, Microeletrônica e Optoeletrônica / Doutor em Engenharia Elétrica

Neste trabalho investiga-se a aplicação de um algoritmo genético multiobjetivo, ferramenta que se destaca por sua flexibilidade e interpretabilidade, na obtenção de fatores de ponderação para aplicação no controle preditivo de torque do motor de indução, ou Model Predictive Torque Control (MPTC). O MPTC busca minimizar a cada instante de atuação uma função custo que representa o sistema, destacando-se pela rápida resposta de torque, facilidade de incorporar restrições e ausência de modulador de tensão. No entanto, essa técnica apresenta fatores de ponderação em sua estrutura de cálculo que não dispõem de métodos analíticos de projeto. Utilizou-se o algoritmo genético de classificação nãodominada, ou Non-dominated Sorting Genectic Algorithm II (NSGA-II), projetado de forma a obter soluções que busquem o compromisso entre o desempenho dinâmico do motor, via minimização das oscilações de torque e fluxo, e a eficiência energética do sistema por meio da minimização da frequência média de chaveamento da eletrônica de potência. Resultados simulados e experimentais mostraram que o conjunto de soluções fornecido pelo NSGA-II é factível e contrapõe as oscilações de torque e de fluxo e a frequência média de chaveamento, cabendo à aplicação desejada a escolha da solução. Com isso, tem-se uma ferramenta de projeto dos fatores de peso do MPTC capaz de incorporar restrições e ajustar vários fatores ao mesmo tempo. / This work investigates the application of a multi-objective genetic algorithm to obtain a set of weighting factors suitable for use in Model Predictive Torque Control (MPTC) of a induction motor variable speed drive. MPTC approach aims at minimizing a cost function at each step, and is highlighted for its fast torque response, facility to incorporate system constraints and the absence of voltage modulators. Nevertheless, MPTC structure presents weighting factors in the cost function which lack of an analytical design procedure. The Non-dominated Sorting Genetic Algorithm II (NSGA-II) was designed for a trade-off between torque and flux ripples minimization and minimization of the average switching frequency of the system. Simulated and experimental results showed NSGA-II offered a Pareto set of feasible solutions, so that torque ripple, flux ripple or average switching frequency can be minimized, depending on the solution chosen according to project demand. Thereby, there is a project tool for MPTC weighting factors able to adjust several factor at the same time, incorporating desired restrictions.

The Linear Quadratic Regulator (LQR) is an optimal control approach which aims to drive states of a linear system to its origin through the minimization of a quadratic cost functional. Such an approach has been widely successful for both theoretical and practical applications. However, when such controllers are subject to uncertainties, optimal closed-loop performance cannot be obtained since robustness properties are no longer guaranteed. Guaranteed Cost Controllers (GCC) presents robust asymptotic stability and provides a guaranteed upper bound to a quadratic cost function. Such method addresses the lack of performance guarantees of the LQR. Meanwhile, Model Predictive Control (MPC) is a class of optimization-based control algorithms that use an explicit model of the controlled system to predict its future states. The MPC can be as a generalization of the LQR for constrained linear systems. Therefore, it equally suffers from a lack of robustness guarantees when the system is subject to uncertainties. Robust MPC (RMPC) approaches were proposed to address MPCs poor closed-loop performance subject to uncertainties. Its objective is to obtain a control input sequence that simultaneously minimizes a cost function and guarantees the feasibility of system states and control inputs, for a system subject to the worst-case disturbance within an uncertainty set. Autonomous vehicles have gained increasing interest from both the industry and research communities in recent years. An essential aspect in the design of automotive control systems is to ensure the controller is stable and has acceptable performance within the entire operational envelope which it is designed to operate. In the case of autonomous vehicles, where there is no human driver as a fallback, it is of utmost importance to ensure the safe operations of the control system and its capability to avoid saturating the handling limits of the vehicle. In this thesis, we propose Guaranteed Cost Controller approaches for both unconstrained and constrained linear systems subject to multiplicative structured norm-bounded uncertainties and present the application of such a controller to the lateral control problem of autonomous vehicles up to the tire saturation limits. / O Regulador Quadrático Linear (Linear Quadratic Regulator, LQR) é uma abordagem de controle ótimo que visa conduzir estados de um sistema linear à sua origem através da minimização de um custo funcional quadrático. Tal abordagem tem sido amplamente bem sucedida para aplicações teóricas e práticas. No entanto, não é possível obter o desempenho ótimo de malha fechada quando esses controladores são sujeitos a incertezas no sistema em decorrência de suas propriedades de robustez não serem garantidas. Controladores de Custo Garantido (Guaranteed Cost Control, GCC) visam abordar a falta de garantia de desempenho do LQR, neste caso. Esses controladores apresentam estabilidade assintótica robusta e fornecem um custo garantido de pior caso para uma função de custo quadrático. O Controle Preditivo de Modelo (Model Predictive Control, MPC) é uma classe de algoritmos de controle baseados em otimização que usa um modelo explícito do sistema controlado para prever seus estados futuros. Uma possível interpretação do MPC é uma generalização do LQR para sistemas lineares com restrições de estado e entrada de controle. Portanto, essa abordagem sofre igualmente da falta de garantias de robustez quando o sistema é sujeito a incertezas. As abordagens de MPC Robustas (Robust MPC, RMPC) foram propostas para abordar o desempenho de malha fechada do MPC sujeito a incertezas no sistema. Seu objetivo é obter uma sequência de entrada de controle que minimize simultaneamente uma função de custo e garanta que os estados do sistema e as entradas de controle estão contidos dentro das restrições para um sistema sujeito à pior das perturbações dentro de um conjunto admissível de incertezas. Pesquisas voltadas para veículos autônomos ganharam crescente interesse nos últimos anos, tanto da indústria automobilística quanto da comunidade acadêmica. Um aspecto essencial no projeto de sistemas de controle automotivo é a garantia de estabilidade e desempenho do controlador dentro de todo o envelope operacional ao qual ele foi projetado para operar. No caso de veículos autônomos, onde não há motoristas humanos para lidar com casos de falha do sistema, é de suma importância assegurar as operações seguras do sistema de controle e sua capacidade de evitar a saturação dos limites de manuseio do veículo. Nesta tese, propomos abordagens GCC para sistemas lineares restritos e irrestritos, sujeitos a incertezas estruturadas contidas por norma e apresentamos a aplicação de tais controladores ao problema de controle lateral de veículos autônomos até os limites de saturação dos pneus.

Um dos desafios que ainda precisa ser superado com o objetivo de melhorar o desempenho do controle preditivo (MPC) é a sua manutenção. Reidentificação do processo é uma das melhores opções disponíveis para atualizar o modelo interno do MPC, a fim de melhorar seu desempenho. No entanto, o processo de reidentificação é dispendioso. Pesquisadores propuseram dois métodos diferentes, capazes de detectar divergências entre o processo real e o seu modelo, através da análise de correlações parciais. Utilizando essas técnicas, ao invés de reidentificar todos os sub-modelos do processo, apenas algumas entradas com divergência significativas teriam que ser perturbadas e somente a parte degradada do modelo seria atualizada. Entretanto, não há informações suficientes e análises sobre a influência das estruturas de modelo nos resultados das correlações parciais. Além disso, apesar de ambas as abordagens serem eficientes na detecção de divergências significativas, elas não fornecem informações suficientes sobre a sua quantificação. Esta dissertação de mestrado demonstra que o método de Carlsson (2010) é uma solução particular do método de Badwe et al. (2009), quando os modelos utilizados no processo de identificação são estruturas FIR. Além disso, alguns outros tipos de estruturas serão estudados, de modo a verificar se eles são adequados para a análise da correlação parcial, com o objetivo de detectar esse tipo de divergência. Quanto à limitação da detecção do nível da divergência entre o modelo e a planta, este trabalho propõe um projeto inicial de um novo método para resolver este problema, através da adição de ruído branco off-line nos dados coletados do processo, com diferentes variações antes da análise da correlação parcial. Um estudo de caso simulado é mostrado, que confirma a eficácia desta nova técnica. Finalmente, são apresentadas as conclusões encontradas e as possibilidades para estudos futuros. / One of the challenges that still needs to be overcome in order to improve the performance of the model predictive control (MPC) is its maintenance. Re-identification of the process is one of the best options available to update the internal model of the MPC, in order to improve performance. However, re-identification is costly. Researchers have proposed two different methods able to detect plant mismatch through partial correlation analysis. Using these techniques, instead of re-identifying all the sub-models in the process, only a few inputs with significant mismatch would have to be perturbed and only the degraded portion of the model would be updated. Nevertheless, there is not enough information and analysis about the influence of the model structures for identification on partial correlation results. Besides, although both approaches are efficient in detecting significant mismatches, they do not provide enough information about its magnitude. This masters thesis demonstrates that the Carlssons method (2010) is a particular solution of the Badwe et al.s method, when the models used on the identification process are FIR structures. Moreover, some other types of structures will be analyzed in order to check if they are suitable for the partial correlation procedure to detect plant mismatches. Concerning the limitation of the detection the level of plant-mismatch, this thesis proposes a starting project of a new method to address this issue by adding offline white noise to the collected data from the process with different variances before analyzing the partial correlation. A simulation case study is shown that confirms the efficacy of this new technique. Finally, conclusions and possible future studies are presented.

Neste trabalho foram desenvolvidas duas técnicas de sintonia para controladores preditivos por modelo. Ambas visam minimizar a soma do erro quadrático entre respostas do sistema em malha fechada e trajetórias de referência pré-definidas; a primeira resolve um problema de otimização lexicográfica enquanto a segunda resolve um problema de otimização de compromisso. As vantagens dos métodos apresentados são: maior automatização, definição de objetivos de sintonia intuitiva que considera especificações na dinâmica do processo, uma métrica no domínio do tempo e é capaz de incluir o conhecimento do engenheiro de controle em uma técnica de sintonia confiável. Um estudo de caso no sistema de craqueamento catalítico ilustrou a flexibilidade de definição dos objetivos da técnica lexicográfica. Um estudo de caso sobre uma coluna de fracionadora de óleo pesado em malha fechada com um controlador preditivo por modelo comparou ambas as estratégias de sintonia desenvolvidas aqui e pode-se concluir que a técnica lexicográfica dá prioridade aos objetivos importantes enquanto a técnica de compromisso calcula uma solução média, com respeito aos objetivos. A técnica de compromisso foi comparada a um método de sintonia da literatura quanto a aplicação em um controlador preditivo de horizonte infinito com targets para as entradas e controle por faixas das saídas com uma coluna de destilação. Observou-se que a técnica desenvolvida aqui é computacionalmente mais rápida e não requer a escolha de uma solução não-dominada dentre um conjunto de soluções de Pareto. Aplicações reais de controle preditivo são severamente afetadas por incerteza de modelo. Estendeu-se as técnicas desenvolvidas aqui para considerar o caso de incerteza multi-planta, calculando parâmetros de sintonia robustos para controladores nominais, visando tratar o compromisso entre performance e estabilidade e robustez da malha fechada. Um controlador preditivo de horizonte infinito foi sintonizado de forma robusta e comparado com um controlador preditivo robusto em malha fechada com um modelo de separadora C3/C4. Observou-se que este consegue controlar melhor o processo, entretanto, tem um tempo de computação duas ordens de grandeza maior que o controlador nominal, em operação on-line. / Two multi-objective optimization based tuning techniques for Model Predictive Control (MPC) were developed. Both take into account the sum of the squared errors between closed-loop trajectories and reference responses based on pre-defined goals as tuning objectives; one solves a lexicographic optimization to obtain an optimum set of tuning parameters (LTT), whereas the other solves a compromise optimization problem (CTT). The main advantages are an automated framework, and straightforward goal definition, which are capable of taking into account a specification on the process dynamics, a time-domain metrics, and of embedding the control engineers knowledge into a reliable approach. A fluid catalytic cracking tuning case study unveiled the goal definition flexibility of the LTT, with respect to output tracking and variable coupling. A heavy oil fractionator in closed-loop with a MPC case study compared both tuning techniques developed here, and it was observed that the LTT in fact prioritizes the main objectives, whereas the CTT yields an average solution, in terms of the tuning objectives. The CTT was compared to another multi-objective tuning technique from the literature, in the tuning of a MPC with input targets and output zone control in closed-loop with a crude distillation unit model. The simulation results showed that the CTT allows for faster results, regarding the computational time to compute the tuning parameters and there is no need of a posteriori decisions to select the best non-dominated solution. Real MPC applications are strongly hindered by model uncertainty. This limitation was addressed by the extension of the tuning techniques to account for multi-plant model uncertainty, thus obtaining optimum robustly tuned parameters for nominal controllers, addressing the trade-off between robustness and performance. A robustly tuned Infinite Horizon MPC (IHMPC) was compared to a Robust IHMPC, in closed-loop with a C3/C4 splitter system model. It was observed in a simulation that even though the latter yields better output responses, it is two orders of magnitude slower than the former in online operation.

Sistemas de pulverização com injeção direta possibilitam o uso de diferentes agrotóxicos em uma mesma aplicação, reduzindo o desperdício de agrotóxicos e minimizando desta forma os impactos toxicológico e ambiental relacionados com o preparo e descarte da calda. Neste trabalho foram desenvolvidos modelos matemáticos para um sistema de pulverização com injeção direta de agrotóxico, incluindo a dinâmica da concentração da calda. Também foi desenvolvida uma estratégia de controle preditivo com antecipação das taxas de aplicação para ajustar as taxas de aplicação do agrotóxico e da calda. Também, uma plataforma flexível para o desenvolvimento de pulverizadores foi projetada e construída. A sua automação foi baseada em um controlador embarcado de tempo real adequado para aplicações de controle, aquisição e temporização. Para obter os parâmetros dos modelos e avaliar a estratégia de controle ensaios de vazão e concentração para diferentes pontas de pulverização foram propostos. Com o emprego da abordagem de controle preditivo, os erros das vazões do agrotóxico e da calda ficaram abaixo do nível admissível de 5%. O uso da estratégia de antecipação das taxas de aplicação permitiu aumentar a eficiência da aplicação, reduzindo em até 40% os erros de aplicação. Resultados experimentais são apresentados para validar os modelos e mostrar a eficiência da estratégia de controle desenvolvida. / Sprayer systems with direct injection allow the use of different pesticides in a single application, reducing the waste of chemicals and thereby minimizing the toxicologic and environmental risks associated with the carrier-chemical mix preparation and discard. In this work, mathematical models for a direct chemical injection sprayer system including the dynamics of the carrier-chemical mix concentration are developed. Also, a predictive control strategy with anticipative reference of application rates was developed to adjust the carrier-chemical mix and chemical flow rates. Also, a flexible platform for the development of sprayers was designed and constructed. The automation of this platform was based on a programmable automation controller suitable for control, acquisition and timming applications. To obtain the models and analyse the control strategy, essays flow and concentration for different spray nozzles were proposed. With the use of predictive control approach, the errors of the carrier-chemical mix and chemical flow rates were lower than the admissible level of 5 %. The use of the advanced references increased the efficiency of the variable rate application, reducing up to 40 % application errors. Practical results are presented to validate the models and show the efficiency of the developed control strategy.

Este trabalho tem como objetivo principal o desenvolvimento de uma estratégia de integração da otimização com o controle preditivo multivariável em uma camada. Os problemas de controle e otimização econômica são resolvidos simultaneamente em um mesmo algoritmo. A função objetivo econômica foi inserida no controlador na sua forma diferencial, ou seja, o gradiente da função objetivo econômica. O método foi testado por simulação para o caso do sistema reator regenerador da UFCC (Unit of Fluid Catalytic Cracker). Esta dissertação descreve a estratégia de otimização integrada ao controlador preditivo cuja função objetivo incorpora componentes dinâmicos e estáticos. Para a determinação das condições ótimas do processo no estado estacionário do conversor (unidade de craqueamento catalítico) foi utilizado um modelo empírico do processo. A melhor trajetória para conduzir o processo para o seu ponto ótimo de operação, maximizando lucro ou produto de maior valor agregado, desde que não sejam violadas as restrições de processo, é predita utilizando um modelo dinâmico, obtido através de dados de testes em degrau em um modelo rigoroso. Este modelo linear possibilitou a obtenção das funções de transferência do processo e o modelo em variáveis de estado. O ponto ótimo que é obtido na execução deste algoritmo, leva em consideração a não violação das restrições das variáveis manipuladas e controladas do processo, tanto para o estado estacionário como para o transiente do problema. O problema de otimização não linear resultante é resolvido através de uma rotina de programação quadrática da biblioteca do Matlab. Uma segunda alternativa apresentada para a estratégia de otimização deste trabalho, é a inclusão do gradiente reduzido na função objetivo do controlador quando são observadas violações das restrições das variáveis controladas. Os resultados simulados através de um modelo não linear rigoroso (Moro&Odloak,1995) mostram um bom desempenho dos algoritmos aqui desenvolvidos tanto com relação aos benefícios econômicos como na estabilização da unidade. / This dissertation aims to develop a strategy to integrate the optimization problem of the plant into the model predictive controller in a one layer strategy, for the real time optimization or online optimization. The control and the optimization of the process are computed simultaneously in the same algorithm. The gradient of the economic objective function is included in the cost function of the controller instead of in its regular form. Thereby, this work describes a predictive control strategy, which can be classified as a one layer strategy and whose objective function has to be optimized obeying constraints, which incorporates dynamic and static components. The optimal conditions of the process in the steady state are defined through the use of an empirical process model. Furthermore, the best trajectory to be followed in order to reach the optimal conditions, without violating the constraints, maximizing profit or the production of its more valuable product, is predicted through the use of the dynamic model, that can be obtained through a plant step test. As a result transfer function and state space models are obtained. The optimal operation point is achieved through the execution of the proposed algorithm. Therefore, the solution to the optimization/control problem will always be in a feasible region, in other words, without violating the process manipulated or controlled variable constraints for both stationary and transient states of the problem. The non-linear optimization problem resulted from the implementation of the proposed algorithm is solved through the quadratic programming routine from the Matlab library. The second online optimization strategy proposed in this work is one that considers the reduced gradient method algorithm modified to evaluate the predicted trajectory. As a result, any violation of the manipulated or controlled variable constraints is prevented and this variable is not considered in the next step of the calculation of the predicted trajectory or even in the search direction of the optimization. Finally the simulations results obtained through the use of a nonlinear rigorous model (Moro&Odloak,1995) presents good performance for the algorithms here proposed, not only related to economic benefits, but also in order to stabilize the unit.

Uma das técnicas de controle avançado que vem ganhando destaque no cenário econômico e ecológico, focando maior sustentabilidade e a otimização dos processos, é o controle preditivo, o qual já vem sendo aplicado em indústrias químicas e petroquímicas. Esta dissertação trata do desenvolvimento de um controle preditivo aplicado a uma planta piloto de neutralização de pH, presente no Laboratório de Controle de Processos Industriais da Escola Politécnica da Universidade de São Paulo. O desenvolvimento do projeto pode ser dividido em quatro etapas: implementação das malhas de controle regulatório, identificação dos sistemas, construção do controlador preditivo, aplicações e análises experimentais. Na primeira etapa foi necessário estudar o sistema em questão e implementar algumas malhas internas usando controladores PID. Na segunda etapa foi realizada a identificação do modelo da planta, ressaltando que pontos de operação e ajuste de parâmetros internos são determinantes para a modelagem. Já na terceira etapa desenvolveu-se um controlador preditivo, através de softwares auxiliares como o MATLAB e o IIT 800xA da ABB, que foram utilizados para o desenvolvimento e implementação do algoritmo de controle. Por fim, na última etapa, foi feita a análise e comparação dos resultados, quando se submete à planta a um controlador PID, quando aplicado um controlador preditivo em cascata com controladores PID e quando se utiliza apenas o controlador preditivo com ação direta nos atuadores. / The predictive control is an advanced control technique which has gained evidence in the economic and ecological context because the search for sustainability and process optimization. This control has already been applied by the chemical and petrochemical industries. The purpose of this project is to develop a predictive controller which will be applied in a pH neutralization plant located in the Industrial Processes Control Laboratory at Polytechnic School of the University of São Paulo. The development of this project can be divided into four stages: implementation of regulatory control loops, identification of the system, construction of the predictive controller, applications and experimental analysis. The first step is necessary in order to study the plant and to implement some internal loops using PID controllers. In the second step, the identification process of the plant model will be done. It is important to note that operating points and internal parameter settings are very important for modeling. In the third stage, using the model obtained from the identification process, a predictive controller is built from auxiliary software such as MATLAB and IIT 800xA (by ABB), which will be used for the development and implementation of the control algorithm. Finally, the last step consists in collecting and analyzing the results of the pH neutralization plant. At this stage the responses of each controller will be compared: PID controller, MPC controller in cascade mode with PID and MPC controller acting directly on actuators.

The use of robotic manipulators in industrial applications is continuously growing. Therefore, the proposal of novel kinematic architectures for robotic manipulators can be a strategy for coping with the required performance of specific tasks. On this matter, the parallel manipulators represent an alternative to fulfill this gap. The objective of this manuscript is to prove that the energy efficiency of parallel manipulators can be increased by the use of kinematic redundancy. Due to the presence of kinematic redundancy, the number of solutions to the inverse kinematics problem become infinite. Hence, a redundancy resolution scheme is required to select a suitable one among the infinite solutions. In this work, a model predictive control (MPC) based method is proposed as redundancy resolution scheme. This proposal is evaluated numerically and experimentally by comparing the energy consumption of non-redundant and kinematically redundant manipulators during the execution of pre-defined tasks. The non-redundant manipulator under study is the planar parallel 3RRR manipulator. This manipulator consists of three identical kinematic chains containing one active revolute joint and two passive revolute joints. Kinematic redundancies were added to the manipulator by including one active prismatic joint in each kinematic chain. In this way, the kinematically redundant manipulator under study is the planar parallel 3PRRR manipulator. By activating or locking the prismatic joints, up to three levels of kinematic redundancy can be evaluated. Numerical kinematic and dynamic models of the manipulators under study were derived not only for their numerical evaluation but also for the derivation of the model-based redundancy resolution scheme. Experimental data was acquired using the prototype built at the Laboratory of Dynamics at São Carlos School of Engineering at University of São Paulo. This experimental data was exploited for assessing the usability of the MPC for deriving a redundancy resolution scheme and for evaluating the impact of several levels of kinematic redundancy on the manipulator\'s energy consumption. Based on this data, one can conclude that MPC can be a suitable alternative for solve redundancy resolution problems and that the redundant parallel manipulators presented a lower energy consumption than the non-redundant one to execute the pre-defined tasks. The rate of reduction on the energy consumption achieved by the redundant manipulators varied between 6% and 60% depending on the task. Nevertheless, the numerical and experimental data presented differences in some particular cases. / O número de aplicações realizadas pelos manipuladores robóticos cresce continuamente. Assim, o desenvolvimento de novas arquiteturas para os manipuladores robóticos mais adaptadas a aplicações concretas é necessário. Destarte, os manipuladores paralelos constituem uma alternativa a ser considerada. O objetivo deste texto é provar que a eficiência energética dos manipuladores paralelos pode ser incrementada por meio da redundância cinemática. A presença de redundância cinemática implica um número infinito de soluções no problema da cinemática inversa. Logo, é precisso um esquema de resolução de redundância para escolher uma das soluções. No presente texto, um método baseado no modelo de controle preditivo (MPC), é proposto como esquema de resolução de redundância. Esta proposta é avaliada tanto numérica como experimentalmente comparando o consumo energético dos manipuladores não redundante e redundantes durante a execução de umas trajetórias predefinidas. O manipulador paralelo não redundante estudado é o 3RRR. Este manipulador é composto por três cadeias cinemáticas idênticas que incluem uma junta rotativa ativa e duas juntas rotativas passivas. Redundâncias cinemáticas foram adicionadas ao manipulador incluindo uma junta prismática ativa em cada uma das três cadeias cinemáticas, obtendo assim, o manipulador redundante 3PRRR. Ativando ou bloqueando as juntas prismáticas podem ser avaliados até três níveis de redundância cinemática. Modelos matemáticos dos manipuladores foram propostos tanto para a estabelecer uma avaliação numérica como para a dedução do esquema de resolução de redundância. Um protótipo do manipulador 3PRRR construído na Escola da Engenharia de São Carlos foi usado para realizar os experimentos. Os dados experimentais foram utilizados para comprovar a utilidade do MPC como esquema de resolução de redundância, e para avaliar os efeitos da redundância cinemática no consumo energético. Com fundamento nos resultados é possível concluir que o MPC pode ser uma alternativa adequada para resolver problemas de resolução de redundância e que os manipuladores paralelos redundantes apresentaram um menor consumo energético para realizar a mesma tarefa quando comparados aos não redundante. A taxa de redução da energia em favor dos manipuladores redundantes varia entre 6% e 60% dependendo da tarefa. Por outro lado, a análise numérica mostrou discrepâncias com a análise experimental em certas circunstâncias.

O objetivo principal desta tese foi a implantação de uma nova estratégia para a integração da otimização em tempo real (RTO), com o controle preditivo multivariável em uma unidade de processo industrial. A solução proposta pode ser considerada como uma estratégia de uma camada, na qual os problemas de controle e otimização econômica são resolvidos simultaneamente, na mesma camada da estrutura de controle. Supondo que o objetivo econômico a ser maximizado (minimizado) seja uma função côncava (convexa) das entradas e saídas de processo, o controlador MPC com otimização econômica (OMPC) foi obtido através da inclusão do gradiente reduzido do objetivo econômico, na função objetivo do controlador preditivo. Esta abordagem foi testada inicialmente através da simulação do conjunto reator regenerador de uma Unidade de Craqueamento Catalítico Fluido (UFCC). O controlador otimizador foi implementado com sucesso em uma coluna de destilação de tolueno, na Unidade de Recuperação de Aromáticos da refinaria de Cubatão da Petrobras. Este controlador está em funcionamento contínuo por cerca de um ano, sem qualquer problema relatado. Para a determinação das condições ótimas, um modelo rigoroso de coluna de destilação multicomponentes no estado estacionário é incluído no controlador preditivo para permitir o cálculo online do objetivo econômico. A trajetória prevista para o sistema de destilação até o ponto ótimo é calculada utilizando-se um modelo linear dinâmico, o qual foi obtido através de testes em degrau na planta real. O ponto ótimo obtido através da estratégia proposta leva em consideração as restrições nas entradas manipuladas e a faixa de controle para as saídas. O problema de otimização resultante para cálculo das ações de controle é uma QP, que pode ser facilmente resolvida com os solvers disponíveis. O MPC com otimização econômica foi implementado como um módulo do pacote SICON (Sistema de Controle da Petrobras). / This thesis was mainly aimed at the implementation of a new strategy for the integration of real time optimization (RTO) with multivariable predictive control in an industrial process system. The proposed strategy can be considered as a one-layer strategy where the control and economic optimization problems are solved simultaneously in the same layer of the control structure. Assuming that the economic objective to be maximized (minimized) is a concave (convex) function of the process inputs and outputs, the optimizing model predictive control (OMPC) was obtained through the inclusion of the reduced gradient of the economic objective in the control objective of the predictive controller. The approach was initially tested through the simulation of the reactorregenerator of a Fluid Catalytic Cracking Unit (FCCU). The optimizing controller has been successfully implemented in a toluene distillation column at the Aromatic Recovery Unit of the Cubatão refinery of Petrobras. This controller has been in continuous operation for about one year without any reported problem. For determining the optimum operating conditions, a steady-state rigorous multicomponent distillation model is included in the predictive controller to allow the on-line computation of the economic objective. The predicted trajectory of the distillation system towards the optimum point is computed with a linear dynamic model that was obtained through step tests in the real plant. The optimum point that is achieved with the proposed strategy takes into account the constraints in the manipulated inputs and the zone control of the outputs. The resulting optimization problem that produces the control actions is a QP that can be easily solved with available solvers. The optimizing MPC was implemented as a module of the SICON (Petrobras Control System) package.