The development of Advanced Driving Assistance Systems (ADAS) produces comfort and safety through the application of several control theories. One of these systems is the Adaptive Cruise Control (ACC). In this work, a distribution of two control loops of such system is developed for an embedded application to a vehicle. The vehicle model was estimated using the system identification theory. An outer loop control manages the radar data to compute a suitable cruise speed, and an inner loop control aims for the vehicle to reach the cruise speed given a desired performance. For the inner loop, it is used two different approaches of model predictive control: a finite horizon prediction control, known as MPC, and an infinite horizon prediction control, known as IHMPC. Both controllers were embedded in a microcontroller able to communicate directly with the electronic unit of the vehicle. This work validates its controllers using simulations with varying systems and practical experiments with the aid of a dynamometer. Both predictive controllers had a satisfactory performance, providing safety to the passengers. / A inclusão de sistemas avançados para assistência de direção (ADAS) tem beneficiado o conforto e segurança através da aplicação de diversas teorias de controle. Um destes sistemas é o Sistema de Controle de Cruzeiro Adaptativo. Neste trabalho, é usado uma distribuição de duas malhas de controle para uma implementação embarcada em um carro de um Controle de Cruzeiro Adaptativo. O modelo do veículo foi estimado usando a teoria de identificação de sistemas. O controle da malha externa utiliza dados de um radar para calcular uma velocidade de cruzeiro apropriada, enquanto o controle da malha interna busca o acionamento do veículo para atingir a velocidade de cruzeiro com um desempenho desejado. Para a malha interna, é utilizado duas abordagens do controle preditivo baseado em modelo: um controle com horizonte de predição finito, e um controle com horizonte de predição infinito, conhecido como IHMPC. Ambos controladores foram embarcados em um microcontrolador capaz de comunicar diretamente com a unidade eletrônica do veículo. Este trabalho valida estes controladores através de simulações com sistemas variantes e experimentos práticos com o auxílio de um dinamômetro. Ambos controladores preditivos apresentaram desempenho satisfatório, fornecendo segurança para os passageiros.

The development of Advanced Driving Assistance Systems (ADAS) produces comfort and safety through the application of several control theories. One of these systems is the Adaptive Cruise Control (ACC). In this work, a distribution of two control loops of such system is developed for an embedded application to a vehicle. The vehicle model was estimated using the system identification theory. An outer loop control manages the radar data to compute a suitable cruise speed, and an inner loop control aims for the vehicle to reach the cruise speed given a desired performance. For the inner loop, it is used two different approaches of model predictive control: a finite horizon prediction control, known as MPC, and an infinite horizon prediction control, known as IHMPC. Both controllers were embedded in a microcontroller able to communicate directly with the electronic unit of the vehicle. This work validates its controllers using simulations with varying systems and practical experiments with the aid of a dynamometer. Both predictive controllers had a satisfactory performance, providing safety to the passengers. / A inclusão de sistemas avançados para assistência de direção (ADAS) tem beneficiado o conforto e segurança através da aplicação de diversas teorias de controle. Um destes sistemas é o Sistema de Controle de Cruzeiro Adaptativo. Neste trabalho, é usado uma distribuição de duas malhas de controle para uma implementação embarcada em um carro de um Controle de Cruzeiro Adaptativo. O modelo do veículo foi estimado usando a teoria de identificação de sistemas. O controle da malha externa utiliza dados de um radar para calcular uma velocidade de cruzeiro apropriada, enquanto o controle da malha interna busca o acionamento do veículo para atingir a velocidade de cruzeiro com um desempenho desejado. Para a malha interna, é utilizado duas abordagens do controle preditivo baseado em modelo: um controle com horizonte de predição finito, e um controle com horizonte de predição infinito, conhecido como IHMPC. Ambos controladores foram embarcados em um microcontrolador capaz de comunicar diretamente com a unidade eletrônica do veículo. Este trabalho valida estes controladores através de simulações com sistemas variantes e experimentos práticos com o auxílio de um dinamômetro. Ambos controladores preditivos apresentaram desempenho satisfatório, fornecendo segurança para os passageiros.

In advanced process control, the Model Predictive Control (MPC) may be considered the most important innovation in recent years and the standard tool for industrial applications due to the fact that it keeps the plant operating in the constraints more profitable. However, like every control algorithm, the MPC after some time in operation rarely works as originally designed. Thus, to preserve the benefits of MPC systems for a long period of time, their performance needs to be monitored and evaluated during the operation. This task require the presence of reliable and effective tools to detect when the controller performance is below of the desirable, to define the need, or not, of recommissioning the system. Thus, the objective of this work is development of techniques for monitoring and evaluating the performance of multivariable predictive controllers, being developed two new tools: LQG benchmark Modified and IHMC benchmark. The results obtained from numerical simulations were satisfactory and consistent with the technical literature applied in the developments of the evaluators, which were used in the monitoring of the control system MPC of the oil-water-gas three-phase separation process, offering an appropriate solution and providing subsidies for implementations in real industrial systems. / Em controle avançado de processos, o controlador preditivo ou MPC (Model Predictive Control) pode ser considerado como a mais importante inovação dos últimos anos e a ferramenta padrão para aplicações industriais, devido ao fato do MPC manter a planta operando dentro das suas restrições de forma mais lucrativa. Entretanto, como todo algoritmo de controle, o MPC depois de algum tempo em operação dificilmente funciona como quando fora inicialmente projetado. Desta forma, com o objetivo de manter os benefícios dos sistemas MPC por um longo período de tempo, seu desempenho precisa ser monitorado e avaliado durante a operação. Esta tarefa requer a presença de ferramentas efetivas e confiáveis para detectar quando o desempenho do controlador estiver abaixo do desejável, para definir a necessidade, ou não, de um recomissionamento do sistema. Destarte, aborda-se neste trabalho o desenvolvimento de técnicas para monitoramento e avaliação de desempenho de controladores preditivos multivariáveis, sendo desenvolvidas duas novas ferramentas: LQG benchmark Modificado e IHMC benchmark. Os resultados obtidos a partir de simulações numéricas foram satisfatórios e coerentes com a literatura técnica aplicada no desenvolvimento dos avaliadores, os quais foram utilizados no monitoramento do sistema de controle MPC do processo de separação trifásica água-óleo-gás, oferecendo assim uma solução apropriada e fornecendo subsídios para implementações em sistemas industrias reais.