Made available in DSpace on 2015-06-17T19:34:01Z (GMT). No. of bitstreams: 0
Previous issue date: 2015-01-29. Added 1 bitstream(s) on 2015-06-18T12:47:35Z : No. of bitstreams: 1
000829984.pdf: 9569893 bytes, checksum: 17afd948df11794efc7b1b77ce1bf2d4 (MD5) / Neste trabalho investiga-se a capacidade de uma rede neural artificial, com ajustes de pesos em tempo real, executar o controle de sistemas por meio de uma estrutura de rastreamento de sinais em três contextos: inicialmente em uma série de sistemas lineares e não-lineares; em um segundo momento, a rede neural é utilizada no controle de sistemas sujeitos a incertezas paramétricas; e por fim, no controle de máquinas elétricas que podem ou não estar sujeitas a variações paramétricas, incertezas e perturbações lineares e não-lineares. Na primeira aplicação da rede neural artificial verifica-se o desempenho de rastreamento de sistemas lineares de 1 a , 2 a e 3 a ordens controlados em malha fechada por meio de simulações computacionais. Nesse sentido, calcula-se um índice de desempenho utilizando a integral do valor absoluto do erro (IAE - Integral of the Absolute Magnitude of the Error). Esse índice indica a proximidade da saída real do sistema com relação ao sinal de referência. Essa estrutura rastreadora de sinais poderá funcionar conjuntamente com controlador clássico Proporcional, Integral e Derivativo (PID). Testes são realizados utilizando controladores com estrutura variável e modos desli- zantes, os quais, são estratégias robustas às incertezas paramétricas do tipo casadas, todavia não apresentam o mesmo comportamento no que tange às incertezas do tipo não casadas. Dentro desse contexto, apresenta-se uma estratégia de controle utilizando redes neurais artificiais em conjunto com modos deslizantes para reduzir as influências de quaisquer tipos de incertezas e perturbações. A eficácia da estrutura de controle proposta é verificada por meio de simulações computacionais considerando um modelo de eixo lateral de um avião L-1011 em condições de voo. O controle de máquinas elétricas é realizado inicialmente em motor de corrente contínua e posteriormente em motor ... / This thesis investigates the ability of an Artificial Neural Network (ANN), with real-time adjustable weights, to execute the control systems through a tracking structure for signals in three applications: in a series of linear and non-linear systems; to control systems subject to parametric uncertainties; and to control electrical machines that may be subject to linear and nonlinear disturbances and uncertainties. In the first application of ANN, it is verified the per- formance of tracking signals in systems of 1 st , 2 nd and 3 rd order through computer simulations results. In this regard, it estimates a performance index using the Integral of the Absolute va- lue of the Error (IAE), which indicates the difference between the system real output and the reference signal value. The proposed structure with the neural network is able to work with clas- sical compensators, the proportional, integral and derivative (PID) controller. Evaluation tests are performed using controllers with variable structure and sliding mode. This strategies pre- sents robustness to a class of parametric uncertainties, called matched parametric uncertainty. However, this technique is not robust related to unmatched uncertainty class. Thus, in this paper a control strategy is proposed based on ANN through sliding mode control technique to mini- mize the uncertainties and disturbances effects. In order to show the effectiveness of proposed method, simulation results are performed using a lateral axis model of an L-1011 in cruise flight conditions subject to the uncertainties and external disturbances. Initially, it is accompli- shed of direct current (DC) motors, and after that, the technique is applied to alternating current (AC) motors (three-phase induction). Through the combination of PID controller and ANN, some evaluations tests are performed in DC motors. The performance of induction motor has been addressed ...
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.unesp.br:11449/123817 |
Date | 29 January 2015 |
Creators | Rodrigues, Fernando Barros [UNESP] |
Contributors | Universidade Estadual Paulista (UNESP), Garcia, José Paulo Fernandes [UNESP] |
Publisher | Universidade Estadual Paulista (UNESP) |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
Format | 190 f. : il. |
Source | Aleph, reponame:Repositório Institucional da UNESP, instname:Universidade Estadual Paulista, instacron:UNESP |
Rights | info:eu-repo/semantics/openAccess |
Relation | -1, -1 |
Page generated in 0.0023 seconds