Este trabalho apresenta algumas contribuições para métodos de controle baseados em dados obtidos em apenas um experimento, a fim de torná-los mais atrativos quanto à aplicação em processos industriais. A partir de dados obtidos em experimentos no processo, os métodos baseados em dados estimam os parâmetros de um controlador de estrutura fixa por meio da minimização do erro entre a saída do sistema real em malha fechada e uma saída desejada, dada por um modelo de referência. O método Virtual Reference Feedback Tuning - VRFT é o método mais expressivo na literatura que estima os parâmetros do controlador usando apenas uma batelada de dados, mas o mesmo apresenta alguns inconvenientes em sua formulação que limitam a sua aplicação. Neste trabalho, o método VRFT é modificado de forma que se obtém um método VRFT flexível, o qual minimiza um critério flexível, pelo qual são estimados tanto os parâmetros do controlador quanto os parâmetros do numerador do modelo de referência; assim, caso a planta que se deseja controlar seja de fase não-mínima, o critério é capaz de estimar esses zeros e os mesmos devem ser incluídos no modelo de referência que será utilizado no projeto do controlador. Além disso, em sistemas com ruído, o método VRFT necessita de uma variável instrumental para que a estimativa dos parâmetros do controlador seja não-polarizada. Para eliminar a necessidade de usar variáveis instrumentais, um novo método de controle baseado em dados é proposto, o qual é descrito sob a ótica de identificação. Este método pode ser visto como a identificação de um sistema, no qual a função de transferência do processo é reparametrizada em função do controlador ideal e do modelo de referência. Além disso, estende-se a teoria de projeto de experimento com solução baseada em restrições LMI para o caso da identificação do controlador ótimo. Todas essas contribuições são ilustradas através de simulações. / This work presents some contributions to data-based control methods where data is obtained in only one experiment, in order to make them more attractive to industrial process applications. Using data from experiments on the process, data-based methods estimate the parameters of fixed structure controller, through the minimization of the error between the closed loop response of the system and the desired response, given by a reference model. The Virtual Reference Feedback Tuning - VRFT method is the most expressive method in the literature that estimates the controller parameters using only one batch of data, but this method presents some inconveniences in its formulation which limit its application. In this work, the VRFT method is modified in order to obtain a flexible VRFT method, which minimizes a flexible criterion, and then obtains the controller parameters together with the parameters related to the reference model numerator; thus, if the plant which we want to control is non-minimum phase, then the criterion is able to estimate these zeros and they need to be included in the reference model that will be used in the control design. Besides, when dealing with noisy systems, the VRFT method needs an instrumental variable so the controller parameters estimate is unbiased. In order to eliminate this necessity, a new data-based control is proposed in this work, which is formulated using identification theory. This method can be seen as the identification of a system, where the process transfer function is reparameterized as a function of the ideal controller and the reference model. Besides, we extend the experimental design theory where the problem is solved using LMI constraints to the case of the optimal controller identification method. All these contributions are illustrated through simulations.
| Identifer | oai:union.ndltd.org:IBICT/oai:lume.ufrgs.br:10183/26865 |
| Date | January 2010 |
| Creators | Campestrini, Lucíola |
| Contributors | Bazanella, Alexandre Sanfelice |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Format | application/pdf |
| Source | reponame:Biblioteca Digital de Teses e Dissertações da UFRGS, instname:Universidade Federal do Rio Grande do Sul, instacron:UFRGS |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0023 seconds