Esta tese propõe uma nova estratégia de controle adaptativo paralelo neural em que uma única rede neural é usada para identificar e controlar simultaneamente uma planta. A idéia por trás dessa estratégia de controle adaptativo é compensar a entrada de controle gerada por um controlador retroalimentado convencional. O processo de treinamento da rede neural é realizado através de duas técnicas: backpropagation e filtro de Kalman estendido. Adicionalmente, a convergência do erro de identificação é analisada através do segundo método de Lyapunov. O desempenho da estratégia proposta é avaliado através de simulações com plantas lineares e não-lineares, comparação com outras técnicas de controle adaptativo que usam redes neurais e uma aplicação em tempo real desenvolvida no processo térmico PT-326 disponível no ITA-IEES. É considerado também o problema de se controlar um reator contínuo perfeitamente agitado, que é um sistema padrão tipicamente utilizado para o teste de novas estratégias de controle.
| Identifer | oai:union.ndltd.org:IBICT/oai:agregador.ibict.br.BDTD_ITA:oai:ita.br:2361 |
| Date | 00 December 2000 |
| Creators | Daniel Oliveira Cajueiro |
| Contributors | Elder Moreira Hemerly |
| Publisher | Instituto Tecnológico de Aeronáutica |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Biblioteca Digital de Teses e Dissertações do ITA, instname:Instituto Tecnológico de Aeronáutica, instacron:ITA |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0026 seconds