Controlador Neurofuzzy com aprendizado on-line: teoria e aplicação na indústria de petróleo
AUTOR(ES)
Mateus de Araujo Carvalho
DATA DE PUBLICAÇÃO
2010
RESUMO
Este trabalho apresenta um controlador que é uma evolução do "On-line Neurofuzzy Controller (ONFC)", que é um controlador simples, de baixo custo computacional e que se adapta à dinâmica do processo numa ampla faixa de operação. São apresentados o desenvolvimento e a análise do novo algoritmo de aprendizagem, abordando aspectos relativos à estabilidade, aplicação e critérios para sintonia. Este controlador, denominado de ONFCDw, pode ser aplicado às plantas tipicamente encontradas na indústria e se mostrou eficiente diante de problemas de controle onde controladores PID (Proporcional Integral Derivativo) têm um baixo desempenho devido as não-linearidades, mudanças frequentes no ponto operacional, perturbações variáveis no tempo, etc. Sua capacidade adaptativa confere ao ONFCDw também a vantagem de se ajustar à mudanças temporais em processos, evitando ou diminuindo muito a necessidade de ressintonia para manutenção do desempenho desejado. Este algoritmo, por ser simples, pode ser implementado na grande maioria dos sistemas supervisórios industriais. Neste trabalho é também apresentada a implementação bem sucedida do algoritmo ONFCDw para controle de temperatura de uma região da torre fracionadora principal de uma unidade industrial de Coqueamento Retardado da Petrobras, fazendo parte de um projeto de P&D entre a UFMG e a PETROBRAS. A metodologia proposta para implementação constitui-se da análise prévia de desempenho em simuladores dinâmicos convencionais e da aplicação em simuladores dinâmicos de processos capazes de simular os equipamentos e unidades tipicamente encontradas em refinarias. Os resultados obtidos motivam a avaliação destes sistemas para outros processos com características não lineares e sujeitos à perturbações externas intensas. Por fim, são apresentadas propostas de continuidade e possíveis novas aplicações do algoritmo
