Controle preditivo para processos com incertezas estruturadas baseado em series de funões ortonormais

AUTOR(ES)
DATA DE PUBLICAÇÃO

1997

RESUMO

Trabalho aborda o problema de controle de processos contendo incertezas estruturadas e restrições nos sinais de entrada e saída. A metodologia de controle utilizada é a dos controladores preditivos ou Model Based Predictive Controllers (MBPC). Esta técnica está, atualmente, bastante difundida, tanto no meio acadêmico como em aplicações práticas. A principal característica dos MBPC é a utilização de um modelo para a determinação de um conjunto de previsões da saída e, a lei de controle é calcula a em função destas previsões. Neste trabalho, para se obter um modelo não estruturado e projetar algoritmos de controle preditivo para processos incertos, propõe-se a utilização de séries de funções ortonormais, definidas a partir de um conhecimento aproximado da dinâmica dominante do processo. Neste contexto, são analisadas as abordagens de controle preditivo adaptativo e robusto. A lei de controle é calculada considerando que, no caso adaptativo, os parâmetros do modelo são obtidos utilizando-se um método de identificação e que, no caso robusto, os parâmetros do modelo pertencem a um intervalo de incerteza. As características dos algoritmos MBPC adaptativo e robusto, utilizando séries de funções ortonormais, são comparadas com outras estratégias de controle preditivo utilizando modelos estruturados (por exemplo, o modelo CARIMA), e modelos não estruturados (por exemplo, o modelo de resposta ao impulso). Mostra-se também que, sob determinadas condições de ajuste dos parâmetros dos controladores, o sistema em malha fechada é estável. O desempenho das abordagens propostas é ilustrado através de exemplos de simulação

ASSUNTO(S)

controle automatico controle preditivo modelagem incerteza (teoria da informação)

ACESSO AO ARTIGO

Documentos Relacionados