Estruturas de integração neural feedforward testadas em problemas de controle preditivo

• Ano de defesa: 2003
• Autor(a) principal: Paulo Marcelo Tasinaffo
• Orientador(a): Atair Rios Neto, Valdemir Carrara
• Banca de defesa: Hélio Koiti kuga, Cairo Lúcio Nascimento Junior, Agenor de Toledo Fleury
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Instituto Nacional de Pesquisas Espaciais (INPE)
• Programa de Pós-Graduação: Programa de Pós-Graduação do INPE em Mecânica Espacial e Controle
• País: BR
• Resumo em Inglês: This work presents, develops and tests a methodology for the modeling of dynamical systems applied to a scheme of predictive control. Feedforward neural networks are used in the structure of ordinary differential equations (ODE) numerical integrators modeling the derivative function of autonomous dynamic systems. The neural integrator is a discrete model of the dynamic system used as an internal model in the predictive control scheme. The work explores the approach already existing in the literature, which uses the instantaneous derivatives, and proposes a new approach where average derivatives are used. The approach with the average derivatives allows the use an ODE first order Euler numerical integrator with fixed step size, without affecting the specified modeling accuracy. The structure of a first order integrator simplifies and facilitates to get the partial derivatives of futures states with respect to past controls to construct the Jacobian, which is necessary in the predictive control structure implementation. These two methodologies of neural integration are applied and tested in a structure of predictive control for the estimation of the controls that track previously defined reference trajectories in an Earth to Mars orbit transfer problem. The method with the average derivatives is also applied and tested in the attitude stabilization control of a rigid body satellite.
• Link de acesso: http://urlib.net/sid.inpe.br/jeferson/2004/02.18.14.07

Este trabalho apresenta, desenvolve e testa metodologia de modelagem de sistemas dinâmicos, aplicada em esquema de controle preditivo. Redes neurais feedforward são usadas na estrutura de integradores numéricos de equações diferenciais ordinárias, modelando a função de derivadas de sistemas dinâmicos autônomos. O integrador neural resultante é um modelo discretizado do sistema dinâmico que é usado como modelo interno em esquema de controle preditivo. O trabalho explora a abordagem com derivadas instantâneas, já existente na literatura, e propõe nova abordagem em que derivadas médias são usadas. O método com derivadas médias permite usar um integrador de Euler com passo fixo e ainda assim garantir a precisão desejada na modelagem. A estrutura simples de um método de primeira ordem facilita e simplifica a obtenção das derivadas parciais dos estados futuros em relação aos controles passados, necessários para a construção do Jacobiano presente na estrutura de controle preditivo. Estas duas metodologias de integração neural são aplicadas e testadas numa estrutura de controle preditivo, para a estimação dos controles que rastreiam trajetórias de referências pré-estabelecidas em um problema de transferência de órbita entre a Terra e Marte. O método das derivadas médias é também aplicado e testado no controle da estabilização da atitude de um satélite artificial funcionando como um corpo rígido.