Identificação relevante ao controle preditivo - método EN-PH de otimização numérica baseado em técnicas de regularização.

• Ano de defesa: 2015
• Autor(a) principal: BALTAR, Raphael de Medeiros Souto Maior.
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande; Brasil; Centro de Engenharia Elétrica e Informática - CEEI; PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA; UFCG
• Palavras-chave em Português: Controle; Regularização; Otimização Numérica; Identificação MRI; Controladores Preditivos; Método de Otimização não-convexa Levenberg Marquardt; Control; Regularization; Numerical Optimization; MRI identification; Predictive Controllers; Non-convex optimization method Levenberg Marquardt; Engenharia Elétrica
• Link de acesso: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/9466

Diferente dos controladores tradicionais, os controladores preditivos implementam as ações de controle a serem aplicadas no sistema a partir de predições das saídas do processo em um certo intervalo de tempo futuro. Isto é feito para que o controlador se antecipe a futuras variações da saída, e assim possa atuar com mais e eficiência. A abordagem mais direta para a obtenção de modelos apropriados para o controle preditivo é definir e minimizar a função de custo de múltiplos passos à frente. Isto pode ser alcançado utilizando um método de otimização não- convexa como o de Levenberg- Marquardt. Já no método PLS-PH, o problema de otimização não-linear é resolvido a partir de uma busca linear e da transformação dos preditores para o espaço de variáveis latentes (PLA, 2012). Neste trabalho foi proposto um novo método de identificação multivariável MRI intitulado EN-PH (Elasti -Net Prediction Horizon) que consiste em um algoritmo de otimização numérica associado a técnica de regressão regularizada Elasti-Net. O novo método mostrou ser capaz de estimar os parâmetros do modelo do processo eficientemente, mesmo em presença de colinearidade entre os preditores.