Sintonia de controladores multivariáveis pelo método da referência virtual com regularização Bayesiana

• Ano de defesa: 2018
• Autor(a) principal: Boeira, Emerson Christ
• Orientador(a): Eckhard, Diego
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Controle baseado em dados; Identificação de sistemas; Sistemas de controle
• Palavras-chave em Inglês: Data-driven control; System identification; Regularization; VRFT
• Link de acesso: http://hdl.handle.net/10183/185245

Este trabalho apresenta uma extensão à formulação multivariável do método de controle baseado em dados conhecido como o Método da Referência Virtual, ou Virtual Reference Feedback Tuning (VRFT). Ao lidar com processos onde o ruído é significativo, as formulações tradicionais do VRFT, por mínimos quadrados ou variáveis instrumentais, apresentam propriedades estatísticas insatisfatórias, que acabam levando o sistema de controle em malha fechada a desempenhos muito distantes daqueles especificados pelo projetista. Portanto, visando aprimorar a qualidade destas estimativas e, consequentemente, os desempenhos em malha fechada, esta dissertação propõe a adição de regularização no método VRFT para sistemas multivariáveis. Regularização é uma ferramenta que vem sendo amplamente utilizada e desenvolvida nos últimos anos nas comunidades de Identificação de Sistemas e Machine Learning e é indicada para reduzir a alta covariância que existe nas estimativas - problema que ocorre na formulação do VRFT com variáveis instrumentais. Também, como contribuições deste trabalho destacam-se uma análise mais detalhada do problema de identificação com regularização para sistemas multivariáveis, assim como o desenvolvimento da matriz ótima de regularização para este cenário e as propriedades da nova formulação do VRFT. Para demonstrar a eficiência desta nova formulação do VRFT são desenvolvidos exemplos numéricos.