Controle em cascata de um atuador hidráulico utilizando redes neurais

• Ano de defesa: 2017
• Autor(a) principal: Borges, Fábio Augusto Pires
• Orientador(a): Perondi, Eduardo André
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Redes neurais; Atuador hidráulico; Servomecanismos
• Palavras-chave em Inglês: Neural Networks; Diffeomorphism; Friction Compensation; Cascade Controller; Hydraulic Actuator
• Link de acesso: http://hdl.handle.net/10183/165587

No presente trabalho, é realizada a modelagem e identificação de um serovoposicionador hidráulico de uma bancada de testes. As expressões analíticas tradicionalmente utilizadas em uma estratégia em cascata aplicada ao controle de trajetória de posição são obtidas. A estratégia em questão utiliza, conjuntamente, a linearização por realimentação como lei de controle do subsistema hidráulico e a lei de controle de Slotine e Li no subsistema mecânico. Com base na mesma estratégia, um controlador em cascata neural é proposto. Em tal controlador, a função analítica que representa o mapa inverso, presente na linearização por realimentação, e a função de compensação de atrito utilizada na lei de Slotine e Li são substituídas por funções constituidas por meio de redes neurais de perceptrons de múltiplas camadas. Essas redes neurais têm como entradas os estados do sistema e também a temperatura do fluido hidráulico. O novo controlador é apresentado em uma versão onde as redes neurais são aplicadas sem modificações on-line e em outra, onde são apresentadas leis de controle adaptativo para as mesmas. A prova de estabilidade do sistema em malha fechada é apresentada em ambos os casos. Resultados experimentais do controle de seguimento de trajetórias de posição em diferentes temperaturas do fluido hidráulico são apresentados. Esses resultados demonstram a maior efetividade do controlador proposto em relação aos controladores clássicos PID e PID+feefforward e ao controlador em cascata com funções analíticas fixas. Os experimentos são realizados em duas situações: quando não ocorrem variações paramétricas importantes no sistema, onde é utilizado o controlador em cascata neural fixo e quando ocorrem essas variações, onde se utiliza o controlador em cascata neural adaptativo.