Metodologia para identificação de sistemas mal condicionados com restrições maximizando a amplitude das pertubações

• Ano de defesa: 2015
• Autor(a) principal: Wagner, Rafael Ramos
• Orientador(a): Farenzena, Marcelo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Processos químicos
• Link de acesso: http://hdl.handle.net/10183/138315

Os controladores industriais que usam controle preditivo baseado em modelo, ou MPC (Model Predictive Control), frequentemente sofrem de perda de performance ao longo do tempo, decorrente de alterações no processo e da falta de atualização dos modelos. Os métodos habitualmente utilizados para a identificação, que são os testes monovariáveis, com perturbação degrau e malha aberta, gastam muito tempo e têm custo elevado para o processo, podendo comprometer a qualidade dos produtos ou a segurança, portanto a atualização do modelo costuma ser evitada por longos períodos. Além disso, existem processos mal condicionados de difícil identificação, pois apresentam direcionalidades nas suas variáveis. Neste trabalho, primeiramente foi feita uma comparação entre os métodos de projeto de perturbações não correlacionadas em um caso de sistema mal condicionado. Na comparação nenhum dos métodos foi capaz de identificar com confiabilidade a direção de menor ganho do sistema, porém para a direção de maior ganho algumas diferenças entre os métodos foram levantadas. A metodologia GBN (Generalized Binary Noise) conseguiu identificar melhor a direção de maior ganho para uma faixa maior de frequências. O método Degrau identificou bem somente em baixas frequências, enquanto o método PBRS (Pseudo Random Binary Sequence) identificou bem somente em altas frequências. Por este motivo, a perturbação GBN foi utilizada como base para a metodologia proposta. Uma metodologia de projeto de perturbações correlacionadas foi desenvolvida utilizando as perturbações GBN como base visando a maximização da amplitude de perturbação nas direções de menor ganho, evitando assim que as variáveis de entrada e saída do sistema ultrapassem suas restrições. Essa maximização da amplitude é feita iterativamente através de um problema de otimização que utiliza o modelo identificado na iteração anterior para projetar as perturbações da nova iteração. Também foi proposto um fator de confiabilidade, w, que permite verificar o grau de evolução da qualidade do modelo ao longo das iterações. Este fator se mostrou útil como critério de parada do processo iterativo. O método proposto foi comparado com métodos de perturbações correlacionadas conhecidos na literatura e que apresentam bons resultados na identificação de processos mal condicionados. A metodologia proposta apresentou uma melhora significativa na identificação da direção de menor ganho, porém foi necessário um tempo maior de identificação. Em poucos momentos as variáveis do processo ultrapassaram suas restrições, demonstrando maior confiabilidade do processo de identificação.