Identificação de sistemas de guindaste de pórtico

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: Oliveira, Carlos Eduardo Pedroso de
Orientador(a): Campestrini, Lucíola
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Palavras-chave em Inglês:
Link de acesso: http://hdl.handle.net/10183/254330
Resumo: Guindastes de pórtico são sistemas amplamente aplicados na indústria para o transporte de cargas. Esses são sistemas não lineares, os quais apresentam um característico acoplamento entre seus graus de liberdade. Uma propriedade bastante marcante desses sistemas é a indução de oscilações significativas na carga devido aos movimentos do mecanismo de suporte para o posicionamento da mesma. Diante dessa característica surge a motivação para o controle desses sistemas. Visando fornecer um modelo do sistema para a aplicação das técnicas de controle, este trabalho realiza a estimação de parâmetros físicos de modelos 3D (tridimensionais) de sistemas de guindaste de pórtico. Além disso, também são identificados modelos lineares polinomiais do tipo ARMAX (Autoregressive Moving Average with Exogenous Inputs) e OE (Output error). Os estimadores propostos são desenvolvidos a partir do modelo não linear e do modelo linearizado do sistema. Também é analisado o impacto do método de discretização adotado, comparando-se as estimações realizadas considerando os métodos de Euler e Runge-Kutta. A fim de fazer uma análise estatística dos resultados obtidos, foram realizados 100 experimentos de Monte Carlo para um dos estimadores de parâmetros físicos propostos e outros 100 para cada estrutura de modelos polinomiais identificados. Observou-se a partir dos resultados menores erros de estimação para os estimadores com discretização através do método de Runge-Kutta, sendo que não foram observadas diferenças significativas quando utilizados o modelos linearizado ou não linear. Nos resultados dos modelos polinomiais, se constatou melhores ajustes aos dados por parte dos modelos ARMAX, os quais também foram identificados de forma mais consistente que os modelos OE.