Desenvolvimento de estratégias de controle aproximado por faixas e com restrições utilizando redes neurais artificiais

• Ano de defesa: 2024
• Autor(a) principal: Santos, Alef Tenorio
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Approximate controller; Constraints; Controlador aproximado; MPC; Neural networks; Redes neurais; Restrições
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3137/tde-23052024-073218/

Visando manter a competitividade em meio a crises mundiais através da busca pela otimização em meio industrial, iniciou-se o desenvolvimento dos controladores preditivos. Houve evolução ao longo dos anos, mas o termo MPC (controle preditivo baseado em modelo) ganhou popularidade no meio acadêmico e industrial. Nesse tipo de controle, as ações ótimas são obtidas a partir da resolução de um problema de otimização online (durante a aplicação do controlador). Uma alternativa explorada na literatura é a aproximação de MPCs através de algoritmos de aprendizado de máquina, a qual oferece a possibilidade de manter a robustez associada a um controlador avançado, mas com um menor esforço computacional. Essa abordagem foi discutida anteriormente na literatura, mas com limitações, entre elas a geração de offset, a imposição de restrições das ações de controle através de algoritmos de otimização e a ausência da abordagem por faixas. Nesse contexto, o presente trabalho aborda o desenvolvimento de estratégia para lidar com o offset gerado pela aproximação do controlador SISO, considerando dados de instantes passados por meio de redes neurais artificiais. A extensão do controlador aproximado desenvolvido para a abordagem MIMO com restrições também é apresentada, incluindo uma etapa de pré-processamento dos dados, o que possibilita alterações das restrições online. Além disso, foram desenvolvidas duas estratégias de controle aproximado por faixas, não antes abordadas na literatura, com boa performance para os casos avaliados e livre de vieses relacionados aos dados utilizados na etapa de treinamento. Os controladores foram testados utilizando modelos identificados com dados de um sistema industrial de vaporização de fluido térmico.