Desenvolvimento de estratégias de controle aproximado por faixas e com restrições utilizando redes neurais artificiais (2024)
- Authors:
- Autor USP: SANTOS, ALEF TENORIO - EP
- Unidade: EP
- Sigla do Departamento: PQI
- DOI: 10.11606/D.3.2024.tde-23052024-073218
- Assunto: REDES NEURAIS
- Agências de fomento:
- Language: Português
- Abstract: 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.
- Imprenta:
- Data da defesa: 27.03.2024
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
SANTOS, Alef Tenorio. Desenvolvimento de estratégias de controle aproximado por faixas e com restrições utilizando redes neurais artificiais. 2024. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2024. Disponível em: https://teses.usp.br/teses/disponiveis/3/3137/tde-23052024-073218/. Acesso em: 16 abr. 2026. -
APA
Santos, A. T. (2024). Desenvolvimento de estratégias de controle aproximado por faixas e com restrições utilizando redes neurais artificiais (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://teses.usp.br/teses/disponiveis/3/3137/tde-23052024-073218/ -
NLM
Santos AT. Desenvolvimento de estratégias de controle aproximado por faixas e com restrições utilizando redes neurais artificiais [Internet]. 2024 ;[citado 2026 abr. 16 ] Available from: https://teses.usp.br/teses/disponiveis/3/3137/tde-23052024-073218/ -
Vancouver
Santos AT. Desenvolvimento de estratégias de controle aproximado por faixas e com restrições utilizando redes neurais artificiais [Internet]. 2024 ;[citado 2026 abr. 16 ] Available from: https://teses.usp.br/teses/disponiveis/3/3137/tde-23052024-073218/
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
