Emulação de uma lei de controle preditivo via arquiteturas de redes neurais (2024)
- Authors:
- Autor USP: CAJUEIRO, EMANUEL BENÍCIO DE ALMEIDA - ICMC
- Unidade: ICMC
- Subjects: REDES NEURAIS; INTELIGÊNCIA ARTIFICIAL; SISTEMAS EMBUTIDOS
- Keywords: Controle preditivo baseado em modelo (MPC); Eficiência computacional; torre de destilação
- Language: Português
- Abstract: Neste trabalho, uma metodologia foi desenvolvida com o objetivo de substituir a lei de controle do controlador preditivo baseado em modelo (MPC) linear incremental por uma estrutura de inteligência artificial, mais especificamente, uma rede neural feedforward. A hipótese foi que redes neurais artificiais (RNAs) poderiam substituir o MPC em questão, proporcionando respostas similares nas saídas da planta escolhida, além de oferecer uma solução mais eficiente em termos de custo computacional, permitindo, em aplicações futuras, a implementação do controlador em sistemas embarcados com recursos computacionais limitados, ao mesmo tempo mantendo ou até melhorando a estabilidade do sistema devido à otimização do tempo de resposta do controlador. Para validar essa abordagem, foram utilizados dados simulados de um subsistema de uma torre de destilação, onde as entradas do sistema eram a taxa de fluxo de vapor no refervedor (u1, em ton/h) e a taxa de fluxo de refluxo (u2, em m3/d), enquanto as saídas monitoradas foram o nível de líquido no vaso superior (y1, em %) e a temperatura no prato 68 (y2, em °C).Duas simulações foram realizadas: a primeira considerou a inserção de perturbações não medidas sem variação no setpoint, enquanto a segunda incluiu tanto perturbações não medidas quanto a variação do setpoint. Em ambas as simulações, os resultados foram satisfatórios. A rede neural foi treinada com base no sinal de erro ao longo do horizonte de predição, sendo que a saída da rede representava o incremento de controle. Os resultados demonstraram que a rede neural foi capaz de emular de forma eficaz o comportamento do MPC, proporcionando respostas rápidas e estáveis, similares às encontradas com o uso do MPC, mesmo na presença de perturbações e mudanças no setpoint. Além disso, a redução no custo computacional indicou que a abordagem proposta pode ser viável para controle em sistemas embarcados com recursos computacionais limitados, oferecendo um desempenho equivalente ao MPC convencional.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2024
-
ABNT
CAJUEIRO, Emanuel Benício de Almeida. Emulação de uma lei de controle preditivo via arquiteturas de redes neurais. 2024. Trabalho de Conclusão de Curso (MBA) – Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, 2024. Disponível em: https://bdta.abcd.usp.br/directbitstream/982814a1-d620-42aa-b98c-cc18615dafda/Emanuel_Ben%C3%ADcio_de_Almeida_Cajueiro.pdf. Acesso em: 22 abr. 2025. -
APA
Cajueiro, E. B. de A. (2024). Emulação de uma lei de controle preditivo via arquiteturas de redes neurais (Trabalho de Conclusão de Curso (MBA). Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/982814a1-d620-42aa-b98c-cc18615dafda/Emanuel_Ben%C3%ADcio_de_Almeida_Cajueiro.pdf -
NLM
Cajueiro EB de A. Emulação de uma lei de controle preditivo via arquiteturas de redes neurais [Internet]. 2024 ;[citado 2025 abr. 22 ] Available from: https://bdta.abcd.usp.br/directbitstream/982814a1-d620-42aa-b98c-cc18615dafda/Emanuel_Ben%C3%ADcio_de_Almeida_Cajueiro.pdf -
Vancouver
Cajueiro EB de A. Emulação de uma lei de controle preditivo via arquiteturas de redes neurais [Internet]. 2024 ;[citado 2025 abr. 22 ] Available from: https://bdta.abcd.usp.br/directbitstream/982814a1-d620-42aa-b98c-cc18615dafda/Emanuel_Ben%C3%ADcio_de_Almeida_Cajueiro.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Emanuel_Benício_de_Almei... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
