Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/15149
metadata.dc.type: Dissertação
metadata.dc.rights: Acesso Aberto
Title: Controle com Aprendizado Iterativo para Processos em Batelada
metadata.dc.creator: Granzotto, Matheus Henrique
metadata.dc.contributor.advisor1: Lopes, Luís Cláudio Oliveira
metadata.dc.contributor.referee1: Henrique, Humberto Molinar
metadata.dc.contributor.referee2: Ender, Laercio
metadata.dc.description.resumo: Processos com operação em batelada são usualmente sistemas em que quantidades definidas de matérias-primas são combinadas de maneiras específicas durante um tempo designado para produzir produtos intermediários ou finais, com alto valor agregado gerando o menor desperdício possível de matéria-prima para obtenção de maiores lucros. Na sua maioria, são processos inerentemente não lineares, tornando difícil controlá-los de forma satisfatória. O controle com aprendizado iterativo, metodologia apresentada neste trabalho, utiliza características importantes para o controle de plantas industriais com operação em batelada, como a rejeição de perturbações, a inclusão de restrições nas variáveis de controle tornando o controle mais seguro e realista, além da capacidade de rastreamento de trajetórias de referência de forma gradual ao longo das bateladas, entre outras. Nesse contexto, o presente trabalho investiga a metodologia de controle com aprendizado iterativo aplicada com sucesso a diversas plantas e modelos com características distintas, abrangendo desde sistemas lineares SISO e MIMO de fase mínima e não mínima até sistemas não lineares. Estudos comparativos a respeito da qualidade do controle proposto perante metodologias clássicas de controle, como o controle PID, além de metodologias como o GMC, foram realizados. Os resultados da utilização do controle com aprendizado iterativo foram considerados promissores uma vez que a metodologia apresenta versatilidade e facilidade quanto a sintonia, tornando o controlador intuitivo. Para processos de fase mínima LTI, o aprendizado foi quase que imediato. O controlador com aprendizado iterativo foi capaz de compensar os efeitos de fase não mínima resultantes de atraso ou zeros de fase não mínima, levando a um rastreamento perfeito da trajetória de referência. A utilização da metodologia para o controle de plantas não lineares foi avaliada para sistemas reacionais em que foram experimentadas duas maneiras diferentes de obter a matriz de aprendizado, como o modelo FIR e o modelo linearizado localmente. A metodologia de controle com aprendizado iterativo apresentou melhorias no rastreamento de trajetórias desejadas em todos os casos estudados.
Abstract: Batch processes are usually systems for which defined raw materials quantities are combined in specific recipe during a designated time to produce intermediate or final high added value products and generating the smallest waste of raw material. Most of the batch processes with economic interest are inherently nonlinear, making the control task a challange. The iterative learning control is a methodology that involves the use of learning strategies in order to achieve the better reference trajectory tracking and disturbance rejection. Thus, the addressedmethodology uses important features for the control of industrial batch plants, as the disturbances rejection, the inclusion of restrictions on the control variables making control more realistic, added to the ability to track reference trajectories over the batch, among others. In this context, this work presents the iterative learning control methodology successfully applied to various plants with distinct features, ranging from minimum and nonminimal phase SISO and MIMO linear systems and nonlinear systems. Comparative studies about the proposed control quality against classical control methods were also performed to show the degree of increasing performance due to the iteractive learning strategy. The results of the use of iterative learning control strategies looked promising since they provide versatility and tuning with easy, making the controller intuitive. For LTI minimum phase processes, the learning was almost immediate. The iterative learning controller was able to compensate for nonminimum phase behavior resulting from delay or nonminimum phase zeros, leading to a perfect tracking of the reference trajectory. The use of the methodology for nonlinear plants control was evaluated for reaction systems in which are tried two different ways to get the learning matrix, such as FIR models and locally linearized models. The iterative learning control methodology brought improvement on the setpoint tracking in all studied cases.
Keywords: Controle de processos em batelada
Controle com aprendizado iterativo
Batch process control
Iterative learning control
Controle de processos químicos
metadata.dc.subject.cnpq: CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA
metadata.dc.language: por
metadata.dc.publisher.country: BR
Publisher: Universidade Federal de Uberlândia
metadata.dc.publisher.initials: UFU
metadata.dc.publisher.department: Engenharias
metadata.dc.publisher.program: Programa de Pós-graduação em Engenharia Química
Citation: GRANZOTTO, Matheus Henrique. Controle com Aprendizado Iterativo para Processos em Batelada. 2010. 169 f. Dissertação (Mestrado em Engenharias) - Universidade Federal de Uberlândia, Uberlândia, 2010.
URI: https://repositorio.ufu.br/handle/123456789/15149
Issue Date: 29-Apr-2010
Appears in Collections:DISSERTAÇÃO - Engenharia Química

Files in This Item:
File Description SizeFormat 
Diss Matheus.pdf4 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.