Banca de DEFESA: PEDRO YOCHINORI GUSHIKEN

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : PEDRO YOCHINORI GUSHIKEN
DATA : 31/01/2018
HORA: 09:00
LOCAL: Laboratório de Automação, Controle e Instrumentação (LACI)
TÍTULO:

Adaptação de Segundo Nível como Técnica de Estimação de Parâmetros e sua Aplicação ao Controle Adaptativo por Modelo de Referência

PALAVRAS-CHAVES:

Estimação de Parâmetros, Controle Adaptativo por Modelo de Referência, Adaptação de Segundo Nível, Controle Adaptativo por Múltiplos Modelos.

PÁGINAS: 135
RESUMO:

O controle adaptativo é usado quando há incertezas paramétricas no sistema a ser controlado. Há duas estratégias: a direta e a indireta. No controle adaptativo direto os parâmetros do controlador são estimados em tempo real. No controle adaptativo indireto os parâmetros da planta são estimados em tempo real através de um modelo de identificação e com estas estimativas calculam-se os parâmetros do controlador. Modelos de identificação tais como os modelos paralelo, série-paralelo e por regressão linear podem ser usados. Há vários métodos de estimação para atualização dos parâmetros que são aplicáveis ao controle adaptativo indireto tais como o método dos mínimos quadrados e o método do gradiente normalizado. Neste contexto um novo método de estimação de parâmetros foi proposto, conhecido como adaptação de segundo nível. Na adaptação de segundo nível, as estimativas dos parâmetros da planta são obtidas por combinações convexas dos parâmetros de múltiplos modelos de identificação. Os coeficientes destas combinações convexas são por sua vez estimados, como um segundo nível de adaptação. Neste trabalho mostramos a adaptação de segundo nível para o caso de uma planta de ordem 1, para o caso de uma planta de ordem n onde apenas a entrada e a saída da planta estão disponíveis para medição (SISO) e para o caso de uma planta de ordem n com p entradas e vetor de estado disponível para medição (MIMO). Propomos uma modificação na lei adaptativa da adaptação de segundo nível. Em todos os casos verificamos por simulação que as estimativas obtidas pela adaptação de segundo nível convergem muito mais rapidamente para os valores corretos que as estimativas obtidas por modelos de identificação individuais e que a modificação proposta aumenta a velocidade e suaviza a convergência das estimativas. Finalmente, aplicamos a adaptação de segundo nível com base em modelos de identificação por regressão linear atualizados pelo método do gradiente normalizado ao problema do controle adaptativo por modelo de referência (MRAC) de uma planta SISO de grau n e grau relativo unitário. Demonstramos a estabilidade do sistema em malha fechada. Resultados de simulação mostram que o sinal de controle gerado com adaptação de segundo nível produz melhores resultados de rastreamento do modelo de referência comparado aos modelos de identificação individuais.

MEMBROS DA BANCA:
Presidente - 347565 - ALDAYR DANTAS DE ARAUJO
Externo ao Programa - 1375337 - JOSENALDE BARBOSA DE OLIVEIRA
Externo à Instituição - FRANCISCO DAS CHAGAS DA SILVA JÚNIOR - IFRN