Estratégias de Compensação dos Desvios nos Modelos Usados em Controladores MPC
Controle preditivo, avaliação de desempenho de MPC
O aumento da complexidade nos processos industriais motivou o desenvolvimento de Controladores Avançados (APC), focados em melhorar o desempenho econômico dos sistemas. O Controle Preditivo baseado em Modelo (MPC) é a estratégia de controle avançado mais comum, tendo grande aplicabilidade em várias áreas: petroquímica, energias, alimentos, automotiva, aeroespacial, dentre outras. Este tipo de controle utiliza informações do modelo do processo para predizer o comportamento futuro do sistema. A predição é feita através da minimização de um funcional de custo que gera ações de controle ótimas capazes de direcionar as variáveis controladas para os valores desejados. Um modelo inadequado, impede que o MPC funcione de maneira apropriada, degradando o seu desempenho. Estudos para avaliar a qualidade do modelo tem sido realizados, procurando detectar e diagnosticar a ocorrência de discrepâncias no modelo (MPM). Existem, também, estratégias que procuram lidar com essas incertezas, como é o caso de controladores robustos e controladores adaptativos. Porém, ainda há uma demanda por soluções que compensem os efeitos do MPM. Este trabalho propõe duas metodologias que utilizam informações provenientes da avaliação do modelo, para tentar corrigir de maneira temporária, os efeitos provocados pelo MPM no desempenho de controladores preditivos. Um estudo de caso simples de um sistema SISO é apresentado, com o objetivo de mostrar as consequências da presença dessas desigualdades.