Controle preditivo não linear com estratégia adaptativa baseado em simulated annealing acoplado paralelo

Model Predictive Control (MPC) is an advanced control technique that has had a significant impact on process industries. There are several reasons for its great acceptance, e.g., it copes with multivariable control problems naturally, it considers constraints on input and output variables, and ad...

ver descrição completa

Na minha lista:
Detalhes bibliográficos
Autor principal: Ichihara, Danilo Chaves de Sousa
Outros Autores: Dorea, Carlos Eduardo Trabuco
Formato: Dissertação
Idioma:por
Publicado em: Brasil
Assuntos:
Controle preditivo não linear
Simulated Annealing Acoplado
Estimação de parâmetros
Controle de processos
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Endereço do item:https://repositorio.ufrn.br/jspui/handle/123456789/25958
Tags: Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
id ri-123456789-25958
record_format dspace
institution Repositório Institucional
collection RI - UFRN
language por
topic Controle preditivo não linear
Simulated Annealing Acoplado
Estimação de parâmetros
Controle de processos
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
spellingShingle Controle preditivo não linear
Simulated Annealing Acoplado
Estimação de parâmetros
Controle de processos
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Ichihara, Danilo Chaves de Sousa
Controle preditivo não linear com estratégia adaptativa baseado em simulated annealing acoplado paralelo
description Model Predictive Control (MPC) is an advanced control technique that has had a significant impact on process industries. There are several reasons for its great acceptance, e.g., it copes with multivariable control problems naturally, it considers constraints on input and output variables, and adapts to structural changes. Despite the growing research effort focused on the development of nonlinear predictive control strategies, the use of these techniques in real systems is still a challenge, because the developed algorithms are usually more complex and, sometimes, do not allow real-time applications for fast dynamics systems. Nevertheless, the constant increase in the speed and power of computing makes this perspective real. This way, the purpose of this work is to develop a nonlinear predictive control strategy that uses a stochastic optimization algorithm with great parallel scalability known as Coupled Simulated Annealing (CSA). The strategy aims at solving directly, without approximations of the process model, and in a parallel way, the optimization problem associated to nonlinear MPC for real-time applications in fast dynamics systems. As the model used in predictive control is only a mathematical approximation of the plant, there is a possibility of mismatch between their behaviours. Thus, the proposed strategy seeks to meet the requirement of robustness to model uncertainties, solving the problem adaptively. In the present work, the parallel version of CSA was used to solve the constrained control problem in three distinct nonlinear systems: real application in a Coupled Tanks system, simulation of rotary inverted pendulum control and a nonlinear chemical reactor, considering the mismatch between plant and model parameters. The experiments results showed the efficiency and characteristics of the control strategy to control these faster dynamics systems, requiring few adjustments to be applied in the different control problems, besides the advantages of optimizer parameters initialization. The efficiency and characteristics of the adaptive strategy considering the mismatch between model and process are presented to simulate the control of a nonlinear chemical reactor with uncertain parameters.
author2 Dorea, Carlos Eduardo Trabuco
author_facet Dorea, Carlos Eduardo Trabuco
Ichihara, Danilo Chaves de Sousa
format masterThesis
author Ichihara, Danilo Chaves de Sousa
author_sort Ichihara, Danilo Chaves de Sousa
title Controle preditivo não linear com estratégia adaptativa baseado em simulated annealing acoplado paralelo
title_short Controle preditivo não linear com estratégia adaptativa baseado em simulated annealing acoplado paralelo
title_full Controle preditivo não linear com estratégia adaptativa baseado em simulated annealing acoplado paralelo
title_fullStr Controle preditivo não linear com estratégia adaptativa baseado em simulated annealing acoplado paralelo
title_full_unstemmed Controle preditivo não linear com estratégia adaptativa baseado em simulated annealing acoplado paralelo
title_sort controle preditivo não linear com estratégia adaptativa baseado em simulated annealing acoplado paralelo
publisher Brasil
publishDate 2018
url https://repositorio.ufrn.br/jspui/handle/123456789/25958
work_keys_str_mv AT ichiharadanilochavesdesousa controlepreditivonaolinearcomestrategiaadaptativabaseadoemsimulatedannealingacopladoparalelo
_version_ 1773964590310227968
spelling ri-123456789-259582019-01-30T07:50:15Z Controle preditivo não linear com estratégia adaptativa baseado em simulated annealing acoplado paralelo Ichihara, Danilo Chaves de Sousa Dorea, Carlos Eduardo Trabuco Dantas, André Felipe Oliveira de Azevedo Souza, Samuel Xavier de Nascimento, Tiago Pereira do Controle preditivo não linear Simulated Annealing Acoplado Estimação de parâmetros Controle de processos CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Model Predictive Control (MPC) is an advanced control technique that has had a significant impact on process industries. There are several reasons for its great acceptance, e.g., it copes with multivariable control problems naturally, it considers constraints on input and output variables, and adapts to structural changes. Despite the growing research effort focused on the development of nonlinear predictive control strategies, the use of these techniques in real systems is still a challenge, because the developed algorithms are usually more complex and, sometimes, do not allow real-time applications for fast dynamics systems. Nevertheless, the constant increase in the speed and power of computing makes this perspective real. This way, the purpose of this work is to develop a nonlinear predictive control strategy that uses a stochastic optimization algorithm with great parallel scalability known as Coupled Simulated Annealing (CSA). The strategy aims at solving directly, without approximations of the process model, and in a parallel way, the optimization problem associated to nonlinear MPC for real-time applications in fast dynamics systems. As the model used in predictive control is only a mathematical approximation of the plant, there is a possibility of mismatch between their behaviours. Thus, the proposed strategy seeks to meet the requirement of robustness to model uncertainties, solving the problem adaptively. In the present work, the parallel version of CSA was used to solve the constrained control problem in three distinct nonlinear systems: real application in a Coupled Tanks system, simulation of rotary inverted pendulum control and a nonlinear chemical reactor, considering the mismatch between plant and model parameters. The experiments results showed the efficiency and characteristics of the control strategy to control these faster dynamics systems, requiring few adjustments to be applied in the different control problems, besides the advantages of optimizer parameters initialization. The efficiency and characteristics of the adaptive strategy considering the mismatch between model and process are presented to simulate the control of a nonlinear chemical reactor with uncertain parameters. O controle preditivo baseado em modelo (MPC, do inglês Model Predictive Control) é uma técnica de controle avançada que teve um impacto significativo nas indústrias de processo. São vários os motivos que justificam sua grande aceitação como, por exemplo, o fato de lidar naturalmente com problemas de controle multivariáveis, considerar restrições nas variáveis de entrada e saída e adaptar-se a mudanças estruturais da planta. Apesar do crescente esforço em pesquisa voltada para o desenvolvimento de estratégias de controle preditivo não linear, o uso dessas técnicas em sistemas reais ainda é um desafio, pois os algoritmos desenvolvidos são normalmente mais complexos que os lineares e, algumas vezes, não permitem aplicações em tempo real para sistemas de dinâmica rápida. Apesar disso, o aumento constante da velocidade e do poder da computação torna essa perspectiva real. Nesse sentido, a proposta do trabalho é desenvolver uma estratégia de controle preditivo não linear que utiliza um algoritmo de otimização estocástica de ótima escalabilidade paralela conhecido por Simulated Annealing Acoplado (CSA, do inglês Coupled Simulated Annealing). A estratégia visa resolver diretamente, sem aproximações do modelo do processo, e de forma paralela o problema de otimização do MPC não linear para aplicação em tempo real nos sistemas de dinâmicas mais rápidas. Uma vez que o modelo utilizado em controle preditivo é apenas uma aproximação matemática da planta, existe a possibilidade de descasamento entre os comportamentos dos dois. Dessa forma, a estratégia proposta busca atender ao requisito de robustez a incertezas do modelo, resolvendo o problema de forma adaptativa. No presente trabalho, utilizou-se a versão paralela do CSA para resolver o problema de controle com restrição em três sistemas não lineares distintos: aplicação real em um sistema de tanques acoplados, simulação do controle de pêndulo invertido rotacional e de um reator químico não linear, considerando o desajuste entre os parâmetros da planta e do modelo. Os resultados dos experimentos mostraram a eficiência e as características da estratégia de controle proposta ao controlar esses sistemas de dinâmica mais rápida, necessitando de poucos ajustes para se aplicar nos diferentes problemas de controle, além das vantagens pela facilidade de sintonia dos parâmetros do otimizador. A eficiência e as características da estratégia adaptativa considerando o desajuste entre modelo e processo são apresentadas na simulação do controle de um reator químico não linear com parâmetros incertos. 2018-10-05T20:02:42Z 2018-10-05T20:02:42Z 2018-07-27 masterThesis ICHIHARA, Danilo Chaves de Sousa. Controle preditivo não linear com estratégia adaptativa baseado em simulated annealing acoplado paralelo. 2018. 61f. Dissertação (Mestrado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2018. https://repositorio.ufrn.br/jspui/handle/123456789/25958 por Acesso Aberto application/pdf Brasil UFRN PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO

Registros relacionados