Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Braga, Marcio Feliciano | - |
Autor(es): dc.contributor | Euzebio, Thiago Antonio Melo | - |
Autor(es): dc.contributor | Braga, Marcio Feliciano | - |
Autor(es): dc.contributor | Euzebio, Thiago Antonio Melo | - |
Autor(es): dc.contributor | Eras Herrera, Wendy Yadira | - |
Autor(es): dc.contributor | Lacerda, Márcio Júnior | - |
Autor(es): dc.creator | Silva, Jonathan Ribeiro | - |
Data de aceite: dc.date.accessioned | 2025-08-21T15:09:40Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T15:09:40Z | - |
Data de envio: dc.date.issued | 2025-02-24 | - |
Data de envio: dc.date.issued | 2022 | - |
Fonte completa do material: dc.identifier | https://www.repositorio.ufop.br/handle/123456789/19781 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1003911 | - |
Descrição: dc.description | Programa de Pós-Graduação em Instrumentação, Controle e Automação de Processos de Mineração. Departamento de Engenharia de Controle e Automação, Escola de Minas, Universidade Federal de Ouro Preto. | - |
Descrição: dc.description | A aprendizagem por reforço e uma técnica de aprendizagem de máquina que vem sendo aplicada com grande sucesso, principalmente no contexto de jogos eletrónicos e robótica, sendo capaz de superar a capacidade humana. Apesar de seu grande potencial de aplicação nas mais diversas áreas, ainda é escasso o estudo voltado para o controle de processos. O objetivo deste trabalho é aplicar a aprendizagem por reforço, por meio do algoritmo de otimização de política proximal (PPO) em um modelo simulado de um espessador convencional, responsável pela separação sólido-líquido na mineração. O algoritmo desenvolvido atuará no controle da concentração de sólidos na saída e da altura da interface de sedimentos a partir da vazão de saída e da dosagem de floculantes. Foi possível controlar o processo por meio do PPO, porém, seu desempenho se mostrou inferior ao de técnicas de controle convencionais, a não ser no uso mais eficiente de floculante e na imunidade a distúrbios. Conclui-se que há uma necessidade de maior estudo da parametrização dos algoritmos de aprendizagem por reforço de forma a facilitar os ajustes e fazer melhor proveito de sua capacidade de abstração e generalização. | - |
Descrição: dc.description | Reinforcement learning is a machine learning technique that has been applied with great suc- cess, mainly in the context of electronic games and robotics, where it has been able to surpass human capacity and the performance of conventional techniques. Despite its great potential for application in the most diverse areas, studies focused on process control are still scarce. The ob- jective of this work is to apply reinforcement learning, through the proximal policy optimization algorithm (PPO), in a simulated model of a conventional thickener, responsible for solid-liquid separation in mining. The algorithm developed will control the underflow solid volume fraction and the sediment level based on the underflow and the flocculant dosage. The simulations show that it is possible to use reinforcement learning to control the thickener process. However, the performance of PPO does not surpass conventional control techniques, except for more effi- cient use of flocculant and immunity to disturbances. It is concluded that there is a need for further study of the parameterization of reinforcement learning algorithms in order to facilitate adjustments and make better use of their abstraction and generalization capacity. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | aberto | - |
Direitos: dc.rights | Attribution 3.0 United States | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by/3.0/us/ | - |
Direitos: dc.rights | Autorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 21/12/2023 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho, desde que sejam citados o autor e o licenciante. | - |
Palavras-chave: dc.subject | Aprendizado do computador - aprendizado por reforço | - |
Palavras-chave: dc.subject | Sistemas de controle - espessadores | - |
Título: dc.title | Controle de espessadores contínuos convencionais via otimização por política proximal. | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - UFOP |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: