Navegar por:

Open- and closed-loop identification using artificial neural networks

Use este link compartilhar ou citar este material: http://educapes.capes.gov.br/handle/capes/911571
Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorRuiz Vargas, José Alfredo-
Autor(es): dc.creatorMuraro Gularte, Kevin Herman-
Data de aceite: dc.date.accessioned2024-10-23T16:33:53Z-
Data de disponibilização: dc.date.available2024-10-23T16:33:53Z-
Data de envio: dc.date.issued2018-04-10-
Data de envio: dc.date.issued2018-04-10-
Data de envio: dc.date.issued2018-04-10-
Data de envio: dc.date.issued2017-12-15-
Fonte completa do material: dc.identifierhttp://repositorio.unb.br/handle/10482/31607-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/911571-
Descrição: dc.descriptionDissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2017.-
Descrição: dc.descriptionEste trabalho apresenta vários esquemas para identificação, observação e controle adaptativos em tempo real de sistemas não lineares incertos usando redes neurais artificiais. Com base na teoria de estabilidade de Lyapunov, e usando resultados já disponíveis na teoria de controle adaptativo, são propostos esquemas para identificação, observação e controle nos quais os erros de identificação, observação e rastreamento estão relacionados com parâmetros de projeto que podem ser ajustados diretamente pelo usuário. Entretanto, ao contrário das propostas usuais na literatura, este trabalho propõe algoritmos nos quais o desempenho transiente e em regime podem ser desacoplados e ajustados independentemente através de parâmetros de projeto independentes. Inicialmente, o caso de identificação em tempo real é considerado, uma vez que cada vez mais a resolução de sistemas caixa preta tem sido demandados. O identificador proposto apresenta as seguintes peculiaridades: 1) Possibilidade de controlar o tamanho do erro residual de estado a partir de matrizes de projeto; 2) Possibilidade de ajustar a duração do regime transiente a partir de um parâmetro de projeto que é independente do tamanho do erro em regime. A identificação de um sistema caótico de três estados foi considerada para validar o esquema. A seguir, o resultado é estendido para o caso nos quais alguns estados não estão disponíveis para medida. Para tanto, é necessário apenas fazer alguns ajustes no esquema de identificação proposto, para permitir agora estimar um ou mais estados não disponíveis para medição, a partir das entradas e saídas ao sistema. O observador proposto apresenta as mesmas peculiaridades do identificador. A observação de um sistema de Rössler foi implementada de forma a exemplificar este observador. Na sequência, considera-se o caso de controle com realimentação do estado. Para tanto, se propôs o projeto do controlador empregando como base o caso de identificação de malha aberta. As principais peculiaridades do identificador ocorrem também no controlador. Finalmente, de modo a ressaltar a aplicabilidade e relevância dos algoritmos propostos, a identificação e controle de um sistema de soldagem foram realizados. A dissertação está organizada da seguinte forma. O capítulo 1 apresenta a introdução, motivação, objetivo, possíveis contribuições e estrutura do trabalho proposto. No capítulo 2 é apresentada uma revisão do estado da arte dos métodos de identificação, observação e controle baseados em redes neurais artificiais. No capítulo 3, usando a teoria de estabilidade de Lyapunov, propõe-se um esquema de identificação neural adaptativo em tempo real para uma classe de sistemas não lineares na presença de distúrbios limitados. É importante ressaltar que nenhum conhecimento prévio sobre a dinâmica do erro de aproximação, pesos ideais ou perturbações externas é necessário. Mostra-se que o algoritmo de aprendizado baseado na teoria de estabilidade de Lyapunov leva o estado estimado a convergir assintoticamente para o estado de sistemas não lineares. O algoritmo proposto permite: 1) reduzir o erro residual de estimação de estado para valores pequenos por meio de matrizes de projeto; 2) controlar o tempo de transiente de maneira arbitraria a partir de um parâmetro de projeto. Foram feitas simulações para um sistema caótico de 3 estados e para um sistema hipercaótico de 4 estados para demonstrar a eficácia e a eficiência do algoritmo de aprendizado proposto. Nessas simulações foram feitas análises do tamanho do erro residual de estado e da escolha do tempo de transiente. Finaliza-se o capítulo com uma aplicação: a identificação neural de um sistema caótico de soldagem na qual se analisou o ajuste do tamanho do erro residual de estado. Posteriormente, no capítulo 4, os resultados obtidos no capítulo anterior são estendidos para um sistema de observação neural. O caso de observação ocorre quando nem todos os estados estão disponíveis e um ou mais estados precisam ser estimados. A metodologia de projeto do algoritmo de aprendizado é semelhante ao caso do capítulo 3, sendo necessário fazer algumas adaptações próprias para um esquema de observação. Mais especificamente, a ideia principal consiste em expressar o erro de estimação de estado, que não é mais disponível para medida, em função do erro de estimação da saída. Para tanto, faz-se necessária a imposição de uma hipótese de detectabilidade e de uma outra condição matricial que devem ser satisfeitas simultaneamente para que o esquema de observação apresente características de estabilidade e convergência semelhantes ao esquema de identificação proposto. Realiza-se no final do capítulo a observação de um sistema caótico de Rössler sob a presença de distúrbios externos com controle do tempo de transiente. No capítulo 5, os resultados do capítulo 3 são estendidos para controlar sistemas não lineares afins no controle. O caso de controle ocorre quando se realiza uma identificação em malha fechada, ou seja, há uma realimentação no sistema. Mais exatamente, através da realimentação objetiva-se cancelar as não lineares desconhecidas no sistema que podem ser parametrizadas por uma rede neural artificial. Dessa maneira, a equação de erro de restreamento pode ser reescrita com uma estrutura similar à equação de erro de estimação do caso de identificação. Com a finalidade de ressaltar a aplicabilidade do esquema de controle proposto, para situações de interesse industrial, realiza-se a simulação do controle de um sistema de soldagem com tranferência globular-spray em um processo GMAW (Soldagem por arco elétrico com gás de proteção). Finalmente, no capítulo 6 resume-se as contribuições da pesquisa, os resultados obtidos, e sugestões para pesquisas futuras são discutidas. A fundamentação teórica das redes neurais artificiais (incluindo suas propriedades), dos algoritmos de aprendizado e da teoria de estabilidade de Lyapunov são descritas no apêndice 1, assim como outras informações importantes que embasam os capítulos do trabalho. O apêndice 2 contém os códigos utilizados para implementação do identificador, observador e controlador propostos nesta dissertação.-
Descrição: dc.descriptionThis work presents several schemes for online identification, observation, and adaptive control of uncertain nonlinear systems by using artificial neural networks in which the transient and residual errors can be independently adjusted. Based on Lyapunov theory, and using results already available in adaptive control theory, schemes for identification, observation, and control are proposed. However, unlike other works in the literature, the identification model, learning algorithm, and control laws are designed to decouple the transient and residual state performance, which is accomplished through the manipulation of independent design parameters. Initially, the case of online identification is considered, since black-box systems can be parameterized by neural networks and these parameterizations are needed to tackle more complex problems, such as observation and adaptive control. The proposed identifier has the following peculiarities: 1) Possibility to control the size of residual state error from design matrices; 2) Possibility to adjust the duration of the transient regime from a design parameter regardless of the size of the regime error. The identification of a chaotic system of three states was considered to apply the scheme. The result is then extended to the case where some states are not available for measurement. To do so, it is only necessary to make some adjustments in the identification scheme. Basically, the state error is placed as a function of the output error, which is available for measurement. The main characteristic of the proposed observer is the preservation of the properties of the proposed identifier. The observation of a Rössler system was implemented in order to exemplify this observer. In the sequence, the case of control with state feedback is considered. For this, a controller was proposed using the open loop identification case as analogue to it. The main peculiarities of the identifier also occur in the controller. Finally, in order to emphasize the applicability and relevance of the proposed algorithms, the identification and control of a welding system were performed.-
Formato: dc.formatapplication/pdf-
Direitos: dc.rightsAcesso Aberto-
Direitos: dc.rightsA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.-
Palavras-chave: dc.subjectIdentificação-
Palavras-chave: dc.subjectObservação-
Palavras-chave: dc.subjectRedes neurais artificiais-
Palavras-chave: dc.subjectSistemas não-lineares-
Título: dc.titleOpen- and closed-loop identification using artificial neural networks-
Título: dc.titleIdentificação de sistemas não lineares em malha aberta e fechada usando redes neurais artificiais-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional – UNB

Não existem arquivos associados a este item.
Mostrar registro simples do item Visualizar estatísticas

Avaliação