Controle preditivo sintonizado via algoritmo genético aplicado em processos siderúrgicos

Página do item simplificado
dc.contributor.advisor-co1Denti Filho, José
dc.contributor.advisor1Salles, José Leandro Félix
dc.contributor.authorAlmeida, Gustavo Maia de
dc.contributor.referee1Fardin, Jussara Farias
dc.contributor.referee2Mattedi, Alessandro
dc.contributor.referee3Coelho, Antônio Augusto Rodrigues
dc.contributor.referee4Machado, Marcelo Lucas Pereira
dc.date.accessioned2018-08-02T00:01:59Z
dc.date.available2018-08-01
dc.date.available2018-08-02T00:01:59Z
dc.date.issued2011-03-04
dc.description.abstractTechniques of Model Based Predictive Control (MPC) are increasingly applied in industry because they generally exhibit a good performance and robustness, since the parameters of controller are tuned correctly. This thesis use the Genetic Algorithm (GA) to perform the tuning of parameters of the predictive controller to control mono and multivariable, linear and nonlinear models. The existing technical literature for tuning Predictive Dynamic Matrix Controller (DMC), which use a step response to control systems that are open loop stable will be compared with the tuning by GA. In the event that the process is unstable in open-loop, there is not an analytical method for the tuning. Therefore, it is noted in the literature that the use of MPC in some open-loop unstable systems, linear or not (Such as these to be studied in this thesis) is lacking, because the tuning procedure is based on trial and error and sometimes is impractical. Therefore, this study focuses the application of the MPC tuning by Genetic algorithm for two open-loop unstable processes, which are very important in the Steel Industry. The first is composed by Rolling Mill Stands, where we wish to minimize the variation of strip thickness the last stand due to disturbances that affect the process such as temperature and strip thickness variations in the first stand. In this case we use the linear and multivariable model to develop the Generalized Predictive Controller (GPC) whose parameters are tuned by GA. The second process, unstable in open-loop, is the level of Mold of a Continuous Casting, which has a nonlinear model and is therefore controlled by techniques of nonlinear predictive control using neural networks and Hammerstein model. A comparison is made between these controllers to analyze the stability and robustness when the mold is affected by disturbance of Bulging, Clogging and Argon.eng
dc.description.resumoO Algoritmo de Controle Preditivo Generalizado (GPC) é um método de projeto poderoso de controle amplamente aplicado em processos industriais. Entretanto, não há nenhuma maneira analítica de se ajustar os parâmetros do GPC, e o método mais usado atualmente é o de tentativa e erro, necessitando, assim, uma certa experiência do operador, além de demandar um certo tempo. Neste trabalho, o algoritmo genético (AG) é usado para fazer a sintonia desses parâmetros em plantas com diversas dinâmicas, tais como: instável, instável com fase não mínima, monovariável invariante e variante no tempo e multivariável irrestrito e restrito. Os resultados apresentados mostram a eficiência do algoritmo proposto em sintonizar quaisquer tipos de plantas lineares monovariáveis e multivariáveis de duas entradas e duas saídas.
dc.formatText
dc.identifier.urihttp://repositorio.ufes.br/handle/10/9710
dc.languagepor
dc.publisherUniversidade Federal do Espírito Santo
dc.publisher.countryBR
dc.publisher.courseDoutorado em Engenharia Elétrica
dc.publisher.departmentCentro Tecnológico
dc.publisher.initialsUFES
dc.publisher.programPrograma de Pós-Graduação em Engenharia Elétrica
dc.rightsopen access
dc.subjectOtimização matemáticapor
dc.subject.br-rjbnAlgorítmos genéticos
dc.subject.br-rjbnIdentificação de sistemas
dc.subject.br-rjbnControle preditivo
dc.subject.cnpqMedidas Elétricas, Magnéticas e Eletrônicas; Instrumentação
dc.subject.udc621.3
dc.titleControle preditivo sintonizado via algoritmo genético aplicado em processos siderúrgicos
dc.typedoctoralThesis
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
tese_3871_TeseDoutoradoGustavoMaiadeAlmeida.pdf
Tamanho:
3 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Coleções
Doutorado em Engenharia Elétrica