Search

Orientador: Flávio Vasconcelos da Silva Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química Resumo: Os sistemas de refrigeração industrial são processos constituídos de muitas variáveis interligadas e com dinâmica não linear, neste tipo de processo costuma-se utilizar estratégia de controle clássica, com controlador do tipo on-off ou por realimentação (P, PI ou PID). No entanto, estes processos podem ser controlados com um melhor desempenho utilizando-se controladores avançados, podendo estes serem preditivos ou adaptativos ou ainda uma combinação de ambos. Logo, de modo a apresentar uma alternativa para o controle destes sistemas este trabalho teve como objetivo principal o projeto de um controlador preditivo, que utiliza funções ortonormais de Laguerre para o cálculo dos sinais enviados as entradas, e um modelo linear de predição com horizonte infinito. Como variável controlada foi considerada a temperatura da linha de propilenoglicol que sai do evaporador, e como variáveis manipuladas foram consideradas a frequência de rotação do compressor, frequência de rotação da bomba do evaporador e frequência de rotação da bomba do condensador, como distúrbio foi considerado a variação da carga térmica. No controle servo alcançou-se mudanças positivas do valor de referência de no máximo 6 ºC em relação ao ponto operacional, já no caso de mudanças abaixo do valor de referência conseguiu-se uma redução de até 2 ºC. Houve sobressinal de no máximo 26% na resposta da variável controlada, e comportamento suave do sinal enviado aos atuadores. Maiores faixas no aumento e redução do set point não foram alcançadas devido às limitações físicas do processo. No controle regulatório conseguiu-se rejeitar distúrbios na carga térmica de até ± 10 % em relação ao valor considerado no ponto operacional, a variável controlada retornou ao valor de referência considerado sem apresentar sobressinal, com as variáveis manipuladas apresentando comportamento suave nos seus sinais como observado no problema servo. Em relação aos parâmetros de sintonia do controlador preditivo conclui-se que a resposta em malha fechada pode ser melhorada através de uma redução no fator de escala e número de termos das funções ortonormais de Laguerre, sendo que nessa última mudança conseguiu-se reduzir em 29,3% o parâmetro ISE da resposta da variável controlada, e reduzir-se em 29,8%, 28,7% e 29,9% os esforços de controle do compressor, bomba do evaporador e bomba do condensador respectivamente. Assim, os resultados permitiram concluir que é possível controlar com um bom desempenho um sistema experimental de refrigeração, de natureza não linear e com múltiplas variáveis ligadas entre si, utilizando-se de um controlador preditivo baseado em modelo de predição linear com funções de Laguerre em seu algoritmo Abstract: Industrial refrigeration systems are processes made up of many interconnected variables and with non-linear dynamics. In this type of process, which are processes made up of many interconnected variables and with nonlinear dynamics, usually is used a classic control strategy, with an on-off or feedback controller (P, PI or PID). However, these processes can be controlled with better performance using advanced controllers. Therefore, in order to present an alternative for the control of these systems, this work had as main objective the design of a predictive controller, which uses Laguerre's orthonormal functions to calculate the signals sent to the inputs, and a linear prediction model with infinite horizon. The temperature of the propylene glycol line leaving the evaporator was considered as the controlled variable, and the compressor rotation frequency, the evaporator pump rotation frequency and the condenser pump rotation frequency were considered as manipulated variables, and the thermal load variation as a disturbance. The results showed that in the servo control, positive changes in the reference value of about 6 ºC were achieved in relation to the operational point, in the case of changes below the reference value, a reduction of a maximum of 2 ºC was achieved. There was a maximum of 26% in the response of the controlled variable, and smooth behavior of the signal sent to the actuators, without the presence of spikes or sudden changes. Greater ranges in increasing and reducing the set point were not achieved due to physical limitations of the process. In the regulatory control, it was possible to reject disturbances in the thermal load of about ± 10% in relation to the one adopted at the operational point, the controlled variable returned to the reference value considered practically without showing overshoot or undershoot, with the manipulated variables showing smooth behavior in their signals as observed in the servo problem. In relation to the tuning parameters of the predictive controller, it is concluded that the closed loop response can be improved through a reduction in the scale factor and number of terms in Laguerre's orthonormal functions, and in this last change it was reduced by 29,3% the ISE parameter of the response of the controlled variable, and reducing the control efforts of the compressor, evaporator pump and condenser pump respectively by 29,8%, 28,7% and 29,9%. Thus, the results allowed us to conclude that it is possible to control with good performance an experimental refrigeration system, with non-linear nature and multiple variables linked together, using a predictive controller based on a linear prediction model with Laguerre functions in your algorithm Doutorado Engenharia Química Doutor em Engenharia Química CNPQ 164900/2015-2

Indicadores-chave de desempenho (Key-performance Indicators - KPIs) são ferramentas capazes de medir e avaliar o nível de desempenho e sucesso econômico e/ou operacional de um dado processo. Além disso, a busca pelo maior lucro através de um melhor consumo de matéria-prima e energia garantindo uma maior qualidade e conformidade de especificações é facilitada pela aplicação de técnicas de otimização em tempo real. Essas técnicas aliadas à KPIs e a controladores preditivos baseado em modelo possibilitam o controle e otimização de sistemas com maior número de variáveis controladas do que manipuladas, sistemas que operam em faixas (também chamadas soft-constraints) e presença de restrições operacionais. No entanto, distúrbios externos não-medidos e a má qualidade de modelos prejudicam o funcionamento robusto do processo levando o sistema a operar fora das especificações, ou em regiões sub-ótimas. Por isso, esta tese aborda um estudo sobre estratégias de otimização em tempo real (Real-time Optimization - RTO) e suas aplicações. As principais contribuições do trabalho são: (1) revisão bibliográfica sobre estratégias de RTO abordando suas principaiscaracterísticas e aplicações; (2) estratégia preliminarde controlador MPC estendido, capaz de abordar controle e otimização em uma única camada; (3) emprego de estimadores de estado e medições do processo para atualização do KPI operacional, considerado uma variável controlada através de set-point pelo controlador MPC; (4) análise da influência do ponto de operação dos modelos utilizados para o KPI e para o controlador MPC linear, estimando-os e atualizando-os através de técnicas de estimação de distúrbios não medidos e parâmetros, baseados em medições do modelo dinâmico não-linear; e (5) influência de fatores de robustez para MPC econômico orientado à KPIs capaz de manter as variáveis controladas através de faixas de operação impondo restrições para as variáveis de entrada e saída do modelo baseado na magnitude do distúrbio. As técnicas propostas são avaliadas e testadas em estudos de caso simulados de forma a exemplificar aplicações industriais corroborando a metodologia proposta ao controlar a função custo no valor ótimo (dado pelo KPI), rejeitando distúrbios e mantendo as saídas do processo nas especificações de forma robusta e sem elevado tempo computacional. Key-performance Indicators (KPIs) are tools capable of measure and evaluate the economic and/or operational development and success of a given process. Besides that, the search for higher operational profit through better consumption of raw materials and energy ensuring greater quality and specifications is facilitated by the application of Real-time Optimization techniques. These techniques allied to KPIs and combined with model-based predictive controllers allow the control and optimization of systems with a greater number of controlled than manipulated variables, systems that operate in ranges (also called softconstraints), and the presence of operational constraints. However, unmeasured external disturbances and poor model quality jeopardize the robust process operation, leading the system to operate outside specifications, or in sub-optimal regions. For this reason, this thesis addresses a study about Real-time Optimization strategies and their applications. The main contributions of this work are (1) bibliographic review about RTO strategies and their main characteristics and applications; (2) preliminary strategy of extended MPC controller, capable of handle control and optimization in one layer; (3) employment of state estimators and process measurements to update the operational KPI, considered as a controlled variable through set-point by the MPC controller; (4) analysis of the operation points of the models employed in the KPI and the linear MPC, estimating and updating them through parameters and unmeasured disturbance estimations techniques, based on measurements of the dynamic nonlinear model; and (5) robustness factors influence for Economic MPC oriented by KPIs, capable of keeping the controlled outputs in ranges and imposing constraints in the inputs and outputs according to the disturbance magnitude. The proposed techniques are evaluated and tested in simulated case studies to exemplify industrial applications corroborating the proposed methodology by controlling the cost function at the optimal value (given by the KPI), rejecting disturbances, and keeping the process outputs in the specifications in a robust way and without higher computational load.

Orientador: Luz Adriana Alvarez Toro Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química Resumo: Os projetos de processos e do sistema de controle são frequentemente considerados como problemas independentes, no qual, o objetivo econômico e de controle são realizados em esferas de tempo diferentes e de modo sequencial. Contudo, essa abordagem pode apresentar problemas como restrições incompatíveis e pontos operacionais inviáveis. A agregação de ambos os objetivos em uma estrutura de otimização integrada surge como uma alternativa na busca de solucionar tais limitações. Através dessa abordagem é possível fornecer um projeto de processos e do sistema de controle com benefícios econômicos e melhorias no comportamento dinâmico. A metodologia apresentada neste trabalho trata o problema de projeto de processos e do sistema de controle em uma sequência de problemas de otimização. A sua formulação baseia-se nas mudanças das condições de mercado causadas pela diferença nos preços de matérias-primas e dos produtos. Os seus estágios iniciais consistem, primeiramente, nos cálculos de projetos utópicos, realizados pela solução isolada de cada objetivo de otimização. Na última etapa, uma estrutura integrada trabalha para alcançar simultaneamente esses valores por meio de duas estratégias de otimização: alcance de metas e cálculo do custo quadrático. A metodologia foi aplicada no reator de Williams-Otto em virtude da complexidade dinâmica do sistema. Um controlador preditivo de horizonte infinito (IHMPC) e uma estrutura de integração entre este controlador e a camada de otimização em tempo real (RTO) foram usados como estratégias de controle. Os resultados apresentam que a metodologia proposta foi capaz de melhorar aspectos dinâmicos do controlador e aspectos econômicos da operação da planta mesmo na presença de alterações impostas pelo mercado aos preços dos componentes de reação, perturbações programadas, aleatórias e não medidas pelo processo Abstract: Process design and control are often regarded as independent issues. The economic objective and control problem are carried out in different time stages and in a sequential way. However, this approach can present problems such as constraints violation and unfeasible operational points. The aggregation of both objectives in an integrated optimization framework appears as an alternative in the search to solve such limitations. Through this methodology, it is possible to provide a process and control design with economic benefits and improvements in dynamic behavior. The methodology presented in this work deals with the process and control design problem in a sequence of optimization problems. Its formulation is based on changes in market conditions caused by differences in the prices of raw materials and products. Its initial stages consist, firstly, in the calculations of utopian projects, carried out by the isolated solution of each optimization objective. In the last step, an integrated structure works to achieve the utopian values simultaneously through two optimization strategies: attainment goals and quadratic cost. The proposed solution is applied in the Williams-Otto reactor due to the dynamic complexity of the system. An Infinite Horizon Predictive Controller (IHMPC) and an integration structure between this controller and the Real-Time Optimization (RTO) layer were used as control strategies. Results show that the proposed methodology was able to improve the dynamics aspects of the controller and economic aspects of the process operation even in the presence of changes imposed by the prices of reaction components, programmed, random, and non-measured disturbances by the process Doutorado Engenharia Química Doutor em Engenharia Química CNPQ 155746/2017-0

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2021. As principais contribuições inéditas desta tese são os algoritmos de controle preditivo baseado em modelo (MPC) de cômputo rápido com otimização online e a proposição de arquiteturas de implementação em computação paralela. Foram abordados o controle preditivo generalizado (GPC) e o controle por matriz dinâmica (DMC), que são as formulações entrada-saída de MPC mais utilizadas na indústria. Dos seis algoritmos propostos, cinco deles utilizam a formulação GPC e o outro a formulação DMC. Em cada algoritmo é utilizado um método de otimização com características distintas. São também propostas generalizações para o caso de múltiplas entradas e múltiplas saídas. Os algoritmos GPCGPAD e GPCFAMA foram os que apresentaram o melhor desempenho no quesito do tempo de cômputo. Para esses dois métodos são também fornecidos meios de se calcular o limite superior do número de iterações do método de otimização, de modo a descobrir o pior caso de tempo de execução. Os algoritmos propostos foram testados e comparados em simulação. Os estudos de caso considerados nas simulações foram um inversor de frequência trifásico com filtro LCL e conectado à rede e uma coluna de destilação de laboratório. Quanto às arquiteturas, foram desenvolvidos métodos de implementação dos algoritmos em um FPGA, explorando as vantagens de paralelismo da descrição direta em hardware. Foi proposta uma solução paralela para a multiplicação matricial em aritmética de ponto fixo, por ser a operação computacional mais custosa. Outra contribuição inédita é a proposição de um precondicionamento do problema de otimização resultante do GPC que obteve uma diminuição de até 11% no tempo de cômputo na arquitetura de implementação proposta. Os testes em FPGA apresentaram resultados rápidos com o tempo de cômputo do sinal de controle da ordem de microssegundos. A tese está formatada como uma coleção de artigos. São apresentados cinco artigos, diretamente ligados à pesquisa, organizados em cada capítulo. Abstract: The main novel contributions of this thesis are the proposition of fast model predictive control (MPC) algorithms with online optimization and the proposition of implementation architectures with parallel computing. Generalized predictive control (GPC) and dynamic matrix control (DMC) were addressed, which are the most popular input-output formulations of the MPC in industry. Six algorithms were proposed, with five of them using a GPC formulation, and the other one a DMC formulation. In each algorithm, an optimization method with different characteristics is used. Generalizations are also proposed for multiple-inputs and multiple-outputs systems. The GPCGPAD and GPCFAMA algorithms have the best performance in terms of computation time. For these two algorithms, methods to calculate the upper bound on the number of iterations are provided to discover the worst case execution time. The proposed algorithms were tested in simulation. The case studies stand out in a three-phase grid-connected LCL-filtered inverter, and a laboratory distillation column. The implementation architectures are proposed with the methods to implement the algorithms in an FPGA, exploring the advantages of parallelism of the direct description in hardware. A parallel solution for matrix multiplication in fixed-point arithmetic has been proposed as it is the most costly operation. Another novel contribution is the proposal of a preconditioning operation of the optimization problem resulting from the GPC, which obtained a decrease of up to 11\% in the computation time in the proposed implementation architecture. The tests in FPGA showed fast results, with the computation time of the control signal in microseconds. The thesis is organized as a collection of papers. Five papers directly linked to the research are presented in each chapter.

Submitted by Daniel Santana (daniel.diniz@ufba.br) on 2021-01-22T01:33:47Z No. of bitstreams: 1 main-FINAL.pdf: 11867739 bytes, checksum: 89b80318ae871bb944f149942bc89076 (MD5) Approved for entry into archive by Escola Politécnica Biblioteca (biengproc@ufba.br) on 2021-01-25T14:32:12Z (GMT) No. of bitstreams: 1 main-FINAL.pdf: 11867739 bytes, checksum: 89b80318ae871bb944f149942bc89076 (MD5) Made available in DSpace on 2021-01-25T14:32:12Z (GMT). No. of bitstreams: 1 main-FINAL.pdf: 11867739 bytes, checksum: 89b80318ae871bb944f149942bc89076 (MD5) Coordenação de Aperfeiçoamento de Nível Superior e Ministério da Ciência, Tecnologia, Inovações e Comunicações The basic requirements for the implementation of model predictive controllers can be summarized as stability, feasibility, performance, and robustness. One of their main purposes is the plantwide optimization so that different strategies can be applied to achieve it, either in two-layer schemes, as Real-Time Optimization (RTO), or one-layer schemes, as MPC+RTO and Economic Model Predictive Control. These strategies can be implemented in centralized, decentralized, or distributed schemes, but for large-scale systems, the centralized one can be intractable, and distributed control schemes are preferable. Additionally, some controllers design may result in an infeasible optimization problem in some scenarios, e.g. when a small control horizon is applied in design based on terminal invariant sets. In this context, this thesis focuses on stabilizing model predictive controllers with economic objectives, applying solely terminal equality constraints associated with design mechanisms to improve the feasibility of the optimization problem, in addition to their integration into centralized and cooperative-distributed control schemes. The contributions of this thesis are summarized as: (i) a one-layer model predictive controller whose optimization problem is always feasible, suitable for systems with open-loop unstable states, applying slacked terminal equality constraints, (ii) a cooperative-distributed model predictive controller suitable for stable systems, which stabilizing properties are integrated with its tuning, and (iii) a stabilizing cooperative-distributed gradient-based economic predictive control based on terminal equality constraints suitable for non-stable systems, with design mechanisms to enlarge its domain of attraction. The stabilizing properties are guaranteed by Lyapunov arguments, and the feasibility targets the fulfillment of constraints, in addition to the solution of the optimization problem at all time steps even with small control horizons. In order to exemplify the aforementioned features of these strategies, case studies are assessed using scenarios where the controllers have small control horizons and, in the distributed scheme, a short time frame for communication and conflicting objectives among the agents.

Os sistemas de controle via rede sem fio são parte integrante dos novos cenários de utilização considerados para a quinta geração de redes móveis (5G) que, além de superar as gerações anteriores em taxa de dados e capacidade, tem o objetivo de endereçá-los. Eles estão presentes em aplicações como a comunicação V2X e a Indústria 4.0, por exemplo, que utilizam controle em tempo real, o que implica em rigorosos requisitos de latência e confiabilidade da comunicação. Neste tipo de sistema, a forma mais comum de comunicação entre os dispositivos ocorre através de pacotes curtos, demandando um equacionamento específico para um projeto adequado. Ainda, controle e comunicação não podem ser considerados individualmente, pois existem variáveis que exercem influência sobre ambos concomitantemente. Os benefícios da concepção conjunta para atender aos seus requisitos de URLLC (Ultra-Reliable Low Latency Communication) já foram demonstrados ao se melhorar o consumo e, ao mesmo, aumentar o tráfego de informação tempo através do uso de controle preditivo em pacotes. Este é um fator de suma importância, considerando que no contexto dos sistemas sem fio, é comum que os elementos sejam alimentados por baterias. O consumo é reduzido ainda mais quando HARQ (Hybrid Automatic Repeat reQuest) é aplicado, e uma retransmissão da mensagem é prevista em caso de outage. Neste trabalho, ambas as técnicas serão empregadas, levando em conta a comunicação via pacotes curtos, para a obtenção de um número ótimo de retransmissões e comandos de controle preditivo, buscando uma melhor eficiência energética. Os resultados mostraram que, através de uma escolha adequada destes parâmetros, é possível otimizar o consumo. Ainda, que dependendo das restrições de latência do sistema, o uso de controle preditivo em pacotes pode não ser interessante, sendo o HARQ isoladamente uma melhor alternativa. Wireless networked control systems are an integral part of the new usage scenarios considered for the fifth generation of mobile networks (5G) which, in addition to surpassing previous generations in data rate and capacity, aim to address them. They are present in applications such as V2X communication and Industry 4.0, for example, using realtime control, which implies strict latency and reliability requirements for communication. In this type of system, the most common form of communication between devices occurs through short packages, requiring specific mathematical models for an appropriate project. Additionally, control and communication cannot be considered individually, as there are variables that influence both concurrently. The co-design benefits for meeting the URLLC (Ultra-Reliable Low Latency Communication) requirements have already been demonstrated by improving resource utilization while increasing information traffic through the use of PPC (Packetized Predictive Control). This is an extremely important factor, considering that in the context of wireless systems, it is common for the elements to be powered by batteries. The consumption is further reduced when HARQ (Hybrid Automatic Repeat reQuest) is applied, and a retransmission of the message is provided in case of an outage event. In this work, both techniques are applied, whereas supporting short packets communication, to obtain an optimum number of retransmissions and predictive control commands, aiming for better energy efficiency. The results show that by performing an appropriate choice of these parameters, it is possible to optimize consumption. Also, depending on the latency restrictions of the system, the use of PPC may not be interesting, being HARQ alone a better alternative.

Technological advances in digital signal processors have led to the implementation of more advanced control schemes within power electronics. Predictive control, due to the large amount of calculations required in its implementation, has benefited from this modernization, emerging as an alternative in the search for better performance of power converter systems in terms of efficiency and power quality. In this work, two predictive control strategies are employed in the current control of a three-phase semicontrolled AC-DC converter and a single-phase multilevel DC-AC converter. The first strategy, FCSMPC (Finite Control Set Model Predictive Control), makes the current prediction from the switching state vectors so that from a cost function, the vector that minimizes this function is chosen. The second, M2PC (Modulated Model Predictive Control), uses the same methodology, but adding a modulation stage to the control scheme, which allows the setting of the switching frequency and improvement in system performance in terms of power quality. The verification of the functioning and validation of the proposed systems are carried out based on simulation and experimental results and the performance of the predictive control techniques is evaluated through comparison with classic control techniques. Nenhuma Avanços tecnológicos em processadores de sinais digitais têm propiciado a implementação de esquemas de controle mais avançados dentro da eletrônica de potência. O controle preditivo, devido à grande quantidade de cálculos necessários em sua implementação, tem se beneficiado desta modernização, ressurgindo como um alternativa na busca por melhor desempenho de sistemas conversores de potência em termos de eficiência e qualidade de energia. Neste trabalho, duas estratégias de controle preditivo são empregadas no controle de corrente de um conversor trifásico CA-CC semicontrolado e de um conversor monofásico CC-CA multinível. A primeira estratégia, FCS-MPC (do inglês Finite Control Set Model Predictive Control), realiza a previsão de corrente a partir dos vetores de estado de chaveamento para que a partir de uma função custo se escolha o vetor que minimiza esta função. A segunda, M2PC (do inglês Modulated Model Predictive Control), utiliza da mesma metodologia, porém adicionando um estágio de modulação ao esquema de controle, o que permite a fixação da frequência de chaveamento e melhoria no desempenho do sistema em termos de qualidade de energia. A verificação do funcionamento e validação dos sistemas propostos são realizadas a partir de resultados de simulação e experimentais e o desempenho das técnicas de controle preditivo é avaliado através da comparação com técnicas de controle clássicas.

Orientador: Rubens Maciel Filho Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química Resumo: Nos últimos anos, verifica-se um crescente interesse em fontes alternativas de combustíveis e na utilização das fontes de energia renováveis. Esse é o caso do etanol celulósico que pode ser produzido a partir de resíduos da produção agrícola e outros tipos de biomassa. No Brasil, esse processo poderia aumentar significativamente a produção de etanol na indústria de cana-de-açúcar, fazendo uso do bagaço de cana de açucar ja disponível na área de produção das unidade de primeira geração (aquelas que fermetam o caldo da cana). No entanto, processos como a fermentação e a destilação têm uma dificuldade inerente na medição e controle das variáveis em tempo real, que são necessários para possibilitar operação em alto nível de desempenho, como aquelas acopladas com otimização em tempo real. Uma estratégia de controle distribuído pode trazer benefícios à operação industrial, já que este considera não só otimização local de cada unidade operacional, como também a otimização global do processo. Desta forma, este trabalho propõe a aplicação e análise de um controle distribuído preditivo baseado em modelo neural (DMPC) para unidades de fermentação e destilação para a produção de etanol. Modelos baseados em redes neurais foram treinados para a caracterização de cada operação de forma a atuarem como modelo de predição do controlador. A estratégia sugerida foi comparada com a configuração PID e MPC convencional e observou-se que o controlador DMPC possui uma melhor performance se comparado com as outras estratégias de controle estudadas Abstract: In recent years there has been a growing interest in alternative sources of fuel and in the use of renewable energy sources. This is the case of cellulosic ethanol that can be produced from agricultural production residues and other types of biomass. In Brazil, this process could significantly increase ethanol production in the sugar cane industry, making use of the sugar cane bagasse already available in the 1st generation production plant (those that ferment sugar cane juice). However, processes such as fermentation and distillation have an inherent difficulty in measuring and controlling variables in real time, which are necessary to allow higher operational performance as those related to real time optimization procedures. A distributed control strategy can bring benefits to the industrial operation, since it considers not only local optimization of each operational unit, but also the overall optimization of the process. In this way, this work proposes the application and analysis of a predictive distributed control based on neural model (DMPC) for fermentation and distillation units for the production of ethanol. Neural models will be trained to characterize each operation in order to act as a predictor model of the controller. The suggested strategy was compared with the conventional PID and MPC configuration and it was observed that the DMPC controller has a better performance when compared to the other control strategies studied Doutorado Engenharia Química Doutor em Engenharia Química

Orientador: Luz Adriana Alvarez Toro Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química Resumo: Este trabalho aborda o controle do processo de produção de etanol. O tema foi escolhido devido à grande importância dada ao setor sucroalcooleiro a nível nacional, tendo em vista que o Brasil é o segundo maior produtor de etanol. Segundo a Unica (União da indústria de Cana-de-Açúcar), o etanol (hidratado e anidro) representa cerca de 42,9% da matriz de combustíveis no país. O estudo foi realizado com a finalidade de encontrar uma alternativa para melhorar a eficiência do processo de fermentação de primeira geração por meio de ganho em desempenho (como aumento no rendimento e na produtividade). O processo considerado no estudo se baseou em uma modelagem já encontrada na literatura referente a um processo contínuo encontrado na indústria composto por 4 dornas em séries. Esta melhora viria a partir da automação industrial e estudo da eficiência de um controle preditivo multivariável aplicado ao processo. Para atingir a melhora no desempenho, foram testadas 4 diferentes formas de se aplicar o controle preditivo no processo em questão. Uma primeira proposta com um único controlador atuando sobre a concentração de substrato no último reator, e sobre a temperatura das quatro dornas. A segunda constituída por 2 controladores com tempos de atuação distintos, um para a concentração de substrato e o segundo para as temperaturas. A terceira e a quarta foram similares à segunda, porém com 5 controladores independentes, sendo a quarta formada por 5 controladores preditivos, e a quinta por 1 controlador preditivo para o substrato e 4 controladores PID¿s para as temperaturas. Neste estudo verificou-se uma melhora no desempenho, com erros menores e desvios menores com o desenvolvimento de cada proposta, da proposta I até a IV. Os resultados de cada proposta mostraram que o controle SISO apresenta melhores respostas do que o MIMO devido a grande complexidade no sistema estudado. Nas propostas III e IV o desempenho foi bem parecido sendo que a proposta IV apresenta um esforço no atuador mais abrupto o que pode gerar desgaste desnecessário no equipamento Abstract: This study approaches the control of the ethanol production process. The theme was chosen due to the great importance given to the sugar and alcohol industry at the national level, considering that Brazil is the second largest producer of ethanol. According to Unica (Union of Sugar Cane Industry), the ethanol (hydrated and anhydrous) represents about 42.9% of the fuel matrix in the country. The study was realized to find an alternative to improve the efficiency of the first generation fermentation process through a gain in performance (such as increased yield and productivity). The process considered in the study was based on a model already found in the literature considering a continuous process found in the industry composed of 4 reactors in series. The improvement would come from the industrial automation and study of the efficiency of a multivariable predictive control applied to the process. To achieve the improvement in performance were tested 4 different ways to apply the predictive control in the process considered. The first proposal composed with a single controller acting on the substrate concentration in the last reactor, and on the temperature of each reactor. The second one consisted of 2 predictive controllers with distinct operating times, one for the substrate concentration and the second for the temperatures. The third and fourth proposals were similar to the second, but with 5 independent controllers, the fourth consisted of 5 predictive controllers, and the fifth by 1 predictive controller for the substrate and 4 PID controllers for the temperatures. The results showed an improvement in performance, with smaller errors and smaller deviations with the development of each proposal, from proposal I to IV. The results of each proposal showed that the SISO control presents better answers than the MIMO due to the great complexity in the system studied. In proposals III and IV the performance was very similar, and proposal IV presented a more abrupt actuator effort which may generate unnecessary detrition on the equipment Mestrado Engenharia Química Mestre em Engenharia Química CAPES 1693659

Orientador: Edson Bim Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação Resumo: A principal motivação deste trabalho é realizar o estudo comparativo em termos de desempenho de duas estratégias de controle preditivo baseado no modelo de estados finitos ¿ Finite State Model Based Predictive Control (FS-MBPC) ¿ aplicadas ao controle de velocidade de um motor de indução trifásico. Caracterizado por apresentar rápida resposta dinâmica e baixos níveis de oscilação das variáveis mecânicas e elétricas, o controle preditivo do torque e do fluxo ¿ Predictive Torque and Flux Control (PTFC) ¿ é a estratégia de FS-MBPC mais aplicada ao controle de velocidade das máquinas elétricas. No entanto, essa estratégia apresenta, em sua estrutura de cálculo, um fator de ponderação associado ao fluxo magnético de estator, cuja determinação não dispõe de método analítico. Uma alternativa é empregar o controle preditivo do fluxo ¿ Predictive Flux Control (PFC) ¿, que elimina o fator de ponderação mediante a geração de um vetor fluxo magnético de referência. Diferentemente do PTFC, o PFC trabalha com variáveis de mesma natureza na função custo, não sendo necessária, portanto, a utilização do fator de ponderação. O outro desafio do FS-MBPC é o ajuste dos ganhos do controlador proporcional-integral (PI) que, geralmente, tem a função de estabelecer a referência de torque do motor. No entanto, esse tipo de controlador é muito sensível às perturbações do sistema. No presente trabalho propõe-se a substituição do controlador PI por um controlador de modos deslizantes ¿ Sliding Mode (SM) ¿ que, diferentemente do controlador PI, se mostra mais robusto às perturbações do sistema controlado. Testes experimentais são realizados no estudo comparativo em termos de análise de desempenho dos métodos de controle PTFC e PFC, com a substituição do controlador PI pelo SM. Adicionalmente, o desempenho do PTFC utilizando o controlador SM foi comparado com o do PTFC utilizando o controlador PI Abstract: The main motivation of this work is fulfill the comparative performance of two Finite State Model Base Predictive Control (FS-MBPC) strategies applied to the speed control of a three-phase induction motor. Predictive Torque and Flux Control (PTFC) is the FS-MBPC strategy most applied to the speed control of electric machines. It is characterized by fast dynamic response and low levels of oscillation of the mechanical and electrical variables. However, this strategy presents, in its calculation structure, a weighting factor associated to the stator magnetic flux, whose determination has no analytical method. An alternative is use Predictive Flux Control (PFC), which eliminates the weighting factor by generating a reference magnetic flux vector. Differently from the PTFC, the PFC works with variables of the same nature in the cost function, therefore, it is not necessary to use the weighting factor. Another challenge of the FS-MBPC is the proportional-integral controller (PI) gain adjustment, which generally has the function of establish the motor torque reference. However, PI controller is very sensitive to system disturbances. In the present work, it is proposed to replace the PI controller by a sliding mode controller (SM), which, unlike the PI controller, is more robust to the disturbances of the controlled system. Experimental tests are fulfill in the comparative performance of the PTFC and PFC, with the replacement of the PI controller by the SM controller. Additionally, the performance of PTFC with SM controller was compared to the PTFC with PI controller Mestrado Energia Elétrica Mestre em Engenharia Elétrica

Orientador: Luz Adriana Alvarez Toro Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química Resumo: Processos químicos, em geral, apresentam comportamentos não-lineares e esse é um dos principais desafios encontrados pelos desenvolvedores de sistemas de controle. Uma das técnicas de controle avançado que despontou como uma alternativa no controle de processos químicos foi o controle preditivo baseado em modelo (MPC) que, em conjunto com uma otimização em tempo real (RTO), permitiu desenvolvimento de uma estrutura hierárquica de controle, na qual, além do controle regulatório do sistema, é possível realizar uma otimização econômica. Neste trabalho, propôs-se um controlador adaptativo de múltiplos modelos com a integração entre a RTO e o MPC desenvolvido para sistemas não-lineares. A ação final de controle foi calculada por um esquema de combinação linear entre as ações dos múltiplos controladores lineares, que possuem modelos de aproximação linear correspondentes a possíveis pontos de operação do sistema. O desempenho do controlador de estrutura adaptativa foi testado em um reator de polimerização contínua através de simulações computacionais e comparado com uma estrutura robusta proposta por Alvarez e Odloak (2012). Os resultados das simulações mostram que o controlador adaptativo, de fato, exerce a sua função de combinar gerar uma ação de controle final a partir das ações de controle disponíveis. Além disso, as simulações mostram que a estrutura proposta apresenta uma performance melhor que o controlador robusto frente a perturbações aplicadas, com maior rapidez de resposta, menor custo computacional e vantagens econômicas Abstract: Chemical processes in general have non-linear behaviors and this is one of the main challenges faced by control system developers. One of the advanced control techniques that emerged as an alternative in the control of chemical processes was the model-based predictive control (MPC) which, together with a real-time optimization (RTO), allowed the development of a hierarchical control structure. This structured makes possible the regulatory control of the system, besides to perform an economic optimization. In this work, an adaptive controller of multiple models was proposed with the integration between RTO and MPC developed for non-linear systems. The final control action was calculated by a linear combination scheme between the actions of the multiple linear controllers. Each linear controller has a linear approximation model corresponding to a possible operating point of the system. The performance of the adaptive structure controller was tested in a continuous polymerization reactor through computational simulations and compared with a robust structure proposed by Alvarez and Odloak (2012). Simulations results show that the adaptive controller, in fact, make its function of combining to generate a final control action from the available control actions. In addition, these simulations show that the proposed structure presents a better performance than the robust controller in the face of applied perturbations, with faster response, lower computational cost and economic advantages Mestrado Engenharia Química Mestra em Engenharia Química CAPES 33003017034P8

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Mecânica, Florianópolis, 2019. A inspeção subaquática tem um papel fundamental em áreas como a biologia marinha, arqueologia subaquática, exploração de hidrocarbonetos, instalações industriais como represas, pontes ou áreas de turbinas eólicas offshore e, até mesmo, segurança nacional. Geralmente as inspeções são realizadas por mergulhadores especializados ou veículos operados remotamente (ROVs). No entanto o uso de veículos subaquáticos autônomos (AUVs) pode reduzir drasticamente os custos de operação, além de oferecer operações mais seguras em comparação com os demais métodos. Entretanto, os AUVs têm sido empregados, quase que exclusivamente, para batimetria ou outros tipos de investigação 2D, principalmente devido a simplicidade das trajetórias executadas (geralmente limitadas para seguir o perfil do fundo do mar a uma certa altitude). Isto impossibilita o uso de AUVs, com segurança, para inspecionar áreas com alto relevo ou estruturas complexas. As missões de inspeção, normalmente envolvem o planejamento do caminho de cobertura, que consiste em gerar um caminho livre de colisão que garanta a cobertura completa de uma região de interesse. O planejamento do caminho de cobertura (CPP) nas tarefas de inspeção pode ser dividido em duas categorias: discreta e contínua. O CPP discreto busca encontrar o número mínimo de pontos de vista para cobrir completamente uma região de interesse e depois conectar esses pontos. Muitos dos algoritmos de inspeção para estruturas complexas são discretos. Por outro lado, o CPP contínuo realiza uma detecção ininterrupta ao longo da rota a ser seguida. Para executar um CPP, deve-se levar em consideração as restrições do veículo e do sensor, bem como do ambiente. Nesta tese, é proposta uma nova abordagem de CPP discreto baseada em um modelo que divide a tarefa em duas etapas de otimização: encontrar o menor número de pontos de vista para cobrir o objeto e a ordem e o caminho para alcançá-los. Essa abordagem permite obter resultados satisfatórios em pouco tempo para ambientes complexos. O método proposto é avaliado em simulações usando o Gazebo e o Girona 500 AUV. A abordagem empregada considera que não é realista considerar que 100 % de cobertura é sempre possível e, às vezes, simplesmente não é desejável. Além disso, propõem-se um algoritmo para selecionar os pontos de vista com base em um índice de qualidade de dados proposta, buscando minimizar o ruído nos dados coletados. Também estima-se a cobertura levando em consideração o pior caso de incerteza, o que é um problema-chave no planejamento da cobertura e do planejamento de vista. A incerteza de posição é especialmente difícil no ambiente subaquático porque a falta de GPS ou de outros sistemas globais de localização faz com que o erro de posição dos sistemas de sensores cresça durante a inspeção. Por isso, avaliou-se os algoritmos de planejamento de caminhos de cobertura discreta utilizando um modelo. A estimativa de cobertura com ou sem incerteza foi testada e produziu resultado satisfatório, embora estimar a cobertura máxima seja um processo exaustivo. Abstract: The inspection of underwater structures plays a key role in areas like geology, marine biology, underwater archaeology, industrial facilities such as oil fields, dams, bridges or offshore wind turbine areas and, even homeland security. These inspections are generally performed by specialized divers or remotely operated vehicles (ROVs) but the use of autonomous underwater vehicles (AUVs) can highly reduce the costs to perform these tasks. Despite the progressive adoption of AUVs to carry out 2D surveys, the simplicity of the trajectories executed (usually limited to follow the profile of the seabed at a certain altitude) makes it impossible to safely use AUVs to inspect areas with a high 3D relief or complex structures. Typically, inspection missions involve coverage path planning, which is the task responsible to generate a collision-free path that ensures the complete coverage of a region of interesting in order to gather highly accurate data to allow the inspection. Coverage path planning (CPP) in inspection tasks and bathymetry mapping can be divided into two categories: discrete and continuous. Discrete CPP looks to find the minimal number of viewpoints to completely cover a region of interest and then connect those points; many of the inspection algorithms to complex structures are discrete. In contrast, continuous CPP perform an uninterrupted sensing along the route to be followed and most of AUV surveys are continuous CPP. To perform a CPP we must take into account the vehicle and sensor constraints, as well as, the environment. In this thesis we proposed a novel model-based discrete CPP approach that split this task in two optimizing steps: the number of viewpoints to cover the object and the order and path to reach them. This approach allows us to obtain satisfactory results in a short time for large and complex environments. The proposed method is evaluated in simulations using Gazebo and the Girona 500 AUV. Our approach takes for that it is unrealistic to consider that 100% coverage is always possible and sometimes it is just not desirable. Even more, we proposed an algorithm to select the viewpoints based on a data quality index proposed by us, looking to minimize the noise on the multibeam data gathered. We, also, estimate the coverage taking into account the worst case of pose uncertainty which is a key problem in coverage and viewpoint path planning. The pose uncertainty it is specially difficult in the underwater environment because the lack of GPS or others global localization systems makes the position error of the sensors systems grows up during the inspection. Because of it we must evaluate on modelbased discrete coverage path planning algorithms. The coverage estimation with or without uncertainty have been tested and produced satisfactory result although estimate the maximum coverage is a very time consuming process.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior In the present scenario rotating machines have been widely used in industry because of its relative simplicity, constructive robustness and low price. In this context, adequately characterize engine behavior in nominal operating conditions, as this mathematical modeling of these machines becomes interesting and can contribute to the implementation of a predictive control real-time, moreover, there fault detection possibility to, since the engine behavior change will be felt by the identified model. One way to get this mathematical structure is through their experimental data input and output, in order to identify systems is a good option as it studies ways to model and analyze systems, through its information input and output, with the aim of discovering knowledge standards. In this context, the work is to develop a mathematical model using system identification techniques in three phase induction machines through the experimental data with the objective to implement a model apt to behavior anticipate the three-phase induction motor application control for prediction. Moreover, it presents the importance of modeling the rotating machine, moreover, is demonstrated using the method of modeling identification system and a brief justification about ARX and ARMAX models. Also there was performed parametric estimation and then we performed a test to show the performance of the identification of the three-phase induction motor. No cenário atual as máquinas rotativas têm sido bastante utilizadas nas indústrias, devido a sua relativa simplicidade, robustez construtiva e baixo preço. Neste contexto, caracterizar adequadamente o comportamento do motor operando em condições nominais diários, visto isto a modelagem matemática destas máquinas se torna interessante podendo contribuir para a implementação de um controle preditivo em tempo real, além disso, existe a possibilidade de detecção de falhas, visto que a mudança de comportamento do motor será sentida pelo modelo identificado. Essas falhas se desencadeiam com o envelhecimento e com condições adversas as quais os motores são submetidos ao longo de suas vidas úteis. Uma forma de obter essa estrutura matemática é por meio de seus dados experimentais de entrada e saída, neste intuito a identificação de sistemas é uma boa opção visto que estuda formas de se modelar e analisar sistemas, por meio de suas informações de entrada e saída, com o objetivo de descobrir padrões de comportamento. Neste contexto, o trabalho consiste em elaborar uma modelagem matemática utilizando as técnicas de identificação de sistema em máquinas de indução trifásicas por intermédio dos dados experimentais com o objetivo de implementar um modelo apto a antecipar o comportamento do motor de indução trifásico com aplicação em controle por predição. Além disso, apresenta a importância de se modelar a máquina rotativa, além disso, é demonstrada a metodologia da modelagem utilizando identificação de sistema e uma breve fundamentação sobre os modelos ARX e ARMAX. Também realizou-se a estimação paramétrica e em seguida efetuou-se um teste para mostrar o desempenho da identificação do motor de indução trifásico. Mestre em Ciências

A instalação de sistemas de geração distribuída, como a energia fotovoltaica e energia eólica, conectado à rede elétrica está em crescimento e, para sua conexão, são necessários conversores de potência junto a métodos de controles. Atualmente, o uso do controle preditivo está em desenvolvimento, principalmente para aplicações em eletrônica de potência. O controle preditivo baseado em modelo é abordado nessa dissertação devido a sua rápida resposta dinâmica, facilidade de incluir restrições e não linearidades, torna o sistema totalmente desacoplado, considera os casos multivariáveis e apresenta fácil implementação. Dessa forma, o presente trabalho apresenta a aplicação do controle preditivo baseado em modelo a um conversor com filtro LCL conectado à rede. Este controle prevê o comportamento futuro das variáveis de controle e, com essa informação, escolhe o melhor estado de comutação do conversor de acordo com a minimização de uma função custo. No entanto, é necessário elaborar o modelo matemático do sistema, onde foi desenvolvido utilizando o método de espaço de estados e posteriormente discretizado. As equações que descrevem o modelo foram descritas nas coordenadas naturais abc e posteriormente transformadas para as coordenadas estacionárias αβ através da transformada de Clarke. Para amortecer a ressonância intrínseca do filtro LCL, é detalhado o projeto de uma estratégia de amortecimento ativo baseada no resistor virtual, bem como a inclusão dessa restrição na função custo do controle preditivo. Adicionalmente, distúrbios foram inseridos na rede elétrica e técnicas afins de minimizá-los foram propostas. Finalmente, resultados de simulação são utilizados para avaliar o método proposto e mostrar sua eficácia. The installation of distributed generation systems, such as photovoltaic energy and wind energy, connected to an electrical grid is in full growth and, for its connection, power converters are necessary together with control methods. Currently, the use of predictive control is in full development, mainly for applications in power electronics. There are several types of predictive control, however the model predictive control (MPC) is addressed in this dissertation due to its fast dynamic response, ease of including restrictions and nonlinearities, makes the system fully decoupled, considers multivariable cases and presents easy implementation. Thus, the present work presents deal with the MPC applied to a grid-connected converter with LCL filter. The MPC predicts the future behavior of the controlled variables and with this information chooses the best switching state according to a cost function optimization. However, before applying the MPC method it is necessary to develop the mathematical model of the system, where the state space method was used for later discretization. The equations that describe the model were first written in the abc natural coordinates and later transformed to the αβ stationary coordinates using the Clarke transform. In order to avoid the intrinsic resonance of the LCL filter, a design of an active damping strategy based on virtual resistor is detailed, as well as the inclusion of this restriction in the predictive control cost function. In addition, disturbances were inserted into electrical grid and techniques in order to mitigate them were proposed and applied. Finally, simulation results are used to validate the proposed method and to show its effectiveness.

Agência 1 No Brasil o número de ablações de membros inferiores realizadas na rede pública de saúde é predominante entre as cirurgias deste tipo, sendo as amputações feitas entre o joelho e a articulação do quadril – designadas amputações transfemurais – as de maior incidência. Equilíbrio e estabilidade passam a ser novos obstáculos após uma cirurgia como esta. A tentativa de compensação da perda do membro faz com que a biomecânica corporal seja afetada; além disso, uma privação da mobilidade do paciente indubitavelmente ocorre, influenciando diretamente a sua qualidade de vida. Ao longo dos anos, as investidas na devolução da qualidade de vida aos pacientes amputados transfemurais ganharam mais forma. Vislumbrando suprir a perda do membro ou, ao menos, atenuar as influências na biomecânica corporal, inúmeras pesquisas têm sido realizadas no campo do desenvolvimento de próteses, inclusive de joelho. As próteses de membros podem ser de três tipos: passiva, semi-ativa e ativa. No fim, o que se pretende é que elas proporcionem ao indivíduo uma experiência próxima ao natural, tanto quanto possível; para tal finalidade, as próteses ativas são as mais eficientes. Os fluidos magneto-reológicos são uma classe de materiais inteligentes, cuja principal característica é passar do estado líquido para semi-sólido por meio da aplicação de um campo magnético. Suas vantagens fazem com que sua utilização seja bastante promissora em diversas aplicações, como nos dispositivos protéticos. O presente estudo traz a elaboração de um sistema de controle de um joelho magnetoreológico que, com a utilização de técnicas de controle preditivo e redes neurais, visa ser posteriormente implementado em uma prótese transfemural ativa. As habilidades de aprendizado, previsão e auto-organização, aliadas à capacidade de predição e garantia de comportamento do sistema dentro do horizonte de previsão, possibilitam o refinamento do controle do sistema. A fim de atestar seu correto funcionamento são feitos os controles de torque e de posição do joelho, que, atuando como sub-sistemas, são responsáveis por assegurar que o motor tenha condições de proporcionar torque suficiente para realização dos movimentos e que a perna possa ser adequadamente posicionada durante todo o ciclo de marcha. Os dois subsistemas, atuando simultânea e compassadamente, garantem que todos os requisitos do sistema sejam satisfeitos. Diferentes arranjos de redes são testados utilizando camadas Long Short-Term Memory, Gated Recurrent Unit e camadas recorrentes simples. Os resultados mostram que o controle do joelho é alcançado fazendo uso das técnicas apresentadas, demonstrando que sua aplicação em próteses é factível e promissora. In Brazil the number of lower limb ablations performed in the public health system is prevalent among surgeries of this type, with transfemoral amputations having the highest incidence. With the loss of a considerable part of a lower limb, body’s balance and stability are drastically affected. The attempt to compensate the loss affects patients’ body biomechanics and the deprivation of mobility directly influences its quality of life. Over the years, efforts to enlarge transfemural amputee patients’ quality of life have grown and numerous researches have been carried out, benefiting prosthetic development that tries to compensate the limb loss or at least to mitigate the influences on body biomechanics. Limb prostheses can be passive, semi-active and active, being the last mentioned the most appropriate to provide an experience very close to the natural one to its users. Magneto-rheological fluids are a class of intelligent materials, whose main characteristic is to change from a liquid to a semi-solid state through the application of a magnetic field. Its advantages make its use very promising in several implementations, such as in the field of prosthetic devices. This study presents the development of a control system for a magneto-rheological knee that aims to be subsequently applied in an active transfemoral prosthesis. The system uses neural networks and predictive control techniques, that brings the skills of learning, forecasting, self-organization, the ability to predict and guarantee the behaviour of the system within the prediction horizon. Together these two techniques enable a refinement of the control system. In order to assure its correct functioning, torque and knee positioning controls are performed, which acting as sub-systems are responsible for ensuring that the engine is able to provide sufficient torque to perform the movements and the leg could be properly positioned during every gait cycle. The two sub-systems acting simultaneously and steadily can guarantee that all system requirements are met. Different network arrangements are tested using Long Short-Term Memory, Gated Recurrent Unit and simple recurrent layers. The results showed that the magneto-rheological knee can be controlled using the techniques presented, which demonstrates its application in real prostheses is feasible and promising.

Orientador: Luz Adriana Alvarez Toro Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química Resumo: Nesse trabalho, uma metodologia prática de sintonia para controladores preditivos (MPC) é introduzida, sendo que nessa os parâmetros de sintonia são obtidos com o uso de funções de sensibilidade. A metodologia atua na função custo do controlador preditivo, sintonizando os parâmetros de priorização dessa relacionados às ações de minimização do erro e de redução do esforço de controle. Embora a metodologia apresente aplicação universal, o controlador utilizado nesse projeto foi do tipo de predição generalizada (GPC), que possui uma presença considerável na indústria em relação a outros. Uma vez que as funções de sensibilidade representam relações chaves na malha de controle, propõem-se sua utilização na forma de índices, capazes de mensurar individualmente a capacidade da metodologia em minimizar o erro, reduzir o esforço ou rejeitar os distúrbios, para a determinação dos parâmetros do sistema. O problema de otimização da sintonia promove a comparação dos índices com valores de referência adequadas para cada ação promovida pelo controlador. Cada ação é acompanhada por uma variável de penalização definida pelo usuário, sendo que a metodologia é balanceada de forma que a interação com essa seja intuitiva. O método é aplicado em sistemas de uma entrada e uma saída (SISO) e de múltiplas entradas e múltiplas saídas (MIMO), sendo que, nesse segundo caso, o conceito de decomposição em valores singulares (SVD) é aplicado para determinar as energias do sistema e promover a sintonia de acordo com o cenário. O método é testado em simulações de problemas típicos da engenharia química, como no controle de um tanque e de um reator CSTR encamisado. Foi observado que a metodologia atuou da maneira esperada, promovendo a minimização do erro, esforço e impacto do distúrbio no sistema de maneira facilmente determinada pelo usuário. Os resultados comprovaram o potencial da metodologia em obter valores adequados para os parâmetros de sintonia ao mesmo tempo que é capaz de ser aplicado de maneira intuitiva e customizada, garantindo a eficiência, praticidade e versatilidade comumente desejada para este tipo de ferramenta matemática Abstract: In this work, a practical tuning methodology for model predictive controllers (MPC) is introduced, in which the control parameters are determined using sensitivity functions. The methodology is focused on the predictive controller¿s cost function, tuning its weighting coefficients related to both error minimization and effort reduction actions. Although the methodology can be applied universally, the controller applied in this project was the generalized predictive controller (GPC), which possesses a considerable presence in the industry, relative to other types. The sensitivity functions represent key relations of the control system. Therefore, we propose their application in the form of indexes capable of individually measuring the methodology capability in minimizing the error, reducing the control effort and rejecting the disturbance, in describing the optimal control parameters. The tuning problem promotes the indexes comparison with reference values adequate for each action promoted by the controller. Each action comes with a numerical weight defined by the user, and the system is balanced, focusing on making the controller¿s usage intuitive. The method is applied both in single-input and single-output (SISO) as well as multiple-inputs multiple-outputs (MIMO) systems, being that, in this second occasion, the concept of singular value decomposition (SVD) is applied to acquire the system energies and promote the tuning according to the scenario. The method is tested through simulations in typical chemical engineering problems, such as the water level in a tank and a jacketed CSTR reactor control. It was observed that the methodology acted as expected, promoting the minimization of error, effort, and disturbance¿s impact in the system in a manner that can be easily determined by the user. The results verified the methodology¿s potential in obtaining desired values for the tuning parameters at the same time it was able to be applied in an intuitive and customizable manner, ensuring the efficiency, practicality and versatility commonly desired for this type of mathematical tool Mestrado Engenharia Química Mestre em Engenharia Química CAPES 33003017034P-8

A utilização de controles preditivos baseados em modelo (MPCs) é uma prática consolidada na indústria de Refino no Brasil, devido a isso, o grupo de pesquisa GIMSCOP/UFRGS criou um projeto em parceria com PETROBRAS e TRISOLUTIONS que desenvolve uma metodologia de análise, diagnóstico e manutenção de MPCs (MPC-ADM), que atualmente está parcialmente implementa dentro da plataforma de gestão de ativos (PGA). O objetivo deste trabalho é fazer uma análise crítica da metodologia existente, propondo melhorias. Parte desta metodologia já implementada no software é apresentada e detalhada no corpo deste trabalho, bem como é aplicada em uma unidade de tratamento de gasolina, que é brevemente apresentada. O controlador preditivo do estudo de caso é dividido em dois subsistemas com comportamento multivariável. A metodologia analisada visa por meio de índices avaliar os MPCs e com um gráfico de diagnóstico formado pelos mesmos pretende fazer um diagnóstico preliminar dos controladores. A metodologia apresentada mostrou-se promissora na análise feita, porém, alguns ajustes foram propostos para melhorá-la. Um novo cálculo de banda sobre faixas operacionais é proposto, bem como a utilização de valores reais para CVs e não targets. Em forma de metodologia um gráfico de diagnóstico dinâmico é proposto, além de ferramentas que capturem a variabilidade encontrada em alguns períodos analisados. Nos resultados alguns ajustes nos subsistemas também são propostos de forma a melhorar sua controlabilidade operacional. The use of model predictive controls (MPCs) is a consolidated practice in the Refining industry in Brazil, due to this, the research group GIMSCOP / UFRGS created a project in partnership with PETROBRAS and TRISOLUTIONS that develops an methodology for assessment/analysis, diagnosis, and maintenance of MPCs, which is called MPC-ADM and is partially implemented on a platform call “Plataforma de gestão de ativos” (PGA). The objective of this work is to make a critical analysis of the existing methodology, proposing improvements. Part of it already implemented in the software is presented and detailed in this dissertation. The methodology is validated in a gasoline treatment unit, which is briefly presented. The predictive controller of the case study is divided into two subsystems with multivariable behavior. The analyzed methodology aims to evaluate the MPCs by indexes and with a diagnostic diagram, which allows to make a previous diagnosis of the controllers. The presented methodology proved to be promising in the real industrial case study. However, some adjustments were proposed to improve it. A new calculation of band over operational ranges is proposed, as well as the use of real values for CVs and non-targets. Here, an extension version of the dynamic diagnosis diagram is proposed, in addition to tools that capture the variability found in some analyzed periods. In the results, some adjustments in the subsystems are also proposed to improve their operational controllability.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2020. Motivado pelo advento de novas aplicações empregando sistemas de comunicação sem fio que careçam de baixa latência e que sejam ultra confiáveis, e ao mesmo tempo exigindo a capacidade de transmissão de pacotes curtos, apresentamos um método que reduz o consumo de recursos para controle em tempo real de sistemas físicos. Tirando proveito da estreita relação entre os sistemas de controle e comunicação, usamos controle preditivo em pacotes (PPC), juntamente com uma técnica chamada Redundância Incremental, objetivando a redução do consumo de energia dos pacotes transmitidos através da otimização da potência de transmissão e do comprimento de predição do controlador. Os resultados mostram que a estratégia proposta pode economizar até 45% dos recursos quando comparada a um método do estado da arte. Abstract: Motivated by new wireless applications that rely on ultra-reliable low latency communications, while supporting the transmission of short packets, we introduce a method that reduces the wireless resources consumption for real-time control of physical systems. Leveraging the tight interaction between control and communication systems, we make use of packetized predictive control along with incremental redundancy hybrid automatic repeat request, aiming at minimizing the energy consumption of a packet by optimizing the transmit power and prediction length of the controller. Our results show that the proposed strategy can save up to 45% of wireless resources when compared to a state-of-the-art method.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2020. Este trabalho propõe uma estrutura de controle preditivo de cômputo rápido com atualização online do modelo de acordo com variações paramétricas do processo. O controlador proposto é baseado no algoritmo de Controle Preditivo Generalizado (GPC, do inglês Generalized Predictive Control) e integra o método de identificação de mínimos quadrados recursivo com fator de esquecimento variável para estimar a cada iteração os parâmetros de um modelo linear usado para predição de múltiplos instantes à frente. Para um sistema com restrições nas variáveis de processo, o problema de otimização resultante do GPC é solucionado usando programação quadrática baseada no Método dos Multiplicadores por Direção Alternada, o qual permite obter o sinal de controle com baixo esforço computacional. Com o intuito de avaliar o desempenho da abordagem proposta, são apresentados três estudos de caso experimentais: controle de um filtro RC ativo, controle de velocidade de um motor de corrente contínua e controle da pressão de descarga de um compressor hermético de refrigeração. Em todos os casos considerados, o algoritmo proposto é embarcado em um microcontrolador ARM® com núcleo Cortex-M7. Os resultados experimentais são comparados com a formulação tradicional do GPC e mostram que a estrutura de controle preditivo adaptativo rápido proposta é capaz de manter quase a mesma resposta transitória para todos os pontos de operação considerados no cenário de controle escolhido, enquanto que o GPC regular apresenta grandes oscilações em condições de operação distantes daquela para a qual o modelo nominal é obtido. Mesmo que o controlador precise resolver dois problemas de otimização a cada período de amostragem, ele pode ser executado pouco mais de 200 vezes por segundo no microcontrolador usado neste estudo. Abstract: This work proposes a fast predictive control structure with online model update according to the process parametric variations. The proposed controller is based on the Generalized Predictive Control (GPC) algorithm, and integrates the recursive least squares identification method with a variable forgetting factor to estimate at each iteration the parameters of a linear model used to multi-step ahead prediction. For a system with constraints on the process variables, the resulting optimization problem of GPC is solved using quadratic programming based on the Alternate Direction Method of Multipliers, which allows the control signal to be obtained with small computational effort. In order to assess the performance of the proposed approach three experimental case studies are presented: control of an active RC filter, speed control of a direct current motor, and control of the discharge pressure of a hermetic refrigeration compressor. For all the cases considered in this study, the proposed algorithm is implemented in an ARM® microcontroller with Cortex-M7 core. Experimental results use as baseline the GPC with fixed model parameters and show that the proposed fast adaptive predictive control structure is able to keep almost the same transient response for all considered operating points in the chosen control scenario, while traditional GPC presents high oscillations at operating conditions far from that for which the nominal model is obtained. Even though the controller needs to solve two optimization problems at each sampling period, the algorithm can be run more than 200 times in a second in the microcontroller used in this study.

Resumen Se presenta el diseño e implementación de un sistema de control predic tivo/adaptativo, utilizando técnicas de ingeniería neuronal para controlar un sistema MIMO no lineal con el objeto de controlar, en una etapa posterior, la temperatura y el nivel en una planta no lineal de tipo cónica. Preliminarmente, se ensayaron estructuras de control convencional lo que hizo surgir la necesidad de probar estructuras de control inteligente que permitan cumplir más eficazmente con los objetivos de control. El proceso se inicia con la experimentación de diferentes estructuras de control neuronal, para luego escalar hacia un sistema de control neuronal predictivo/adaptativo. Los resultados logrados a nivel simulación, ensayando el diseño propuesto sobre modelos matemáticos de sistemas MIMO no lineales, fueron satisfactorios y cumplieron los objetivos de control establecidos, por tanto, en la siguiente etapa del proyecto, se estima la experimentación en la planta real en estudio. Abstract The design and implementation of a predictive/adaptive control system is presented, using neural engineering techniques to control a non-linear MIMO system in order to control, at a later stage, the temperature and level in a non-linear conical plant. Preliminarily, conventional control structures were tested, which gave rise to the need to test intelligent control structures that allow the control objectives to be met more effectively. The process begins with the experimentation of different neuronal control structures, and then escalates to a predictive/adaptive neuronal control system. The results achieved at the simulation level, testing the proposed design on mathematical models of non-linear MIMO systems, were satisfactory and met the control objectives established, therefore, in the next stage of the project, the experimentation is estimated in the real plant under study. Resumo Apresenta-se a criação e a implementação de um sistema de controle preditivo/adaptativo utilizando técnicas de engenharia neural para controlar um sistema MIMO não linear com o objetivo de controlar, em uma etapa posterior, a temperatura e o nível em uma planta não linear de tipo cônica. Preliminarmente, estruturas de controle convencional foram ensaiadas, o que fez com que surgisse a necessidade de testar estruturas e controle inteligente que permitissem cumprir os objetivos de controle de forma mais eficaz. O processo começa com a experimentação de diferentes estruturas de controle neural, para depois escalar em direção a um sistema de controle neural preditivo/adaptativo. Os resultados alcançados na simulação, ensaiando o desenho proposto sobre modelos matemáticos de sistemas MIMO não lineares, foram satisfatórios e cumpriram os objetivos de controle estabelecidos, portanto, na seguinte etapa do projeto, estima-se realizar a experimentação na planta real em estudo.

This work reports the integration of Real Time Optimization and Model Predictive Control in the multi-layer control structure of an existing Crude Distillation Unit (CDU) of an oil refinery. The MPC considers output control zones and targets for the inputs or outputs. Both the infinite horizon and the finite output horizon controllers were tested. The plant results show that the infinite horizon controller tends to perform similarly or better then the finite horizon MPC when the CDU system needs to operate at quite different conditions. Although the dynamic layer based on the infinite horizon controller is nominally stable for any set of tuning parameters, in practice, it is observed that the interaction between the layers of the control structure associated to model uncertainty may result in oscillations in some variables that fail to converge to the optimum operation point. This problem can be solved with the retuning of the intermediary layer (target calculation layer), which indicates that the frequent tuning of the MPC is recommended and should be performed in conjunction with tuning of the intermediary layer.

Esta tese apresenta técnicas de controle preditivo robusto baseado em modelo aplicadas a sistemas lineares com saltos Markovianos a tempo discreto. Dois cenários de controle são tratados. No primeiro cenário desenvolve-se uma solução de controle que minimiza o valor esperado de um custo quadrático de horizonte infinito. Como subproduto nesta etapa, obtém-se estabilidade em média quadrática para dois casos: i) sem restrições e, ii) com restrições rígidas na entrada de controle e no estado. No segundo cenário de controle, trata-se da minimização do valor esperado de um custo quadrático de horizonte finito. Neste caso, considera-se a presença de ruído aditivo estocástico e contempla-se também restrições que são impostas sobre o segundo momento do estado e da variável de controle. Para ambos os cenários são apresentados experimentos numéricos que ilustram as técnicas propostas. In this thesis, robust model predictive control techniques applied to discrete-time Markov jump linear systems are introduced. Two control scenarios are addressed. In the first scenario, it is developed a control solution that minimizes the expected value of an infinite-horizon quadratic cost. As a byproduct, mean square stability is obtained under two cases: i) without constraints, and ii) with constraints on control input and state. The second control scenario considers the minimization of the expected value of quadratic finite-horizon cost. This scenario considers not only stochastic additive noise, but also constraints that are imposed on the second moment of both state and control. Numerical experiments illustrate the results for both scenarios.

CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico Esta pesquisa objetiva investigar e projetar um sistema de controle baseado na Augmentação Estocástica com Horizonte de Predição Estendido com 10-passos à frente, em que a agumentação consiste na junção das características de um controlador linear com um controlador preditivo estocástico, resultando em um sistema de controle com garantias de robustez com características preditiva, linear e estocástica. Para aplicação da Augmentação Estocástica, os controladores escolhidos são, o controlador PID clássico e o controlador GMV incremental, os quais são augmentados, resultando em um controlador com horizonte de predição estendido, o controlador AEHP. De modo que, o controlador PID clássico no domínio de tempo discreto é comparado com o controlador preditivo AEHP. Ambos os controladores são testados em um processo de bancada, por simulação, que representa a dinâmica de um helicóptero, sendo este denominado Helicóptero 2DOF (H2DOF), fabricado pela empresa Quanser. O H2DOF é um sistema multivariável, cujo modelo no espaço de estado é transformado para a forma de função de transferência, gerando dois sistemas SISO, um para o ângulo de arfagem e outro para o ângulo de guinada, em que as influências do acoplamento são consideradas para o sistema. A transformação para função de transferência reduz a complexidade do sistema multivariável, permitindo a utilização de uma lei de controle mais simples. Além disso, é realizado o emparceiramento de entrada e saída, para verificar qual entrada é mais sensível a uma determinada saída, por meio do método da matriz de ganhos relativos. E para a comprovação da eficiência do sistema de controle baseado na Augmentação Estocástica com Horizonte de Predição Estendido, são realizados testes por simulação no ambiente de software da MathWorks®, sendo estes, teste de desempenho dos horizontes de predição, acoplamento do sistema, perturbação de carga na saída e perturbação gaussiana. Em que, os testes são avaliados por meio de índices de desempenho e robustez. De forma que, o controlador preditivo AEHP, obteve os melhores resultados para maioria dos índices de desempenho com garantias de robustez, se comparado com o controlador PID clássico no domínio de tempo discreto. The objective of this research was to investigate and design a control system based on the Stochastic Augmentation with Extended Prediction Horizon using 10-steps ahead, consisting of the union of characteristics of a linear deterministic controller with a stochastic predictive controller, resulting in a control system with guaranteed robustness and with predictive, linear, and stochastic characteristics. For the application of the Stochastic Augmentation, the chosen controllers were the classic PID and the GMV in its incremental form, where the former was augmented resulting in a controller with extended prediction horizon, the AEHP. The classic PID controller in the discrete time domain is compared to AEHP. Both controllers were tested in simulations with a process model that represents the dynamics of a helicopter, denominated 2DOF Helicopter (H2DOF), produced by the Quanser company. The H2DOF is a multivariable system, whose model in the state space is transformed to the transfer function form, generating two coupled subsystems, one for the pitch angle and other to the yaw angle, in which the couplings influence were considered as disturbances in the controllers design stage. The transformation of the system model to the transfer function form reduced the complexity of multivariable system in the state space, allowing the use of a more simple control law. Furthermore, it was performed the pairing of input and output, to verify what output was more sensible the one specific input, by means of Relative Gain Array. And to prove the control system efficiency based in the Stochastic Augmentation with extended prediction horizon, simulations were realized using the software Matlab®, assessing the performance of extended prediction horizon, enduring the coupled dynamics, facing load disturbances and Gaussian disturbances. The essays were evaluated by robustness and performance indices. The predictive AEHP controller obtained better results for most indices with guaranteed robustness, compared to the discrete-time PID controller.

Submitted by JOSIANE SANTOS DE OLIVEIRA (josianeso) on 2020-02-17T13:21:28Z No. of bitstreams: 1 Cristian Figueiredo dos Santos_.pdf: 6567517 bytes, checksum: 1fe4600d563c6bb5c16dab697032613e (MD5) Made available in DSpace on 2020-02-17T13:21:28Z (GMT). No. of bitstreams: 1 Cristian Figueiredo dos Santos_.pdf: 6567517 bytes, checksum: 1fe4600d563c6bb5c16dab697032613e (MD5) Previous issue date: 2019-09-23 HT Micron O presente trabalho apresenta o desenvolvimento de um sistema de controle avançado em nível de aplicação visando melhorias nos níveis de consumo energético nas instalações das salas limpas do instituto itt-Chip/Unisinos. Sistemas HVAC (Heating Ventilation and Air Conditioning) são responsáveis por grande parcela no custo de produção de semicondutores por conta da necessidade do controle de temperatura, umidade e pressão interna dos ambientes controlados. Além disso, grande parte das edificações do mundo necessitam de sistemas de climatização, realizados por sistemas HVAC em uma versão simplificada. Por conta do grande potencial de contribuição ao mercado de semicondutores, foi desenvolvido um sistema de controle preditivo multivariável em nível de aplicação visando o atendimento das especificações de controle requeridas pelas salas limpas do instituto tecnológico. De modo a obter-se a síntese do controlador preditivo, foi necessária uma prévia avaliação do sistema de controle original, caracterização dos processos e modelagem paramétrica a partir de ensaios de resposta. Uma aplicação de Simulink® foi desenvolvida com as bibliotecas de MPC (Model Predictive Control) e OPC® (Open Platform Communications) para processamento das leis de controle e comunicação com os atuadores através dos controladores lógicos programáveis locais. Em nível de aplicação foram desenvolvidos ensaios do comportamento servo e regulatório do controlador preditivo e a avaliação de um indicador de consumo energético (ECI) como forma de comparação entre o controle legado PID do itt-Chip e a nova estratégia de controle avançada implementada. Os resultados indicaram um bom comportamento servo e regulatório do controle MPC e uma redução no indicador de consumo energético que pode variar entre 80 e 90%, dependendo da sintonia escolhida para o controle preditivo. This work presents the development of an advanced, application-level control system, aimed at improving energy consumption levels in the itt-Chip / Unisinos cleanroom facilities. Heating Ventilation and Air Conditioning (HVAC) systems account for a large portion of semiconductor production costs due to the need for temperature, humidity and internal pressure control of controlled environments. Considering that most of the world’s buildings require climate control systems, there is a need for simplified HVAC systems. To address the great potential for new contributions to the semiconductor market, an application-level, multivariable predictive control system was developed to meet the control specifications required by the clean rooms of the technological institute. To obtain the synthesis of the predictive controller, an evaluation of the original control system was necessary, including process characterization and parametric modeling from response test analysis. A Simulink® application was developed using Model Predictive Control (MPC) and Open Platform Communications (OPC®) toolboxes for processing control laws and communication with actuators through local programmable logic controllers. At the application level, servo and regulatory behavior tests of the predictive controller, and the evaluation of an energy consumption indicator (ECI) were developed to compare the itt-Chip PID legacy control and the new advanced control strategy was implemented. The results indicated a good servo and effective regulatory behavior of the MPC control, and a reduction in energy consumption where the indicator read values between 80 and 90%, depending on the tuning chosen for the predictive control.

Submitted by Natasha Valladão (natashasilvaa4@gmail.com) on 2021-01-29T14:42:53Z No. of bitstreams: 1 LucasFerreiraBernardino-min.pdf: 6666505 bytes, checksum: e7769d1ac5c3a10538630eb7ab6499c2 (MD5) Made available in DSpace on 2021-01-29T14:42:53Z (GMT). No. of bitstreams: 1 LucasFerreiraBernardino-min.pdf: 6666505 bytes, checksum: e7769d1ac5c3a10538630eb7ab6499c2 (MD5) Previous issue date: 2019-08 A exploração de campos com alto conteúdo de CO2 é desafiadora, devido ao baixo valor agregado e ao impacto ambiental associado a este componente. Nesse contexto, um uso importante para o CO2 gerado é sua reinjeção no reservatório, e a separação submarina de CO2 resulta em um processamento mais eficiente. O prognóstico é uma atividade chave nesse processo, devido à necessidade de minimizar intervenções nos equipamentos. O objetivo principal deste trabalho é investigar aspectos do controle consciente da saúde de um sistema de separação submarina de CO2. O modelo do sistema considerado, que consiste em um sistema de equações algébricodiferenciais, foi adaptado da literatura. Todas as simulações foram realizadas utilizando bibliotecas desenvolvidas pelo autor, baseadas nos métodos das bibliotecas Scipy e Assimulo. Um estado estacionário de referência foi obtido para as condições de projeto, e as funções de transferência em tempo contínuo foram identificadas a partir dos dados de resposta ao degrau. Os modelos identificados foram utilizados em um controlador preditivo, e simulações em malha fechada foram realizadas para avaliar a sintonia do controlador. No sentido de prognóstico, um modelo estocástico de degradação de bomba multifásica, sensível às condições de operação do processo, foi proposto, e um filtro de partículas foi implementado para estimação online do estado de degradação e predição do tempo de vida útil. Por fim, um controlador consciente da saúde foi projetado, e foram investigadas algumas dificuldades na combinação dos objetivos de extensão de vida útil e de controle. Os resultados obtidos indicam que o tratamento do problema de controle consciente da saúde sob a teoria de otimização multiobjetivo pode trazer resultados mais satisfatórios, assim como abordar a extensão de vida útil em uma camada de otimização. The exploitation of fields with high CO2 content is challenging, due to the low economic value and the environmental impact associated with this component. In this context, a significant use for the generated CO2 is its reinjection into the reservoir, and subsea CO2 separation allows for more efficient processing. Prognostics is a key activity in this process, due to the necessity of minimizing intervention in equipment. The main objective of this work is to investigate the health-aware control of a subsea CO2 separation system. The considered system model, which consists of a differential-algebraic equation system, was adapted from the literature. All simulations were performed using libraries developed by the author, based on methods from the Scipy and Assimulo libraries. A reference steady state was obtained for the design conditions, and continuous-time transfer functions were identified from step response data. The identified models were used in a predictive controller, and closed-loop simulations were performed to evaluate the controller tuning. In the sense of prognostics, a stochastic model of multiphase pump degradation, sensitive to the process operating condition, was proposed, and a particle filter was implemented to perform online degradation state estimation and remaining useful lifetime prediction. At last, a health-aware controller was designed, and some difficulties in combining reference tracking and lifetime extension objectives were investigated. The obtained results indicate that dealing with the health-aware control problem through the multiobjective optimization theory and addressing the useful lifetime extension in an optimization layer may result in more satisfactory results.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) Durante a vida produtiva da maioria dos poços de gás ocorre um acúmulo de líquidos no fundo do poço que causa uma pressão contrária à vazão do reservatório, reduzindo a produção do poço, podendo até, em casos extremos, interromper completamente a produção. Dessa forma, um dos possíveis métodos de elevação artificial para solucionar este problema é representado pelo Plunger Lift. Consiste em uma técnica de baixos custos de instalação e manutenção que utiliza um pistão para, dentre outros usos, aumentar a eficiência de remoção de líquidos do sistema. No entanto, este método necessita de um controlador bem ajustado para definição apropriada dos períodos de abertura e fechamento de uma válvula motora instalada na cabeça do poço para regulagem da produção. O controle preditivo é uma técnica que pode ser aplicada para realizar tal tarefa, realizando predições do comportamento futuro da planta a fim de obter seu desempenho ótimo. Neste trabalho, foi realizada a implementação e aplicação de um controlador preditivo linear a um poço simulado operando por Plunger Lift. Os resultados do controle foram comparados com versões convencionais de controle de Plunger Lift existentes na indústria de petróleo através de análise gráfica e de observação de parâmetros de desempenho. O controlador preditivo obteve melhores resultados quanto ao controle de velocidade média de subida do pistão e de produção acumulada de óleo e gás. During the productive life of most gas wells there is an accumulation of liquid at the bottom of the well which causes a pressure contrary to the flow of the reservoir, reducing the production of the well. This way, one of the possible artificial lift methods to solve this problem is represented by the Plunger Lift. It consists of a low-cost installation and maintenance technique that uses a piston to, among other uses, increase the efficiency of liquid removal from the system. However, this method requires a well-adjusted controller to appropriately define the opening and closing periods of a motor valve installed in the wellhead for production control. Model predictive control is a technique that can be applied to perform such a task, performing predictions of the future behavior of the plant in order to obtain its optimum performance. In this work, the implementation and application of a linear predictive controller to a simulated well operated by Plunger Lift was performed. The controller was applied under different conditions of draining ability, with and without, of the gas present in the annular space. The control results were compared with conventional versions of Plunger Lift control in the oil industry through graphical analysis and observation of performance parameters. The MPC controller obtained better results regarding the control of the average speed of plunger ascent and accumulated production.

A predição de proteínas em dados de bioinformática é um exemplo de problema de Classificação Hierárquica Multirrótulo no qual cada instância pode estar associada a múltiplas classes, e estas por sua vez, estão organizadas em uma hierarquia. A alta dimensionalidade dos atributos e das classes influencia no desempenho dos classificadores, tanto no custo computacional quanto na capacidade preditiva, pois prejudica a busca por padrões e descoberta de conhecimento útil. A extração de atributos é uma das técnicas utilizadas para alcançar a redução de dimensionalidade em base de dados, e assim eliminar atributos irrelevantes e/ou redundantes que tendem a confundir um algoritmo de aprendizagem. Nessa técnica, por meio de combinações e/ou transformações dos atributos originais, geram-se novos atributos, mais significativos e que melhor representam a base de dados, em um espaço de menor dimensão. Desse modo, neste trabalho propõe-se um novo método de extração de atributos, FEAE-HMC, para classificação hierárquica multirrótulo, baseado em conceitos e técnicas de Deep Learning, por meio de adaptações em uma rede Autoencoder clássica. O método FEAE-HMC é dividido em duas etapas principais: a extração de atributos e a avaliação do conjunto de dados reduzido por meio de um classificador hierárquico multirrótulo (Clus-HMC e MHC-CNN) e sua medida de desempenho (AUPRC). Para a realização dos experimentos são utilizados dados biológicos de 10 bases de dados da Ontologia Gênica, sendo que as classes das mesmas estão estruturadas em uma hierarquia no formato de um Grafo Acíclico Dirigido (DAG). Conforme os resultados experimentais, o método FEAE-HMC se mostrou capaz de extrair representações de menor dimensão, que podem agregar correlações entre os atributos e rótulos. Essas representações, quando submetidas a um Classificador Hierárquico Multirrótulo, geram modelos nos quais se obtêm o desempenho preditivo equivalente e até mesmo superior ao desempenho da base original. A diferença obtida entre a medida AUPRC da base completa e uma base reduzida, com uma redução de até 90% da dimensionalidade original, é inferior a 0,047 em ambos classificadores. Testes estatísticos demonstram que as bases reduzidas extraídas pelo FEAE-HMC, são no mínimo estatisticamente equivalentes as bases originais. Protein prediction in bioinformatics data is an example of a Hierarchical Multilabel Classification problem in which each instance can be associated with multiple classes, which in turn are organized in a hierarchy. The high dimensionality of attributes and classes influences the performance of the classifiers, both in computational cost and in predictive capacity, as it impairs the search for patterns and the discovery of useful knowledge. Feature Extraction is one of the techniques used to achieve dimensionality reduction in databases, and thus eliminate irrelevant and/or redundant attributes that tend to confuse a learning algorithm. In this technique, by means of combinations and/or transformations of the original attributes, new attributes, which are more significant and represent the database, are generated in a smaller space. Thus, this work proposes a new method of feature extraction, FEAE-HMC, for the hierarchical multi-label classification, based on concepts and techniques of Deep Learning, through adaptations in a classic Autoencoder network. The FEAE-HMC method is divided into two main steps: the feature extraction and the evaluation of the reduced data set using a hierarchical multi-label classifier (Clus-HMC and MHC-CNN) and its performance measure (AUPRC). To perform the experiments, biological data from 10 Genetic Ontology databases are used, and their classes are structured in a hierarchy in the form of a Directed Acyclic Graph (DAG). According to the experimental results, the FEAE-HMC method was able to extract representations of smaller dimension that can add correlations between the attributes and labels. These representations, when submitted to a Hierarchical Multi-label Classifier, generate models with predictive performance equivalent or even superior to the performance of the original base. The difference between the full-base AUPRC measurement and a reduced base with a reduction of up to 90% of the original dimensionality is less than 0.047 in both classifiers. Statistical tests show that the reduced bases extracted by the FEAE-HMC are at least statistically equivalent to the original bases.

Esta tesis trata sobre un proyecto de diseño de un Sistema de Gestión de Energía (SGE) que utiliza Modelo de Control Predictivo (MPC) para equilibrar el consumo de energía renovable con electrolizadores productores de hidrógeno. La energía generada se equilibra regulando el punto de operación y las conexiones de los electrolizadores usando un MPC basado en un algoritmo de Programación Mixta-Entera Cuadrática. Este algoritmo MPC permite tener en cuenta previsiones de energía, mejorando así el equilibrio y reduciendo el número de encendidos de los equipos. Se han realizado diferentes casos de estudio en instalaciones compuestas por unidades de generación de energía eléctrica a partir de energía renovable. Se considera la técnica de ósmosis inversa como paso intermedio para la producción de agua que alimenta a los electrolizadores. La validación se realiza utilizando datos meteorológicos medidos en un lugar propuesto para el sistema, mostrando el funcionamiento adecuado del SGE desarrollado., Departamento de Ingeniería de Sistemas y Automática, Doctorado en Ingeniería Industrial

Neste trabalho propõe-se a implementação de duas estratégias de controle. A primeira é chamada de Controle Preditivo baseado em Modelos de Estados Finitos (M PC – Model Predictive Control) e a segunda é o Controlador Linear Tipo Proporcional-Integral (PI) associado as técnicas de modulação PWM (Pulse Width Modulation). O MPC, até então, não foi analisado para o Inversor de Fonte Dividida (SSI - Split Source Inverter). A estratégia de controle MPC escolhida é a de Conjunto Finito (FS-MPC - Finite Set MPC) considerando a análise do SSI trifásico conectado à rede. O controlador proposto implementa, através de um algoritmo, o modelo discreto do inversor fonte dividida para prever o comportamento futuro das correntes de entrada e saída para cada estado de comutação. A ação de controle é definida minimizando uma função custo que possui como parâmetros as amostras destas correntes, anteriormente citadas. Com relação ao Controlador PI são demonstradas a modelagem das malhas de controle das variáveis de tensão e correntes. Ainda, são evidenciados os critérios de projeto dos ganhos dos controladores e a modelagem das técnicas PWM. O SSI foi recentemente proposto como uma opção alternativa ao Inversor Fonte de Impedância (ZSI - Z Source Inverter), comumente usado. Esta topologia une a etapa de elevação e inversão de tensão em um único estágio e requer o mesmo número de chaves ativas dos inversores fonte de tensão (VSI – Voltage Source Inverter) convencionais, três diodos adicionais, dois elementos passivos (C e L) e os mesmos oito estados de comutação. O desempenho das estratégias de controle propostas são validadas através dos resultados de simulação. Palavras-chave: Controle Preditivo baseado em Modelos de Estados Finitos, Inversores Fonte de Impedância, Inversor Fonte Dividida. This paper proposes the implementation of two control strategies. The first one is called Predictive Control based on Finite State Models (MPC) and the second is the Proportional Integral Linear Controller (PI) associated with the PWM (Pulse Width Modulation). The MPC, to date, has not been analyzed for the Split Source Inverter (SSI). The chosen MPC strategy of control is a Finite Set (FS-MPC - Finite Set MPC) considering a three-phase SSI analysis connected to the grid. The proposed controller implements, through an algorithm, the discrete model of the split source inverter to predict the future behavior of the input and output currents for each switching state. The control action is defined minimizing a cost function that has as parameters the samples of these currents, previously mentioned. In relation to the PI Controller, the modeling of the control meshes of the voltage and current variables is demonstrated. Also, the design criterion are highlighted of controller gains and the modeling of PWM. The SSI was recently constructed as an alternative option for commonly used Impedance Source Inverter (ZSI). This top ology joins the stage of voltage rise and inversion in a single stage and requires the same number of active switches from the conventional Voltage Source Inverters (VSI ), three additional diodes, two passive elements (C and L) and the same eight switching states. The performance of the proposed control strategies are validated through simulation results. Key-words: Predictive Control based on Finite State Models, Impedance Source Inverter, Split Source Inverter.

Shape Memory Alloys are intelligent materials and can be used as actuators in many situations. The control of Shape Memory Alloys actuators may be challenging due to the non-linear and hysteretic behavior of this type of material. This way, the use of Artificial Neural Networks is a interesting tool to work as sensor and to implement the control of Shape Memory Alloys actuators. Studies with Shape Memory Alloys springs have been conducted to understand the phase transformation phenomenon in order to implement a control strategy. Electric resistance feedback has been used as sensor element, and an Artificial Neural Network has been developed to learn the relationship between the electric resistance and the force applied by the spring. Besides, an actuation circuit has been developed and an Extended Kalman Filter has been designed to estimate the state variables of the system. Finally, a neural network based predictive control strategy has been proposed and its results have been shown.The use of Artificial Neural Networks were efficient both as sensor and as model into the predictive controller. In addition, the force applied by the Shape Memory Alloy springs has satisfactorily converged to the reference values of force in the closed loop controlled system. Nenhuma Ligas de memória de forma são materiais inteligentes e que podem ser utilizados como atuadores em diversas situações. O controle de atuadores de liga de memória de forma, porém, pode ser desafiador devido à não-linearidade e comportamento histerético deste tipo de material. Nesse sentido, o uso de Redes Neurais Artificiais torna-se um artifício interessante em termos de sensoreamento e controle dos atuadores de liga de memória de forma. Foi realizado um estudo com molas feitas de Ligas de Memória de Forma, visando maior compreensão dos fenômenos físicos de transformação de fases para controle desse tipo de atuador.Ousodaresistênciaelétricacomoelementosensorpararealimentaçãofoi proposto, e uma Rede Neural Artificial foi projetada para aprendizagem da relação entre aresistênciaelétricaeforçaexercidapelamoladeLigadeMemóriadeForma.Alémdisso, um circuito de acionamento foi desenvolvido e foi projetado um Filtro de Kalman para estimação das variáveis a serem utilizadas no controle do atuador. Porfim, um método de controle baseado em Redes Neurais foi proposto e seus resultados foram mostrados. O uso de Redes Neurais foi eficiente tanto em termos de sensoreamento quanto em termos de controle. Além disso, a força aplicada pelas molas de Liga de Memória de Forma convergiu de forma satisfatória para os valores de referência no sistema em malha fechada.

Submitted by ISMAEL DA SILVA PENA (ismael.pena@unesp.br) on 2019-03-17T17:25:39Z No. of bitstreams: 1 tese_Pena_final_arq.pdf: 2086196 bytes, checksum: 089f37ebb2ddff60e5e95a648fb8f935 (MD5) Approved for entry into archive by Paula Torres Monteiro da Torres (paulatms@sjrp.unesp.br) on 2019-03-20T15:56:39Z (GMT) No. of bitstreams: 1 pena_is_dr_sjrp_par.pdf: 640257 bytes, checksum: 085a70dc69475e2d57e3f2aeaa8374ea (MD5) Made available in DSpace on 2019-03-20T15:56:39Z (GMT). No. of bitstreams: 1 pena_is_dr_sjrp_par.pdf: 640257 bytes, checksum: 085a70dc69475e2d57e3f2aeaa8374ea (MD5) Previous issue date: 2019-02-22 Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) Esta tese consiste na investigação de um paradigma de controle para a gestão coordenada de recursos na agricultura em um contexto em que diversas unidades de produção, que buscam o máximo retorno econômico em cada ciclo de produção, são articuladas de forma a garantir a sustentabilidade ambiental e econômico-social de longo prazo. Para isso, utiliza-se um esquema de controle com dois níveis, em que no nível inferior são resolvidos problemas de controle ótimo com restrições para cada uma das unidades de produção e, no nível superior utiliza-se um novo paradigma de Controle Preditivo para promover a coordenação global no sentido de assegurar a sustentabilidade ambiental no longo prazo. A novidade deste esquema de Controle Preditivo com relação aos convencionais consiste no fato de que o modelo do sistema dinâmico associado não está definido a priori, mas surge das decisões de gestão e controle de cada uma das unidades de produção. Além do estudo de algumas propriedades importantes, demonstra-se a existência de solução global que resulta da convergência do esquema global, assim como a estabilidade assintótica do mesmo. This Thesis consists of investigating a control paradigm for coordinated management of agricultural resources in a context where a number of production units, which seek the maximum economic return in each production cycle, are articulated to guarantee environmental, social and economic development. For this, a two-level control scheme is proposed, where at the lower level, optimal control problems with constraints are solved for each of the production units, and on the upper level, a new Model Predictive Control (MPC) paradigm is used to promote global coordination to ensure long-term environmental sustainability. The novelty of this MPC scheme over conventional ones is that the associated dynamic system model is not defined a priori, but arises from the management and control decisions made by each of the production units. Besides the study of some important properties for this problem formulation, it is demonstrated the existence of a global solution that results from the convergence of the global scheme, as well as of its asymptotic stability. 2013/25135-6

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2019. Esta dissertação de mestrado apresenta a modelagem de um processo de geração de energia solar térmica e o algoritmo de controle avançado aplicado ao modelo para maximizar a eficiência energética. É simples encontrar na literatura bons modelos de cada equipamento do processo de energia solar, porém não são encontrados muitos artigos que focam na modelagem de todo o processo, especialmente o processo utilizado neste trabalho, com um sistema de geração indireta de calor, que contém: um campo de coletores solares, dois tanques de armazenamento, um aquecedor a gás, um gerador de vapor, uma turbina a vapor, um gerador de potência elétrica e um condensador. Assim, uma modelagem completa de cada subsistema foi realizada e todos os modelos foram reunidos para simular o processo completo. É importante ter uma modelagem satisfatória do sistema, para que a mesma descreva a sua dinâmica, mas que não seja complexa demais para simula¸cão em um computador pessoal ou em um microcontrolador. O modelo do sistema é essencial, especialmente devido à técnica de controle usada para controlar o sistema: Modelo Preditivo Baseado em Modelo, MPC, que usa a predição da saída do sistema, baseada no seu modelo, para calcular a a¸cão de controle. MPC foi usado para controlar o processo com a intenção de otimizar a energia gerada pelo sistema. Uma máquina de estados também foi implementada para a decisão de quais equipamentos devem estar ligado, dependendo da sua condi¸cão de temperatura, com o objetivo de evitar o consumo desnecessário de energia. Resultados de simula¸cão com dados reais medidos de uma simula¸cão de quinze horas são apresentados para retratar como a máquina de estados e as estratégias de controle escolhidas funcionam no modelo selecionado. Duas simulações diferentes são feitas: primeiro, o processo é simulado com seus controladores locais, na segunda simula¸cão são adicionados MPC para otimizar a energia gerada, manipulando a pressão de referência do gerador de vapor, a abertura da válvula da turbina a vapor e a potência aplicada pelo aquecedor a gás. Os resultados da modelagem são satisfatórios, assim como o dos controladores, seguindo a referência desejada e gerado a energia necessária. Abstract: This master?s dissertation presents a modelling of a solar thermal energy generation process and the advanced control algorithm applied to it to maximize energy efficiency. It is easy to find in the literature a good model for each subsystem of a solar energy process, but there aren?t many articles which focus on the modelling of the whole process, especially the one used in this work, with indirect solar heating system: a solar collector field, two storage tanks, a gas heater, a steam generator, a steam turbine, an electricity generator and a condenser. Thus, a complete modelling of each subsystem was conducted and brought together to simulate the entire process. It is important to have a satisfactory modelling of the system, so that it describes its dynamics, but which is not too complex to simulate on a personal computer or a microcontroller. The system?s model is essential especially because of the control technique used to control the system: Model Predictive Control, MPC, which uses the prediction of the system?s output based on its model to calculate the control law. MPC was used to control the process with the intent to optimize the energy generated by the system. Also, a state machine was implemented to decide which equipment will be turned off, depending on its temperature condition, aiming to avoid unnecessary energy consumption. Simulation results with real measured data are presented to depict how the state machine and control strategies chosen will work on the selected model. Two separate simulations are done: first, the process is simulated with its local controllers, to validate the chosen models; then an MPC is added to optimize the energy generated, by manipulating the steam generator?s output pressure reference and the steam turbine?s valve opening, with a second MPC do manipulate the gas heater applied power. The modelling results are satisfactory, much like the advanced controllers, tracking the desired reference and generating the necessary energy. For a determined operating range, it is not necessary to use the gas heater since it is fossil fuel, but if the irradiation decreases too much or the power demand is too high, it should be used to supply the power demand.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Civil, Florianópolis, 2019. O armazenamento de energia térmica em edificações proporciona a flexibilização de demandas, permitindo o deslocamento total ou parcial do consumo para períodos mais propícios, sob o ponto de vista técnico e econômico. O desempenho otimizado desses sistemas requer a sua coordenação com eventos externos à edificação, como as tarifas energéticas e as condições climáticas. O presente estudo procurou analisar a operação de um termoacumulador de água gelada com carregamento realizado de forma proporcional às cargas térmicas futuras de resfriamento de uma edificação comercial. A variação da carga armazenada foi realizada por meio do ajuste diário da temperatura da água no tanque. Modelos de sistemas de climatização foram comparados aos modelos com termoacumulação e aos modelos preditivos, considerando sua aplicação às cidades brasileiras do Rio de Janeiro, Porto Alegre e Recife, todas simuladas por meio do software EnergyPlus. Em comparação com um sistema sem armazenamento de energia, o uso da termoacumulação provocou a redução de até 15% do custo anual de energia elétrica. O modelo preditivo, no entanto, teve o desempenho mascarado devido à baixa participação do processo de carregamento do tanque na proporção de usos finais de energia elétrica da edificação. Considerando a energia elétrica total, a redução anual do consumo foi de 0,80%, enquanto o custo foi reduzido em 0,54% na cidade do Rio de Janeiro, que apresentou as características climáticas que levaram ao melhor desempenho do sistema, dentre as cidades analisadas. Por outro lado, quando observado o consumo do chiller que realiza o abastecimento da termoacumulação, o consumo anual de energia elétrica deste equipamento foi reduzido em até 10,2% com o modelo de previsões diárias. Além disso, o modelo proposto também permitiu a redução entre 12,5% e 36,4% do calor infiltrado no meio de armazenamento. Quando inseridas perturbações sobre as previsões de cargas, o sistema mostrou-se resiliente mesmo se subestimada a demanda diária em até 20%. A partir do desenvolvimento deste estudo, foi concluído que o desempenho de um sistema de termoacumulação com previsões de carga está intrinsecamente relacionado com a forma de aplicação dessas previsões. As características climáticas igualmente representam um parâmetro que influencia na viabilidade do modelo, podendo indicar a relevância da adoção de previsões de carga, assim como relacionando-se com a performance das máquinas do sistema de climatização. Abstract: Thermal energy storage (TES) in buildings provides flexibility to its demands, allowing partial or total load shifting to periods that are more favorable from a technical and economic point of view. The optimal performance of these systems requires their coordination with external events, such as energy tariffs and weather conditions. This study aimed to analyze the operation of a chilled water storage tank charged according to cooling loads forecasts of a commercial building. Variations in stored load were applied through daily adjustments of water temperature in the tank. Models of cooling systems were compared to TES models and to the predictive TES models, considering its application to the Brazilian cities of Rio de Janeiro, Porto Alegre and Recife, all simulated through the EnergyPlus software. Compared to a system without energy storage, the use of TES reduced the annual cost of electricity by up to 15%. The predictive model, however, had its performance masked due to the low participation of the tank charging process in the building's final energy uses. Considering the total electricity, the annual reduction in consumption was 0.80%, while the cost was reduced by 0.54% in the city of Rio de Janeiro, which presented the climatic characteristics that led to the best performance of the system, among the cities analyzed. On the other hand, when observed the consumption of the chiller that supplies the storage, its annual energy consumption was reduced by up to 10.2% with the daily forecast model. In addition, the proposed model also allowed a reduction between 12.5% and 36.4% of the heat gain to the storage medium. When disturbances to load forecasts were introduced, the system proved resilient even if it underestimated daily demand by up to 20%. From the development of this study, it was concluded that the performance of a load forecasting thermal energy storage is intrinsically related to how these forecasts are applied. Climatic characteristics also represent a parameter that will influence the model's viability, and may indicate the relevance of adopting load forecasts, as well as relating to the performance of the air conditioning machines.

The proposed auto-tuning method is a layer of receding horizon optimization problem whose objective function is able to consider the performance/robustness through the trade-off representation combining the responses of the process variables and the control actions. The tuning parameters are evaluated based on a closed-loop simulation in the presence of model-plant mismatch, which is compared to the desired tunnel response in the time domain. The method is tested for two types of model predictive control, and its flexibility and suitability for different scenarios of fit criteria are presented. The results point to the feasibility of the applications of the method, keeping the system close to the ideal setting and highlighting the importance of evaluating the behavior of control actions in the tuning problem.

Orientador: Ana Maria Frattini Fileti Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química Resumo: O desempenho do controlador preditivo baseado em modelo (MPC) está diretamente ligado à capacidade do modelo em descrever o processo. Um dos desafios dessa classe de controladores é manter o bom funcionamento do processo quando há mudanças de condições operacionais ou distúrbios não modelados. Nesse sentido, esse trabalho propõe o uso de redes neurais artificiais (RNA) como modelo de predição do MPC utilizando um algoritmo de aprendizado em tempo real, baseado no algoritmo de filtro de Kalman estendido (FKE), para ajustar o modelo neural ao processo e manter o controle quando houver mudanças de condições operacionais e distúrbios não modelados. O MPC neural de modelo adaptativo desenvolvido foi avaliado em dois processos distintos não lineares: controle de nível em uma planta de tanques comunicantes e controle de pH em um tanque de mistura. Para ambos os processos foi realizada a modelagem fenomenológica, usada para desenvolver e testar a lógica de controle, e posteriormente foram realizados experimentos nos protótipos reais. Nestes experimentos, o controlador de modelo adaptativo apresentou redução de até 93% do somatório do erro quadrático, comparado à mesma lógica de controle sem adaptação do modelo. Além disso, a adaptação do modelo foi capaz de reduzir o esforço de controle, corrigir falhas da modelagem neural, eliminar desvios de setpoint e manter o controle do processo após mudanças de condições operacionais e aplicação de distúrbios. O MPC neural de modelo adaptativo se mostrou uma estratégia promissora para o controle de processos multivariáveis não lineares Abstract: The performance of model predictive controller (MPC) are related to the suitable fit between model response and actual process behavior. One of the challenges in MPC application is to keep the process control performance while operating conditions change or when unmodeled disturbances happen. In this context, the present work proposes the use of artificial neural network (ANN) as a prediction model into MPC strategy. While MPC is working, this ANN model is updated by an algorithm based on extended Kalman filter (FKE) logic. The updates are crucial to keep MPC working properly in case of changes in process operating conditions or when unmodeled disturbances happen. The developed adaptive neural MPC was applied to two nonlinear processes: level control of communicant tanks and pH control of a mixing tank. The first principles modeling of both processes were implemented for computational simulation in order to help the control development and previously testing of the control logic, before actual closed loop experiments. From actual prototype experiments, the adaptive neural MPC reduced the sum of square error in 93% compared to nonadaptive neural MPC. The adaptation of the model was able to reduce the control effort, correcting neural modeling mismatches, reducing setpoint deviations and keeping the MPC working properly in different process operating conditions and while unmodeled disturbance was induced. The adaptive neural MPC proved to be a promising control strategy for multivariable nonlinear processes Doutorado Engenharia Química Doutor em Engenharia Química CNPQ 141922/2017-6

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianóplis, 2019 O controle preditivo baseado em modelo (MPC) é uma das poucas técnicas de controle avançado que teve um impacto significativo no controle de processos industriais. Em termos simples, o MPC converte um problema de otimização dinâmica em uma sequência de problemas de otimização estática, de tal forma que se torna possível usar algoritmos de otimização convexa padrão. Esses problemas são resolvidos em tempo real para garantir que o controle seja calculado a cada passo de amostragem. A estratégia de controle do MPC é baseada na solução de um problema de otimização em tempo real para calcular o sinal de controle. Ele leva em conta o estado atual do sistema, possíveis perturbações que podem afetar o processo e restrições que garantem a integridade do sistema. Sistemas geograficamente distribuídos são formados a partir da interconexão de vários subsistemas dinâmicos acoplados. Há muitos exemplos desses sistemas, como usinas de energia, redes de controle de tráfego urbano, plantas petroquímicas e químicas. Esse tipo de sistema é composto de diversos subsistemas que podem influenciar uns aos outros. Por exemplo, o fluxo de massa que sai de um reator químico é o fluxo de entrada para um tanque. Esse acoplamento pode ser modelado como equações dinâmicas ou mesmo restrições algébricas, como conservação de massa ou energia.Para esses sistemas, geralmente há duas opções de controle: implantar vários controladores PID SISO ignorando os acoplamentos de subsistemas ou usar uma técnica de controle avançada que possa levar em conta esses aspectos. Neste último, a técnica de controle avançado mais utilizada é o MPC. Ao usar controladores SISO, todos os efeitos que um sistema pode causar em outros são considerados perturbações. Geralmente, os controladores PID são capazes de rejeitar esse tipo de perturbação, no entanto, o benefício que o MPC pode trazer é aproveitar o acoplamento e usá-lo para melhorar seu desempenho.Apesar de todos esses aspectos, existem alguns problemas relacionados às limitações do MPC no ambiente industrial. Um dos problemas é o processo de ajuste: tipicamente, os engenheiros de processo definem pesos para cada objetivo, um para cada subsistema, que são combinados em uma função objetivo global a ser minimizada pelo controlador. Tal abordagem é conhecida como sintonia categórica porque, uma vez definidos, os pesos serão sempre os mesmos. Isso pode causar algumas dificuldades e comprometer a tarefa de identificar pesos adequados para todas as condições operacionais.Em particular, Lima propôs uma abordagem de controle preditivo de satisfação distribuída que fornece uma sintonização automática, conhecida como sintonia situacional. Essa nova abordagem não usa pesos para compensar os objetivos locais, mas estabelece uma região satisfatória para cada subsistema, de modo que o controlador deve procurar uma solução que seja satisfatória para todos os subsistemas. Em particular, o centro analítico da interseção de todas as regiões satisfatórias é uma solução para o problema que tem uma propriedade desejável. Nomeadamente, os multiplicadores de Lagrange associados a esta solução definem pesos para os subproblemas locais dependentes do estado e que conduzem a uma estratégia para a sintonização automática.Por outro lado, a abordagem de controle satisfatório requer o uso de algoritmos complexos de ponto-interior, que podem ser computacionalmente onerosos e potencialmente sensíveis aos parâmetros de entrada. Para este fim, esta dissertação propõe uma abordagem prática para o controle satisfatório que se baseia em algoritmos de otimização robustos. Além disso, pretende-se explorar profundamente a estabilidade do MPC satisfatório, a fim de garantir sua aplicabilidade em ambientes industriais práticos. Para conseguir isso, o Modelo de Predição Orientado à Predição de Saída (OPOM) será integrado à abordagem, resultando em uma estrutura MPC satisfatória de horizonte infinito que garantirá estabilidade com uma nova função objetivo.ObjetivosO objetivo principal da dissertação é contribuir para o desenvolvimento do Controle Preditivo baseado em Modelo Satisfatório de Horizonte Infinito como uma opção no controle de processos industriais.MetodologiaPara realizar o desenvolvimento deste novo controlador é necessário, primeiramente, conhecer as bases teóricas por trás das alternativas escolhidas: teoria de sistemas lineares, otimização e MPC neste caso. Para tanto o trabalho provê a fundamentação necessária nestas áreas para o entendimento posterior do leitor. Construídas as bases, passa-se para a elaboração de uma estratégia de controle preditivo com horizonte infinito, através da sua implementação em software e simulações. O algoritmo de horizonte infinito é então incrementado pela inclusão do modelo de predição OPOM, além da elaboração de um algoritmo para realizar a conversão de um sistema que esteja como função de transferência para o modelo OPOM. De posse dos resultados de simulações, já é possível comparar a performance de diversas sintonias diferentes do mesmo controlador. Parte-se então para a implementação de uma sintonia satisfatória automática para a finalização do controlador. Obtidos os resultados finais é realizada uma avaliação dos mesmos.Resultados e DiscussãoOs resultados apresentados mostram que a escolha pelo SIHMPC frente a modelos tradicionais de MPC traz diversos benefícios para o projetista. Primeiramente existe a suposta garantia de estabilidade provida pelo horizonte infinito de predição, além da simplificação das restrições de estabilidade que podem ser impostas pelo processo. Em segundo lugar, o uso de sintonia satisfatória livra o operador/projetista de várias horas de sintonia do sistema, bastando fornecer ao sistema dados reais das limitações do processo. Além do mais, o uso da modelagem OPOM ao sistema provou ser útil também do ponto de vista de análise do sistema em tempo real, fornecendo variáveis de monitoramento do regime transitório do processo, assim como prevê os alvos de regime permanente antes do tempo normal.Considerações FinaisA elaboração do controlador SIHMPC é um passo na direção de alternativas viáveis para uso na prática de técnicas de controle avançado. O intuito é com o rompimento das barreiras que existem entre a academia e a indústria na geração de tecnologia, implementando fundamentos teóricos atuais para atualizar um processo de controle MPC clássico. Os trabalhos futuros buscarão simplificar o emprego do controle SIHMPC em um ambiente prático e real, como uma solução para os problemas encontrados. Abstract: This work aims to give an alternative formulation for Model Predictive Controllers that simplifies the implementation of stability conditions and accommodates conflicting objectives. Stability guarantees are ensured by means of an infinite prediction horizon, which takes into account the whole system dynamics until the end of time. Further, the Output Prediction Oriented Model (OPOM) is proposed as a suitable prediction model for the infinite horizon MPC (IHMPC), delivering a system representation with a clear physical meaning that eases the implementation of stability guarantees. Besides, the controller is augmented with a Satisficing tuning strategy that bring about dynamical weights for the system objectives, relieving the operator from the burden of choosing one out of many Pareto-optimal solutions. The inherited convergence of IHMPC and the satisficing theory give rise to the Satisficing Infinite Horizon Model Predictive Controller, or SIHMPC, which is presented hereafter from its development to simulations.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2019. Esta tese estende métodos de decomposição para problemas estáticos e controle de sistemas dinâmicos. Um método de penalidade l_1 é proposto para otimização de propósito geral em que não se tem acesso à derivada da função objetivo ou das restrições. O método é baseado em região de confiança, em que o objetivo e as restrições são aproximados por polinômios quadráticos. Os passos são calculados no espaço ortogonal às restrições ativas. O método teve desempenho rápido em experimentos numéricos. Frequentemente métodos de decomposição empregam um esquema de otimização multinível. Um novo algoritmo é proposto para tratar especificamente os problemas dos níveis superiores. O algoritmo constrói modelos de segunda ordem para guiar melhor a busca pelo ótimo. Regressão é usada para filtrar o ruído causado da solução inexata dos pro- blemas nos níveis inferiores, como ocorre com o emprego de métodos de otimização sem derivada. Algumas formulações para aplicação de métodos de decomposição a controle preditivo baseado em modelo são propostas. Abstract: This thesis extends decomposition methods for derivative-free static optimization and distributed control of dynamic systems. A general purpose l_1-penalty method is proposed for optimization in the absence of derivatives for objective and constraints. The method follows the trust-region framework, with objective and constraints approximated by quadratic polynomials, and steps calculated within the null space of active constraints. The method performed fast in numerical experiments. Often decomposition methods for optimization employ a multilevel optimization scheme. A new algorithm is proposed to specially handle the upper-level problems. The algorithm builds second-order models to better guide the search for an optimum. Regression is used to diminish the noise caused from the inexact solution of problems on the lower levels, such as what occurs with derivative-free optimization. Some formulations are proposed for the application of decomposition methods to model predictive control.

Este trabalho aborda o problema de controle amostrado de sistemas lineares com parâmetros variantes no tempo (LPV). Assume-se que o controlador LPV é atualizado apenas nos instantes de amostragem e mantido constante entre duas amostragens consecutivas, através de um segurador de ordem zero, enquanto que na planta, os estados e os parâmetros variantes evoluem continuamente no tempo. Assim, são propostas condições quasi-LMIs (desigualdades matriciais lineares) para projeto do controle LPV amostrado por realimentaçãoo de estados para garantir a estabilidade assintótica da origem do sistema em malha fechada, com o intervalo de amostragem periódico ou aperiódico. A abordagem baseia-se em uma modelagem politópica para o sistema LPV em que se assume que os limites de amplitude e de taxa de variação dos parâmetros são conhecidos. Propõe-se um looped-funcional dependente dos parâmetros para considerar os efeitos da amostragem aperiódica. Baseado nesta abordagem, dois problemas específicos são investigados: a rejeição a perturbações L2 em tempo contínuo e a estabilização na presença de saturação em magnitude do sinal de controle. Para o segundo problema, tambémé proposta uma estratégia por controle preditivo baseado em modelo (MPC). A partir das condições quasi-LMIs estabilizantes, são propostos alguns problemas de otimização. Os sistemas LPV também são utilizados para representar a dinâmica de uma classe de sistemas não-lineares, neste caso, chamam-se de sistemas quasi-LPV e o parâmetro variante depende do estado. Contudo, geralmente o sistema quasi-LPV modela apenas localmente a dinâmica do sistema, assim, neste trabalho considera-se uma regiãoo de validade para o modelo. Assim, para uma classe de sistemas nãolineares descritos por modelos quasi-LPV, propõem-se condições estabilizantes por meio da abordagem por looped-funcional, a qual permite considerar um modelo em tempo contínuo do sistema e uma lei de controle amostrada. Ademais, a modelagem fuzzy Takagi-Sugeno tambémé estudada neste caso, que pode ser vista como um caso particular de sistemas quasi-LPV. São propostos também problemas de otimização: maximizar o limite superior do intervalo de amostragem para um dado conjunto de condições iniciais admissíveis; ou maximizar uma estimativa da região de atração da origem dados os limites do intervalo de amostragem. This work addresses the problem of sampled-data control of systems with linear parameter varying (LPV). It is explicitly assumed that the LPV-controller is updated only at the sampling instants and that the control signal is kept constant between two consecutive samples by means of a zero order holder, while the plant and the scheduling parameter evolve continuously in time. In this case, quasi Linear Matrix Inequality (LMI) conditions to compute a sampled-data LPV state feedback control law that ensures the asymptotic stability of the closed-loop system, provided that the intersampling interval respect some bounds, are proposed. The proposed approach is based on a polytopic modeling of the LPV system, where it is assumed that the bounds of magnitude and rate of the parameter are known. The proposed parameter dependent looped-functional is used to take into account the sampling e ects. Based on this approach, two speci c problems are investigated: the rejection of L2 perturbation in continuous time and the stabilization under saturation in magnitude of the control signal. For the second problem, a model predictive control strategy is also proposed. From the stabilization quasi-LMI conditions, some optimization problems are proposed. LPV systems can also represent the dynamics of a class of nonlinear systems, in this case they are called quasi-LPV systems and the variant parameter depends on the state. However, the quasi-LPV system generally only represent locally the system dynamics, then, in this work a region of validity of the model is considered. Thus, for a class of nonlinear systems described by quasi-LPV models, stabilizing conditions are proposed considering the looped-functional approach, which allows to consider a continuous-time model of the system and a sampled-data control law. In addition, the Takagi-Sugeno fuzzy models is also studied, which can be seen as a particular case of quasi-LPV systems. Optimization problems are also proposed: to maximize the upper limit of the sampling interval for a given set of initial admissible conditions; or to maximize an estimate of the region of attraction of the origin given the limits of the sampling interval.

Orientador: Secundino Soares Filho Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação Resumo: O Planejamento da Operação Energética (POE) de sistemas hidrotérmicos é um problema de otimização dinâmico, estocástico e não linear que visa determinar a política operativa que minimiza o custo esperado de operação ao longo de um horizonte de planejamento. Embora na literatura existam muitas estratégias para o cálculo das políticas operativas propostas para o POE, poucos trabalhos comparam suas características e seus desempenhos. Esta tese revisita técnicas de programação dinâmica e de controle preditivo para obter políticas operativas para o POE tendo como objetivo comparar de forma acurada seus desempenhos. Para que as abordagens pudessem ser comparadas sem simplificações oriundas da complexidade computacional do problema para sistemas de múltiplos reservatórios, este trabalho estuda a instância mínima do sistema, constituído de uma usina hidrelétrica com reservatório e uma usina termelétrica de custo quadrático de geração. Além disso, as políticas foram calculadas em regime permanente para que condições de contorno não influenciassem os resultados. Os estudos de caso analisam também a solução da otimização com perfeita previsão das vazões, usando-a como referência para a comparação de desempenho das políticas. Este estudo contempla quatro diferentes usinas brasileiras e inclui a análise de sensibilidade em relação à demanda, destacando seu papel no modelo de otimização de cada usina. Os resultados mostraram que não existem grandes diferenças de desempenho entre as políticas consideradas. Embora pequenas, essas diferenças foram sempre a favor das políticas que exploram a correlação das vazões. Portanto, o modelo de controle preditivo com previsor autorregressivo pode ser uma alternativa promissora para sistemas com múltiplos reservatórios, na medida em que não requer simplificações na modelagem do problema, como agregações e linearizações Abstract: The power operation planning (POE) of hydrothermal systems is a dynamic, stochastic and nonlinear optimization problem that aims to determine the operational policy that minimizes the expected cost of operation over a planning horizon. Although there are many strategies for calculating operational policies in the proposed literature for POE, few works compare their characteristics and their performances. This thesis revisits dynamic programming and predictive control techniques to obtain operational policies for POE aiming to accurately compare their performances. In order that the approaches could be compared without simplifications arising from the computational complexity of the problem for multiple reservoir systems, this paper studies the minimum instance of the system, consisting of one hydroelectric plant with reservoir and one thermoelectric plant with quadratic cost of generation. In addition, the policies were calculated in steady state so that boundary conditions did not influence the results. The case studies also analyze the optimal solution with perfect prediction of inflows, using it as a benchmark to compare policies performances. This study contemplates four different Brazilian plants and includes the sensitivity analysis in relation to demand, highlighting its role in the optimization model of each plant. Results showed that there are no big performance differences among considered policies. Although small, such differences have always been in favor of policies that explore the correlation of inflows. Therefore, the model predictive control with autoregressive predictor may be a promising alternative for systems with multiple reservoirs insofar as it does not require simplifications in problem modeling, such as aggregation and linearization Doutorado Energia Elétrica Doutora em Engenharia Elétrica CAPES 1402569

Two multi-objective optimization based tuning methods for model predictive control are proposed. Both methods consider the minimization of the error between the closed-loop response and an output reference trajectory as tuning goals. The first approach is based on the ranking of the outputs according to their importance to the plant operation and it is solved by a lexicographic optimization algorithm. The second method solves a compromise optimization problem. The former is designed for systems in which the number of inputs is equal to the number of outputs, while the latter can also be applied to non-square systems. The main contribution is an automated tuning framework based on a straightforward goal definition. The proposed methods are tested on a finite horizon model predictive controller in closed-loop with a 3x3 subsystem of the Shell Heavy Oil Fractionator benchmark system. The simulation results show that the methods proposed here can be a useful tool to reduce the commissioning time of the controller. The methods are compared to an existing multi-objective optimization based tuning approach. The computational time required to run the proposed tuning algorithms is considerably reduced when compared to the existing approach and, moreover, it does not need an a posteriori decision to select a solution from a set of Pareto optimal solutions.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) Neste trabalho, propõe-se uma estratégia de controle de uma planta utilizando uma realimentação de sensor sem fio. Para solucionar os problemas inerentes dos sensores sem fio a perda de dados do sinal,utiliza-se um controlador preditivo com base no modelo (MPC). Esta técnica, utiliza a base do modelo da planta, pode estimar os estados da mesma durante a perda do pacote aumentando a robustez do sistema e minimizando o impacto na malha de controle. Foi desenvolvido uma malha de controle de nível, emulando um sistema de tanques acoplados. Foram realizados simulações e testes experimentais, para verificar o desempenho do sistema de controle sem fio para diferentes taxas de perda de pacotes. Na implementação foram utilizados os seguintes componentes: Transceiver 2.4GHz (nFR2401) funcionam entre si, utilizando o protocolo 802.15.4 IEEE e microcontroladores ATMega 328p para o fechamento da malha de controle, e para implementar a estratégia preditiva foi utilizado num computador o software de simulação computacional MATLAB. Os resultados simulados e experimentais são apresentados mostrando uma boa resposta de controle para perda de pacotes de até 30%. In this work, we propose a strategy of control of a plant using a wireless sensor feedback. To solve the inherent problems of the wireless sensors the loss of data of the signal, a predictive controller based on the model (MPC) is used. This technique uses the basis of the model of the plant, can estimate the states of the same during the loss of the package increasing the robustness of the system and minimizing the impact on the control mesh. A level control mesh was developed, emulating a coupled tank system. Simulations and experimental tests were performed to verify the performance of the wireless control system for different packet loss rates. In the implementation, the following components were used: 2.4GHz Transceiver (nFR2401) work together using the 802.15.4 IEEE protocol and ATMega 328p microcontrollers to close the control mesh, and to implement the predictive strategy was used in a computer the software of MATLAB computational simulation. The simulated and experimental results are presented showing a good control response for packet loss of up to 30%.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) Nesta tese desenvolve-se uma estratégia para a integração das camadas pertencentes a um sistema de controle hierárquico. Em particular, é apresentada uma abordagem de integração dinâmica da camada RTO (Real-Time Optimization), ou camada de otimização em tempo real (camada superior), com a camada Supervisório, ou camada de controle preditivo (camada inferior), através de uma camada intermediária, ou subcamada, que é conhecida como SSTO (Steady-State Target Optimization), ou Otimização de Alvos de Estado Estacionário. Esta estrutura de controle permite harmonizar as transições de setpoints obtidas pelo rastreamento econômico, e manter a estabilidade do sistema. A utilização compartilhada no controlador preditivo e na subcamada, de modelos lineares simples, de uso difundido na indústria, e que são continuamente identificados a partir das variáveis do processo, permite o usufruto das vantagens da estrutura de controle em qualquer ponto de operação do sistema, até mesmo em cenários não previstos, bem como facilita a implementação em ambiente industrial. A estratégia proposta é implementada em dois processos químicos diferentes. Os resultados são promissores e indicam melhoria do rastreamento econômico, suavização das transições e manutenção da estabilidade do sistema. A hierarchical control layer integration strategy is presented in this document. In particular, it is proposed to use the SSTO (Steady-State Target Optimization) layer, interfacing the RTO (Real-Time Optimization) layer and the MPC (Model-Predictive Control) layer. This control structure smooths economic tracking related setpoint shiftings whithout losing stability. The use of continuously identified simple linear models - of common use in industry - shared on both SSTO and MPC layers, allow the advantages obtained by the use of the structure to be available at whatever operating points, even at the ones which were not planned for, as well as paves the way to be used in industrial environment. The strategy is implemented in two different industrial process. Results obtained are promising and shows improvement in economic tracking and smoothening of setpoint shifting, altogether with stable operation of the process.

Tese (doutorado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2018. Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) e Decanato de Pesquisa e Inovação -(DPI/ UnB). O Controle Preditivo Baseado em Modelos (MPC) é uma técnica avançada de controle que vem ganhando espaço tanto na academia quanto na indústria ao longo das últimas décadas. O fato de incorporar restrições em sua lei de controle e de poder ser aplicada tanto para sistemas lineares simples quanto para sistemas não-lineares complexos com múltiplas entradas e múltiplas saídas tornam seu emprego bastante atraente. Porém, seu alto custo computacional muitas vezes impede sua aplicação a sistemas com dinâmicas rápidas, principalmente a sistemas não-lineares embarcados onde há restrições computacionais e de consumo de energia. Baseado nisso, este trabalho se propõe a desenvolver algoritmos e arquiteturas em hardware capazes de viabilizar a aplicação do Controle Preditivo Não-Linear (NMPC) para sistemas embarcados. Duas abordagens são desenvolvidas ao longo do trabalho. A primeira aplica técnicas de aprendizado de máquina utilizando Redes Neurais Artificiais (RNAs) e Máquinas de Vetor de Suporte (SVMs) para criar soluções que aproximam o comportamento do NMPC em hardware. Neste caso, técnicas para o treinamento das RNAs e SVMs são exploradas com o intuito de generalizar uma solução capaz de lidar com uma ampla faixa de referências de controle. Em seguida, arquiteturas de hardware em ponto-flutuante para a implementação de RNAs do tipo RBF (Radial Basis Functions) e SVMs são desenvolvidas juntamente com configurador automático capaz de gerar os códigos VHDL (VHSIC Hardware Description Language) das respectivas arquiteturas baseado nos resultados de treinamento e sua topologia. As arquiteturas resultantes são testadas em um FPGA (Field-Programmable Gate Array) de baixo custo e são capazes de computar soluções em menos de 1 s. Na segunda abordagem, o algoritmo heurístico de Otimização por Enxame de Partículas (PSO), é estudado e adaptado para etapa de busca da sequência de controle ótima do NMPC. Dentre as modificações estão incluídas a adição de funções de penalização para obedecer às restrições de estados do sistema, o aprimoramento da técnica KPSO (Knowledge-Based PSO), denominada KPSO+SS, onde resultados de períodos de soluções de períodos amostragem anteriores são combinados com informações sobre o sinal de controle em estado estacionário e seus valores máximos e mínimos para agilizar a busca pela solução ótima. Mais uma vez, arquiteturas de hardware em ponto-flutuante são desenvolvidas para viabilizar a aplicação do controlador NMPC-PSO a sistemas embarcados. Um gerador de códigos da solução NMPC-PSO é proposto para permitir a aplicação da mesma arquitetura a outros sistemas. Em seguida, a solução é testada para o procedimento de swing-up do pêndulo invertido utilizando uma plataforma hardware-inthe- loop (HIL) e apresentou bom desempenho em tempo-real calculando a solução em menos de 3 ms. Finalmente, a solução NMPC-PSO é validada em um sistema de pêndulos gêmeos e outro sistema de controle de atitudes de um satélite. Model-based Predictive Control (MPC) is an advanced control technique that has been gaining adoption in industry and the academy along the last few decades. Its ability to incorporate system constraints in the control law and be applied from simple linear systems up to more complex nonlinear systems with multiple inputs and outputs attracts its usage. However, the high computational cost associated with this technique often hinders its use, especially in embedded nonlinear systems with fast dynamics with computational and restrictions. Based on these facts, this work aims to study and develop algorithms and hardware architectures that can enable the application of Nonlinear Model Predictive Control (NMPC) on embedded systems. Two approaches are developed throughout this work. The first one applies machine learning techniques using Artificial Neural Networks (ANNs) and Support Vector Machines (SVMs) to create solutions that approximate the NMPC behavior in hardware. In this case, ANN and SVM training techniques are explored with the aim to generalize the control solution and work on a large range of reference control inputs. Next, floating-point hardware architectures to implement Radial Basis Function ANNs and SVM solutions are developed along with an automatic architectural configuration too, capable of generating the VHDL (VHSIC Hardware Description Language) codes based on the training results and its topology. Resulting architectures are tested on a low-cost FPGA (Field-Programmable Gate Array) and are capable of computing the solution in under 1 s. In a second approach, the Particle Swarm Optimization (PSO), which is a heuristic algorithm, is studied and adapted to perform the optimal control sequence search phase of the NMPC. Among the main optimizations performed are the addition of penalty functions to address the controlled system state constraints, an improved KPSO (Knowledge-Based PSO) technique named KPSO+SS, where results from previous sampling periods are combined with steady-state control information to speed-up the optimal solution search. Hardware architectures with floating-point arithmetic to enable the application of the NMPC-PSO solution on embedded systems are developed. Once again, a hardware description configuration tool is created to allow the architecture to be applied to multiple systems. Then, the solution is applied to a real-time inverted pendulum swing-up procedure tested on a hardware-in-the-loop (HIL) platform. The experiment yielding good performance and control results and was able to compute the solutions in under 3 ms. Finally, the NMPC-PSO solution is further validated performing a swing-up procedure on a Twin Pendulum system and then on a satellite control platform, a system with multiple inputs and outputs

Dissertação (Mestrado) - Pontifícia Universidade Católica de Minas Gerais, Programa de Pós-Graduação em Engenharia Eletrica. Bibliografia: f.75-77. A análise do Big Data tornou-se importante com o aumento progressivo da informação armazenada em mídia digital. Com a ajuda de modelos preditivos é possível encontrar novos padrões e tendências que podem ser bases de inovação. Os modelos preditivos precisam ter uma taxa de confiabilidade relevante para ajudar nos processos de tomada de decisão. Nesse contexto, este estudo discute a influência de variáveis confundidoras nos modelos preditivos e propõe o uso de técnicas para identificar e minimizar seus efeitos. Pelo uso de bancos de dados de domínio público foi possível construir modelos preditivos, identificar possíveis variáveis de confusão, aplicar técnicas para minimizar seus efeitos e avaliar a acurácia dos modelos através de algoritmos de aprendizado de máquina. O resultado do estudo mostra que a construção de modelos preditivos não é simplesmente a aplicação de equações matemáticas, mas sim a realização de análises mais consistentes sobre os dados e seus relacionamentos e que a eficiência dos modelos preditivos é proporcional a redução da influência dos fatores confundidores. Palavras-chave: Big Data, Modelo Preditivo, Confundidores, Multicolinearidade, Aprendizado de Máquina. Abstract: Big Data analysis has become important with the progressive increase of information stored on digital media. With the support of predictive models, it is possible to find new patterns and trends which can be bases of innovation. Predictive models need to have a relevant reliability rate to aid in decision-making processes. In this context, this study discusses the influence of confounding variables on predictive models and proposes the use of techniques to identify and minimize their effects. Through the use of public domain databases, it was possible to construct predictive models, identify possible confounding variables, apply techniques to minimize their effects and evaluate the accuracy of the models through machine learning algorithms. The result of the study shows that the construction of predictive models is not simply the application of mathematical equations but rather the accomplishment of more consistent analyzes about the data and their relationships and that the efficiency of the predictive models is proportional to the reduction of the influence of the confounding factors.

Submitted by Daniella Santos (daniella.santos@ufma.br) on 2018-10-29T22:04:40Z No. of bitstreams: 1 ArnaldoPinheirodeAzevedoJúnior.pdf: 5077472 bytes, checksum: 8fcdf71139b7b7257dd3b909d20aec7f (MD5) Made available in DSpace on 2018-10-29T22:04:40Z (GMT). No. of bitstreams: 1 ArnaldoPinheirodeAzevedoJúnior.pdf: 5077472 bytes, checksum: 8fcdf71139b7b7257dd3b909d20aec7f (MD5) Previous issue date: 2018-09-25 CAPES The objective of this work is to propose a methodology based on the combination of predictive control and evolving fuzzy modeling. Predictive control is an advanced industrial technique, capable of calculating the control signal applied to the process from a prediction of its future behavior. Evolving fuzzy modeling is a model identification technique, capable of acquisition of Knowledge of the process in the form of IF-THEN fuzzy rules, as well as evolving its structure and updating its parameters. This work proposes a predictive control methodology based on an evolving fuzzy model capable of controlling multivariable processes with nonlinear dynamics. The predictive control technique used is the Practical Nonlinear Model Predictive Control, which calculates the control signal from an approximation of the non-linear prediction model of the process to be controlled. The prediction model used is obtained from an evolving version of the Gustafson-Kessel fuzzy clustering technique and the least squares recursive algorithm. The proposed controller is able to improve its tracking capabilitie of a reference trajectory, because, it evolves the structure of the non-linear prediction model from the extraction of dynamic knowledge of the inputs and outputs of the process to be controlled. In order to evaluate the proposed methodology, it was applied to the control of three non-linear benchmarking processes known in the literature. Este trabalho tem como objetivo propor uma metodologia baseada na combinação do controle preditivo com a modelagem fuzzy evolutiva. O controle preditivo é uma técnica industrial avançada capaz de calcular o sinal de controle aplicado ao processo a partir de uma predição do seu comportamento futuro. A modelagem fuzzy evolutiva é uma técnica de identificação de modelos capaz de adquirir conhecimento do processo na forma de regras fuzzy SE-ENTÃO, além de evoluir sua estrutura e atualizar seus parâmetros. Esse trabalho propõe uma metodologia de controle preditivo baseado em modelo fuzzy evolutivo capaz de controlar processos multivariáveis com dinâmica não linear. A técnica de controle preditivo utilizada foi o Pratical Nonlinear Model Predictive Control que é capaz de calcular o sinal de controle a partir de uma aproximação do modelo de predição não linear do processo a ser controlado. O modelo de predição utilizado é obtido a partir de uma versão evolutiva da técnica de agrupamento fuzzy Gustafson-Kessel e um algoritmo recursivo de mínimos quadrados. O controlador proposto é capaz de melhorar o rastreamento de uma trajetória de referência por evoluir a estrutura do modelo de predição não linear a partir da extração de conhecimento dinâmico das entradas e saídas do processo. Para avaliar a metodologia proposta, a mesma foi aplicada ao controle de três processos benchmarks não lineares conhecidos da literatura.

Este trabalho apresenta a implementação e análise das técnicas de controle por modos deslizantes e preditivo não linear, aplicados no controle de velocidade de motor de corrente contínua de excitação independente, acionado por retificador trifásico totalmente controlado de seis pulsos. A metodologia aborda a construção da bancada real, modelagem por método de identificação de sistemas, projeto e sintonia dos controladores utilizando processo de otimização. São realizadas comparações entre as referidas técnicas destacando suas características e desempenhos quando executadas em condições semelhantes, verificando a robustez das mesmas atuando em sistemas não lineares. Ambas as técnicas apresentam desempenho satisfatório na execução do controle, dependendo portanto, da análise do sistema a ser implementado para a determinação do método apropriado. This work presents an implementation and analysis of traction control and linear trepidation techniques, driven by a six - pulse fully controlled three - phase rectifier. The methodology addresses the construction of real reality, modeling by method of system identification, design and tuning of optimization processes. The comparisons between the techniques are their characteristics and their performances when performing statistics, verifying the robustness of the series in non-linear systems. Both techniques perform satisfactory in the execution of the control, correlating with the.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) A integração e operação coordenada de fontes de energia renováveis (FERs) e sistemas de armazenamento de energia (SAEs) oferecem aos prossumidores a possibilidade de controlar a produção e consumo de energia, visando a obtenção de benefícios técnicos e econômicos. Um novo algoritmo de controle que considera uma abordagem combinada de controle preditivo baseado em modelo e programação linear inteira mista (MPC+MILP) é proposto nesta tese, para otimização da operação de microrredes com acoplamento em corrente continua e interconectadas com a rede de distribuição da concessionária. O objetivo da utilização deste algoritmo é reduzir a conta de energia de consumidores residenciais, comerciais, ou industriais, e prolongar a vida útil do SAE. Na formulação da solução são consideradas restrições operacionais, e os aspectos regulatórios que definem as regras de tarifação do consumo de energia elétrica e o intercambio energético entre o consumidor e a concessionária. Adicionalmente uma abordagem baseada em restrições probabilísticas é proposta para lidar com incertezas nos modelos de previsão da produção de energia da FER e do perfil de carga do consumidor, e melhorar assim o desempenho do controlador. Um estudo de caso de um consumidor industrial no Brasil, proprietário de uma microrrede com acoplamento DC e operação em modo conectado é apresentado para validação computacional da solução. A validação experimental é realizada em ambiente de laboratório em uma planta piloto que simula essa microrrede. Os resultados obtidos nas validações e os procedimentos de baixo custo envolvidos no desenvolvimento da solução, mostram que o algoritmo de controle é uma solução promissora, contribuindo com o desenvolvimento de soluções práticas para o controle e otimização de microrredes em contextos similares, e encorajando a geração distribuída e o uso de FERs em países em desenvolvimento como o Brasil. Integration and coordinated operation of Renewable Energy Sources (RES) and Energy Storage Systems (ESS) offer to prosumers the possibility to control energy production and consumption in order to obtain technical and economic benefits. A novel control algorithm that considers a model predictive control (MPC) and mixed integer linear programming (MILP) approach is proposed in this thesis to optimize the operation of DC coupled grid-tied microgrids. The objective is to reduce industrial and residential consumer electricity bill and Energy Storage Systems degradation, considering operational constraints, rules defined by complex binomial differentiated tariffs and net metering policies to exchange energy. Additionally, a Chance Constrained MPC (CC-MPC) approach is proposed to deal with forecast uncertainties, enhancing the controller performance. A case study of a Brazilian industrial consumer owner of a real-world DC grid-tied microgrid is presented to validate the solution. Experimental validation is carried out in a lab-scale microgrid that simulates the real microgrid. The involved low costs procedures and the obtained results shows the proposed control algorithm as a promised solution that contributes with the development of practical solutions to control microgrids in similar contexts, encouraging the use of Renewable Energy Sources in developing countries.

Dissertação (mestrado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2018. A computação bioinspirada é um ramo da computação natural que busca desenvolver algoritmos de otimização inspirados no comportamento dos seres encontrados na natureza. Nesse contexto, destacam-se os algoritmos evolucionários e os baseados na inteligência coletiva. Aqueles são inspirados pela evolução biológica dos seres e estes pelo comportamento coletivo de insetos e animais. Neste trabalho, serão coloca- dos em prova representantes dessas duas áreas. Meta-heurísticas clássicas, como PSO e DE, e também os mais recentes representantes: GWO (lobos), MFO (mariposas), SSA (salpas), WOA (baleias jubarte), DA (libélulas), além do SCA baseado no comportamento periódico das funções seno e cosseno. Os desempe- nhos dessas meta-heurísticas serão comparados via testes estatísticos não-paramétricos (NxN algoritmos), os quais, são métodos livres de qualquer tipo de distribuição de dados, ou seja, diferentemente dos métodos paramétricos, não dependem dos requisitos de normalidade, homogeneidade da variância e independência dos dados. Dentro desses testes não-paramétricos foram aplicados dois procedimentos post-hoc: Nemenyi (1963) e Shaffer (1983), os quais auxiliam na comparação em pares (1x1) do grupo de meta-heurísticas. Além das meta-heurísticas mencionadas, outras duas formam o grupo de análise, JADE e LSHADE, que utilizam técnicas auto-adaptativas dos parâmetros do DE. Os desempenhos dessas meta-heurísticas se- rão analisados mediante três estudos de caso: dois problemas de controle preditivo baseado em modelo, pêndulo invertido simples e attitude de satélites, e funções mono-objetivas com restrição de fronteira dacompetição CEC2017. Destes estudos de caso é retirada a mediana de 51 execuções de cada problema. Nos problemas de controle preditivo os algoritmos MFO e GWO tiveram bons desempenhos. Neste tra- balho foram apresentadas três novas versões do GWO e uma do MFO que superaram o resultados de seus respectivos originais nos problemas de controle. Bioinspired computing is a branch of natural computing that seeks to develop optimization inspired by the behavior of beings found in nature. In this context, the evolutionary algorithms and those based on collective intelligence stand out. The former are inspired by the biological evolution of living beings and these by the collective behavior of insects and animals. In this work, representatives of these two areas will be put to the test. Classic meta-heuristics, such as PSO and DE, and also the most recent representati- ves: GWO (grey wolves), MFO (moth-flame), SSA (salps), WOA (humpback whales), DA (dragonflies), as well as SCA based on the periodic behavior of sine and cosine functions. The performance of these meta-heuristics will be compared through non-parametric statistical tests (NxN algorithms), which are free methods of any type of data distribution, that is, unlike parametric ones do not depend on the requirements of normality, homoscedasticity and independence of the data. Within these non-parametric tests, two post- hoc procedures were applied: Nemenyi (1963) and Shaffer (1983), which aid in the comparison in pairs (1x1) of the metaheuristics group. In addition, two others meta-heuristics form the analysis group, JADE and LSHADE, which use self-adaptive techniques of the DE parameters. Following these techniques will be presented modifications and adaptations of GWO and MFO that present better performances than the originals. The performance of these meta-heuristics will be analyzed through three case studies: two pre- dictive control problems, simple inverted pendulum and attitude of satellites, and mono-objective functions with bound constraints of CEC2017 competition. From these case studies the median of 51 runs of each problem is extracted. In the predictive control problems the MFO and GWO algorithms performed well. In this work were presented three new versions of GWO and one of MFO that surpassed the results of their repective originals in the control problems.

Submitted by Daniele Fonseca (daniele@ct.ufrj.br) on 2020-08-04T13:30:13Z No. of bitstreams: 1 LiviaPereiraLemosCosta-min.pdf: 7301355 bytes, checksum: 7ca8883b8116a09c10a65e5a1eb8032e (MD5) Made available in DSpace on 2020-08-04T13:30:13Z (GMT). No. of bitstreams: 1 LiviaPereiraLemosCosta-min.pdf: 7301355 bytes, checksum: 7ca8883b8116a09c10a65e5a1eb8032e (MD5) Previous issue date: 2018-08 O uso de sistemas de controle e otimização baseados em modelo apresenta grande potencial para aumentar a eficiência e a lucratividade de processos industriais. Por isso, é crescente o emprego e o interesse por estas técnicas. O desempenho de sistemas baseados em modelo, como no caso de controladores preditivos, depende de vários fatores que determinam a qualidade do modelo identificado e a sintonia utilizada. É importante ressaltar que, ao tratar de processos industriais complexos, a modelagem proposta para essas aplicações quase sempre envolve uma série de simplificações. Uma análise da literatura mostra que ainda há muitas questões teóricas e práticas relacionadas ao uso de controladores preditivos que precisam ser estudadas. Em especial, as relações entre a modelagem proposta e a sintonia e o desempenho de controladores não estão completamente elucidadas e exploradas. Por isso, nesta tese são analisados aspectos que relacionam a modelagem e a sintonia desses sistemas de controle, com foco no desempenho dos controladores para modelos do tipo resposta ao degrau. A partir dos estudos teóricos realizados, foram propostas novas metodologias para projeto e sintonia de controladores, bem como para a determinação da relevância de modelos. Ao longo do trabalho, os aspectos teóricos e as metodologias foram aplicados a exemplos para validação. As metodologias propostas foram aplicadas em exemplos de validação que mostraram que é possível relacionar os parâmetros de sintonia com medidas quantitativas de desempenho dos modelos, como os erros paramétricos resultantes da fase de identificação. The use of model-based control and optimization systems presents high potential to increase the efficiency and profitability of industrial processes. Therefore, the use and interest in these techniques have grown up steadily. Particularly, the performance of model based systems, as predictive controllers, depends on several factors that affect the quality of the estimated model and the selected tuning procedures. It is important to notice that, when dealing with complex industrial processes, the model building process often involves a large number of simplifications. The analysis of the open literature shows that many theoretical and practical issues related to the use of predictive controllers still need to be studied. In particular, the relationship among modelling, tuning and control performance is not completely explained and explored. Thus, in this thesis the relationship between modelling and tuning issues is analyzed, focusing at the controller performance when step response models are used. Based on the theoretical studies, new methods have been proposed for controller design and tuning and for the determination of the model relevance. The proposed methods were then applied in validation examples which showed that it is possible to relate the tuning parameters with quantitative measures of model performances, such as the parameter variances estimated during the model identification phase.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) Neste trabalho e apresentado um controle de rastreamento de trajetória para um robô escalador com rodas sob adesão magnética, cuja função é carregar equipamentos que realizam a inspeção de tanques de armazenamento de GLP (Gás Liquefeito de Petróleo). O robô possui acionamento diferencial e, devido a adesão magnética, ao realizar curvas fechadas, sofre deformação da estrutura física do chassis. Isto ocorre porque as rodas tem grande dificuldade em se desgrudar da superfície metálica durante a realização da manobra. O objetivo desta dissertação é desenvolver um sistema de controle que, a partir da modelagem das forças que atuam sobre o chassis, seja capaz de solucionar o problema de rastreamento de trajetória sem que ocorra a deformação do chassis. Este é um problema de controle multivariável com restrição e a técnica de controle utilizada no desenvolvimento e o controle preditivo baseado em modelo MPC (Model Predictive Control), mais especificamente o GPC (Generalized Preditive Control). Para isto um modelo dinâmico do tipo caixa preta do robô foi identificado via mínimos quadrados a partir de dados simulados. Para fins de validação do controlador desenvolvido foram realizadas simulações variando os parâmetros do controlador e comparados os resultados obtidos sem e com a inclusão de restrições. Também foram utilizados controladores monovariáveis do tipo PI em um esquema de controle com desacoplamento a fim de servir como referencia para avaliar o desempenho do controlador proposto. Todos os resultados foram validados através de simulacões utilizando as plataformas ROS (Robotic Operating System), V-REP (Virtual Robot Experimentation Platform) e MATLAB. In this work, a trajectory tracking control is presented for a climbing wheeled robot under magnetic adhesion, whose function is to carry equipment that perform the inspection of LGP (Liquefied Gas Petroleum) storage tanks. The robot has differential drive and, due to the magnetic adhesion, when performing closed curves, deforms the physical structure of the chassis. This is due to wheels have great difficulty in detaching themselves from the metal surface during the maneuver. The dissertation purpose is to develop a control system that, based on the modeling forces that act on chassis, is capable of solving the trajectory tracking problem without chassis deformation. This is a constrained multivariable control problem and the control technique used to development is the MPC (Model Predicitive Control), more specifically GPC (Generalized Predictive Control). A black box robot model is identified by least squares from simulated data. For developed controller validation, several simulations experiments are carried out by varying the parameters of the controller and comparing obtained results without and with the inclusion of constraints. Monovariable PI controllers are designed in a decoupling control scheme to serve as a reference for evaluate the performance of the proposed controller. All the results are validated through simulations using the ROS (Robot Operating System), V-REP (Virtual Robot Experimentation Platform) and MATLAB softwares.