Estudo do comportamento e controle de atuadores de liga de memória de forma utilizando redes neurais

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.