Banca de DEFESA: YASMIN MARTINS PERCÍ

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: YASMIN MARTINS PERCÍ
DATA: 05/02/2024
HORA: 14:30
LOCAL: Engenharia Elétrica - UFPI - Modo Remoto
TÍTULO: ANÁLISE DO DESEMPENHO DE UM CONTROLADOR PREDITIVO NEURAL UTILIZANDO ALGORITMOS DE TREINAMENTO ADAPTATIVO E NÃO ADAPTATIVO
PALAVRAS-CHAVES: Controle Preditivo Neural. Algoritmos de treinamento adaptativos. SGDM. ADAM. Sistemas Não Lineares. Modelo Biomecânico. Planta de Velocidade.
PÁGINAS: 80
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Elétrica
SUBÁREA: Eletrônica Industrial, Sistemas e Controles Eletrônicos
ESPECIALIDADE: Controle de Processos Eletrônicos, Retroalimentação
RESUMO:

Nos últimos anos, as técnicas de controle estão sendo cada vez mais aprimoradas, de modo a atender os requisitos de desempenho e garantir a robustez e a estabilidade dos sistemas. Para controladores preditivos, essa otimização é direcionada para o aperfeiçoamento do modelo do sistema a ser controlado, de modo que este represente fielmente a dinâmica do sistema. Entre os controladores preditivos, destaca-se o Controlador Preditivo Generalizado (GPC), o qual utiliza um modelo do processo para estimar a resposta futura, visando com isso determinar o sinal de controle. Nesse trabalho, buscou-se além de utilizar um modelo neural para a representação do sistema, utilizar algoritmos de otimização baseados no Gradiente Descendente, com abordagens adaptativas e não adaptativas para melhorar o desempenho do controlador preditivo neural (NPC). Portanto, foram implementados controladores NPC por meio de algoritmo backpropagation baseado no gradiente descendente (GD) convencional, identificado como NPC-GD e serão desenvolvidos os seguintes controladores: NPC otimizado pelo algoritmo não adaptativo Gradiente Descendente Estocástico com Momento (NPC-SGDM) e NPC otimizado pelo algoritmo adaptativo Momento Adaptativo (NPC-ADAM). Neste trabalho, busca-se avaliar o desempenho desses controladores quando aplicados a dois sistemas dinâmicos não lineares. O primeiro consiste em uma planta de velocidade desenvolvida em laboratório que tem como atuador um motor de corrente contínua. Já o segundo consiste em um modelo biomecânico com um grau de liberdade (1-DOF) de articulação de joelho. Para avaliação de desempenho, foram projetados outros controladores preditivos identificados como GPC-MQNR e GPC-MQR por utilizarem respectivamente
os algoritmos Mínimos Quadrados Não Recursivo (MQNR) e Mínimos Quadrados Recursivo (MQR) para o ajuste dos coeficientes do modelo CARIMA. Além dos controladores preditivos, foi projetado um controlador PID clássico. Por fim, os desempenhos desses controladores foram avaliados e comparados por meio dos critérios de tempo de subida, sobressinal máximo, além dos índices de desempenho baseados no erro. Como resultado prévio, verificou-se que todos os controladores desenvolvidos até o presente estágio tiveram um desempenho satisfatório com relação ao seguimento de referências, com destaque para os controladores NPC-GD, que tiveram tempo de subida e métricas de erros inferiores aos demais.

MEMBROS DA BANCA:
Presidente - 1644191 - JOSE MEDEIROS DE ARAUJO JUNIOR
Interno - 1785470 - JOSE MARIA PIRES DE MENEZES JUNIOR
Interno - 289819 - OTACILIO DA MOTA ALMEIDA
Externo ao Programa - 2995277 - CALEBE PAIVA GOMES DE SOUZA
Externo à Instituição - FÁBIO MENEGHETTI UGULINO DE ARAÚJO - UFRN