O documento descreve um sistema híbrido neuro-evolutivo aplicado ao controle de um processo multivariável chamado "bola e chapa". O sistema usa uma rede neural combinada com um algoritmo genético para projetar um controlador PID multivariável capaz de controlar a posição de uma bola sobre uma chapa usando dois motores. Os resultados preliminares mostraram que o controle foi bem sucedido em duas situações, embora os erros não tenham sido totalmente eliminados.
O documento descreve um sistema híbrido neuro-evolutivo aplicado ao controle de um processo multivariável chamado "bola e chapa". O sistema usa uma rede neural combinada com um algoritmo genético para projetar um controlador PID multivariável capaz de controlar a posição de uma bola sobre uma chapa usando dois motores. Os resultados preliminares mostraram que o controle foi bem sucedido em duas situações, embora os erros não tenham sido totalmente eliminados.
O documento descreve um sistema híbrido neuro-evolutivo aplicado ao controle de um processo multivariável chamado "bola e chapa". O sistema usa uma rede neural combinada com um algoritmo genético para projetar um controlador PID multivariável capaz de controlar a posição de uma bola sobre uma chapa usando dois motores. Os resultados preliminares mostraram que o controle foi bem sucedido em duas situações, embora os erros não tenham sido totalmente eliminados.
Resumo de Artigo - Sistema híbrido neuro-evolutivo
aplicado ao controle de um processo multivariável
Aluno: Hícaro Souza Ferreira da Cruz
O artigo em questão demonstra o projeto de um controlador PID
multivariável baseado em uma rede neural e um algoritmo genético. Tal controlador é necessário pois o sistema em questão possui características: (i) não-lineares, tais como limitação na taxa de variação dos sinais de controle e constante de tempo dependendo da magnitude e frequência dos sinais de entrada; e (ii) propriedades não-modeladas, tais como atrito e defeitos na bola e/ou superfície da chapa.
O projeto contempla a elaboração de um controlador com um
algoritmo genético (criado para melhorar ganhos de um controlador PID multivariável) testado e validado através de um experimento denominado bola e chapa. O sistema denominado bola e chapa tem como objetivo controlar a posição de uma bola, que está livre sobre a chapa, monitorada por um sistema de visão manipulando a chapa através de dois motores DC. Este processo consiste de um sistema dinâmico com duas entradas (tensões aplicadas a dois motores DC, ux e uy) e duas saídas (posições yx e yy da bola).
Para melhor imersão e entendimento, o autor descreve, brevemente,
características de alguns métodos de controles avançados, com aprofundamento em redes neurais e algoritmos genéricos. Como descrito no artigo, as redes neurais utilizadas no projeto, são redes neurais radiais que apresentam uma saída simétrica em torno de um centro associado. Combinado com as redes neurais os algoritmos genéricos irão realizar a identificação do processo.
O controlador PID multivariável usará os algoritmos genéricos para
coletar dados das entradas (ux e uy), e saídas (yx e yy) do sistema bola e chapa. Os dados das entradas são informações das tensões aplicadas nos motores DC, as saídas são coletadas do sistema de visão que identifica a posição da bola. Após a obtenção dos dados a rede neural identifica o modelo matemático, escolhe o algoritmo para tratar este modelo, estima os parâmetros, para assim, validar o modelo. Para este processo é utilizada uma rede neural de 4 neurônios de entrada compostos dos vetores {u1(k), u2(k), y1(k), y2(k), y1(k-1), y2(k-1)} e 2 neurônios de saída, y1(k+1) e y2(k+1).
O PID multivariável utilizado tem configuração desacoplada e é regido
por equações diferenciais cujo a sintonia dos parâmetros é otimizada pelo Algoritmo Genérico. O modelo matemático obtido pela RN-RBF (1ª etapa) é usado na otimização genética dos ganhos do controlador PID. Os melhores parâmetros obtidos com a otimização via AGs, após 20 experimentos, do PID foram: Kp,1 = 0,3502, Ti,1 = 29,1667, Td,1 = 0,9714, Kp,2 = 0,3496, Ti,2 = 5,0007, Td,2 = 0,8571, onde foi obtida uma aptidão f(J)=0,8197 para yr1(k)=0,4 e yr2(k)=0,4, onde k varia de 1 a N. Foi usado um período de amostragem adotado de Ts = 100 ms e fator de escala ke = 15.
Após a sintonia e otimização dos parâmetros, os ganhos do
controlador são validados no processo pratico, analisado em duas situações: primeira em malha fechada e a segunda com um erro médio quadrático para as saídas yx e yy. Por se tratarem de experimentos com condições iniciais distintas as respostas foram bem distintas.
Com os resultados obtidos, fica evidente que os erros das saídas yx e
yy decrescem rapidamente, mas não caracterizaram um desempenho em malha fechada com erro nulo em regime permanente, nas situações analisadas. Algumas dificuldades encontradas, como peso da bola, possíveis defeitos na bola e calibração do sistema de visão podem ter influenciado nos resultados obtidos.
Neste artigo foi apresentada uma nova abordagem para o projeto de
algoritmo de controle PID multivariável desacoplado baseado em RN-RBF e AG. O estudo de caso de controle de um processo multivariável não-linear bola e chapa. Este problema é um desafio em controle e pode ser muito interessante para o estudo e teste de abordagens de controle multivariável. Os resultados preliminares apresentados neste artigo foram promissores, pois o projeto de controle foi testado com sucesso em duas situações práticas de seguimento de referência.
Em relação a RN-RBF, esta foi útil para a identificação de processos
multivariáveis, particularmente para processos que têm pontos de operação típicos, pois estas RNs mapeiam aproximações locais. O aprendizado da RN- RBF é particularmente simples e rápido em relação à rede neural perceptron multicamada, muito utilizada em aplicações de identificação não-linear.
Link do artigo: http://www.scielo.br/scielo.php?pid=S0103-