Controlo de sistemas não lineares com redes neuronais

• Autor(a) principal: Antunes, José Paulo Brandão
• Data de Publicação: 2019
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10773/29635
• topic: Redes neuronais; MATLAB; SIMULINK; PLECS; Identificação de sistemas; Controlo de sistemas; Model-based Predictive Control; Tensorflow

O objetivo desta dissertação consiste no desenvolvimento de um controlador MPC baseado em redes neuronais artificiais para o controlo de sistemas não lineares. Para implementação de modelos de redes neuronais, que servem como identificador do modelo do sistema, é utilizada uma ferramenta com base na biblioteca TensorFlow que utiliza um método de treino de redes com base em SGD. Este método apresenta uma melhor estabilidade e capacidade de convergência quando aplicado em modelos com elevado número de parâmetros a identificar. Com este modelo é utilizado um método para síntese de controladores. É utilizado um método indireto baseado em MPC. Devido à natureza não linear do modelo é utilizado um método iterativo para encontrar a atuação ótima do controlador, baseado num algoritmo de otimização BFGS.