Online neurofuzzy controller: aplicação, análise de parâmetros e contribuições
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFMG |
Texto Completo: | http://hdl.handle.net/1843/BUBD-BANMR9 |
Resumo: | A utilizacão de técnicas de inteligência computacional em problemas de controle de processos tem sido cada vez mais frequente. O presente trabalho faz um estudo do Online Neurofuzzy Controller (ONFC), um controlador nebuloso adaptativo com baixo custo computacional e poucos parâmetros de ajuste. Uma revisão dos controladores ja desenvolvidos ´e realizada, com simulacões computacionais das versões encontradas na literatura. ´E realizada uma an´alise dos parâmetros do controlador: a taxa de aprendizagem, parâmetro, e o erro m´aximo admiss´vel ou faixa de excursão do erro, parametro EM. ´E realizada a discussao e aplicacão do ajuste dinamico da taxa de aprendizagem, sendo proposto um novo calculo para a taxa de aprendizagem baseada no modelo do processo. ´E apresentada uma metodologia de ajuste dinamico da faixa de excursão do erro, denominada Adaptacão de Contexto, e ´e criado o controlador ONFCDwDe, uma nova abordagem para a acão derivativa no ONFC. Os controladores estudados são aplicados em uma planta com equipamentos industriais para controle de vazão de ´agua, no qual sao realizados experimentos de servomecanismo e rejeicão de dist´urbios. Os resultados são comparados entre as versões do controlador e também com o controlador PI usado na planta. Nos resultados, ´e evidenciada a contribuicão da Taxa de Aprendizagem Dinâmica e da Adaptacão de Contexto para melhoria no desempenho do controlador. |
id |
UFMG_0cf20244cc1744ad8b031c617d2de8ad |
---|---|
oai_identifier_str |
oai:repositorio.ufmg.br:1843/BUBD-BANMR9 |
network_acronym_str |
UFMG |
network_name_str |
Repositório Institucional da UFMG |
repository_id_str |
|
spelling |
Walmir Matos CaminhasBenjamim Rodrigues de MenezesAgnaldo José da Rocha ReisHugo Rafael Nogueira Gomes2019-08-14T22:24:11Z2019-08-14T22:24:11Z2019-02-21http://hdl.handle.net/1843/BUBD-BANMR9A utilizacão de técnicas de inteligência computacional em problemas de controle de processos tem sido cada vez mais frequente. O presente trabalho faz um estudo do Online Neurofuzzy Controller (ONFC), um controlador nebuloso adaptativo com baixo custo computacional e poucos parâmetros de ajuste. Uma revisão dos controladores ja desenvolvidos ´e realizada, com simulacões computacionais das versões encontradas na literatura. ´E realizada uma an´alise dos parâmetros do controlador: a taxa de aprendizagem, parâmetro, e o erro m´aximo admiss´vel ou faixa de excursão do erro, parametro EM. ´E realizada a discussao e aplicacão do ajuste dinamico da taxa de aprendizagem, sendo proposto um novo calculo para a taxa de aprendizagem baseada no modelo do processo. ´E apresentada uma metodologia de ajuste dinamico da faixa de excursão do erro, denominada Adaptacão de Contexto, e ´e criado o controlador ONFCDwDe, uma nova abordagem para a acão derivativa no ONFC. Os controladores estudados são aplicados em uma planta com equipamentos industriais para controle de vazão de ´agua, no qual sao realizados experimentos de servomecanismo e rejeicão de dist´urbios. Os resultados são comparados entre as versões do controlador e também com o controlador PI usado na planta. Nos resultados, ´e evidenciada a contribuicão da Taxa de Aprendizagem Dinâmica e da Adaptacão de Contexto para melhoria no desempenho do controlador.The usage of computational intelligence in process controllers has significantly increased. This work studies the OnLine Neurofuzzy Controller (ONFC), an adaptive fuzzy controller with low computational cost and few parameters. A review of all ONFC versions is made, with computational simulations for the studied controllers. The ONFC learningrate () and the error range (EM) are studied. The Dynamic Learning Rate is discussed and a new approach for the learning rate calculation is proposed, based on the process model. A dynamic adjustment for the EM is presented, called Context Adaptation, and a new approach for the derivative action for the ONFC is proposed, the ONFCDwDe controller.The controllers are applied in a didactic control system, with industrial equipments, to control water flow, in tracking setpoints and disturbance rejection experiments. All controller versions have their performance compared with the PI controller used in the plant. The results highlight how the Dynamic Learning Rate and the Context Adaptation improved the controller performance.Universidade Federal de Minas GeraisUFMGControle de processoEngenharia elétricaInteligência computacionalTaxa de aprendizagem dinâmicaControlador NeuroFuzzyONFCOnline neurofuzzy controller: aplicação, análise de parâmetros e contribuiçõesinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALppgengenhariaeletrica_hugorafaelnogueiragomes_dissertacaomestrado.pdfapplication/pdf6193336https://repositorio.ufmg.br/bitstream/1843/BUBD-BANMR9/1/ppgengenhariaeletrica_hugorafaelnogueiragomes_dissertacaomestrado.pdfdc4b15d5a0454d71a1808fe18d212ebdMD51TEXTppgengenhariaeletrica_hugorafaelnogueiragomes_dissertacaomestrado.pdf.txtppgengenhariaeletrica_hugorafaelnogueiragomes_dissertacaomestrado.pdf.txtExtracted texttext/plain168497https://repositorio.ufmg.br/bitstream/1843/BUBD-BANMR9/2/ppgengenhariaeletrica_hugorafaelnogueiragomes_dissertacaomestrado.pdf.txt567f9075a634a11504fa50e0edacc6cbMD521843/BUBD-BANMR92019-11-14 17:33:00.089oai:repositorio.ufmg.br:1843/BUBD-BANMR9Repositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T20:33Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false |
dc.title.pt_BR.fl_str_mv |
Online neurofuzzy controller: aplicação, análise de parâmetros e contribuições |
title |
Online neurofuzzy controller: aplicação, análise de parâmetros e contribuições |
spellingShingle |
Online neurofuzzy controller: aplicação, análise de parâmetros e contribuições Hugo Rafael Nogueira Gomes Taxa de aprendizagem dinâmica Controlador NeuroFuzzy ONFC Controle de processo Engenharia elétrica Inteligência computacional |
title_short |
Online neurofuzzy controller: aplicação, análise de parâmetros e contribuições |
title_full |
Online neurofuzzy controller: aplicação, análise de parâmetros e contribuições |
title_fullStr |
Online neurofuzzy controller: aplicação, análise de parâmetros e contribuições |
title_full_unstemmed |
Online neurofuzzy controller: aplicação, análise de parâmetros e contribuições |
title_sort |
Online neurofuzzy controller: aplicação, análise de parâmetros e contribuições |
author |
Hugo Rafael Nogueira Gomes |
author_facet |
Hugo Rafael Nogueira Gomes |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Walmir Matos Caminhas |
dc.contributor.referee1.fl_str_mv |
Benjamim Rodrigues de Menezes |
dc.contributor.referee2.fl_str_mv |
Agnaldo José da Rocha Reis |
dc.contributor.author.fl_str_mv |
Hugo Rafael Nogueira Gomes |
contributor_str_mv |
Walmir Matos Caminhas Benjamim Rodrigues de Menezes Agnaldo José da Rocha Reis |
dc.subject.por.fl_str_mv |
Taxa de aprendizagem dinâmica Controlador NeuroFuzzy ONFC |
topic |
Taxa de aprendizagem dinâmica Controlador NeuroFuzzy ONFC Controle de processo Engenharia elétrica Inteligência computacional |
dc.subject.other.pt_BR.fl_str_mv |
Controle de processo Engenharia elétrica Inteligência computacional |
description |
A utilizacão de técnicas de inteligência computacional em problemas de controle de processos tem sido cada vez mais frequente. O presente trabalho faz um estudo do Online Neurofuzzy Controller (ONFC), um controlador nebuloso adaptativo com baixo custo computacional e poucos parâmetros de ajuste. Uma revisão dos controladores ja desenvolvidos ´e realizada, com simulacões computacionais das versões encontradas na literatura. ´E realizada uma an´alise dos parâmetros do controlador: a taxa de aprendizagem, parâmetro, e o erro m´aximo admiss´vel ou faixa de excursão do erro, parametro EM. ´E realizada a discussao e aplicacão do ajuste dinamico da taxa de aprendizagem, sendo proposto um novo calculo para a taxa de aprendizagem baseada no modelo do processo. ´E apresentada uma metodologia de ajuste dinamico da faixa de excursão do erro, denominada Adaptacão de Contexto, e ´e criado o controlador ONFCDwDe, uma nova abordagem para a acão derivativa no ONFC. Os controladores estudados são aplicados em uma planta com equipamentos industriais para controle de vazão de ´agua, no qual sao realizados experimentos de servomecanismo e rejeicão de dist´urbios. Os resultados são comparados entre as versões do controlador e também com o controlador PI usado na planta. Nos resultados, ´e evidenciada a contribuicão da Taxa de Aprendizagem Dinâmica e da Adaptacão de Contexto para melhoria no desempenho do controlador. |
publishDate |
2019 |
dc.date.accessioned.fl_str_mv |
2019-08-14T22:24:11Z |
dc.date.available.fl_str_mv |
2019-08-14T22:24:11Z |
dc.date.issued.fl_str_mv |
2019-02-21 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/1843/BUBD-BANMR9 |
url |
http://hdl.handle.net/1843/BUBD-BANMR9 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.publisher.initials.fl_str_mv |
UFMG |
publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFMG instname:Universidade Federal de Minas Gerais (UFMG) instacron:UFMG |
instname_str |
Universidade Federal de Minas Gerais (UFMG) |
instacron_str |
UFMG |
institution |
UFMG |
reponame_str |
Repositório Institucional da UFMG |
collection |
Repositório Institucional da UFMG |
bitstream.url.fl_str_mv |
https://repositorio.ufmg.br/bitstream/1843/BUBD-BANMR9/1/ppgengenhariaeletrica_hugorafaelnogueiragomes_dissertacaomestrado.pdf https://repositorio.ufmg.br/bitstream/1843/BUBD-BANMR9/2/ppgengenhariaeletrica_hugorafaelnogueiragomes_dissertacaomestrado.pdf.txt |
bitstream.checksum.fl_str_mv |
dc4b15d5a0454d71a1808fe18d212ebd 567f9075a634a11504fa50e0edacc6cb |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG) |
repository.mail.fl_str_mv |
|
_version_ |
1803589478922584064 |