Aprimoramento do controlador PID em processos roll-to-roll utilizando aprendizado por reforço

Detalhes bibliográficos
Autor(a) principal: Fernandes Costa Lima, Luís Eduardo
Data de Publicação: 2024
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/255844
Resumo: TCC (graduação) - Universidade Federal de Santa Catarina, Campus Joinville, Engenharia Mecatrônica.
id UFSC_7083d420d5cadc52c65b40f9e8534ae3
oai_identifier_str oai:repositorio.ufsc.br:123456789/255844
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Aprimoramento do controlador PID em processos roll-to-roll utilizando aprendizado por reforçoInteligencia artificialManufatura R2RControle PIDArtifical intelligencePID controlTCC (graduação) - Universidade Federal de Santa Catarina, Campus Joinville, Engenharia Mecatrônica.Atualmente, cerca de 90% das malhas de controle dependem de controladores PID, tornando essa estratégia predominante em processos que requerem uma malha fechada. Em tais contextos, o controle preciso de variáveis específicas é essencial para assegurar a qualidade e eficiência dos produtos resultantes. Um exemplo desses processos é a manufatura roll-to-roll (R2R), uma prática que remonta à primeira revolução industrial e continua sendo essencial na produção de diversas superfícies funcionais nas áreas de saúde, energia, automobilística, entre outras. Além disso, na manufatura R2R é necessário utilizar controladores que cumpram requisitos específicos, uma vez que o controle da tensão do substrato tem impacto na qualidade das superfícies produzidas. Tradicionalmente, a definição de parâmetros PID é feita por meio de métodos analíticos clássicos os quais exigem um profundo conhecimento das plantas, que muitas vezes são complexas e apresentam não-linearidades frequentemente simplificadas, o que pode comprometer a eficácia do modelo. Em adição, esse processo de obtenção dos parâmetros pode consumir muito tempo na indústria. Com os avanços no poder computacional, no entanto, a obtenção de um controlador por meio de métodos de ajuste tem se destacado como uma abordagem vantajosa. Esses métodos são mais rápidos, automatizados e capazes de considerar as dinâmicas do sistema, sem a necessidade de simplificações. Considerando isso, este trabalho explora o uso de inteligência artificial, especificamente o aprendizado por reforço, como método de ajuste de controlador, visando aprimorar o controle de tensão durante um processo R2R. Como resultado, obteve-se um controlador com um valor de custo 65.1% menor em relação ao controlador definido empiricamente pelo operador. Os objetivos deste estudo incluem a coleta e o tratamento de dados, simulação do processo, desenvolvimento de um algoritmo de aprendizado por reforço para ajustar os parâmetros do controlador PID e avaliação do seu desempenho. A base teórica desta pesquisa abrange desde conceitos de engenharia de controle até aprendizado de máquina, destacando o papel desses elementos na criação de soluções viáveis para enfrentar desafios presentes em contextos industriais.Currently, about 90% of control loops employ PID controllers, making this strategy predominant in processes that require a closed loop. In these contexts, precise control of specific variables is essential to ensure the quality and efficiency of the resulting products. An example of these processes is roll-to-roll (R2R) manufacturing, a practice that dates back to the first industrial revolution and remains crucial in the production of various functional surfaces in healthcare, energy, automotive, and other sectors. However, in R2R manufacturing, it is necessary to use controllers that meet specific requirements, as the control of substrate tension impacts the quality of the produced surfaces. Traditionally, the definition of PID parameters is done through analytical methods, which requires in-depth knowledge of plants, often complex and presenting nonlinearities that are frequently simplified, potentially compromising the model’s effectiveness. Additionally, this parameter-obtaining process can be time-consuming in the industry. However, with advances in computational power, obtaining a controller through tuning methods has emerged as an advantageous approach. These methods are faster, automated, and capable of considering the system dynamics without the need for simplifications. Therefore, this paper explores the use of artificial intelligence, specifically reinforcement learning, as a method for controller tuning, aiming to improve tension control during an R2R process. As a result, a controller with a cost value 65.1% lower than the empirically defined controller by the operator was obtained. The objectives of this study include data collection and processing, process simulation, development of a reinforcement learning algorithm to tune the PID controller parameters, and evaluation of its performance. The theoretical basis of this research encompasses concepts from control engineering to machine learning, highlighting the role of these elements in creating viable solutions to address challenges present in industrial contexts.Joinville, SC.Pfitscher, Ricardo JoséUniversidade Federal de Santa Catarina.Fernandes Costa Lima, Luís Eduardo2024-07-10T19:45:57Z2024-07-10T19:45:57Z2024-06-24info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis68 fapplication/pdfhttps://repositorio.ufsc.br/handle/123456789/255844Open Access.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSC2024-07-10T19:45:57Zoai:repositorio.ufsc.br:123456789/255844Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732024-07-10T19:45:57Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Aprimoramento do controlador PID em processos roll-to-roll utilizando aprendizado por reforço
title Aprimoramento do controlador PID em processos roll-to-roll utilizando aprendizado por reforço
spellingShingle Aprimoramento do controlador PID em processos roll-to-roll utilizando aprendizado por reforço
Fernandes Costa Lima, Luís Eduardo
Inteligencia artificial
Manufatura R2R
Controle PID
Artifical intelligence
PID control
title_short Aprimoramento do controlador PID em processos roll-to-roll utilizando aprendizado por reforço
title_full Aprimoramento do controlador PID em processos roll-to-roll utilizando aprendizado por reforço
title_fullStr Aprimoramento do controlador PID em processos roll-to-roll utilizando aprendizado por reforço
title_full_unstemmed Aprimoramento do controlador PID em processos roll-to-roll utilizando aprendizado por reforço
title_sort Aprimoramento do controlador PID em processos roll-to-roll utilizando aprendizado por reforço
author Fernandes Costa Lima, Luís Eduardo
author_facet Fernandes Costa Lima, Luís Eduardo
author_role author
dc.contributor.none.fl_str_mv Pfitscher, Ricardo José
Universidade Federal de Santa Catarina.
dc.contributor.author.fl_str_mv Fernandes Costa Lima, Luís Eduardo
dc.subject.por.fl_str_mv Inteligencia artificial
Manufatura R2R
Controle PID
Artifical intelligence
PID control
topic Inteligencia artificial
Manufatura R2R
Controle PID
Artifical intelligence
PID control
description TCC (graduação) - Universidade Federal de Santa Catarina, Campus Joinville, Engenharia Mecatrônica.
publishDate 2024
dc.date.none.fl_str_mv 2024-07-10T19:45:57Z
2024-07-10T19:45:57Z
2024-06-24
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/handle/123456789/255844
url https://repositorio.ufsc.br/handle/123456789/255844
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Open Access.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Open Access.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 68 f
application/pdf
dc.publisher.none.fl_str_mv Joinville, SC.
publisher.none.fl_str_mv Joinville, SC.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808652268800573440

Registros relacionados