Controle de posição de uma esfera levitante por meio de visão computacional e aprendizado por reforço

Detalhes bibliográficos
Autor(a) principal: Susin, Luiz Henrique
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/123456789/254190
Resumo: TCC (graduação) - Universidade Federal de Santa Catarina, Campus Blumenau, Engenharia de Controle e Automação.
id UFSC_e6d9be1ba883dcfc9a8786331350f1c4
oai_identifier_str oai:repositorio.ufsc.br:123456789/254190
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Controle de posição de uma esfera levitante por meio de visão computacional e aprendizado por reforçoVisão computacionalControle PIDMachine LearningTCC (graduação) - Universidade Federal de Santa Catarina, Campus Blumenau, Engenharia de Controle e Automação.A necessidade de aperfeiçoamento dos métodos tradicionais de autotuning, como o método de Ziegler-Nichols, é destacada dada a presença de limitações destas ferramentas em sistemas dinâmicos, não lineares e em ambientes sujeitos a constantes mudanças. Tais métodos convencionais muitas vezes exigem um conhecimento aprofundado da planta e podem não ser eficazes diante de incertezas, necessitando de ajustes manuais frequentes. Este trabalho se propõe a controlar a posição de uma esfera - cuja posição é adquirida utilizando visão computacional - em um tubo utilizando um controlador PID e aprendizado por reforço com Q-Learning como uma solução para o autotuning de seus ganhos. Esta abordagem combina inteligência artificial com controle de processos, oferecendo uma estratégia adaptativa e flexível que supera as limitações dos métodos convencionais. O uso da visão computacional é essencial devido à sua capacidade de fornecer informações em tempo real sobre a posição da esfera. A câmera RGB utilizada no sistema captura imagens que permitem a retroalimentação, sendo mais efetiva do que outras soluções tais como sensores ultrassônicos. O uso em conjunto com aprendizado de máquina permite ajustar dinamicamente o controle em resposta à mudanças nas condições ambientais e comportamento da esfera. Tal incorporação no ajuste dinâmico dos ganhos do controlador PID representa um salto significativo em direção à automação inteligente, já aplicado na indústria. Ele permite que o sistema aprenda e adapte-se continuamente ao ambiente, otimizando seus próprios parâmetros de controle, fornecendo ao sistema a capacidade de se ajustar a novos contextos de forma autônoma, além de proporcionar uma resposta adaptativa a perturbações, promovendo a estabilidade do sistema. Assim, a combinação da visão computacional e do aprendizado por reforço não apenas oferece uma abordagem avançada para o controle do sistema, mas também estabelece um modelo para a aplicação dessas tecnologias em sistemas complexos e dinâmicos em diversos campos, desde automação industrial até pesquisa científica. Através de experimentos práticos mostrou-se que o algoritmo Q-Learning foi capaz de encontrar ganhos para o controlador que corrigiram uma dinâmica oscilatória do sistema em apenas 8 minutos (considerando as etapas de aprendizado e correção)The need for the refinement of traditional autotuning methods, such as the Ziegler-Nichols method, is highlighted given the presence of limitations of these tools in dynamic, nonlinear systems and in environments subject to constant changes. Such conventional methods often require an in-depth knowledge of the plant and may not be effective in the face of uncertainties, necessitating frequent manual adjustments. This paper proposes to control the position of a sphere - whose position is acquired using computer vision - in a tube using a PID controller and reinforcement learning with Q-Learning as a solution for autotuning its gains. This approach combines artificial intelligence with process control, offering an adaptive and flexible strategy that overcomes the limitations of conventional methods. The use of computer vision is essential due to its ability to provide real-time information about the sphere’s position. The RGB camera used in the system captures images that allow feedback, being more effective than other solutions such as ultrasonic sensors. The use in conjunction with machine learning allows for dynamically adjusting control in response to changes in environmental conditions and the behavior of the sphere. Such incorporation into the dynamic adjustment of the PID controller’s gains represents a significant leap towards intelligent automation, already applied in the industry. It allows the system to learn and continuously adapt to the environment, optimizing its own control parameters, providing the system with the ability to adjust to new contexts autonomously, as well as offering an adaptive response to disturbances, promoting system stability. Thus, the combination of computer vision and reinforcement learning not only offers an advanced approach for system control but also establishes a model for the application of these technologies in complex and dynamic systems across various fields, from industrial automation to scientific research. By using pratical experiments, it was found that the Q-Learning algorithm was able to find gains for the controller that corrected an oscillatory dynamic of the system in just 8 minutes (considering the learning and correction phases).Blumenau, SC.Matsuo, Marcos ViniciusUniversidade Federal de Santa Catarina.Susin, Luiz Henrique2024-02-06T19:08:30Z2024-02-06T19:08:30Z2024-02-01info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis76 f.application/pdfhttps://repositorio.ufsc.br/handle/123456789/254190Open Access.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSC2024-02-06T19:08:30Zoai:repositorio.ufsc.br:123456789/254190Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732024-02-06T19:08:30Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Controle de posição de uma esfera levitante por meio de visão computacional e aprendizado por reforço
title Controle de posição de uma esfera levitante por meio de visão computacional e aprendizado por reforço
spellingShingle Controle de posição de uma esfera levitante por meio de visão computacional e aprendizado por reforço
Susin, Luiz Henrique
Visão computacional
Controle PID
Machine Learning
title_short Controle de posição de uma esfera levitante por meio de visão computacional e aprendizado por reforço
title_full Controle de posição de uma esfera levitante por meio de visão computacional e aprendizado por reforço
title_fullStr Controle de posição de uma esfera levitante por meio de visão computacional e aprendizado por reforço
title_full_unstemmed Controle de posição de uma esfera levitante por meio de visão computacional e aprendizado por reforço
title_sort Controle de posição de uma esfera levitante por meio de visão computacional e aprendizado por reforço
author Susin, Luiz Henrique
author_facet Susin, Luiz Henrique
author_role author
dc.contributor.none.fl_str_mv Matsuo, Marcos Vinicius
Universidade Federal de Santa Catarina.
dc.contributor.author.fl_str_mv Susin, Luiz Henrique
dc.subject.por.fl_str_mv Visão computacional
Controle PID
Machine Learning
topic Visão computacional
Controle PID
Machine Learning
description TCC (graduação) - Universidade Federal de Santa Catarina, Campus Blumenau, Engenharia de Controle e Automação.
publishDate 2024
dc.date.none.fl_str_mv 2024-02-06T19:08:30Z
2024-02-06T19:08:30Z
2024-02-01
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/123456789/254190
url https://repositorio.ufsc.br/handle/123456789/254190
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 76 f.
application/pdf
dc.publisher.none.fl_str_mv Blumenau, SC.
publisher.none.fl_str_mv Blumenau, 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_ 1808652051735904256

Registros relacionados