Controle semi-ativo de vibrações com fluido magnetoreológico utilizando LMis e lógica nebulosa otimizada por algoritmo genético

• Autor(a) principal: Gagg Filho, Luiz Arthur [UNESP]
• Data de Publicação: 2013
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/94530
• topic: Lógica difusa; Algoritmos genéticos; Desigualdades (Matemática); Fuzzy lógic

Este trabalho estuda diversas estratégias de controle semi-ativo para a redução de vibração em suspensões veiculares empregando amortecedores magnetoreológicos (MR). A modelagem do amortecedor MR é feita utilizando o modelo de Bouc-Wen modificado. A fim de entender o princípio de funcionamento de um amortecedor MR, uma análise dinâmica é conduzida. Nesta análise o comportamento não linear do amortecedor MR é caracterizado através de laços histeréticos. Quando incorporado ao modelo da suspensão de ¼ de carro, outros efeitos não lineares são evidenciados. Compreendido o comportamento de todo o modelo da suspensão semi-ativa, diversos controladores são estudados e projetados. Este trabalho pode ser dividido em duas frentes. A primeira é o projeto de controladores via LMIs, que possuem uma formulação sólida e permitem o projeto de controladores com altos índices de desempenho. A segunda é o projeto de controladores nebulosos, cuja formulação teórica sobre estabilidade ainda encontra dificuldades, entretanto, é muito utilizada e tem experimentado grandes avanços devido a sua fácil implementação. O controlador nebuloso utilizado neste trabalho foi projetado por um processo automático através da otimização por algoritmo genético. Todos os controladores projetados neste trabalho são comparados com as estratégias de controle passivo. Outras comparações também foram realizadas com o controle semi-ativo utilizando um controlador LQR e um controlador nebuloso do tipo Mamdani sem otimização. Simulações numéricas com diversas excitações de entrada foram conduzidas. O trabalho termina demonstrando a superioridade do controle nebuloso via algoritmo genético e sua potencialidade para o futuro. Houve destaque também para o controlador que reduz a norma H2 via LMI.