Nonlinear controller design using universal approximators through the virtual reference method

Detalhes bibliográficos
Autor(a) principal: Sehnem, Roger Mateus
Data de Publicação: 2023
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/274128
Resumo: Este trabalho trata da utilização de aproximadores universais, principalmente Redes Neurais Profundas (RNP), como parametrização para o controlador de sistemas dinâmicos não lineares no contexto do método Virtual Reference Feedback Tuning (VFRT). Um dos desafios na utilização do método VRFT é a definição da parametrização do controlador, como sistemas não lineares apresentam comportamento bastante rico, definir uma parametrização que permite aproximar o controlador ideal pode ser uma tarefa bastante complexa. Com a intenção de facilitar esta definição, foi proposta utilização de RNPs conhecidas por serem aproximadores universais. Contudo a literatura utiliza um filtro bastante limitante para a aplicação prática com RNPs que, além de computacionalmente custoso, necessita que um modelo da planta seja identificado para a aplicação do método, indo contra os princípios do controle baseado em dados. Por esta razão, neste trabalho, é avaliada a utilização de RNPs com o filtro do VRFT linear. Como técnicas de regularização são uma componente chave na utilização de RNPs, as mesmas são avaliadas e utilizadas não somente com RNPs, mas também com parametrizações lineares nos parâ- metros, permitindo um entendimento facilitado dos seus efeitos. Os resultados do estudo são ilustrados com a aplicação do método proposto, por meio de simulações, em dois sistemas não lineares diferentes, e sugerem que a abordagem proposta é viável para a obtenção de controladores baseado em dados. É proposta, também, uma nova análise da base de dados, utilizando o conceito da referência virtual é possível montar o que seria a base de dados ideal para a identificação do controlador. Essa base de dados ideal é comparada, por mapas de calor, com a base obtida experimentalmente, através do método VRFT. Esta análise é utilizada para explicar, em todos os estudos de caso, o desempenho dos controladores.
id URGS_f2cd72652be49a3bd76fde6614272ac7
oai_identifier_str oai:www.lume.ufrgs.br:10183/274128
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Sehnem, Roger MateusBazanella, Alexandre Sanfelici2024-03-26T05:50:06Z2023http://hdl.handle.net/10183/274128001196788Este trabalho trata da utilização de aproximadores universais, principalmente Redes Neurais Profundas (RNP), como parametrização para o controlador de sistemas dinâmicos não lineares no contexto do método Virtual Reference Feedback Tuning (VFRT). Um dos desafios na utilização do método VRFT é a definição da parametrização do controlador, como sistemas não lineares apresentam comportamento bastante rico, definir uma parametrização que permite aproximar o controlador ideal pode ser uma tarefa bastante complexa. Com a intenção de facilitar esta definição, foi proposta utilização de RNPs conhecidas por serem aproximadores universais. Contudo a literatura utiliza um filtro bastante limitante para a aplicação prática com RNPs que, além de computacionalmente custoso, necessita que um modelo da planta seja identificado para a aplicação do método, indo contra os princípios do controle baseado em dados. Por esta razão, neste trabalho, é avaliada a utilização de RNPs com o filtro do VRFT linear. Como técnicas de regularização são uma componente chave na utilização de RNPs, as mesmas são avaliadas e utilizadas não somente com RNPs, mas também com parametrizações lineares nos parâ- metros, permitindo um entendimento facilitado dos seus efeitos. Os resultados do estudo são ilustrados com a aplicação do método proposto, por meio de simulações, em dois sistemas não lineares diferentes, e sugerem que a abordagem proposta é viável para a obtenção de controladores baseado em dados. É proposta, também, uma nova análise da base de dados, utilizando o conceito da referência virtual é possível montar o que seria a base de dados ideal para a identificação do controlador. Essa base de dados ideal é comparada, por mapas de calor, com a base obtida experimentalmente, através do método VRFT. Esta análise é utilizada para explicar, em todos os estudos de caso, o desempenho dos controladores.This work deals with the usage of universal approximators, mainly Deep Neural Networks (DNNs), as parametrizations for the controller of nonlinear dynamical systems in the context of the Virtual Reference Feedback Tuning. One of the challenges in the utilization of the VRFT method is the definition of the controller parametrization. Since nonlinear systems present a very rich behavior, defining a parametrization that allows to approximate the ideal controller can be a very complex task. With the intention to ease this definition, the usage of DNNs was proposed, which are known for being universal approximators. However the literature uses a filter that is quite limiting for the practical application of the method with DNNs which, in addition to being computationally costly, requires a plant model to be identified to apply the method, going against the data-driven principles. For this reason, in this work, the usage of DNNs with the linear VRFT filter is evaluated. Since regularization techniques are a key component in the usage of DNNs, they are evaluated and utilized not only with DNNs, but also with simpler parametrizations, linear in the parameters, allowing an easier understanding of its effects. The study results are illustrated with the application of the proposed method, using simulations, in two different nonlinear systems, and suggest that the proposed approach is viable for obtaining data-based controllers. A new analysis is also proposed for the database, using the concept of virtual reference is possible to create what would be the ideal database for the controller identification. This ideal database is compared, using heatmaps, with the database obtained experimentally, using the VRFT method. This analysis is used, in all case studies, to explain the controller’s performance.application/pdfengSistemas dinâmicos não-linearesRedes neuraisControle baseado em dadosNonlinear controlVirtual reference feedback tunningDeep neural networkUniversal approximatorsNonlinear controller design using universal approximators through the virtual reference methodinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPrograma de Pós-Graduação em Engenharia ElétricaPorto Alegre, BR-RS2023mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001196788.pdf.txt001196788.pdf.txtExtracted Texttext/plain216835http://www.lume.ufrgs.br/bitstream/10183/274128/2/001196788.pdf.txtb21bd6b7446cb4aa8c27f7786feafcf9MD52ORIGINAL001196788.pdfTexto completo (inglês)application/pdf1474356http://www.lume.ufrgs.br/bitstream/10183/274128/1/001196788.pdf26cbb08e12dcfa1a5d6f39a6b146be9fMD5110183/2741282024-03-27 06:36:39.369887oai:www.lume.ufrgs.br:10183/274128Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532024-03-27T09:36:39Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Nonlinear controller design using universal approximators through the virtual reference method
title Nonlinear controller design using universal approximators through the virtual reference method
spellingShingle Nonlinear controller design using universal approximators through the virtual reference method
Sehnem, Roger Mateus
Sistemas dinâmicos não-lineares
Redes neurais
Controle baseado em dados
Nonlinear control
Virtual reference feedback tunning
Deep neural network
Universal approximators
title_short Nonlinear controller design using universal approximators through the virtual reference method
title_full Nonlinear controller design using universal approximators through the virtual reference method
title_fullStr Nonlinear controller design using universal approximators through the virtual reference method
title_full_unstemmed Nonlinear controller design using universal approximators through the virtual reference method
title_sort Nonlinear controller design using universal approximators through the virtual reference method
author Sehnem, Roger Mateus
author_facet Sehnem, Roger Mateus
author_role author
dc.contributor.author.fl_str_mv Sehnem, Roger Mateus
dc.contributor.advisor1.fl_str_mv Bazanella, Alexandre Sanfelici
contributor_str_mv Bazanella, Alexandre Sanfelici
dc.subject.por.fl_str_mv Sistemas dinâmicos não-lineares
Redes neurais
Controle baseado em dados
topic Sistemas dinâmicos não-lineares
Redes neurais
Controle baseado em dados
Nonlinear control
Virtual reference feedback tunning
Deep neural network
Universal approximators
dc.subject.eng.fl_str_mv Nonlinear control
Virtual reference feedback tunning
Deep neural network
Universal approximators
description Este trabalho trata da utilização de aproximadores universais, principalmente Redes Neurais Profundas (RNP), como parametrização para o controlador de sistemas dinâmicos não lineares no contexto do método Virtual Reference Feedback Tuning (VFRT). Um dos desafios na utilização do método VRFT é a definição da parametrização do controlador, como sistemas não lineares apresentam comportamento bastante rico, definir uma parametrização que permite aproximar o controlador ideal pode ser uma tarefa bastante complexa. Com a intenção de facilitar esta definição, foi proposta utilização de RNPs conhecidas por serem aproximadores universais. Contudo a literatura utiliza um filtro bastante limitante para a aplicação prática com RNPs que, além de computacionalmente custoso, necessita que um modelo da planta seja identificado para a aplicação do método, indo contra os princípios do controle baseado em dados. Por esta razão, neste trabalho, é avaliada a utilização de RNPs com o filtro do VRFT linear. Como técnicas de regularização são uma componente chave na utilização de RNPs, as mesmas são avaliadas e utilizadas não somente com RNPs, mas também com parametrizações lineares nos parâ- metros, permitindo um entendimento facilitado dos seus efeitos. Os resultados do estudo são ilustrados com a aplicação do método proposto, por meio de simulações, em dois sistemas não lineares diferentes, e sugerem que a abordagem proposta é viável para a obtenção de controladores baseado em dados. É proposta, também, uma nova análise da base de dados, utilizando o conceito da referência virtual é possível montar o que seria a base de dados ideal para a identificação do controlador. Essa base de dados ideal é comparada, por mapas de calor, com a base obtida experimentalmente, através do método VRFT. Esta análise é utilizada para explicar, em todos os estudos de caso, o desempenho dos controladores.
publishDate 2023
dc.date.issued.fl_str_mv 2023
dc.date.accessioned.fl_str_mv 2024-03-26T05:50:06Z
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/10183/274128
dc.identifier.nrb.pt_BR.fl_str_mv 001196788
url http://hdl.handle.net/10183/274128
identifier_str_mv 001196788
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/274128/2/001196788.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/274128/1/001196788.pdf
bitstream.checksum.fl_str_mv b21bd6b7446cb4aa8c27f7786feafcf9
26cbb08e12dcfa1a5d6f39a6b146be9f
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1810085641428402176