DSpace
 
  Repositório Institucional da Universidade de Aveiro > Departamento de Electrónica, Telecomunicações e Informática > DETI - Teses de doutoramento >
 Modelização cinzenta aplicada à síntese de controladores com baixa complexidade
Please use this identifier to cite or link to this item http://hdl.handle.net/10773/2205

title: Modelização cinzenta aplicada à síntese de controladores com baixa complexidade
authors: Vieira, José António Barros
advisors: Mota, Alexandre Manuel Moutela Nunes da
keywords: Controlo automático
Sistemas de controlo
Sistemas inteligentes
Modelização
issue date: 2006
publisher: Universidade de Aveiro
abstract: Nas últimas décadas tem-se assistido à automatização generalizada da maioria dos sistemas e equipamentos que nos rodeiam no dia-a-dia, desde os sistemas industriais, de transporte, até aos pequenos electrodomésticos. A automatização dos sistemas torna-os mais inteligentes, no sentido de maior capacidade de adaptação operacional e maior eficácia, facilitando e simplificando a sua utilização. O problema que serviu de motivação ao desenvolvimento deste trabalho foi precisamente a automatização de um equipamento de aquecimento de água a gás, conhecido por esquentador doméstico. Neste sentido, o presente trabalho propõe novas estratégias de automatização inteligentes para o controlo de um esquentador, adaptadas à execução em sistemas embutidos de baixo poder de cálculo. Este trabalho suporta a tese de que a utilização de modelos com um elevado nível de interpretabilidade propicia a construção de estruturas com baixa complexidade matemática, potenciando a simplicidade das malhas de controlo. A interpretabilidade dos modelos deste tipo, tipicamente classificados como de caixa cinzenta ou cinzentos, depende do tipo de conhecimentos utilizados e incorporados na sua construção. Existindo, desde modelos construídos e identificados com base em dados de entrada e saída que apresentam baixos níveis de interpretabilidade, passando por modelos baseados em conhecimentos experimentais com níveis de interpretabilidade intermédios até modelos baseados em conhecimentos fenomenológicos que apresentam elevados níveis de interpretabilidade. Com o objectivo de construir modelos para o esquentador com um razoável nível de interpretabilidade são neste trabalho apresentados e explorados três métodos de modelização neuro-difusa (modelização cinzenta escura) orientada por blocos (modelização cinzenta) e híbrida (modelização cinzenta clara). Neste âmbito, são propostos como modelos para o esquentador: o modelo neuro-difuso, Hammerstein adaptativo polinomial/neuro-difuso e híbrido série polinomial/neuro-difuso. Utilizando os referidos modelos são propostas três malhas de controlo baseadas no controlador Smith preditivo, com algumas simplificações que resultam da interpretabilidade dos respectivos modelos, tal como a linearização do esquentador relativamente ao fluxo de gás. Finalmente, os desempenhos dos vários controladores assim como os respectivos níveis de interpretabilidade e de complexidade matemática são comparados. Este trabalho apresenta diversas contribuições ao nível das diferentes abordagens de modelização e da definição de algoritmos de controlo a aplicar num esquentador doméstico: · Definição e identificação do modelo neuro-difuso, dos modelos Hammerstein adaptativo polinomial/neuro-difuso e dos modelos híbridos série polinomial/neuro-difuso, que exploram as várias metodologias de combinação de conhecimentos a priori na sua construção (modelização cinzenta); · Proposta de definição da equação de balanço de energias de um esquentador doméstico; · Proposta de alteração da malha de controlo Smith preditivo de forma a linearizar o sistema relativamente a uma dada variável de entrada; · Apresentação da malha de controlo Smith preditivo para sistemas com múltiplas entradas com diferentes tempos mortos; · Aplicação dos vários modelos cinzentos no controlo automático de um esquentador doméstico, obtendo controladores adaptativos e não adaptativos de complexidade matemática relativamente baixa. Este trabalho disponibiliza uma gama diversificada de soluções de controlo automático para o esquentador com semelhantes níveis de desempenho, mas com diferentes níveis de interpretabilidade e de complexidade matemática. De referir que os testes e as avaliações das soluções de controlo apresentadas, além de simuladas antecipadamente num computador, foram efectuados com dados reais. ABSTRACT: In the last decade, the number of systems and pieces of equipment that surround us in our daily life and are controlled automatically grew tremendously, from industrial systems to airplanes, cars, and even small domestic appliances. Such automatic control makes those systems more intelligent in the sense of higher adaptability to different operational conditions and higher efficiency, facilitating and simplifying their use. The problem that motivated this work was one such case, namely the automatic control of a gas water heating equipment, known as domestic gas heater, for which we propose new intelligent control strategies particularly adapted to be embedded in low processing power systems. Our thesis states that using models with a high level of interpretability leads to models with low mat hematical complexity, thus facilitating the development of simple feedback controllers. These models, typically called grey box models or grey models, have an interpretability that depends on the type of knowledge used and incorporated in their construction. There are models developed and identified based on input/output data that present low interpretability levels, models based on experimental knowledge with medium interpretability levels, and even models based on phenomenological knowledge that present high interpretability levels. In order to develop a model for the gas water heater with a reasonably high interpretability level we present and explore three modelling techniques: the neuro-fuzzy modelling (also called dark grey modelling); the block based modelling (grey modelling); and the hybrid modelling (also referred to as clear grey modelling). From these, we propose the following models for the gas heater: a neuro-fuzzy model, a polynomial/neuro-fuzzy adaptive Hammerstein model and a polynomial/neuro-fuzzy series hybrid model. Using the models referred above, we propose three Smith predictive controllers with a few simplifications that arose from the models interpretability such as the gas heater linearization with respect to the gas flow. Finally, the performance of the three controllers are compared among them as well as the respective levels of interpretability and mathematical complexity. This work presents several contributions in the area of modelling and definition of control algorithms applicable to the control of domestic gas water heaters: · Definition and identification of the neuro-fuzzy model, polynomial/neurofuzzy adaptative Hammerstein models and polynomial/neuro-fuzzy series hybrid models, exploring several methodologies to combine a priori knowledge in their construction (grey modelling); · Proposal for the definition of the energy balance equations in a domestic gas water heater; · Adaptation of the Smith predictive controller on order to linearize the system with respect to a given input; · Formulation of the Smith predictive controller for systems with multiple inputs and different time delays. Beyond the referred contributions, we also present three controllers applied to the domestic gas water heater, one adaptive and two not adaptive, achieving very good results. Despite their similar performance, these control solutions exhibit different levels of interpretability and mathematical complexity as expected. The controllers were previously simulated in a computer but their experimental assessment was carried out with real data.
description: Doutoramento em Engenharia Electrotécnica
URI: http://hdl.handle.net/10773/2205
appears in collectionsUA - Teses de doutoramento
DETI - Teses de doutoramento

files in this item

file description sizeformat
2007001406.pdf4.7 MBAdobe PDFview/open
statistics

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

 

Valid XHTML 1.0! RCAAP OpenAIRE DeGóis
ria-repositorio@ua.pt - Copyright ©   Universidade de Aveiro - RIA Statistics - Powered by MIT's DSpace software, Version 1.6.2