Escalonamento de ganhos em Controladores PID/PI com a utilização de Redes Neurais Artificiais aplicados em Máquinas de Empacotamento

dc.contributor.advisorBarbosa, Paulo Roberto
dc.contributor.authorWu, Fabio Bruci
dc.date.accessioned2017-10-02T17:02:25Z
dc.date.available2017-10-02T17:02:25Z
dc.date.issued03/072017
dc.description.abstractSistemas controlados por servo motor são facilmente encontrados na indústria e, na maioria dos casos, esses sistemas não são lineares, o que pode demandar o desenvolvimento de estratégias mais elaboradas para o controle do servo motor. A planta utilizada neste estudo é um conjunto de selagem acionado por servo motor, onde o controle é feito diretamente por um servo drive com controle PID/PI (Proporcional Integral Derivativo/Proporcional Integral), sendo possível manipular os valores dos ganhos do controlador. O conjunto de selagem efetua o movimento de abertura e fechamento de forma cíclica, produzindo um sobressinal de posição de 2% ou mais quando ajustado pelo método de sintonização automática dos ganhos. Sabendo que a planta não é linear e que possui diferentes ganhos para distintas faixas de operação, este trabalho tem como objetivo propor um escalonamento de ganhos para essas diferentes faixas de operação, utilizando uma rede neural artificial capaz de reproduzir uma relação que irá gerar os ganhos de acordo com a faixa de operação do sistema, reduzindo o sobressinal do conjunto de 2% ou mais para um sobressinal menor que 0,5%.pt_BR
dc.description.abstract2Servo motor controlled systems are readily available in the industry and in most cases, these systems are nonlinear which may require developing more elaborate strategies for engine control. The plant used in this study is a set of servo motor driven sealing where control is done directly by a servo drive with PID/PI control (Proportional Integral Derivative/Proportional Integral) where you can manipulate the values of the controller gains. The sealing assembly performs the opening and closing movement cyclically, producing a position overhangs of 2% or more when adjusted by the automatic gain tuning method. Knowing that the plant is not linear and that has different gains for different operating ranges, this work aims to propose a gain scheduling for the different operating ranges using an artificial neural network capable of playing a function that will generate the gains according to the system operating range, improving control performance throughout its operating range, Reducing the salience of the set of 2% or more to a salient of less than 0.5%.
dc.format.mimetypeapplication/pdf
dc.identifier.bibliographicCitationBRUCI WU, Fabio. Escalonamento de ganhos em Controladores PID/PI com a utilização de Redes Neurais Artificiais aplicados em Máquinas de Empacotamento. Orientador: Prof. Dr. Paulo Roberto Barbosa. 2017. 90f.: il. Dissertação (Mestrado Profissional em Automação e Controle de Processos) - Instituto Federal de Educação, Ciência e Tecnologia de São Paulo, IFSP, 2017. Versão eletrônica.
dc.identifier.urihttp://repo.ifsp.edu.br/123456789/32
dc.identifier2.lattes3566819467305816
dc.publisherIFSP
dc.publisher.campiSÃO PAULO
dc.publisher.programMestrado Profissional em Automação e Controle de Processos
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/
dc.subject.keywordsneural gain scheduling
dc.subject.keywordsgain scheduling
dc.subject.keywordscontrole de servo motor
dc.subject.keywordsrede neural artificial
dc.titleEscalonamento de ganhos em Controladores PID/PI com a utilização de Redes Neurais Artificiais aplicados em Máquinas de Empacotamentopt_BR
dc.title.alternativeScaling gains in PID/PI Controllers using Artificial Neural Networks applied to Packaging Machines
dc.typeTeses e Dissertações
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
Wu, Fabio Bruci.pdf
Tamanho:
4.24 MB
Formato:
Adobe Portable Document Format
Descrição:
Licença do Pacote
Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descrição: