Avaliação de controle neural a um processo de quatro tanques acoplados

Abstract

O objetivo desta tese de doutorado é a avaliação de controle neural em um processo de quatro tanques acoplados, em escala de laboratório, onde se deseja controlar a altura do nível de água do quarto tanque. A dinâmica desse processo é não linear, uma vez que as vazões nos tanques dependem da raiz quadrada das alturas dos níveis de água. Sendo esse tipo de processo bastante comum em escala industrial principalmente nos ramos químico e petroquímico. Por se tratar de um processo não linear, o desempenho de controladores clássicos depende fortemente da faixa de operação do processo, o que exigiria, assim, ajuste dos seus parâmetros em diferentes pontos de operação. Vários controladores são implementados, objetivando a avaliação, pesquisa, validação e melhoria no desempenho de controladores neurais artificiais. A resposta característica deste processo não permite um bom desempenho, numa ampla faixa de operação, utilizando-se controladores convencionais, justificando assim o uso dos controladores neurais. Para o projeto, implementação, simulação e controle neural no processo, foram implementados em um computador comercial de uso geral, utilizando o software Matlab/Simulink. Para executar o controlador neural, utilizaram-se módulos eletrônicos de conversão. A metodologia empregada foi: a identificação, treinamento, simulação e controle para a faixa de operação pretendida com os sinais obtidos da planta. O modelo aproximador NARMA-L2 (Nonlinear Autoregressive-Moving Average-Norma-L2), foi inicialmente usado para modelar a planta e posteriormente a RNA foi usada no modelo da planta para calcular a lei de controle. O algoritmo proposto por Narendra, K.S. and Mukhopadhayay, 1997, transforma o sistema não linear em um sistema linear através do cancelamento das não linearidades. A vantagem sobre a engenharia convencional de controle é que a rede neural aprende com dados obtidos do processo. Experimentos e simulações de controles foram realizados nesse processo. Resultados experimentais e tabelas comparativas são apresentados ao longo desta tese. Mostra-se a viabilidade da abordagem neural de pesos fixos para o controle de plantas nãolineares. Ressalta-se, também, que para esse processo, existem casos onde os controladores neurais utilizados não podiam ser sintonizados para dar um desempenho satisfatório. A contribuição principal desta tese consiste em mostrar uma avaliação do controlador neural NARMA-L2, em um complexo processo de quarta ordem não linear. Uma avaliação, até o momento, despercebida. _______________________________________________________________________________ ABSTRACT

The main goal of this doctorate thesis is the evaluation of neural control on a four interconnected tanks process, in laboratory environment, where the controlled variable is the water level height of the fourth tank. The dynamics of this process is non linear, as the outflow from the tanks depends on the square root of corresponding water height. This type of process is quite common in industrial applications as, for example, chemical and petrochemical plants. Because the process is non linear, the performance of conventional control techniques depends strongly on the operation points, thus, on parameters adjustment for each operation point. Many different controllers have been implemented aiming the evaluation, research, validation and improvement of artificial neural controllers. The characteristic behavior of this process does not allow satisfactory performance on a wide operation range with the use of conventional controllers, what justifies the use of neural controllers. For the design, implementation and simulation of the neural controller on the process, a general purpose commercial computer had been used to run a Matlab/Simulink software environment. To implement the neural controller, electronic interface modules have been used. The adopted methodology was: identification, training, simulation and control for the proposed operation range using data captured from the plant. The NARMA-L2 structure (Nonlinear Autoregressive-Moving Average-Norm-L2) was initially used to model the plant, while the RNA plant model was used subsequently to calculate the control law. This algorithm, proposed by Narendra, K.S. and Mukhopadhayay, 1997, transforms, in the ideal case, the non linear system into a linear system through the addictive and multiplicative cancellation of non linearities. The advantage of neural networks over conventional control engineering is that it neural networks learn from the process data. Many simulations and experiments with neural controllers have been carried out on the process. Experimental results of neural control and comparative tables are presented throughout this thesis. The viability of neural networks with fixed weights for the control of non linear plants is demonstrated. It should be remarked that, for this process, there are cases for which the neural controller could not be tuned to deliver satisfactory performance. The main contribution of this thesis is showing an evaluation of NARMA-L2 neural control on a complex fourth order non linear process. So far, an unseen evaluation.