Identification and implementation of a Predictive Control in a Thermal System
DOI:
https://doi.org/10.33448/rsd-v12i1.39862Palavras-chave:
Sistema térmico; Identificação de sistemas; Controle Preditivo; Controle PID; Planta didática industrial.Resumo
O presente trabalho consiste em realizar a identificação e a implementação de um controlador preditivo em um sistema térmico com objetivo de seguir uma metodologia didática de projeto para o aprendizado em identificação de sistemas, análise e projeto de controladores. Para a identificação do sistema térmico, o método dos mínimos quadrados foi o escolhido por permitir obter um modelo matemático fiel que descreva o sistema de temperatura. Os dados utilizados na etapa de identificação do sistema são de uma planta industrial didática de um sistema de temperatura. A partir do modelo obtido para o sistema em questão, realiza-se o projeto e implementação de um controlador do tipo Proporcional Integral Derivativo (PID) clássico e de um controlador do tipo preditivo com a finalidade de verificar o comportamento do sistema perante as atuações de ambos os controladores. Toda a implementação será realizada no ambiente de simulação computacional MATLAB/Simulink.
Referências
Aguirre, L. A. (2004). Introdução à identificação de sistemas–Técnicas lineares e não-lineares aplicadas a sistemas reais. Editora UFMG.
Arnold, F., & King, R. (2021). State–space modeling for control based on physics-informed neural networks. Engineering Applications of Artificial Intelligence, 101, 104195.
Åström, K. J., & Hägglund, T. (2004). Revisiting the Ziegler–Nichols step response method for PID control. Journal of Process Control, 14(6), 635-650.
Camacho, E. F., & Alba, C. B. (2013). Model predictive control. Springer science & business media.
de Moraes, A. T., Rossi, F. Q., Galvão, R. K. H., & Kienitz, K. H. (2013). Controle Preditivo com Restrições para Controle de Nível do Tanque de uma Planta-Piloto Industrial. In. Anais do XI Simpósio Brasileiro de Automação Inteligente, Fortaleza – CE, Brasil.
Dorf, R. C., & Bishop, R. H. (2001). Sistemas de Controle Moderno. LTC.
Jaluria, Y. (2007). Design and optimization of thermal systems. CRC press.
Kaya, I. (2004). IMC based automatic tuning method for PID controllers in a Smith predictor configuration. Computers & Chemical Engineering, 28(3), 281-290.
Köche, J. C. (2016). Fundamentos de metodologia científica. Editora Vozes.
Nelles, O. (2020). Nonlinear system identification: from classical approaches to neural networks, fuzzy models, and gaussian processes. Springer Nature.
Nise, N. S. (2002). Engenharia de sistemas de controle. LTC.
Ogata, K. (2011). Engenharia de controle moderno. Prentice Hall.
Oliveira, M. D. M., Silva, R. C. M., & de Souza, D. L. (2020). Otimização multiobjetivo no projeto de controlador de nível em planta piloto. Research, Society and Development, 9(7), e743974794-e743974794.
Özerdem, Ö. C. (2016). Design of two experimental setups for programmable logic controller (PLC) laboratory. International Journal of Electrical Engineering Education, 53(4), 331-340.
Pinho, A. G., Olímpio, E. J. S., Cabral, L. M., de Oliveira Filho, R. M., Silva, B. C. R., Furriel, G. P. & de Melo Junior, G. (2021). Desenvolvimento de bancada didática contendo múltiplos sensores e atuadores. Research, Society and Development, 10(13), e222101321165-e222101321165.
Pugliese, L. F., de Oliveira, T. G., da Silva, D. L. F., Rodor, F. F., da Silva Braga, R. A., & Amorim, G. F. (2022). Modeling and development of a low-cost didactic plant for teaching in multivariable systems. Research, Society and Development, 11(7), e33011730249-e33011730249.
Qin, S. J., & Badgwell, T. A. (2003). A survey of industrial model predictive control technology. Control Engineering Practice, 11(7), 733-764.
Santos, L. S., de Moraes, M. N., Lopes, J. D. S., Bauer, L. C., Bonomo, P., & Bonomo, R. C. F. (2020). Modeling thermal properties of exotic fruits pulps: an artificial neural networks approach. Research, Society and Development, 9(11), e7509119806-e7509119806.
Santos, T. L. M. (2011). Contribuições para o controle preditivo com compensação de atraso robusta. Universidade Federal de Santa Catarina.
Shridhar, R., & Cooper, D. J. (1997). A tuning strategy for unconstrained SISO model predictive control. Industrial & Engineering Chemistry Research, 36(3), 729-746.
Tripp, D. (2005). Action research: a methodological introduction. Educação e pesquisa, 31(3), 443-466.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2023 Luiz Felipe Pugliese; Tiago Gaiba de Oliveira; Fadul Ferrari Rodor; Rodrigo Aparecido da Silva Braga; Diogo Leonardo Ferreira da Silva
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
