Avaliação do desempenho e sintonia de controladores livre de modelo: projetos e simulações

Abstract

O controle adaptativo livre de modelo, também conhecido como Model Free Adaptive Control (MFAC), é baseado no pseudo-partial-derivative (PPD) calculado a partir dos sinais de entrada e saída do sistema a ser controlado, e também utiliza um fator energético (?) fixo que penaliza o controle para fornecer um bom comportamento do processo de malha fechada para seguimento de referência e rejeição de perturbação de carga. Esta pesquisa apresenta novos algoritmos de adaptação para ajustar não só o PPD, mas também a ponderação ?, com base no Gradiente Clássico (CG), na Função Sigmoide (SF) e no Método de Newton (NM). Por outro lado, visando controlar maior variedade de processos lineares e não lineares são utilizados diferentes funcionais para o desenvolvimento de controladores livre de modelo MFAC na forma discreta. Considerando complexidades de malha como saturação do controle e perturbação periódica presentes na indústria, são desenvolvidas técnicas para tratar estes cenários no MFAC. Com estas propostas, projetos alternativos de controle são obtidos e, mediante a sintonização adequada dos parâmetros de projeto, são garantidos a estabilidade e o desempenho desejado do sistema de malha fechada. Simulações numéricas em processos monovariáveis lineares e não lineares demonstram a eficiência e superioridade das propostas dos controladores adaptativos quando se utiliza um mecanismo de estimação recursivo para calibrar esses parâmetros sobre o MFAC padrão. Índices de desempenho são usados para validar o comportamento dos algoritmos de controle propostos.<br>

Abstract : The Model Free Adaptive Control (MFAC) is based on the pseudo-partial-derivative (PPD) calculated from the input and output signals of the system to be controlled and also using a fixed penalty factor (?) that weights the control energy to provide a good behavior to the feedback process for reference tracking and load disturbance attenuation. This research presents new adaptation algorithms to adjust not only the PPD but also the ? factor and are based on the Classical Gradient (CG), Sigmoid Function (SF) and Newton Method (NM). On the other hand, in order to control a variety of linear and non-linear processes, different fitness functions are used for development of digital MFAC controllers. Considering loop complexities like control saturation and periodic disturbance present in the industry, control techniques are derived to deal with these scenarios in the MFAC. With these proposals, alternative control designs are obtained and by selecting good tuning parameters, stability and performance for the closed-loop system are ensured. Numerical simulations on SISO discrete-time linear and non-linear plants demonstrate the efficiency and superiority of the proposed adaptive controllers when using an estimation mechanism to adjust these parameters over the standard MFAC. Performance indices are applied to show the improvement of the behavior of the proposal control algorithms.