???item.export.label??? ???item.export.type.endnote??? ???item.export.type.bibtex???

Please use this identifier to cite or link to this item: https://tedebc.ufma.br/jspui/handle/tede/tede/2418
Full metadata record
DC FieldValueLanguage
dc.creatorAZEVEDO JÚNIOR, Arnaldo Pinheiro de-
dc.creator.Latteshttp://lattes.cnpq.br/0278652408355467por
dc.contributor.advisor1SERRA, Ginalber Luiz de Oliveira-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/0831092299374520por
dc.contributor.referee1SERRA, Ginalber Luiz de Oliveira-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/0831092299374520por
dc.contributor.referee2SOUZA, Francisco das Chagas de-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/2405363087479257por
dc.contributor.referee3BARRETO, Gilmar-
dc.contributor.referee3Latteshttp://lattes.cnpq.br/0159629841302996por
dc.contributor.referee4ROCHA FILHO, Orlando Donato-
dc.contributor.referee4Latteshttp://lattes.cnpq.br/7455720877184126por
dc.date.accessioned2018-10-29T22:04:40Z-
dc.date.issued2018-09-25-
dc.identifier.citationAZEVEDO JÚNIOR, Arnaldo Pinheiro de. Metodologia de controle preditivo baseado em modelo Fuzzy evolutivo. 2018. 99f. Dissertação (Programa de Pós-Graduação em Engenharia de Eletricidade/CCET) - Universidade Federal do Maranhão, São Luís .por
dc.identifier.urihttps://tedebc.ufma.br/jspui/handle/tede/tede/2418-
dc.description.resumoEste trabalho tem como objetivo propor uma metodologia baseada na combinação do controle preditivo com a modelagem fuzzy evolutiva. O controle preditivo é uma técnica industrial avançada capaz de calcular o sinal de controle aplicado ao processo a partir de uma predição do seu comportamento futuro. A modelagem fuzzy evolutiva é uma técnica de identificação de modelos capaz de adquirir conhecimento do processo na forma de regras fuzzy SE-ENTÃO, além de evoluir sua estrutura e atualizar seus parâmetros. Esse trabalho propõe uma metodologia de controle preditivo baseado em modelo fuzzy evolutivo capaz de controlar processos multivariáveis com dinâmica não linear. A técnica de controle preditivo utilizada foi o Pratical Nonlinear Model Predictive Control que é capaz de calcular o sinal de controle a partir de uma aproximação do modelo de predição não linear do processo a ser controlado. O modelo de predição utilizado é obtido a partir de uma versão evolutiva da técnica de agrupamento fuzzy Gustafson-Kessel e um algoritmo recursivo de mínimos quadrados. O controlador proposto é capaz de melhorar o rastreamento de uma trajetória de referência por evoluir a estrutura do modelo de predição não linear a partir da extração de conhecimento dinâmico das entradas e saídas do processo. Para avaliar a metodologia proposta, a mesma foi aplicada ao controle de três processos benchmarks não lineares conhecidos da literatura.por
dc.description.abstractThe objective of this work is to propose a methodology based on the combination of predictive control and evolving fuzzy modeling. Predictive control is an advanced industrial technique, capable of calculating the control signal applied to the process from a prediction of its future behavior. Evolving fuzzy modeling is a model identification technique, capable of acquisition of Knowledge of the process in the form of IF-THEN fuzzy rules, as well as evolving its structure and updating its parameters. This work proposes a predictive control methodology based on an evolving fuzzy model capable of controlling multivariable processes with nonlinear dynamics. The predictive control technique used is the Practical Nonlinear Model Predictive Control, which calculates the control signal from an approximation of the non-linear prediction model of the process to be controlled. The prediction model used is obtained from an evolving version of the Gustafson-Kessel fuzzy clustering technique and the least squares recursive algorithm. The proposed controller is able to improve its tracking capabilitie of a reference trajectory, because, it evolves the structure of the non-linear prediction model from the extraction of dynamic knowledge of the inputs and outputs of the process to be controlled. In order to evaluate the proposed methodology, it was applied to the control of three non-linear benchmarking processes known in the literature.eng
dc.description.provenanceSubmitted by Daniella Santos (daniella.santos@ufma.br) on 2018-10-29T22:04:40Z No. of bitstreams: 1 ArnaldoPinheirodeAzevedoJúnior.pdf: 5077472 bytes, checksum: 8fcdf71139b7b7257dd3b909d20aec7f (MD5)eng
dc.description.provenanceMade available in DSpace on 2018-10-29T22:04:40Z (GMT). No. of bitstreams: 1 ArnaldoPinheirodeAzevedoJúnior.pdf: 5077472 bytes, checksum: 8fcdf71139b7b7257dd3b909d20aec7f (MD5) Previous issue date: 2018-09-25eng
dc.description.sponsorshipCAPESpor
dc.formatapplication/pdf*
dc.languageporpor
dc.publisherUniversidade Federal do Maranhãopor
dc.publisher.departmentDEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCETpor
dc.publisher.countryBrasilpor
dc.publisher.initialsUFMApor
dc.publisher.programPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCETpor
dc.rightsAcesso Abertopor
dc.subjectControle preditivopor
dc.subjectModelagem fuzzy evolutivapor
dc.subjectPratical nonlinear model predictive controlpor
dc.subjectPredictive controleng
dc.subjectEvolving fuzzy modelingeng
dc.subjectPratical nonlinear model predictive controleng
dc.subject.cnpqEletrônica Industrial, Sistemas e Controles Eletrônicospor
dc.titleMetodologia de controle preditivo baseado em modelo Fuzzy evolutivopor
dc.title.alternativeModel-Based Predictive Control Methodology Fuzzy evolutionaryeng
dc.typeDissertaçãopor
Appears in Collections:DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE

Files in This Item:
File Description SizeFormat 
ArnaldoPinheirodeAzevedoJúnior.pdfDissertação de Mestrado4,96 MBAdobe PDFDownload/Open Preview


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