PROJETO DE CONTROLADORES PID ROBUSTOS VIA OTIMIZAÇÃO NUMÉRICA COM APLICAÇÃO NO CONTROLE DE NÍVEL

Fabrizio Leonardi; Renato Aparecido Aguiar; Ivan Carlos Franco; Mauro Renault Menezes

doi:10.18540/jcecvl5iss5pp0403-0407

Authors

Fabrizio Leonardi Centro Universitário FEI https://orcid.org/0000-0001-8056-7645
Renato Aparecido Aguiar Centro Universitário FEI https://orcid.org/0000-0002-4413-3847
Ivan Carlos Franco Centro Universitário FEI https://orcid.org/0000-0003-4811-8158
Mauro Renault Menezes Centro Universitário FEI https://orcid.org/0000-0002-9112-2921

DOI:

https://doi.org/10.18540/jcecvl5iss5pp0403-0407

Keywords:

Controle ótimo, Controle PID, Controle Robusto

Abstract

O estudo de sistemas dinâmicos é um problema frequente nas diferentes áreas da Engenharia. Quando as especificações de desempenho relacionadas a esses tipos de sistemas são rigorosas, normalmente se utilizam sistemas de controle em malha fechada para garantir o desempenho esperado, mesmo na presença de erros de modelagem, ou seja, robustos às incertezas. O presente trabalho propõe a aplicação da técnica de shooting de otimização como alternativa para o projeto de controladores PID robustos, sendo aplicada a uma planta de controle de nível. Pelos resultados experimentais observados, pode-se concluir que a técnica pode conferir bom desempenho de regime permanente e transitório, avaliados pelo erro estacionário, tempo de acomodação e overshoot mesmo na presença de incerteza no valor da constante de tempo do modelo da planta.

Downloads

Download data is not yet available.

Author Biographies

Fabrizio Leonardi, Centro Universitário FEI

Depto de Engenharia Mecânica
Sistemas Dinâmicos e Controle

Renato Aparecido Aguiar, Centro Universitário FEI

Depto de Engenharia Elétrica

Ivan Carlos Franco, Centro Universitário FEI

Depto de Engenharia Química

Mauro Renault Menezes, Centro Universitário FEI

Depto de Engenharia Química

References

ASTROM, K. J.; KUMAR, P. R. Control: a perspective. Automatica, 50(1), 2-43,2014.

BETTS, J.T. Practical Methods for Optimal Control and Estimation Using Nonlinear Programming. Society for Industrial e Applied Mathematics, jan. 2010. p. 442.

IQBAL, J.; ULLAH, M.; KHAN, S. G; KHELIFA, B.; ĆUKOVIĆ, S. Nonlinear control systems – A brief overview of historical and recent advances. Nonlinear Eng. 6(4), 301–312, 2017.

LIN, D.; WANG, X. Observer-based decentralized fuzzy neural sliding mode control for interconnected unknown chaotic systems via network structure. Fuzzy Sets Syst. 161, 2066–2080, 2010.

LIU, Z.; HUANG, D.; XING, Y.; ZHANG, C.; WU, Z.; JI, X. New Trends in Nonlinear Control Systems and Applications. Abstract Appl. Anal. Article ID 637632, 2 pages, 2015.

OGATA, K. Engenharia de Controle Moderno. São Paulo: Pearson Education do Brasil, 2003.

PRATAMA, S. C.; SUSANTO, E.; WIBOWO, A. S. Design and Implementation of Water Level Control Using Gain Scheduling PID Back Calculation Integrator Anti Windup. The IEEE International Conference on Control, Electronics, Renewable Energy and Communications, 2016.

SUNDARAVADIVU, K.; ARUN, B.; SARAVANAN, K. Design of Fractional Order PID Controller for Liquid Level Control of Spherical Tank. IEEE International Conference on Control System, Computing and Engineering, 2011.

XIE, X.; YUE, D.; MA, T.; ZHU, X. Further studies on control synthesis of discrete-time T–S fuzzy systems via augmented multi-indexed matrix approach. IEEE Trans. Cybern. 44, 2784–2791, 2014.

WANG, X.; HE, Y. Projective synchronization of fractional order chaotic system based on linear separation. Phys. Lett. A 372, 435–441, 2008.

WANG, X.; SONG, J. Synchronization of the fractional order hyperchaos Lorenz systems with activation feedback control, Commun. Nonlinear Sci. Numer. Simul. 14, 3351–3357, 2009.

ZHANG, H.; YANG, F.; LIU, X.; ZHANG, Q. Stability analysis for neural networks with time-varying delay based on quadratic convex combination. IEEE Trans. Neural Netw. Learn. Syst. 24, 513–521, 2013.

ZHANG, H.; WANG, Z.; LIU, D. Global asymptotic stability of recurrent neural networks with multiple time-varying delays. IEEE Trans. Neural Netw. 19, 855–873, 2008