Orientadores: Ana Maria Frattini Fileti, Flávio Vasconcelos da SilvaDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia QuímicaResumo: O presente trabalho teve por objetivo propor uma sistemática para identificação de um sistema de refrigeração dotado de compressor e bomba de fluido secundário de rotação variável, para a aplicação futura de alternativas de controle multivariáveis com foco na redução do consumo de energia e otimização do coeficiente de performance (COP) de tais sistemas. Uma primeira etapa de ensaios experimentais foi realizada para gerar um conhecimento prévio do sistema, caracterizando-o como não-linear. Foram utilizadas diversas arquiteturas de redes neurais artificiais (RNA) para gerar modelos não-lineares MIMO (Multiple Input-Multiple Output), através do software MATLAB® para fazer a predição das temperaturas de evaporação e do fluido secundário. Para treinamento da rede neural foram utilizados dados de ensaios em malha aberta e malha fechada com um controlador PID desenvolvido especialmente para este fim. Neste sistema de controle PID foram utilizadas técnicas como anti-windup e derivative-kick na tentativa de melhorar a atuação de tal controlador. O PID, apesar de conseguir controlar o sistema em torno de 2°C, mostrou-se pouco eficiente quando eram aplicados degraus no set-point e na carga elétrica. A modelagem não-linear resultou em uma rede neural com arquitetura 11x2x8x2 que foi capaz de prever as duas temperaturas com precisão de mais ou menos 0,5°C, mesmo quando o sistema de refrigeração se manteve instável.Abstract: The main aim of the present work was to propose a systematic identification procedure for an experimental refrigeration system operating under variable rotation speed compressor and pump of secondary fluid. This work will find future applications in alternative multivariable control development with focus on reducing energy consumption and on the optimization of the coefficient of performance (COP) of such systems. The nonlinear feature of the system was proved by means of imposed speed disturbances process reaction curves. Using the software MATLAB? Various artificial neural networks (ANN) architectures were used to generate non-linear models with Multiple-Input-Multiple-Output (MIMO) variables, in order to predict the evaporation and the secondary fluid temperatures. Open-loop and also closed loop assays were carried out and the experimental data used in the neural network training procedure. A specially designed PID, using anti-windup and derivative-kick techniques, was employed in the closed-loop runs. This conventional temperature controller showed an acceptable off-set of 2°C, however some instability occurred when set point and thermal load changed. The best non-linear modeling resulted in a neural network with architecture 11x2x8x2. This neural model was able to predict the two temperatures with precision of about 0.5°C, even when the refrigeration system remained unstable.MestradoSistemas de Processos Quimicos e InformaticaMestre em Engenharia Química