doctoralThesis
Controles baseados em mapas auto-organizáveis para sistemas não-lineares variantes no tempo
Registro en:
FERREIRA, Paulo Henrique Muniz. Controles baseados em mapas auto-organizáveis para sistemas não-lineares variantes no tempo. 2020. Tese (Doutorado em Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2020.
Autor
FERREIRA, Paulo Henrique Muniz
Institución
Resumen
Em vários sistemas de controles reais, é exigido que o controlador atenda a requisitos complexos. Em particular, há uma demanda de estratégias de controle capazes de operar sistemas não-lineares sem o conhecimento do modelo matemático do comportamento do sistema. Também, há uma necessidade em considerar que o sistema a ser controlado pode apresentar um comportamento variando consideravelmente ao longo do regime de funcionamento. Exemplos de sistemas não-lineares desconhecidos variantes no tempo são encontrados em diversas áreas como: sistemas servo pneumáticos, veículos elétricos, e sistemas robóticos. Controladores convencionais como o controlador proporcional integral derivativo (PID) não tem todos os atributos necessários requeridos nesse contexto. Outras técnicas adequadas para controlar sistemas não-lineares como linearização por realimentação tem sua efetividade significativamente comprometida quando aplicada a um sistema não-linear desconhecido. Um controle adaptativo baseado em aprendizagem pode ser um alternativa para lidar com comportamentos não-lineares e operar mesmo sem o conhecimento do modelo matemático do sistema variante no tempo, em virtude da sua de capacidade de aprender e adapta-se a novas situações. Nesta tese de doutorado, foram investigados trabalhos aplicando o mapa auto-organizável de Kohonen ou algum mapa derivado dessa rede em problemas de controle. Em seguida, estratégias de controles baseado em SOM para o contexto de sistemas não-lineares desconhecidos variantes no tempo foram desenvolvidas. Mais especificamente, as estratégias de controle usam um mapa inspirado no SOM, o mapa auto-organizável com campo receptivo adaptativo local (LARFSOM), em uma abordagem de controle em múltiplos modelos. O LARFSOM é capaz de dividir o espaço de operação do sistema e aprender ações de controle apropriadas para cada comportamento do sistema. Durante o regime de operação, o LARFSOM pode identificar o atual comportamento do sistema e selecionar a ação de controle. Adicionalmente, o LARFSOM foi estendido através de técnicas de mapeamento contínuo por partes, proporcionando uma ação de controle mais precisa e mais suave. Três sistemas não-lineares foram usados para avaliar o desempenho do controle: o sistema do pêndulo invertido, o sistema do manipulador robótico, e o oscilador de Van der Pol. Nos experimentos, os sistemas foram simulados com seus parâmetros variando ao longo do tempo e os resultados foram comparados com outros métodos. Além disso, a capacidade de mapeamento contínuo através do LARFSOM estendido foi validada em situações de aproximação de função estática, variante no tempo e em problemas reais. Os resultados sugerem que as técnicas de controle baseadas em mapas auto-organizáveis podem controlar sistema nãolineares variantes no tempo e podem ser eficazes ao lidar com configurações de sistema não apresentadas na etapa de treinamento. CAPES In several control systems, a controller must be designed to meet complex requirements. Particularly, it is required control strategies for nonlinear systems without prior knowledge of the mathematical model of the system dynamics. Also, it is necessary to take into consideration that the controlled system can have a behavior that varies considerably over the operating regime. Examples of unknown time-varying nonlinear systems are found in many fields as Servo-pneumatic systems, electric vehicles, and robotic systems. Conventional controllers such as proportional-integral-derivative (PID) controllers do not have all the attributes necessary to meet the requirements. Other techniques suitable for controlling nonlinear systems, as feedback linearization, have the performance significantly decreased when applied in unknown nonlinear systems. Learning-based adaptive controllers can be suitable alternatives to deal with nonlinearities, and unknown time-varying systems because they can learn and adapt themselves to new situations. In this doctoral work, self-organizing maps (SOMs) applied for control system problems were investigated. Then, Self-Organizing Maps based control strategies were developed to deal with unknown nonlinear time-varying systems. Specifically, the proposed control strategies use a SOM-based model, local adaptive receptive field self-organizing map (LARFSOM), in a multiple model control approach. LARFSOM can split the operating space of the system and learns suitable control actions for each system behavior. During the operating regime, LARFSOM can identify the current system behavior and selects the control action. Additionally, the LARFSOM was extended using piecewise continuous mapping techniques to produce more precise and smoother control actions. Three nonlinear systems were used to evaluate the control performance: the inverted pendulum system, the robotic manipulator system, and the Van der Pol oscillator. In the experiments, the systems were simulated in a time-varying way. The results of the proposed methods were compared against the results of conventional methods. Furthermore, the properties of the extended LARFSOM were validated in simulations. The results suggest that the control techniques based on self-organizing maps can control time-varying nonlinear systems and can be effective when dealing with system configurations not presented during the training phase.