Planejamento de sinais para identificação de modelos multivariáveis com restrição

Input design for identification of constrained multivariate models

dc.contributorMelo Junior, Príamo Albuquerque
dc.contributorhttp://lattes.cnpq.br/7614011510994839
dc.contributorhttp://lattes.cnpq.br/1145990627902087
dc.contributorSecchi, Argimiro Resende
dc.contributorhttp://lattes.cnpq.br/3710340061939187
dc.contributorCapron, Bruno Didier Olivier
dc.contributorCampos, Mario Cesar Mello Massa de
dc.creatorMussoi, Cristiano Salah
dc.date2021-02-01T15:00:16Z
dc.date2023-09-27T03:03:09Z
dc.date2019-02
dc.date.accessioned2023-09-27T13:42:57Z
dc.date.available2023-09-27T13:42:57Z
dc.identifierhttp://hdl.handle.net/11422/13595
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/8912379
dc.descriptionA new methodology for the identification of empirical models for Model Predictive Control (MPC), which considers both operational and phenomenological constraints, is proposed in this dissertation. From the work of ORENSTEIN (2013), a "gray box" method of identification type was developed capable to generate only physically consistent models, i.e., models in which the value and the signal of the static gains have physical sense. The developed methodology, which makes use of step-type as well as GBN-type (Generalized Binary Noise) input disturbances, involves both online and offline steps, and the offline steps are performed by a computational package composed of four algorithms: the first two ones perform the data analysis of the process and the last two ones solve optimization problems with restriction. The methodology was applied in the identification of linear dynamic systems and of a classic problem in this field, namely, a Shell distillation column, showing to be fast and robust in the simulations presented. The simulation times were used as indicators of speed and the statistical parameters MRSE (Mean Relative Squared Error) and MVAF (Mean Variance-Accounted-For) as indicators of robustness of the proposed methodology.
dc.descriptionUma nova metodologia de identificação de modelos empíricos para controladores MPC (do inglês, Model Predictive Control), que considera tanto restrições operacionais quanto fenomenológicas, é proposta nesta dissertação. A partir do trabalho de ORENSTEIN (2013), foi desenvolvido um método de identificação do tipo “caixa cinza” capaz de gerar somente modelos fisicamente consistentes, ou seja, modelos nos quais o valor e o sinal dos ganhos estáticos têm sentido físico. A metodologia desenvolvida, que faz uso de perturbações de entrada do tipo degrau e do tipo GBN (do inglês, Generalized Binary Noise), envolve etapas tanto on-line como off-line, sendo que as etapas off-line são executadas por um pacote computacional composto de quatro algoritmos: os dois primeiros realizam a análise de dados do processo e os dois últimos resolvem problemas de otimização com restrição. A metodologia foi aplicada na identificação de sistemas dinâmicos lineares e em um problema clássico da área, que é um coluna de destilação da Shell, se mostrando rápida e robusta nas simulações realizadas. Foram utilizados os tempos de simulação como indicadores de rapidez e os parâmetros estatísticos MRSE (do inglês, Mean Relative Squared Error ) e MVAF (do inglês, Mean Variance-Accounted-For ) como indicadores de robustez da metodologia proposta.
dc.languagepor
dc.publisherUniversidade Federal do Rio de Janeiro
dc.publisherBrasil
dc.publisherInstituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia
dc.publisherPrograma de Pós-Graduação em Engenharia Química
dc.publisherUFRJ
dc.rightsAcesso Aberto
dc.subjectIdentificação de sistemas
dc.subjectControle de processos
dc.subjectMPC linear
dc.subjectCNPQ::ENGENHARIAS::ENGENHARIA QUIMICA
dc.titlePlanejamento de sinais para identificação de modelos multivariáveis com restrição
dc.titleInput design for identification of constrained multivariate models
dc.typeDissertação


Este ítem pertenece a la siguiente institución