Defesa Pública da Dissertação de Mestrado do Engenheiro de Controle e Automação Ricardo Scheid Filho
Data: 04/08/2021 – quarta-feira
Horário: 14h00min
A defesa será realizada através de videoconferência, pelo link: https://teams.microsoft.com/l/meetup-join/19%3ankDdaJsxsUrD1mBEBOPW1EnBf__3ztw1vGgb-tIayRQ1%40thread.tacv2/1627654569998?context=%7b%22Tid%22%3a%22b34c1d55-a43e-4a20-9218-a1a42eab149a%22%2c%22Oid%22%3a%227f7e425f-2d76-4b87-abbe-2c47b8ac5748%22%7d
Banca Examinadora:
Prof. Dr. Alexandre Sanfelici Bazanella – PPGEE – UFRGS
Prof. Dr. Marcelo Farenzena – PPGEQ – UFRGS
Prof. Dr. Guilherme Araújo Pimentel – System, Estimation, Control and Optimization Group – University of Mons (Bélgica)
Presidente da banca/Orientadora: Profa. Dra. Lucíola Campestrini – PPGEE – UFRGS
Título da dissertação: “IDENTIFICAÇÃO DO CONTROLADOR ÓTIMO PARA REJEIÇÃO À PERTURBAÇÃO”
Resumo:
“No projeto de sistemas de controle, uma característica usualmente buscada no sistema em malha fechada diz respeito à capacidade de seguimento de referência com erro nulo em regime permanente. No contexto de controle baseado em dados, por sua vez, não é diferente, sendo a literatura voltada a este problema muito mais explorada do que o problema da rejeição a distúrbios na entrada do sistema. Levando em consideração que em inúmeras aplicações industriais o problema da rejeição à perturbação é tão ou mais relevante que o problema de seguimento de referência, este trabalho apresenta um novo método direto de controle baseado em dados dedicado ao problema da rejeição à perturbação. Inspirado pela solução trazida pelo método Optimal Controller Identification (OCI), que permite a identificação dos parâmetros do controlador para o caso do seguimento de referência, o método aqui estruturado também utiliza uma abordagem por erro de predição, que visa proporcionar proriedades estatísticas mais vantajosas se comparadas a outros métodos encontrados na literatura quando os dados utilizados são afetados por ruído. Devido à complexidade da função objetivo estruturada pelo problema, um algoritmo de otimização dedicado também é desenvolvido permitindo a identificação do modelo de referência simultaneamente à identificação dos parâmetros do controlador. Através de exemplos de aplicação, os resultados do método aqui denominado Optimal Controller Identification for Disturbance rejection (OCI-D) mostram que as propriedades estatísticas obtidas de fato são melhores que as presentes em métodos que utilizam mínimos quadrados e variável instrumental para a solução do problema de otimização.
Palavras-chave: Sistemas de controle, controle baseado em dados, projeto de controle, modelo de referência, rejeição à perturbação.”
