ferramentas severamente limitado. Consequentemente, uma abordagem baseada em controle preditivo, em vez de puramente reativo, trará ganhos significativos no controle de um sistema não linear em que não se podem garantir condições de funcionamento. Em qualquer dos regimes, a implementação de técnicas de identificação de sistemas, em menos de dez minutos de dados, permite determinar um modelo que representa fielmente o comportamento do sistema. Portanto, em vez de controle reativo com uma componente mínima de inteligência e resultados medíocres no desempenho do controlador, será bastante melhor identificar o sistema, o que é rápido e leve computacionalmente, para depois implementar uma estratégia de controle preditivo, seguindo a estrutura apresentada na seguinte figura 11. Conclusões Identificou-se de um sistema de tanques real estando presentes fortes não linearidades. Os resultados apresentados ilustram a dificuldade em controlar um nível num sistema com diversas fontes de perturbação e constrangimentos de funcionamento. Consequentemente, o sistema empregado emula bastante bem um sistema industrial real, comprovando que embora o controle seja difícil, é sempre possível identificar a dinâmica do sistema para cada regime de funcionamento. Após a aquisição de dados, começou-se por utilizar o algoritmo CRA para verificar qual o atraso do sistema, analisando-se depois diversos modelos capazes de o descrever, Box-Jenkins, ARMAX, ARX e OE. Selecionou-se o OE na maioria dos casos, visto ser mais simples que os restantes e apresentar um grau de aproximação da mesma ordem de grandeza. A metodologia subsequente a esta escolha foi analisada em detalhe, sendo comparados diferentes modelos segundo a análise de resíduos e a qualidade da aproximação a dados de validação também gravados. Para os vários regimes estudados foram escolhidos os modelos mais representativos. Sendo sempre suficiente o período de gravação de 10 minutos, para um período de amostragem de 3 segundos. Os modelos com representação ótima de cada regime são de tipo e ordem diversa, o que é uma consequência das não linearidades do sistema. <strong>50</strong> <strong>Mecatrônica</strong> <strong>Atual</strong> :: 2011 F9. Resposta ao escalão (azul em baixo) e ação de controle (verde acima) com controlador I, resposta muito lenta mesmo com controle completamente irrealizável. F10. Resposta ao escalão (azul em baixo) e ação de controle (verde acima) com controlador P de ganho 1.15, a ação de controle é quase totalmente realizável. F11. Estrutura de controle preditivo onde com a qual a identificação de sistemas permite otimização do controlador. A implementação de controladores do processo é dependente do regime de funcionamento, pelo que se constatou ser difícil afinar um controlador para todos os regimes de funcionamento, sobretudo porque vários estão nas imediações da instabilidade. Assim sendo, como os modelos são boas representações do sistema, a otimização do controlador passa pela implementação de uma estrutura de controle preditivo, a qual pode identificar o modelo do processo em pouco tempo e assim garantir a melhorias na resposta do sistema. Cesar da Costa - cost036@attglobal.net Instituto Federal de Educação Tecnológica de São Paulo - IFET-SP Rua Maria Cristina, <strong>50</strong> - Cubatão - São Paulo ...Continuação do Saiba Mais: Gregorcic, G, Lightbody, G, A Comparison of Multiple Model and Pole-Placement Self-Tuning for the Control of Highly Nonlinear Processes, Anais da 11 th Irish Signals and Systems Conference, Dublin, Irlanda, 303-311. Ljung, L. Glad, T. Modeling of Dynamic Systems, Prentice Hall, Englewood Cliffs, EUA. Narendra, KS, Balakrishnan, J, Ciliz, MK, Adaptation and Learning Using Multiple Models, Switching and Tuning, IEEE Control Systems Magazine, Junho 1995, 37-51. Nelles, O, Nonlinear System Identification, Springer, Berlim. Ogata, K, Modern Control Engineering (4 th Edition), Prentice Hall, Englewood Cliffs, EUA. Pinheiro, E, Postolache, O, Modelling of Oscillometric Blood Pressure Monitor - from white to black box models, Recent Advances in Biomedical Engineering, GR Naik (Ed.), In-Tech, Viena, Áustria.
conectividade Março/Abril 2011 :: <strong>Mecatrônica</strong> <strong>Atual</strong> 17