Desempenho de Sintonizador Online utilizando Lógica Fuzzy para Controle Preditivo Generalizado (GPC) Simuladas em Plantas Industriais Inicialmente Sintonizadas via Algoritmo Genético

Rodrigo Batista Contarato, Gustavo Almeida Maia
{"title":"Desempenho de Sintonizador Online utilizando Lógica Fuzzy para Controle Preditivo Generalizado (GPC) Simuladas em Plantas Industriais Inicialmente Sintonizadas via Algoritmo Genético","authors":"Rodrigo Batista Contarato, Gustavo Almeida Maia","doi":"10.17648/sbai-2019-111251","DOIUrl":null,"url":null,"abstract":"The techniques of Model Based Predictive Control (MPC) are more oriented to the industries, because they present greater and greater predictability, but their performance is directly related to their tuning. This study aims to present the results of on-line and off-line parameter tuners to minimize natural system problems using generalized predictive drivers (GPC). There are seven industrial plants that represent the majority of industrial processes to validate the algorithm. Plants are tuned off-line via genetic algorithm seeking a faster response and less error. The occurrences are imputable and recurrent. In order to minimize the disturbances presented, an online synthesizer via fuzzy logic will be used to modulate the parameters at the moment of the disturbances. Present the performance of each plant and show a variation of the parameters at the time of the disturbance. Resumo: As técnicas de Controle Preditivo Baseado em Modelo (MPC) são cada vez mais aplicados nas indústrias, por apresentarem mais robustez e maior previsibilidade, porém seu desempenho está diretamente ligado à sua sintonia. Este estudo visa apresentar o resultado do desenvolvimento de sintonizadores de parâmetros online e offline para minimização de distúrbios naturais do sistema, utilizando controladores preditivos generalizados (GPC). São utilizadas sete plantas industriais que representam a maioria dos processos industriais para validar o algoritmo. As setes plantas são sintonizadas de forma off-line via algoritmo genético buscando a resposta mais rápida e com menor erro. Para essas plantas são imputados distúrbios e verificado sua resposta. Com o intuito de minimizar os distúrbios apresentados, será utilizado um sintonizador online via lógica fuzzy para modular os parâmetros no instante dos distúrbios. É apresentando o desempenho de cada planta e demonstrado a variação dos parâmetros no instante do distúrbio.","PeriodicalId":130927,"journal":{"name":"Anais do 14º Simpósio Brasileiro de Automação Inteligente","volume":"62 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"1900-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais do 14º Simpósio Brasileiro de Automação Inteligente","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.17648/sbai-2019-111251","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

The techniques of Model Based Predictive Control (MPC) are more oriented to the industries, because they present greater and greater predictability, but their performance is directly related to their tuning. This study aims to present the results of on-line and off-line parameter tuners to minimize natural system problems using generalized predictive drivers (GPC). There are seven industrial plants that represent the majority of industrial processes to validate the algorithm. Plants are tuned off-line via genetic algorithm seeking a faster response and less error. The occurrences are imputable and recurrent. In order to minimize the disturbances presented, an online synthesizer via fuzzy logic will be used to modulate the parameters at the moment of the disturbances. Present the performance of each plant and show a variation of the parameters at the time of the disturbance. Resumo: As técnicas de Controle Preditivo Baseado em Modelo (MPC) são cada vez mais aplicados nas indústrias, por apresentarem mais robustez e maior previsibilidade, porém seu desempenho está diretamente ligado à sua sintonia. Este estudo visa apresentar o resultado do desenvolvimento de sintonizadores de parâmetros online e offline para minimização de distúrbios naturais do sistema, utilizando controladores preditivos generalizados (GPC). São utilizadas sete plantas industriais que representam a maioria dos processos industriais para validar o algoritmo. As setes plantas são sintonizadas de forma off-line via algoritmo genético buscando a resposta mais rápida e com menor erro. Para essas plantas são imputados distúrbios e verificado sua resposta. Com o intuito de minimizar os distúrbios apresentados, será utilizado um sintonizador online via lógica fuzzy para modular os parâmetros no instante dos distúrbios. É apresentando o desempenho de cada planta e demonstrado a variação dos parâmetros no instante do distúrbio.
利用模糊逻辑模拟广义预测控制(GPC)在工业工厂中的在线调谐器性能,最初通过遗传算法进行调谐
基于模型的预测控制(MPC)技术更面向行业,因为它们呈现出越来越高的可预测性,但它们的性能与它们的调优直接相关。本研究的目的是展示在线和离线参数调谐器的结果,以最大限度地减少使用广义预测驱动(GPC)的自然系统问题。有七个工业工厂代表了大多数工业过程来验证算法。植物通过遗传算法脱机,寻求更快的反应和更少的错误。这些事件是可归咎的和反复发生的。为了使干扰最小化,将使用模糊逻辑在线合成器在干扰发生的时刻对参数进行调制。给出每个装置的性能,并显示在扰动发生时参数的变化。摘要:由于在控制预测基础模型(MPC)中使用了 (cma),因此在主要的可预见性中, (dmc)和 (pmc)是相同的。Este estudo签证代表:结果分析、数据分析、数据分析、数据分析、数据分析、数据分析、数据分析、数据分析、数据分析、数据分析、数据分析、数据分析、数据分析、数据分析、数据分析、数据分析、数据分析、数据分析、数据分析、数据分析、数据分析、数据分析和数据分析。利用数据集的工厂和工业,这些工厂和工业代表了大多数的工业过程,这些工业是对算法有效的。作为设置的植物, sintonizadas已通过genacoritmo genacimtico buscando和resposta mais rápida进行离线形式的脱机。Para essas plantas s o imputados distúrbios e verificado suresposta。Com o intuito de minimizar os distúrbios presentados, serizzado um sintonizador online通过lógica模糊para模块化os parmetros没有即时dos distúrbios。É演示文稿/演示文稿/演示文稿/演示文稿/演示文稿/演示文稿/演示文稿/演示文稿/演示文稿/演示文稿/演示文稿/演示文稿
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信