Identificação recursiva de processo de nível com variação não-linear de parâmetros

Abstract

Este trabalho apresenta um estudo sobre a implementação de técnicas de identi ficação recursiva para a atualização contínua, em tempo real, de modelos de processos de nível em tanques. A metodologia combina identificação paramétrica a partir de dados experimentais com uma abordagem analítica fundamentada em leis físicas, resultando em uma identificação do tipo caixa-cinza. A construção e validação do modelo, tanto em cenários simulados quanto em aplicações reais, são realizadas a partir dos modelos polinomiais do tipo NARX. Embora modelos ARX e NARX tenham sido avaliados, o NARX demonstrou maior adequação para capturar as não-linearidades do sistema. Para lidar com ruídos, perturbações e variações de parâmetros ao longo do tempo, emprega-se um estimador não-linear de mínimos quadrados recursivo em conjunto com o modelo NARX, garantindo adaptação dinâmica às condições operacionais mutáveis. Experimentos realizados em uma planta-piloto e em um sistema real de abastecimento de água ilustram a relevância e robustez da metodologia proposta em cenários industriais dinâmicos e não-estacionários

This work presents a study on the implementation of recursive identification tech niques for the continuous, real-time updating of models for level processes in tanks. The methodology combines parametric identification based on experimental data with an ana lytical approach grounded in physical laws, resulting in a gray-box identification. Model construction and validation, both in simulated scenarios and real applications, are carried out using a polynomial NARX model. Although ARX and NARX models were evaluated, the NARX model demonstrated greater suitability for capturing the system’s nonlinearities. To handle noise, disturbances, and parameter variations over time, a recursive nonlinear least squares estimator is employed in conjunction with the NARX model, ensuring dy namic adaptation to changing operational conditions. Experiments conducted in a pilot plant and in a real water supply system illustrate the relevance and robustness of the proposed methodology in dynamic and non-stationary industrial scenarios