Modelagem e controle de um servoposicionador pneumático via redes neurais

Abstract

Visando apoiar o desenvolvimento de controladores para servoposicionadores pneumáticos, é apresentada no presente trabalho uma proposta de um procedimento baseado no uso de redes neurais para a determinação de modelos matemáticos precisos que possam ser aplicados tanto para a simulação do seu comportamento dinâmico quanto na estrutura de controladores que utilizam estratégias baseadas em modelos. No âmbito do trabalho, esse procedimento foi testado por meio de sua aplicação na identificação das forças de atrito e da relação pressão/vazão mássica nos orifícios de controle da servoválvula (que consistem nas principais não-linearidades envolvidas em tais sistemas). Além disso, determinou-se através de redes neurais a relação inversa entre as vazões desejadas e o sinal de controle da servoválvula (difeomorfismo), a qual é aplicada em técnicas de controle baseadas em modelos. Visando validar o procedimento de modelagem proposto, foram realizadas simulações em malha aberta e malha fechada, cujos resultados são comparados com os de experimentos realizados em uma bancada de testes. Com o intuito de comprovar sua eficácia em aplicações de controle, o modelo baseado em redes neurais foi utilizado no desenvolvimento de um controlador não-linear sintetizado de acordo com uma estratégia em cascata (a qual foi já testada em outros trabalhos, mostrando resultados satisfatórios quando aplicada ao controle de servoposicionadores pneumáticos). No entanto, essa estratégia apresenta dificuldades de implantação em decorrência das dificuldades associadas ao processo de identificação dos parâmetros do sistema, que são especialmente trabalhosos neste caso. As características de estabilidade em malha fechada foram analisadas por meio do segundo método Lyapunov. Os resultados experimentais em malha fechada obtidos atestam a eficácia da estratégia de controle proposta.

The development of a precise positioning system has motivated several researches in the pneumatic systems control area to overcome the problems caused by these nonlinearities, by appropriate feedback control algorithms. In this work it is proposed a methodology based on neural networks to achieve accurate mathematical models that can be used in simulation as in controllers techniques based on models. This methodology was tested through its application in identifying the phenomenon of friction and the relationship pressure/mass flow through servo valve orifices control holes. Furthermore, using neural networks, the inverse relationship between the desired flow rates and control signal of servo valve (diffeomorphism), which is applied in various control techniques based on models, was determined. To evaluate the proposed modeling methodology, simulations were done in open and closed loop, and the results were compared with experiments conducted on a real pneumatic servo positioning system. A neural network based model was used to develop a nonlinear controller according to a cascade strategy with friction compensation (which has been tested on other studies showing satisfactory results when applied to pneumatic servo positioning control). The cascade control strategy, despite showing a good performance in trajectory tracking, presents significant difficulties in implementation due mainly to difficulties associated with the system parameters identification process, which are especially expensive. The characteristics of the closed loop stability were analyzed by Lyapunov method. The experimental results obtained in closed loop attest the efficiency of the proposed control strategy.