Estratégia baseada em redes neurais artificiais para a seleção on-line de controlador

Abstract

Neste trabalho foi implementado um método para seleção em tempo real do controlador mais adequado, dentro de um conjunto de controladores pré-definidos, para o controle de um processo sujeito a distúrbios não medidos e variações de comportamento em função do ponto de operação. A estrutura responsável pela seleção do controlador é uma Rede Neural Artificial (RNA) que é treinada de modo a selecionar o controlador de melhor desempenho com base em dados de simulação ou de um período de operação simulado. Com isto, pretende-se que a estratégia proposta seja simples e robusta para o controle de processos nos quais um controlador com sintonia fixa não apresenta um desempenho adequado. Objetivando verificar o funcionamento da proposta, foi considerado o modelo de um tanque esférico, um sistema não linear, sujeito a uma perturbação não medida na entrada. O ajuste da rede foi feito a partir de simulações do modelo do tanque em malha fechada, considerando-se diferentes controladores de nível do tipo PID sintonizados para diferentes pontos de operação. Uma nota, consistindo da combinação de diversos critérios de desempenho, foi atribuída para o desempenho de cada sistema, e empregada para treinar a rede. Depois de treinada, a rede tem como entradas o valor atual da saída e o valor de referência e, como saída, o melhor controlador para o cenário de operação. Diversos parâmetros podem ser variados em cada etapa, possibilitando a escolha da melhor configuração para que o controle final seja eficiente. A simulação da operação do sistema, consistindo do conjunto de controladores e do bloco de seleção baseado na rede neural, apresentou bons resultados tanto para a função servo quanto para a função regulatória.

At this paper, it was implemented a method of real-time selection of the most adequate controller, inside a set of pre-defined controllers, to control a process in which there are unmeasured disturbances and behavior variations dependent of point of operation. The structure responsible to select the controller is an Artificial Neural Network (ANN), trained for the selection of the controller whose performance is the best, based in data acquired from simulation or during the operation of the process. It is intended the proposed strategy to be simple and robust, to control processes in which a fix tuning does not have an adequate performance. A spherical tank was used to simulate the method behavior, whose model is nonlinear and whose outflow is a perturbation of the system. The ANN were trained with data acquired from closed loop simulations at the tank’s model, considering different controllers from a set of controllers tuned at different operation points. From the data acquired, grades were created to represent their performance at each point, considering various performance criteria. After adjusted, the network entries are the tank’s current level and the target level and, as output, the better controller to the operation scenario. Plenty of parameters can be changed to achieve an efficient control action. The simulations with the operating system, consisting in the set of controllers and the selection block based in Neural Network, showed good results to slave function as to regulatory function.