Redes neurais aplicadas em estrategias de controle não linear

As Redes Neurais Artificiais (RNA) são ferramentas computacionais, com um grande número de aplicações em técnicas de modelagem e controle de processos. Tal fato deve-se à sua capacidade em aprender com suficiente exatidão o comportamento do sistema, gerando modelos genéricos com potencial para projeto de controle não linear, quando equações do modelo são desconhecidas ou somente informações parciais de estados do processo estão disponíveis. Os modelos obtidos através de redes neurais permitem levar em consideração as não linearidades do processo, bem como as interações entre as suas variáveis. O trabalho desenvolvido explora o uso de redes neurais em estratégias de controle multivariável, enfatizando situações em que estas são utilizadas como modelos dinâmicos na geração de predições, bem como na definição de estratégias de controle totalmente baseadas em redes neurais com aprendizagem on-line. A aprendizagem on-line das redes utilizadas permite a sua adaptação continuamente ao longo do tempo, treinando-as em situações não abordadas na etapa de aprendizagem off-line. A aprendizagem oif-line das redes neurais é realizada a partir de um conjunto consistente de dados históricos de perturbações e respostas do processo, a qual deverá garantir, no mínimo, um desempenho satisfatória da rede neural, para a partida do sistema de controle. Explora-se também, a utilização de modelos estáticos do processo, baseados em redes neurais, acoplados à rotina de otimização on-line, objetivando identificar as melhores condições operacionais deste processo para atender especificações de referências preestabelecidas. Dentro deste contexto, foram desenvolvidas estratégias de controle multivariável explorando as potencial idades das redes neurais, seja como modelo de processos e/ou como controladores, enfatizando a aprendizagem on-line. Para o desenvolvimento deste trabalho foram implementados diversos programas computacionais, em linguagem de pragramação Fortran 90, relativos aos algoritmos de controle propostos/avaliados Os resultados alcançados mostram a eficiência das técnicas abordadas, comprovando o potencial do uso das redes neurais em estratégias de controle.The artificial neural networks are computational tools with a great number of applications in modeling techniques and process control. Such fact is due its capacity to learn sufficiently accurate models and give good nonlinear control when model equations are not known or only partial state information is available. Neural network approach allows taking into account in an elegant and adequate way process non-linearities as well as variable interactions. The developed work explores the use of the neural networks in multivariable control strategies as dynamic models for predictions as well as in the definition of the control strategy based on neural networks with on-line learning. The off-line learning of the neural networks is accomplished with a consistent group of historical data of perturbations and responses of the process, which should guarantee at least a satisfactory performance of the neural network for starting of the control system. It is also explored the use of static models of the process, based on neural networks, coupled with a on-line optimization routine, objectifying to identify the best operational conditions to attend specifications of the process. In this context, multivariable control strategies were developed exploring the potentialities of the neural networks as process model and/or as controllers, emphasizing the on-line learning. Several computational programs were implemented for the developrnent of this work in Fortran 90 language program relative to the control algorithms proposed and evaluated. The obtained results show the efficiency of the approached techniques, checking the potential of the use of the neural networks in control strategie