Notícias

Banca de QUALIFICAÇÃO: HEINRICH HERTZ SILVA

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: HEINRICH HERTZ SILVA
DATA: 09/08/2019
HORA: 09:00
LOCAL: ENGENHARIA ELÉTRICA BLOCO 08.
TÍTULO: IDENTIFICAÇÃO MULTIVARIÁVEL DE UM SISTEMA DE TANQUES DE NÍVEL ACOPLADOS UTILIZANDO WNN.
PALAVRAS-CHAVES: Identificação de Sistemas Dinâmicos, Redes Neurais, Wavelets.
PÁGINAS: 112
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Elétrica
RESUMO:

 

Dentre os processos industriais mais comuns, a utilização de tanques de nível são bastantes usuais na fabricação de bebidas, cosméticos e inclusive na indústria do petróleo. O nível é uma variável importante na indústria não somente para a operação do próprio processo mas também para fins de cálculo de custo e de inventário. E em alguns casos o estudo e aplicação desse tipo de processo industrial requer um modelo do sistema para projetar malhas de controle. No entanto, nem sempre se conhece as equações envolvidas no funcionamento de um determinado sistema dinâmico, ou elas são conhecidas mas seriam impraticáveis, por limitações de tempo e recursos, levantar tais equações e estimar respectivos modelos. Por esse motivo, o domínio de técnicas de identificação de sistemas é importante, pois a construção de modelos ocorre a partir de dados observados em sistemas dinâmicos reais, de modo que pouco ou nenhum conhecimento prévio do sistema seja necessário. Diante disso, fundamentado na teoria de identificação de sistemas, redes neurais artificiais e funções Wavelets, o presente trabalho apresenta a identificação de um sistema dinâmico de tanques de nível acoplados com características não lineares, utilizando como ferramenta a Wavelet Neural Network (WNN), com o intuito de verificá-la como uma alternativa para identificação de sistemas dinâmicos. Para melhor avaliar as potencialidades não lineares da WNN, optou-se por utilizar um sistema de tanques, que por si só já possui natureza não linear. Além disso, o sistema possui acoplamento de sinais, ruídos de medição e foi construído de forma artesanal. Tais características aumentam ainda mais a não linearidade do sistema e, consequentemente, a complexidade para modelagem. Para excitar o sistema utilizou-se o sinal PRBS (Pseudo Random Binary Signal), que é um sinal de fácil geração, já que esse sinal possui apenas dois valores possíveis e comuta entre níveis em instantes discretos. Com o sistema excitado coletou-se dados de entradas e saída afim de realizar a identificação. A estrutura de identificação utilizada foi a NNARX (Neural Network Autoregressive, Exogenous Input). Uma vez coletado os dados do sistema e definido a estrutura de identificação, realizou-se a estimação e validação do modelo neural obtido com a WNN. Este foi comparado com um modelo neural estimado utilizando a Rede Neural Multilayer Perceptron, para fins de comparação, obtendo-se resultados satisfatórios.

 


MEMBROS DA BANCA:
Interno - 1785470 - JOSE MARIA PIRES DE MENEZES JUNIOR
Interno - 1544138 - LUIS GUSTAVO MOTA SOUZA
Notícia cadastrada em: 05/08/2019 09:00
SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | © UFRN | sigjb05.ufpi.br.instancia1 14/07/2024 20:41