Responsive image
Universidade Federal de Santa catarina (UFSC)
Programa de Pós-graduação em Engenharia, Gestão e Mídia do Conhecimento (PPGEGC)
Detalhes do Documento Analisado

Centro: Não Informado

Departamento: Não Informado

Dimensão Institucional: Pós-Graduação

Dimensão ODS: Econômica

Tipo do Documento: Tese

Título: CONTROL OF NONLINEAR SYSTEMS USING N-FUZZY MODELS.

Orientador
  • EUGENIO DE BONA CASTELAN NETO
Aluno
  • MICHAEL KLUG

Conteúdo

A utilização de modelos fuzzy takagi-sugeno (t-s) tem sido extensivamente investigada no decorrer das últimas décadas, principalmente por propiciarem o desenvolvimento de metodologias de projeto de sistemas de controle não lineares que possuem caráter sistemático e solução numérica, fazendo-se uso de propriedades inerentes como a de aproximação universal e/ou de convexidade dos modelos. nota-se, entretanto, que as técnicas de modelagem fuzzy t-s atuais, em geral, garantem a convexidade do modelo e/ou a sua precisão de representação somente para uma determinada região do espaço de estados. desta forma, para estratégias de controle baseadas em propriedades de convexidade, a estabilidade do sistema de malha fechada formado pelo sistema não linear realimentado pela lei de controle fuzzy deve ser estudada no contexto de estabilidade local, sendo fundamental a determinação de regiões de estabilidade para o sistema de malha fechada. esta importante característica dos modelos fuzzy t-s raramente é considerada na literatura, podendo implicar em perda de desempenho e até mesmo instabilidade do sistema em malha fechada. outro problema inerente à utilização de modelos fuzzy t-s diz respeito ao aumento exponencial de complexidade do modelo com o número de não linearidades presentes no sistema, principalmente quando se busca descrever de forma exata a dinâmica do sistema a controlar, o que implica no aumento da complexidade numérica dos algoritmos para análise e projeto, assim como do aumento da complexidade de implementação de leis de controle. neste contexto, esta tese busca evidenciar a importância da consideração da validade regional dos modelos fuzzy de tipo t-s para o desenvolvimento de ferramentas de análise e síntese de sistemas de controle não lineares, assim como considerar outras restrições físicas presentes no sistema de controle como limites nos atuadores, e discutir a problemática associada à complexidade dos modelos fuzzy t-s. um método de modelagem baseado no uso de regras não lineares locais é desenvolvido permitindo, além de uma representação compacta e precisa da planta não linear original, o tratamento do problema de projeto de controladores dinâmicos por realimentação de saídas na presença de não linearidades dependentes de estados não mensuráveis do sistema. utilizando-se funções de lyapunov fuzzy (flf), são desenvolvidas condições de estabilidade e estabilização para o sistema em malha fechada que podem ser verificadas em termos de factibilidade de um conjunto de desigualdades matriciais lineares. os controladores propostos são baseados na realimentação de estados e do vetor de não linearidades de setor, ao qual são consideradas perturbações limitadas em energia ou amplitude, e na realimentação dinâmica de saídas, para sistemas não perturbados com atuadores saturantes ou para sistemas sujeitos a perturbações persistentes. exemplos numéricos são apresentados ao longo do trabalho com o objetivo de ilustrar a eficiência dos métodos propostos. ainda, objetivando auxiliar estudantes, engenheiros e pesquisadores na análise e projeto de controle de sistemas não lineares, apresenta-se o desenvolvimento de uma ferramenta computacional interativa para a modelagem e controle fuzzy. aspectos práticos e um estudo da complexidade de implementação digital de controladores fuzzy também são discutidos através da simulação hardware-in-the-loop (hil) com utilização de uma placa de desenvolvimento fpga (do inglês field programmable gate array). sistemas não lineares, estabilidade local, modelos fuzzy t-s, perturbações.

Índice de Shannon: 3.89461

Índice de Gini: 0.927879

ODS 1 ODS 2 ODS 3 ODS 4 ODS 5 ODS 6 ODS 7 ODS 8 ODS 9 ODS 10 ODS 11 ODS 12 ODS 13 ODS 14 ODS 15 ODS 16
4,21% 4,39% 7,49% 6,76% 4,56% 4,41% 9,40% 5,39% 8,43% 3,39% 11,77% 5,30% 3,97% 7,01% 3,65% 9,86%
ODS Predominates
ODS 11
ODS 1

4,21%

ODS 2

4,39%

ODS 3

7,49%

ODS 4

6,76%

ODS 5

4,56%

ODS 6

4,41%

ODS 7

9,40%

ODS 8

5,39%

ODS 9

8,43%

ODS 10

3,39%

ODS 11

11,77%

ODS 12

5,30%

ODS 13

3,97%

ODS 14

7,01%

ODS 15

3,65%

ODS 16

9,86%