Please use this identifier to cite or link to this item: http://repositorio.ufpa.br/jspui/handle/2011/7178
metadata.dc.type: Tese
Title: Controle inteligente LQR neuro-genético para alocação de autoestrutura em sistemas dinâmicos multivariáveis
metadata.dc.creator: ABREU, Ivanildo Silva
metadata.dc.contributor.advisor1: FONSECA NETO, João Viana da
Abstract: Nesta tese é apresentado um modelo neuro-genético, orientado a síntese de controladores no espaço de estado baseado no projeto do Regulador Linear Quadrático, para alocação de autoestrutura em sistemas dinâmicos multivariáveis. O modelo neuro-genético representa uma fusão de um algoritmo genético e uma rede neural recorrente para realizar a seleção das matrizes de ponderação e resolver a equação algébrica de Riccati, respectivamente. Um modelo de 6a ordem de uma aeronave, um modelo de 6a ordem de um gerador de indução duplamente alimentado de uma planta eólica e um modelo de 4a ordem de um circuito elétrico, são usados para avaliar a fusão dos paradigmas de inteligência computacional e o desempenho da metodologia do projeto de controle. O desempenho dos modelos neuro-genéticos são avaliados por momentos estatísticos de primeira e segunda ordem para o algoritmo genético, enquanto que a rede neural é avaliada por superfícies da função energia e da norma do infinito da equação algébrica de Riccati. São feitas comparações com o método de Schur.
ABSTRACT: In this thesis is presented a neural-genetic model, oriented to state space controllers synthesis, based on the Linear Quadratic Regulator design, for eigenstructure assignment of multivariable dynamic systems. The neural-genetic model represents a fusion of a genetic algorithm and a recurrent neural network to perform the weighting matrices selection and the algebraic Riccati equation solution, respectively. In order to a assess the LQR design, the procedure was applied in a 6th order aircraft model, 6th order doubly fed induction generator model of a wind plant and a 4th order electric circuit model which were used to evaluate the fusion of the computational intelligence paradigms and the control design method performance.The performance of the neural-genetic models are evaluated by the first and second statistics moments for the genetic algorithm, whereas the neural network is evaluated by surfaces of the energy function and of the norm of the infinity of the algebraic equation of Riccati and the results compared to the results obtained by using Schur’s Method.
Sponsor: CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
Keywords: Teoria do controle
Equação algébrica de Riccati
LQR (Regulador Linear Quadrático)
RNR (Rede Neural Recorrente)
Algoritmos genéticos
Sistemas de controle inteligente
Controle automático
metadata.dc.subject.cnpq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS::AUTOMACAO ELETRONICA DE PROCESSOS ELETRICOS E INDUSTRIAIS
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS::CONTROLE DE PROCESSOS ELETRONICOS, RETROALIMENTACAO
metadata.dc.language: por
metadata.dc.publisher.country: Brasil
Publisher: Universidade Federal do Pará
metadata.dc.publisher.initials: UFPA
metadata.dc.publisher.department: Instituto de Tecnologia
metadata.dc.publisher.program: Programa de Pós-Graduação em Engenharia Elétrica
Citation: ABREU, Ivanildo Silva. Controle inteligente LQR neuro-genético para alocação de autoestrutura em sistemas dinâmicos multivariáveis. 2008. 247 f. Tese (Doutorado) - Universidade Federal do Pará, Instituto de Tecnologia, Belém, 2008. Programa de Pós-Graduação em Engenharia Elétrica.
metadata.dc.rights: Acesso Aberto
URI: http://repositorio.ufpa.br/jspui/handle/2011/7178
Issue Date: 30-Aug-2008
Appears in Collections:Teses em Engenharia Elétrica (Doutorado) - PPGEE/ITEC

Files in This Item:
File Description SizeFormat 
Tese_ControleInteligenteLQR.pdf2.26 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons