Linearização exata adaptativa aplicada ao controle preditivo de processo de nível muntivariável

Abstract

Esta dissertação apresenta uma aplicação de técnias de controle preditivo linear em sistema não-lineares multivariáveis. A principal idéia é baseada na Linearização Exata Adaptativa qu fornece um modelo dinâmico linear desacoplado para ser utilizado como modelo interno do control Model Predictive Control (MPC). A linearização exata do sistema não-linear fornece dois blocos básicos, um sistema linear dinâmico e uma tranformação de variáveis não-linear estática. A adaptação ocorre com a inclusão de um filtro de Kalman estendido para estimação conjunta de estados e parâmetros do sistema não linear. Tem-se assim uma abordagem denominada linearização exata adaptativa. Com o model linear obtido pode-se aplicar as técnicas de controle linear como Proporcional-Integral-Derivativ (PID), controle ótimo, controle preditivo e outras técnicas de sistemas lineares. A abordagem apresentada utiliza técnicas de controle linear bastante difundidas e utilizada no meio acadêmico aplicáveis a sistemas sistemas reais que, em última análise são não-lineare Assim pode-se obter as vantagens do controle linear para controlar sistemas não-lineares utilizand a linearização exata adaptativa. A aplicação da linearização exata adaptativa associada a controladores dos tipos MPC e PI aplicadoaosistemadeníveldelíquidosdoLaboratóriodeAutomação, VisãoeSistemasInteligente (LAVSI). Assim controla-se um sistema não-linear em toda sua faixa de operação, mesmo so variações paramétricas utilizando controladores lineares. _________________________________________________________________________________________ ABSTRACT

This thesis presents the application of linear predictive control to multivariable nonlinear sys- tems. The key contribution is the use of adaptive feedback linearization as internal model for the Model based Predictive Controller (MPC). Thefeedbacklinearizationofthenonlinearsystemsuppliestwoblocks: adynamiclinearsystem and a nonlinear static variable transformation. The adaptation occurs by the use of an extended Kalman filter, estimating states and parameters of the nonlinear system. This approach produces thesocalledadaptivefeedbacklinearization. LinearcontroltechniquesasPID,spacestate, optimal control, predictive control and other linear techniques can thus be applied employed on resulting dynamics. The application of the adaptive feedback linearization in association with MPC and PI is applied in this thesis to the LAVSI’s four tank liquid level process. Simulation results for di?erent conditions and operating point are presented. The presented approach is expected to be applicable to di?erent real nonlinear systems where the sampling rate and computational e?ort of the feedback linearization.