Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/31741| Título: | Comparação entre métodos de estimação paramétrica aplicados ao controle adaptativo por modelo de referência |
| Título(s) alternativo(s): | Comparison between parametric estimation methods applied to model reference adaptive control |
| Autor(es): | Canhan, Diego Carrião |
| Orientador(es): | Rossini, Flávio Luiz |
| Palavras-chave: | Teoria da aproximação Mínimos quadrados Sistemas de controle ajustável Métodos iterativos (Matemática) Approximation theory Least squares Adaptive control systems Iterative methods (Mathematics) |
| Data do documento: | 2-Jun-2023 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Campo Mourao |
| Citação: | CANHAN, Diego Carrião. Comparação entre métodos de estimação paramétrica aplicados ao controle adaptativo por modelo de referência. 2023. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Eletrônica) - Universidade Tecnológica Federal do Paraná, Campo Mourão, 2023. |
| Resumo: | O presente trabalho realizou a comparação de desempenho entre três algoritmos de estimação paramétrica, o Método do Gradiente (MG), Método dos Mínimos Quadrados Recursivo (MMQR) e o Método dos Mínimos Quadrados Recursivo com Fator de Esquecimento (MMQRFE) todos aplicados ao sistema de Controle Adaptativo por Modelo de Referência (CAMR). Utilizou-se um circuito RLC para a simulação e análise dos três métodos. A principal contribuição do trabalho foi reproduzir e esclarecer as vantagens dos métodos abordados. Assim, os objetivos específicos foram: (𝑖) Modelar a planta a controlar; (𝑖𝑖) Discretizar a planta; (𝑖𝑖𝑖) Construir a lei de controle; (𝑖𝑣) Implementar o algoritmo de identificação; e (𝑣) Validar os resultados por meio de simulações computacionais. A partir de simulações numéricas, analisou-se o desempenho de cada algoritmo e suas características. O MMQR possui ótimo regime transitório, sua matriz de covariância é calculada a cada nova iteração por isso é um método poderoso diante de sinais de referência elevados. O MG possui o tempo de acomodação mais lento, quando comparado ao MMQR, é um método eficaz quando os ganhos do controlador estão próximos dos ganhos verdadeiros. O MMQRFE utiliza de um fator de esquecimento para ponderar com maior peso as medidas mais recentes. Ao levar em consideração as características de cada algoritmo, ter conhecimento prévio sobre a planta que se deseja controlar, auxilia na escolha do método que mais se adequa as necessidades do projetista, assim potencializa o desempenho do sistema de controle. |
| Abstract: | The present work compared the performance of three parametric estimation algorithms, the Recursive Least Squares Method (RLSM), the Gradient Method (GM) and Recursive Least Squares Method with Forgetting Factor (RLSMFF), all applied to the Model Reference Adaptive Control (MRAC). An RLC circuit was used for the simulation and analysis of the three methods. The main contribution of the work was to reproduce and clarify the advantages of the methods discussed. Thus, the specific objectives were: (𝑖) Modeling the plant to be controlled; (𝑖𝑖) Discretize the plant; (𝑖𝑖𝑖) Build the control law; (𝑖𝑣) Implement the identification algorithm; and (𝑣)Validate the results through computer simulations. Based on numerical simulations, the performance of each algorithm and its characteristics were analyzed. The RLSM has an excellent transient regime, its covariance matrix is calculated at each new iteration, so it is a powerful method in the face of high reference signals. The GM has the slowest settling time when compared to the MMQR, it is an effective method when the controller gains are close to the true gains. The RLSMFF uses a forgetting factor to weight the most recent measures with greater weight. By taking into account the characteristics of each algorithm, having prior knowledge about the plant to be controlled, helps in choosing the method that best suits the needs of the designer, thus enhancing the performance of the control system. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/31741 |
| Aparece nas coleções: | CM - Engenharia Eletrônica |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| estimacaoparametricacontroleadaptativo.pdf | 2,98 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
