Integração do controle de processos com inteligência artificial: abordagem do sistema e do controlador.
O controle de processos é uma área fundamental nas indústrias químicas. Otimizar a produção, garantir restrições de processo, minimizar o consumo de matérias-primas e reforçar a segurança industrial são algumas das vantagens obtidas ao se utilizar sistemas de controle avançados. O Controle Avançado...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2025 |
| País: | Brasil |
| Institución: | Universidade de São Paulo (USP) |
| Repositorio: | Biblioteca Digital de Teses e Dissertações da USP |
| Idioma: | portugués |
| OAI Identifier: | oai:teses.usp.br:tde-11072025-135111 |
| Acceso en línea: | https://www.teses.usp.br/teses/disponiveis/3/3137/tde-11072025-135111/ |
| Access Level: | acceso abierto |
| Palabra clave: | Artificial Intelligence Controle de processos Inteligência Artificial Model predictive control Neural networks Process control Redes neurais |
| Sumario: | O controle de processos é uma área fundamental nas indústrias químicas. Otimizar a produção, garantir restrições de processo, minimizar o consumo de matérias-primas e reforçar a segurança industrial são algumas das vantagens obtidas ao se utilizar sistemas de controle avançados. O Controle Avançado de Processos é uma melhoria do controle clássico e foi desenvolvido por volta dos anos 1980. Essa nova abordagem permitiu revitalizar diversas plantas industriais, resolvendo problemas que antes eram ditos como impossíveis e permitindo aos engenheiros e operadores da planta terem mais controle da operação. Entretanto, apesar de suas diversas variações e melhorias, o controle avançado de processos ainda encontra problemas em alguns sistemas, seja na velocidade de computação do controlador, que pode ser demorada caso a complexidade do sistema seja muito elevada, seja na modelagem desse processo, que pode ser imperfeita dadas as condições de operação e a transitoriedade decorrente de mudanças temporais. A Inteligência Artificial se mostra como uma ferramenta capaz de auxiliar nesses problemas, permitindo a criação de um controlador baseado em rede neural que entenda a dinâmica de um processo de maneira rápida e consiga calcular as ações de controle mais rapidamente, ou permita uma modelagem do sistema que seja transiente e retroalimentada, levando a um modelo que se adapte com o tempo, incorporando fatores como deterioração do modelo, instabilidade e variações externas ao sistema. Neste trabalho é desenvolvida uma abordagem de substituição do modelo em um processo não linear por uma rede neural, além de um controlador associado a esse modelo. O controlador utiliza a rede neural como modelo do processo e define ações de controle através da solução de um problema de NLP. Esse trabalho também apresenta um controlador aproximado por redes neurais, com aplicações em sistemas lineares, não lineares e com tempo morto. O desenvolvimento desse controlador é feito com dados históricos do processo em malha fechada, com base em diferentes controladores MPC, permitindo adaptação para outros processos, e apresenta resultados satisfatórios, levando ao controle do sistema de maneira eficiente, sem a presença de offset e com potencial de expansão da pesquisa. |
|---|