Tese: Controle por Aprendizado Acelerado e por Neuro-Fuzzy de Sistemas Servo-Hidráulicos de Alta Frequência
Aluno(a) : Eleazar Cristian Mejia SanchezOrientador(a): Marco A. Meggiolaro
Área de Concentração: Mecânica Aplicada
Data: 17/09/2009
Link para tese/dissertação: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=32823@1
Resumo: Sistemas hidráulicos sío utilizados em tarefas que necessitam de forças e torques relativamente altos, resultando em grandes acelerações. Por este motivo, máquinas de testes de fadiga sío baseadas em sistemas servo-hidráulicos. Os ensaios de fadiga sío quase sempre independentes da frequência de trabalho. Portanto, trabalhar com uma frequência elevada traz vantagens de redução de tempo e custo dos ensaios, sem interferir nos resultados. Nesta dissertação foram desenvolvidas técnicas de controle por aprendizado acelerado e Neuro-Fuzzy, aplicadas em um sistema servo-hidráulico para ensaio de fadiga. Estes sistemas têm o propósito de fazer ensaios em materiais para prever sua vida útil em serviço. O trabalho envolveu quatro etapas principais: levantamento bibliográfico, desenvolvimento de um controle por aprendizado acelerado, desenvolvimento de um controle por aprendizado Neuro-Fuzzy, e implementação experimental dos modelos de controle por aprendizado proposto em uma máquina de ensaios de materiais. A implementação do controle por aprendizado acelerado foi feita a partir do modelo tradicional desenvolvido em trabalhos anteriores, com o objetivo de acelerar o processo de aprendizagem. Esta metodologia consiste em fazer um controle do tipo bang-bang, restringindo a servo-válvula a trabalhar sempre nos seus limites extremos de operação, i.e., procurando mantê-la sempre completamente aberta em uma ou outra direção. Estes pontos de reversío dependem de diversos fatores, como a amplitude e carga média da solicitação, e sío influenciados pela dinâmica do sistema. Para que a servo-válvula trabalhe no seu limite de seu funcionamento, os instantes ótimos para as reversões sío obtidos pelo algoritmo de aprendizado, e armazenados em tabelas específicas para cada tipo de carregamento. Na metodologia proposta, a lei de aprendizado inclui um termo de momento que permite acelerar a aprendizagem dos valores das tabelas constantemente durante a execução dos testes, melhorando a resposta a cada evento. O desenvolvimento de um controle por aprendizado Neuro-Fuzzy foi motivado pela necessidade de ter um agente com a capacidade de aprendizado e armazenamento dos pontos ótimos de reversío. Este modelo de controle também consiste na implementação de um controle do tipo bang-bang, trabalhando com a servo-válvula sempre nos seus limites extremos de operação. O instante de reversío é determinado pelo sistema Neuro-Fuzzy, o qual tem como entradas a gama e o valor mínimo do carregamento solicitado. O processo de aprendizado é feito pelas atualizações dos pesos do sistema Neuro-Fuzzy, baseado nos erros obtidos durante a execução dos testes, melhorando a resposta do sistema a cada evento. A validação experimental dos modelos propostos é feita em uma máquina servo-hidráulica de ensaios de fadiga. Para este fim, o algoritmo de controle proposto foi implementado em tempo real em um módulo de controle CompactRIO da National Instruments. Os testes efetuados demonstraram a eficiência da metodologia proposta.