Por favor, use este identificador para citar o enlazar este ítem: http://www.monografias.ufop.br/handle/35400000/5219
Título : Projeto e implementação de um controlador de velocidade de um motor CC utilizando inteligência artificial.
Autor : Souza, Douglas Xavier de
metadata.dc.contributor.advisor: Santana, Adrielle de Carvalho
metadata.dc.contributor.referee: Santana, Adrielle de Carvalho
Reis, Agnaldo José da Rocha
Monteiro, Paulo Marcos de Barros
Palabras clave : Motor de corrente contínua
Inteligência artificial
Redes neurais - computação
Microcontroladores
Velocidade - controle
Fecha de publicación : 2023
Citación : SOUZA, Douglas Xavier de. Projeto e implementação de um controlador de velocidade de um motor CC utilizando inteligência artificial. 2023. 65. Monografia (Graduação em Engenharia de Controle e Automação) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2023.
Resumen : O motor elétrico de corrente contínua (CC) é importante em diversos setores da indústria, portanto, controlar sua velocidade é essencial para determinados processos industriais. O controle clássico muitas vezes consegue controlar inúmeras plantas, porém quando a complexidade do sistema aumenta os mesmos não são tão eficazes. Com isso, métodos de controle modernos vêm ganhando cada vez mais espaço por conseguir controlar plantas com uma complexidade mais alta. Assim, a inteligência artificial é uma grande aliada para esses métodos. Este trabalho tem como objetivo projetar um circuito de acionamento e controle de um motor CC por meio de um microcontrolador, aplicar técnicas de controle clássico e moderno com o uso de redes neurais e, por fim, analisar e comparar os resultados de tais métodos mostrando pontos positivos e negativos dos mesmos. Os objetivos foram alcançados e foi possível evidenciar pontos positivos e negativos dos 3 controladores utilizados: o PID (proporcional, integral e derivativo), o controlador por modelo preditivo (do inglês Model predictive control (MPC)) e o controlador proposto baseado em rede neural. O controlador PID apresentou bons resultados, estabilizando-se rapidamente em todos os cenários, mas com um overshoot médio de 18%, além disso, o sinal de controle deste controlador sofreu muito ruído em consequência do sinal de erro do sistema. O MPC também obteve bons resultados, porém em alguns casos apresentou overshoot e tempo de estabilização maior, sendo assim, sua principal vantagem é conseguir controlar plantas mais complexas, inserir limites na variável de controle e garantir um sinal de controle menos ruidoso. Em contrapartida, sua aplicação requer um custo computacional mais elevado. O controlador baseado em redes neurais obteve resultados menos satisfatórios, com erro e tempo de estabilização maiores. No entanto, demonstrou ser capaz de controlar plantas mais complexas com um custo computacional menor que controladores robustos, evidenciando a relevância de se continuar investigando seu desempenho em trabalhos futuros.
metadata.dc.description.abstracten: The direct current motors are very important in many sectors of the industry, therefore, it’s essencial to control your speed in determinated industrial processes. The classic control often manages to control countless plants but when the complexity of the system increases they are not as effective. With this being said, modern control methods are gaining more and more space for being able to control plants with elevated complexity. Consequently, the artificial intelligence is a great ally to this methods. This work aims to design a DC motor drive and control circuit through a microcontroller, apply modern control techniques with the use of neural networks, classical control and, in the end, analyze and compare the results of such methods comparing positive and negative points of them. The objectives were somehow achieved and it was possible to highlight the positives and negatives of the 3 controllers used: the PID, the MPC and the standard controller based on a neural network. The PID controller showed good results, quickly stabilizing in all scenarios, but with an average overshoot of 18%, furthermore, the control signal of this controller suffered a lot of noise as a result of the system error signal. The MPC also obtained good results, but in some cases it presented overshoot and longer stabilization time, therefore, its main advantage is being able to control more complex plants, inserting limits in the control variable and ensure a less noisy control signal, on the other hand, its application requires a higher computational cost. The controller based on neural networks obtained less satisfactory results, with higher error and stabilization time. However, it proved to be able to control more complex plants with a lower computational cost than robust controllers, evidencing the relevance of continuing to investigate its performance in future works.
URI : http://www.monografias.ufop.br/handle/35400000/5219
Aparece en las colecciones: Engenharia de Controle e Automação

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
MONOGRAFIA_ProjetoImplementaçãoControlador.pdf3,62 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons