Projeto e implementação de um controlador de velocidade de um motor CC utilizando inteligência artificial.

Abstract

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.