Ruano, A. E.Azevedo, Ana Beatriz da Piedade de2012-09-132012-09-131998007 AZE*Sin 1AUT: AAZ00771;http://hdl.handle.net/10400.1/1618Dissertação de mest., Universidade do Algarve, 1998Os controladores Proporcional, Integral e Derivativo (PID) são dos controladores mais usados no controlo automático industrial. A sua utilização em larga escala advém da sua simplicidade de funcionamento e desempenho robusto. Estes controladores necessitam de ser sintonizados frequentemente, porque o processo a controlar varia no tempo ou por os seus componentes envelhecerem. Dado que, uma instalação industrial pode possuir centenas destes reguladores, e dado que uma sintonia correcta é uma actividade dispendiosa em termos de tempo, a sintonia automática de controladores PID é uma questão importante em termos económicos. Desde o trabalho de Ziegler e Nichols [1], em 1942, foram propostos vários métodos de sintonia automática de controladores PID. Recentemente, foi introduzida a utilização de redes neuronais artificiais e é sobre o trabalho desenvolvido nesse âmbito, como por exemplo em [2] e [3], que esta dissertação se alicerça. A aplicação desenvolvida, utiliza como método de sintonia o critério Integral do Tempo multiplicado pelo Erro Absoluto (ITAE), que possui uma resposta com boa selectividade e amortecimento. Este critério é raramente utilizado em aplicações em tempo real, pois como não se conhece uma forma analítica para o seu cálculo é necessário utilizar uma simulação do sistema completo (processo a controlar e controlador PID). A aplicação é composta por dois módulos, o sistema completo (processo a controlar e controlador PID) e o módulo de sintonia automática. O módulo de sintonia automática consiste num bloco que identifica o processo a controlar e em dois conjuntos de redes neuronais, um utilizado na minimização do ITAE do processo e outro para fornecer os valores dos parâmetros do controlador. As redes neuronais usadas são do tipo Basis(B)-spline [4], que possuem a vantagem de “aprender” preservando o “conhecimento” anteriormente adquirido. Estas redes são construídas e treinadas off-line, utilizando o algoritmo ASMOD (Adaptive Spline Modelling of Observation Data) [5], usando um conjunto restrito de treino, sendo depois adaptadas em tempo real para valores de treino relativos ao processo específico a controlar.porRedes neuronaisAlgoritmosASMODMATLABSIMULINKmaster thesis