Sintonia ótima de controladores MPC considerando incertezas de modelagem

Abstract

Os métodos heurísticos de sintonia de controladores preditivos se mostram muito específicos, tanto em relação ao tipo de controlador, como ao tipo de sistema a ser controlado e, algumas vezes, não refletem com o desempenho ou a robustez desejados. Além disso, esses métodos não consideram a incerteza das medidas ou dos modelos, sendo que frequentemente a sintonia é feita na base da experiência do engenheiro, ou ainda, na falta desta, por tentativa e erro. Por outro lado, os métodos de sintonia ótima possuem a vantagem de serem bastante flexíveis, podendo ser utilizados para uma ampla gama de tipos de controladores e sistemas, e as sintonias resultantes da aplicação de tais métodos atendem o desempenho demandado pelo usuário, de acordo com o critério de desempenho ou função-objetivo previamente escolhidos, desde que sejam factíveis. O objetivo deste trabalho é desenvolver uma metodologia para a sintonia ótima de controladores preditivos multivariáveis, considerando a incerteza de modelagem nos parâmetros do modelo da planta. Uma vez que a formulação do problema de sintonia ótima resulta em uma programação mista-inteira não-linear, um algoritmo de otimização meta-heurístico, baseado na técnica de otimização por enxame de partículas, é utilizado para solucionar o problema proposto. Como forma de alcançar um controle também robusto às incertezas de modelagem, o método inclui na sua formulação a identificação do cenário do pior caso de controle, determinado no domínio da incerteza dos parâmetros do modelo, baseado no Índice de Resilência de Morari e no Número Condicional. Estudos de caso típicos da indústria de processos são realizados e as funções de densidade de probabilidade das funções-objetivo são analisadas, evidenciando o bom desempenho e robustez das sintonias propostas