Please use this identifier to cite or link to this item:
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/10535
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.creator.ID | CAVALCANTI, J. H. F. | pt_BR |
dc.creator.Lattes | http://lattes.cnpq.br/6012032994964522 | pt_BR |
dc.contributor.advisor1 | DEEP, Gurdip Singh. | - |
dc.contributor.advisor1ID | DEEP, G. S. | pt_BR |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/6322106621770962 | pt_BR |
dc.contributor.advisor2 | LIMA, Antonio Marcus Nogueira. | - |
dc.contributor.advisor2ID | LIMA, A. M. N. | pt_BR |
dc.contributor.advisor2Lattes | http://lattes.cnpq.br/2237395961717699 | pt_BR |
dc.contributor.referee1 | TEIXEIRA, Ediberto Pereira. | - |
dc.contributor.referee2 | GEHLOT, Narpat Singh. | - |
dc.contributor.referee3 | NASCIMENTO, Edson. | - |
dc.description.resumo | 0 principal objetivo desta Tese e demonstrar que, para alguma classe de sistemas não lineares cujo modelo se conhece parcialmente, e possível empregar redes neurais artificiais multicamadas (RNMC) para implementar uma estrategia de controle adaptativa, sem que seja necessário o treinamento prévio "offline" da rede. Inicialmente, são apresentados resultados experimentais e resultados obtidos com simuladores, no controle da velocidade e do posicionamento de um motor CC. Os resultados experimentais foram obtidos com controladores convencionais, representados por controladores tipo PID e controladores adaptativos baseados em modelos de referencia, e por controladores não convencionais, representado por controladores neurais. Os resultados obtidos com os simuladores e com a comparação entre os controladores convencionais e não convencionais, foram usados para o projeto da arquitetura da rede neural artificial do controlador. Usando os principais controladores neurais descritos na literatura especializada, especificamente os controladores neurais direto, indireto e baseado em funções não lineares, foram feitos estudos experimentais e em tempo real com esses controladores. Usando o conhecimento do jacobiano do motor CC, mostrou-se que esses controladores podem se tornar controladores adaptativos. Mostrou-se também que para o motor CC, e possível transformar o controlador neural direto num controlador adaptativo. Usando-se o jacobiano da planta, desenvolveu-se o conceito de estado passivo que permite o treinamento "on line" da RNMC, sem o seu prévio treinamento "off line" , com relativa segurança, evitando um treinamento a priori prolongado da RNMC. Esse conceito também possibilitou a sintonia fina do controlador em tempo real. Algumas considerações sobre a arquitetura da RNMC foram verificadas usando o controlador neural adaptativo. Apresentou-se um método para se calcular o número ótimo dos neurônios na camada oculta da RNMC. Definiu-se o fator de adaptação para o controlador neural direto e se apresentou um método para determinar o seu valor ótimo. Para mostrar experimentalmente a capacidade de generalização do controlador neural adaptativo direto, associou-o a regras fuzzy e se implementou um sistema controlador neural adaptativo para posicionamento do braco de um pendulo invertido acoplado ao eixo de um motor CC. | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | Centro de Engenharia Elétrica e Informática - CEEI | pt_BR |
dc.publisher.program | PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA | pt_BR |
dc.publisher.initials | UFCG | pt_BR |
dc.subject.cnpq | Engenharia Elétrica | - |
dc.title | Controladores neurais adaptativos. | pt_BR |
dc.date.issued | 1994-10-17 | - |
dc.description.abstract | The principal objective of this Thesis is to demonstrate that for a class of non-linear systems with partially known models, it is possible to employ a multi-layer artificial neural network (MLANN), for an adaptative control strategy, without the need for off-line training of the neural network. Initially, some experimental results, as well as simulation results, related with the position and speed control of a d.c. motor are presented. The experimental results were obtained both with the conventional controllers like the PID controller and reference model adaptive controller and the non-conventional controller like a neural network controller. Based on the simulations studies and comparisons of the performance of the conventional and neural controllers, the configuration of a neural network controller is proposed. Using the principal neural controller strategies proposed in the literature, and more specifically the direct and indirect controllers and the ones based on non-linear functions, experimental studies were carried out for a d.c. motor drive system with these controllers. These investigations revealed that if the jacobian of a plant is known, it is possible to transform the direct neural controller into an adaptive neural controller. Based on the plant jacobian, the concept of a passive state for the plant under control is introduced. The use of this concept enables the on-line training o f the multi-layer artificial neural network in real time with a fair degree of reliability and the necessity for a prolonged off-line training of the MLANN is thus avoided. This also affords a possibility for on-line fine-tuning of the neural controller. Some architectural aspects and other characteristics of the MLANN, as an adaptive controller, have been verified. A method to determine the optimum number of neurons in the hidden layer is presented. The adaptation factor for a direct adaptive neural controller is defined and an experimental procedure to determine its value, is presented. With a view to experimentally demonstrate the possibility of the generalization of the direct neural adaptive controller, concepts of fuzzy control are combined with those of the neural control to implement a position controller for a rigid inverted pendulum arm mounted on the d.c. motor shaft. | pt_BR |
dc.identifier.uri | http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/10535 | - |
dc.date.accessioned | 2019-12-27T16:25:36Z | - |
dc.date.available | 2019-12-27 | - |
dc.date.available | 2019-12-27T16:25:36Z | - |
dc.type | Tese | pt_BR |
dc.subject | Redes Neurais | - |
dc.subject | Controladores Neurais | - |
dc.subject | Inteligência Artificial | - |
dc.subject | Controladores | - |
dc.subject | Rede Neural Artificial | - |
dc.subject | Neural Networks | - |
dc.subject | Neural Controllers | - |
dc.subject | Artificial Intelligence | - |
dc.subject | Controllers | - |
dc.subject | Artificial Neural Network | - |
dc.rights | Acesso Aberto | pt_BR |
dc.creator | CAVALCANTI, José Homero Feitosa. | - |
dc.publisher | Universidade Federal de Campina Grande | pt_BR |
dc.language | por | pt_BR |
dc.title.alternative | Adaptive neural controllers. | pt_BR |
dc.identifier.citation | CAVALCANTI, José Homero Feitosa. Controladores neurais adaptativos. 1994. 137 f. Tese (Doutorado em Engenharia Elétrica) – Programa de Pós-Graduação em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática, Universidade Federal da Paraíba – Campus II - Campina Grande, Paraíba, Brasil, 1994. | pt_BR |
Appears in Collections: | Doutorado em Engenharia Elétrica. |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
JOSÉ HOMERO FEITOSA CAVALCANTI - TESE PPGEE 1994.pdf | José Homero Feitosa Cavalcanti - Tese de Doutorado PPGEE 1994 | 28.75 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.