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 |