Desenvolvimento de controle preditivo utilizando redes-neurais recorrentes com aplicação em refrigeradores residenciais

• Ano de defesa: 2023
• Autor(a) principal: Silva, Marcelo Campos
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Engenharia elétrica; Refrigeração; Termodinâmica; Controle preditivo; Redes neurais (Computação)
• Link de acesso: https://repositorio.udesc.br/handle/UDESC/17465

A busca por eficiência energética e redução de complexidade nos componentes dos produtos de linha branca se intensifica a cada ano, especialmente em relação às geladeiras, que consomem a maior parte da energia elétrica destinada a esses produtos de linha branca. Neste contexto, apresenta-se uma proposta de algoritmo para melhorar o desempenho de uma geladeira de uso doméstico, através da fusão de conhecimentos contemporâneos de controle e termodinâmica, ferramentas computacionais validadas experimentalmente. É proposta uma topologia de controle preditivo não-linear, utilizando preditores bioinspirados, com otimizador numérico e horizontes de predição e controle finitos e restrições lineares do tipo rígidas, visando restringir o espaço de busca das soluções e ajustá-las aos desafios encontrados em um laboratório multidisciplinar. As premissas são fundamentadas em conhecimentos de sistemas térmicos para direcionar os trabalhos de identificação de sistemas, como seleção da topologia do regressor e auxiliar na busca e seleção das grandezas necessárias para identificar o preditor de temperatura. Uma rede neural artificial recursiva totalmente conectada em cascata (RNN+FCC) implementa este preditor de temperatura interna baseada em grandezas reais, como potências, frequências e temperatura ambiente. Este preditor de temperatura interna explica as dinâmicas do protótipo mesmo com perturbações, ou melhor, variações de cargas térmicas entre “vazio”, “pouca”, “total” utilizadas no treinamento da RNN. Via metodologia experimental adequada, encontra-se a frequência de amostragem compatível com as predições requisitadas pelo controle. Filtros passa-baixas limpam eventuais ruídos de medições e o treinamento da rede neural compensa distorções de fase e ganho desses filtros. A validação da RNN classifica o modelo como aceitável, pois os erros entre modelo e medição de temperatura estão contidos em ±1oC. A sintonia dos ganhos do controlador é realizada para minimizar os overshoots de temperatura durante os testes de dinâmica de controle na qual apresentam bons resultados dentro do espaço de inferência de utilização da geladeira. A jornada de testes em laboratório sempre esbarra em percalços que abrem novas perspectivas e propostas futuras que visam, além de melhorar o controle, detectar anormalidades e falhas. Esta tese discorre sobre um caminho, pavimentando a estrada entre as melhorias apresentadas hoje, solidificando a base para as oportunidades de amanhã