Controle extremal estocástico na presença de atrasos

• Ano de defesa: 2020
• Autor(a) principal: Silva, Paulo Cesar Souza da
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Estado do Rio de Janeiro; Centro de Tecnologia e Ciências::Faculdade de Engenharia; Brasil; UERJ; Programa de Pós-Graduação em Engenharia Eletrônica
• Palavras-chave em Português: Engenharia eletrônica; Sistemas de controle inteligente; Algoritmos; Processo estocástico; Electronic engineering; Intelligent control systems; Algorithms; Stochastic processes; ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS
• Link de acesso: http://www.bdtd.uerj.br/handle/1/22405

O controle extremal pode ser definido como um método adaptativo de otimização em tempo real, que visa determinar o ponto extremo de um mapeamento estático não linear desconhecido. Este trabalho apresenta o Controle Extremal Estocástico baseado nos algoritmos do Gradiente e Newton na presença de atrasos. Da literatura sabe-se que o controle extremal não é robusto à presença de atrasos e quando estes são inseridos em um sistema de malha fechada e simplesmente ignorados, os mesmos restringem severamente a taxa de convergência do sistema como um todo ou levam o sistema à instabilidade. No caso do algoritmo do Gradiente, um novo preditor baseado na estimativa da Hessiana desconhecida será apresentado e incorporado à malha fechada. Para o Algoritmo de Newton, outro novo preditor com uma estimativa da inversa da Hessiana baseada em perturbações senoidais estocásticas (sinais de dither) é incorporado à malha fechada, de modo que a taxa de convergência do controlador em tempo real possa ser especificada pelo projetista. A estabilidade exponencial e convergência a uma pequena vizinhança do ponto de extremo são obtidas. Este resultado é rigorosamente alcançado utilizando a transformação backstepping e teoria da média em sistemas de dimensões infinitas. Exemplos numéricos são apresentados para ilustrar a eficiência das estratégias de controle extremal estocástico propostas em preditor para compensação de atrasos.