Controle de um Sistema não Linear e Instável em Malha Aberta Mediante Controlador Adaptativo por Modelo de Referência

• Ano de defesa: 2015
• Autor(a) principal: Ledezma, Luis Carlos Moreno
• Orientador(a): Schnitman, Leizer
• Banca de defesa: Schnitman, Leizer, Martins, Marcio Andre Fernandes, Chagas, Thiago Pereira das
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Instituto de Matemática. Departamento de Mecatrônica.
• Programa de Pós-Graduação: Mestrado em Mecatrônica
• País: Brasil
• Palavras-chave em Português: Não linear; Adaptativo; MRAC; Lyapunov; Ball-Balancer
• Área do conhecimento CNPq: Sistemas Computacionais
• Link de acesso: http://repositorio.ufba.br/ri/handle/ri/21392

Para modelar o problema, é usada a abordagem de Euler-Lagrange. A qual se aplicou a um kit experimental nomeado Ball-Balancer, de modo que pudera-se obter um conjunto de equações dinâmicas que representem, no espaço de estados, seu comportamento dinâmico completo. Algumas suposições foram feitas sobre a situação experimental para evitar assim uma excessiva complexidade e ter que lidar posteriormente com fortes não linearidades que tornarem ao modelo num caso de estúdio difícil de aplicar. Um esquema de controle adaptativo direto é aplicado a um kit Ball-Balancer, usado como planta não linear. A estabilidade do sistema em malha fechada, e o seu desempenho no rastreamento são discutidos sob o enfoque de Lyapunov, também a obtenção de uma lei de controle adequada, assumindo parâmetros conhecidos, posteriormente, utilizando a mesma metodologia foi obtido um conjunto de equações de adaptação de parâmetros que procuram precisão no seguimento do sinal, em presença de não linearidades desconhecidas. A aplicabilidade e funcionamento do algoritmo de controle desenvolvido é implementado por meio de simulação, utilizando Matlab e Simulink para executar o controlador não linear sob uma abordagem de Controle Adaptativo por Modelo de Referência (MRAC), obtendo alguns resultados satisfatórios, como a teoria prever.