Controle de espessadores contínuos convencionais via otimização por política proximal.

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Silva, Jonathan Ribeiro
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Aprendizado do computador - aprendizado por reforço
Sistemas de controle - espessadores
Link de acesso: https://www.repositorio.ufop.br/handle/123456789/19781
Resumo: Programa de Pós-Graduação em Instrumentação, Controle e Automação de Processos de Mineração. Departamento de Engenharia de Controle e Automação, Escola de Minas, Universidade Federal de Ouro Preto.
id UFOP_5fc8b7e325004be1d1f73271d4f148bb
oai_identifier_str oai:repositorio.ufop.br:123456789/19781
network_acronym_str UFOP
network_name_str Repositório Institucional da UFOP
repository_id_str
spelling Controle de espessadores contínuos convencionais via otimização por política proximal.Aprendizado do computador - aprendizado por reforçoSistemas de controle - espessadoresPrograma de Pós-Graduação em Instrumentação, Controle e Automação de Processos de Mineração. Departamento de Engenharia de Controle e Automação, Escola de Minas, Universidade Federal de Ouro Preto.A aprendizagem por reforço e uma técnica de aprendizagem de máquina que vem sendo aplicada com grande sucesso, principalmente no contexto de jogos eletrónicos e robótica, sendo capaz de superar a capacidade humana. Apesar de seu grande potencial de aplicação nas mais diversas áreas, ainda é escasso o estudo voltado para o controle de processos. O objetivo deste trabalho é aplicar a aprendizagem por reforço, por meio do algoritmo de otimização de política proximal (PPO) em um modelo simulado de um espessador convencional, responsável pela separação sólido-líquido na mineração. O algoritmo desenvolvido atuará no controle da concentração de sólidos na saída e da altura da interface de sedimentos a partir da vazão de saída e da dosagem de floculantes. Foi possível controlar o processo por meio do PPO, porém, seu desempenho se mostrou inferior ao de técnicas de controle convencionais, a não ser no uso mais eficiente de floculante e na imunidade a distúrbios. Conclui-se que há uma necessidade de maior estudo da parametrização dos algoritmos de aprendizagem por reforço de forma a facilitar os ajustes e fazer melhor proveito de sua capacidade de abstração e generalização.Reinforcement learning is a machine learning technique that has been applied with great suc- cess, mainly in the context of electronic games and robotics, where it has been able to surpass human capacity and the performance of conventional techniques. Despite its great potential for application in the most diverse areas, studies focused on process control are still scarce. The ob- jective of this work is to apply reinforcement learning, through the proximal policy optimization algorithm (PPO), in a simulated model of a conventional thickener, responsible for solid-liquid separation in mining. The algorithm developed will control the underflow solid volume fraction and the sediment level based on the underflow and the flocculant dosage. The simulations show that it is possible to use reinforcement learning to control the thickener process. However, the performance of PPO does not surpass conventional control techniques, except for more effi- cient use of flocculant and immunity to disturbances. It is concluded that there is a need for further study of the parameterization of reinforcement learning algorithms in order to facilitate adjustments and make better use of their abstraction and generalization capacity.Braga, Marcio FelicianoEuzebio, Thiago Antonio MeloBraga, Marcio FelicianoEuzebio, Thiago Antonio MeloEras Herrera, Wendy YadiraLacerda, Márcio JúniorSilva, Jonathan Ribeiro2025-02-24T21:02:24Z2023info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfSILVA, Jonathan Ribeiro. Controle de espessadores contínuos convencionais via otimização por política proximal. 2023. 58 f. Dissertação (Mestrado Profissional em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2023.https://www.repositorio.ufop.br/handle/123456789/19781Attribution 3.0 United Stateshttp://creativecommons.org/licenses/by/3.0/us/Autorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 21/12/2023 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho, desde que sejam citados o autor e o licenciante.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFOPinstname:Universidade Federal de Ouro Preto (UFOP)instacron:UFOP2025-02-24T21:07:39Zoai:repositorio.ufop.br:123456789/19781Repositório InstitucionalPUBhttp://www.repositorio.ufop.br/oai/requestrepositorio@ufop.edu.bropendoar:32332025-02-24T21:07:39Repositório Institucional da UFOP - Universidade Federal de Ouro Preto (UFOP)false
dc.title.none.fl_str_mv Controle de espessadores contínuos convencionais via otimização por política proximal.
title Controle de espessadores contínuos convencionais via otimização por política proximal.
spellingShingle Controle de espessadores contínuos convencionais via otimização por política proximal.
Silva, Jonathan Ribeiro
Aprendizado do computador - aprendizado por reforço
Sistemas de controle - espessadores
title_short Controle de espessadores contínuos convencionais via otimização por política proximal.
title_full Controle de espessadores contínuos convencionais via otimização por política proximal.
title_fullStr Controle de espessadores contínuos convencionais via otimização por política proximal.
title_full_unstemmed Controle de espessadores contínuos convencionais via otimização por política proximal.
title_sort Controle de espessadores contínuos convencionais via otimização por política proximal.
author Silva, Jonathan Ribeiro
author_facet Silva, Jonathan Ribeiro
author_role author
dc.contributor.none.fl_str_mv Braga, Marcio Feliciano
Euzebio, Thiago Antonio Melo
Braga, Marcio Feliciano
Euzebio, Thiago Antonio Melo
Eras Herrera, Wendy Yadira
Lacerda, Márcio Júnior
dc.contributor.author.fl_str_mv Silva, Jonathan Ribeiro
dc.subject.por.fl_str_mv Aprendizado do computador - aprendizado por reforço
Sistemas de controle - espessadores
topic Aprendizado do computador - aprendizado por reforço
Sistemas de controle - espessadores
description Programa de Pós-Graduação em Instrumentação, Controle e Automação de Processos de Mineração. Departamento de Engenharia de Controle e Automação, Escola de Minas, Universidade Federal de Ouro Preto.
publishDate 2023
dc.date.none.fl_str_mv 2023
2025-02-24T21:02:24Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv SILVA, Jonathan Ribeiro. Controle de espessadores contínuos convencionais via otimização por política proximal. 2023. 58 f. Dissertação (Mestrado Profissional em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2023.
https://www.repositorio.ufop.br/handle/123456789/19781
identifier_str_mv SILVA, Jonathan Ribeiro. Controle de espessadores contínuos convencionais via otimização por política proximal. 2023. 58 f. Dissertação (Mestrado Profissional em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2023.
url https://www.repositorio.ufop.br/handle/123456789/19781
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution 3.0 United States
http://creativecommons.org/licenses/by/3.0/us/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution 3.0 United States
http://creativecommons.org/licenses/by/3.0/us/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFOP
instname:Universidade Federal de Ouro Preto (UFOP)
instacron:UFOP
instname_str Universidade Federal de Ouro Preto (UFOP)
instacron_str UFOP
institution UFOP
reponame_str Repositório Institucional da UFOP
collection Repositório Institucional da UFOP
repository.name.fl_str_mv Repositório Institucional da UFOP - Universidade Federal de Ouro Preto (UFOP)
repository.mail.fl_str_mv repositorio@ufop.edu.br
_version_ 1833921954106572800

Registros relacionados