ANDRÉ LEITE ANDRADE LUCIANO DO CARMO DE SOUZA SINTONIA DE CONTROLADORES PID UTILIZANDO ALGORITMOS GENÉTICOS
|
|
- Nelson Viveiros Godoi
- 8 Há anos
- Visualizações:
Transcrição
1 BACHARELADO EM ENGENHARIA DE CONTROLE E AUTOMAÇÃO ANDRÉ LEITE ANDRADE LUCIANO DO CARMO DE SOUZA SINTONIA DE CONTROLADORES PID UTILIZANDO ALGORITMOS GENÉTICOS CAMPOS DOS GOYTACAZES / RJ 2010
2 ANDRÉ LEITE ANDRADE LUCIANO DO CARMO DE SOUZA SINTONIA DE CONTROLADORES PID UTILIZANDO ALGORITMOS GENÉTICOS Monografia apresentada ao Instituto Federal Fluminense Campus Campos-Centro como requisito parcial para conclusão do Curso de Bacharelado em Engenharia de Controle e Automação. Orientador: Adelson Siqueira Carvalho, MSc. CAMPOS DOS GOYTACAZES/RJ 2010
3 Dados de Catalogação na Publicação (CIP) A553a Andrade, André Leite. Sintonia de controladores PID utilizando algoritmos genéticos / André Leite Andrade, Luciano do Carmo de Souza Campos dos Goytacazes, RJ : [s.n.], f. ; il. Orientador: Adelson Siqueira Carvalho. Monografia. (Engenharia de Controle e Automação). Instituto Federal de Educação, Ciência e Tecnologia Fluminense. Campos dos Goytacazes, RJ, Bibliografia: f Controladores PID. 2. Algoritmo genético. I. Souza, Luciano do Carmo de. II. Carvalho, Adelson Siqueira, orient. III. Título. CDD
4 SINTONIA DE CONTROLADORES PID UTILIZANDO ALGORITMOS GENÉTICOS ANDRÉ LEITE ANDRADE LUCIANO DO CARMO DE SOUZA Monografia apresentada ao Instituto Federal Fluminense Campus Campos-Centro como requisito parcial para conclusão do Curso de Bacharelado em Engenharia de Controle e Automação. Aprovada em 30 de novembro de 2010 Banca avaliadora:... Adelson Siqueira Carvalho (Orientador) Mestre em Engenharia de Produção Instituto Federal Fluminense... Maurício Gonçalves Ferrarez Mestre em Engenharia de Controle e Automação Instituto Federal Fluminense... Sérgio Vasconcellos Martins Doutor em Engenharia de Produção Instituto Federal Fluminense
5 2 AGRADECIMENTOS A Deus por nos ter dado força e saúde para realização deste trabalho. Aos nossos pais, que sempre nos apoiaram. Ao nosso orientador Adelson Siqueira Carvalho pela orientação e incentivo. A todos os professores do curso de bacharelado em Engenharia de Controle e Automação que contribuíram para nossa formação acadêmica. Aos demais colegas do curso de bacharelado em Engenharia de Controle e Automação.
6 3 O sucesso nasce do querer, da determinação e persistência em se chegar a um objetivo. Mesmo não atingindo o alvo, quem busca e vence obstáculos, no mínimo fará coisas admiráveis. José de Alencar
7 4 RESUMO Diante da grande utilização de Controladores Proporcional, Integral e Derivativo (PID) na indústria e a necessidade destes estarem bem sintonizados para que haja uma otimização do processo, este trabalho tem por finalidade buscar uma alternativa não convencional de sintonia de controladores PID e compará-la com os métodos convencionais. A sintonia de controladores nada mais é que encontrar valores ótimos para seus parâmetros de acordo com as informações do processo. Existem diversas técnicas de sintonia, mas que na maioria das vezes não são suficientes para uma sintonia ótima, requerendo um ajuste fino, normalmente realizado por tentativa e erro, motivo pelo qual muitas vezes eleva-se o gasto de tempo e recursos. Como se trata de um problema de otimização, recorreu-se a uma ferramenta muito utilizada em pesquisa operacional para tentar alcançar o objetivo deste trabalho, que são os algoritmos genéticos (AG s). Os algoritmos genéticos, apresentaram valores bastantes satisfatórios para os parâmetros de sintonia de um controlador PID em um processo de malha fechada com uma planta de primeira ordem, porém os resultados não foram satisfatórios ao se utilizar uma planta de primeira ordem com tempo morto, mais comum no meio industrial. (AG). Palavras-chave: Controlador PID. Sintonia de controladores. Algoritmo genético
8 5 ABSTRACT The wide spread use of PID controllers in the industry and the need of it to be well tuned is important so the process is optimized. This paper seeks an alternative nonconventional PID controllers tuning and compares it with conventional methods. The tuning of controllers is nothing more than to find optimal values for theirs parameters according to the process information. There are different techniques for tuning, but the majority is not sufficient to reach optimum value of tune. Tuning usually done by trial and error, because of that time and resources are often wasted which an optimization problem. Genetic algorithms (GA's), is a tool widely used in operational research to try to achieve our objective. They showed very satisfactory values for tuning parameters of a PID controller in a closed loop process with a first order plant, but the results were not satisfactory when using a first order plant with dead time, which is the most common in industry. Keywords: PID controller. PID tuning. Genetic algorithm (GA).
9 6 LISTA DE ILUSTRAÇÕES Figura 2.1: Método da roleta aplicada a população de 5 indivíduos (CATARINA, 2005, p.15) Figura 2.2: Cruzamento (Inteligência Artificial, PUC-Rio, p. 50) Figura 2.3: Mutação (Inteligência Artificial, PUC-Rio, p. 50) Figura 2.4: Fluxograma de um AG (VALE, 2007, p.20) Figura 2.5: Exemplo de um controle manual em um trocador de calor (BEGA et al., 2003).. 22 Figura 2.6: Ação de controle em função do sinal de erro gerada pelo controlador de duas posições com banda morta ( FACCIN, 2004) Figura 2. 7: Ação de controle em função do sinal de erro gerada pelo controlador ( Faccin, 2004) Figura 2.8: Resposta dinâmica de uma malha de controle (CAMPOS e TEIXEIRA, 2006) Figura 2.9: Sistema em malha fechada Figura 2.10: Oscilação permanente Figura 2.11: Resposta do processo de primeira ordem em malha aberta (CAMPOS e TEIXEIRA, 2006) Figura 3.1: Ferramenta GATOOL do MATLAB Figura 3.2: Função gerada pelo GATOOL Figura 3.3: Parâmetros do GATOOL Figura 3.4: Valores adotados no parâmetro população do GATOOL Figura 3.5: Ajuste do controlador PID através do AG (NUNES et al., 2003/2004) Figura 4.1: Planta de 1ª ordem sem tempo morto Figura 4.2: Resposta do controlador PID sintonizado pelo AG Figura 4.3: PID modificado Figura 4.4: Resposta do controlador PID modificado sintonizado pelo AG Figura 4.5: Resposta do controlador PID modificado sintonizado pelo AG (função objetivo modelada de forma manual) Figura 4.6: Resposta do controlador PID modificado sintonizado pelo AG (função objetivo modelada de forma computacional)
10 7 LISTA DE TABELAS Tabela 1.1: Problemas típicos encontrados em malhas auditadas (CARMO e GOMES, 2008, p. 8) Tabela 2. 1: Efeitos das ações do controlador PID sobre o processo e a função do ganho Tabela 2. 2: Método de Ziegler e Nichols em malha fechada Tabela 2. 3: Fórmulas para o cálculo dos parâmetros PID para o método de Ziegler e Nichols em malha aberta Tabela 2. 4: Fórmulas para os cálculos dos parâmetros PID para o método de Cohen-Coon.. 35 Tabela 2. 5: Constantes para cálculo da sintonia do PID segundo método da integral do erro Tabela 2. 6: Constantes para cálculo da sintonia do PID segundo método da integral do erro Tabela 4.1: Função de Transferência Rn-1,n(s) e Rn,n(s) aproximadas por Padé (VAJTA, 2000)
11 8 LISTA DE SÍMBOLOS E ABREVIATURAS AG Algoritmo Genético BP Banda Proporcional GCR Ganho crítico IAE Integral do valor absoluto do erro ITAE Integral do produto do tempo pelo valor absoluto do erro K Ganho do Processo KP Parâmetro do controlador proporcional KI Parâmetro do controlador Integrativo KD Parâmetro do controlador Integrativo MATLAB / SIMULINK Programa utilizado para cálculos e simulação de sistema de controle P Controlador Proporcional PI Controlador Proporcional + Integral PD Controlador Proporcional + Derivativo PID Controlador Proporcional + Integral + Derivativo Erro θ Tempo morto τ Constante de tempo Variação do erro SISO Single Input Single Output (uma entrada e uma saída) T Período de oscilação TI Tempo integral TD Tempo derivativo
12 9 SUMÁRIO 1 INTRODUÇÃO Apresentação Objetivos Justificativa e Motivação Metodologia de Pesquisa Estrutura do Trabalho REVISÃO BIBLIOGRÁFICA Algoritmos Genéticos Introdução A Inspiração Biológica Características dos Algoritmos Genéticos Controladores Controlador ON-OFF Controlador Proporcional Controlador Proporcional e Integral (PI) Controlador Proporcional e Derivativo (PD) Controlador Proporcional, Integral e Derivativo (PID) Sintonia de Controladores PID Critérios de Desempenho Métodos de Sintonia Método Heurístico de Ziegler e Nichols Método de Cohen e Coon (CC) Método da Integral do Erro METODOLOGIA Modelagem do Problema de Otimização... 37
13 Modelagem no Domínio da Freqüência Adequação no Domínio do Tempo Estruturação da Função Objetivo do Problema O Algoritmo Genético Utilizado O Modelo de Simulação em Malha Fechada RESULTADOS Planta de Primeira Ordem Planta de Primeira Ordem com Tempo Morto Aproximações do Tempo Morto Série de Taylor Aproximação de Padé Modelagem no Domínio do Tempo Modelagem Manual CONCLUSÃO REFERÊNCIAS BIBLIOGRÁFICAS... 57
14 11 1 INTRODUÇÃO 1.1 Apresentação. Devido a grande utilização de controladores PID na indústria e a necessidade destes estarem bem sintonizados para que haja uma otimização do processo, este TCC (Trabalho de Conclusão de Curso) busca uma alternativa não convencional de sintonia de controladores para verificar se os métodos convencionais são suficientes ou se poderia melhorar, um pouco que seja, esta sintonia. A sintonia de controladores nada mais é que encontrar valores ótimos para seus parâmetros de acordo com as informações do processo. Existem diversa técnicas de sintonia, mas que na maioria das vezes não são suficientes para uma sintonia ótima, requerendo um ajuste fino, este normalmente é realizado por tentativa e erro, motivo pelo qual muitas vezes pode acarretar em um gasto de tempo e recursos elevado. Como se trata de um problema de otimização, recorreu-se a uma ferramenta muito utilizada em pesquisa operacional que são os algoritmos genéticos (AG s) para tentativa de alcançar o objetivo, que é a melhoria na sintonia de controladores PID. 1.2 Objetivos. O objetivo principal deste TCC é utilizar algoritmos genéticos para sintonia ótima dos parâmetros do controlador PID (Proporcional, Integral e Derivativo). 1.3 Justificativa e Motivação. É interessante notar que mais da metade dos controladores industriais em uso atualmente empregam esquemas de controle PID ou PID modificado. Como a maioria dos controladores PID são ajustados em campo, diferentes tipos de regras de sintonia vêm sendo propostas na literatura. Com a utilização dessas regras de sintonia, ajustes finos no controlador PID podem ser feitos em campo. Além disso, métodos
15 12 de sintonia automática vêm sendo desenvolvidos e alguns controladores PID têm a capacidade de fazer sintonia automática on-line. A utilidade dos controladores PID está na sua aplicabilidade geral à maioria dos sistemas de controle. Em particular, quando o modelo matemático da planta não é conhecido e, portanto, métodos de projeto analítico não podem ser utilizados, controles PID se mostram os mais úteis. Na área dos sistemas de controle de processos, sabe-se que os esquemas básicos de controle PID e os controles PID modificados provaram sua utilidade conferindo um controle satisfatório, embora em muitas situações eles podem não proporcionar um controle ótimo (OGATA,2003, p. 557). Segundo Takatsu et al.(1998 apud FACCIN, 2004, p. 8) apesar da existência de outras tecnologias, suas aplicações industriais ainda são pequenas, e o controlador do tipo PID continua sendo inegavelmente o controlador mais utilizado. Isto pode ser comprovado através das seguintes citações: O controlador PID é de longe o algoritmo de controle mais comum. A maioria das malhas feedback são controladas por este algoritmo ou pequenas variações. Ele é implementado de muitas formas diferentes, como um controlador autônomo ou como parte de um pacote DDC (Direct Digital Control) ou um sistema de controle de processo distribuído hierárquico. Milhares de instrumentos e engenheiros de controle no mundo estão usando tais controladores no seu trabalho diário (ÅSTRÖM e HÄGGLUND, 1995, p. 59, tradução nossa). Controladores PID são utilizados em grande número em todas as indústrias. Os controladores vêm em muitas formas diferentes, são como pacotes de produtos padrão, e são produzidos em massa. A popularidade dos controladores PID é devido à sua simplicidade funcional e confiança. Eles provêem desempenho robusto e seguro para a maioria dos sistemas se os parâmetros do PID forem determinados ou ajustados para assegurar um desempenho satisfatório em malha fechada (MORADI et al., 2002, p. 1, tradução nossa). O algoritmo de controle PID tem desempenhado um papel dominante em sistemas de controle de processos industriais por mais de sessenta anos. Conseqüentemente, muitos métodos têm sido propostos para determinar os três parâmetros do controlador, ou seja, os
16 13 ganhos proporcional, integral e derivativos, para atender diferentes necessidades das várias aplicações de controle (HWANG e HSIAO, 2002, p. 1, tradução nossa). Um levantamento feito com mais de controladores utilizados em refinarias, indústrias químicas e indústrias de papel e celulose mostraram que 97% de controladores regulatórios tinham a estrutura PID. (ÅSTRÖM e HÄGGLUND, 2004, p. 635, tradução nossa). Devido à sua simplicidade e eficácia, os controladores PID são os mais eficazes e mais amplamente utilizado em controladores de controle de processo, embora a teoria de controle moderno foi desenvolvida de forma rápida e profunda (ZHONG e LI, 2002, p. 1, tradução nossa). O onipresente controlador PID continuou a ser a técnica de controle mais utilizada em processo por muitas décadas. Embora as técnicas de controle avançado, como controle preditivo baseado em modelo pode proporcionar melhorias significativas, um controlador PID que está devidamente projetado e ajustado provou ser satisfatório para a grande maioria das malhas de controle industriais (CHEN e SEBORG, 2002, p. 4807, tradução nossa). O proporcional-integral (PI) é sem dúvida o controlador mais adotado em ambientes industriais, devido à sua capacidade de fornecer desempenhos satisfatórios para uma grande variedade de plantas, apesar de sua simplicidade. De fato, para muitos processos o termo derivativo do controlador não é útil e muitas vezes é difícil ajustar, de modo que os profissionais preferem evitar o seu uso (PIAZZI e VISIOLI, 2002, p. 1, tradução nossa). Muitos controladores são colocados em modo manual e, dentre aqueles que são colocados em modo automático, a ação derivativa é geralmente desligada pela razão elementar que sua sintonia é mais complexa. As razões chave para um desempenho insatisfatório dos processos industriais podem ser encontradas em problemas de equipamentos, como válvulas e sensores, e nos procedimentos equivocados de sintonia dos controladores. Os problemas das válvulas incluem dimensionamento equivocado, histerese e stiction. Os problemas de medida incluem filtros antialiasing insuficientes ou inexistentes, excesso de filtragem em sensores inteligentes, ruídos excessivos e calibração imprópria. Melhorias substanciais podem ser conseguidas. Conhecimento e compreensão são os elementos fundamentais para se alcançar melhorias no desempenho das malhas de controle. Para isto, são necessários não só conhecimentos específicos sobre os processos, mas também sobre os controladores PID. [...] A Tabela 1.1 mostra claramente que uma das grandes deficiências do desempenho das malhas de controle, dentre outros fatores, reside em sintonias inadequadas dos controladores, especialmente os de estrutura
17 14 PID. Embora os métodos iniciais de sintonia existam há mais de 60 anos a questão é, atualmente, tema contínuo de pesquisas e desenvolvimento, sem perspectivas de se esgotar (CARMO e GOMES, 2008, p. 7-8). Problemas Típicos das Malhas de Controle Percentual da Malhas Auditadas Válvulas de controle com problemas 30% Problemas de sintonia (parâmetros incoerentes) 30% Problemas de sintonia (comprometimento do desempenho) 85% Estratégia de controle inadequada 15% Controlador em manual 30% Desempenho da malha insatisfatório 85% Malhas com melhor desempenho em automático que manual 25% Tabela 1.1: Problemas típicos encontrados em malhas auditadas (CARMO e GOMES, 2008, p. 8) As citações acima e a forma como o mesmo problema foi descrito por diversos autores, é a fonte de motivação deste trabalho. 1.4 Metodologia de Pesquisa. A metodologia utilizada envolveu primeiramente a definição do tema e em seguida a familiarização com a ferramenta de algoritmo genético do MATLAB de forma a conhecer seu funcionamento e obter os parâmetros ótimos para sintonia do controlador. Para o desenvolvimento do tema a revisão bibliográfica se fez necessária. Após a revisão bibliográfica, o desenvolvimento do projeto segue com base na aplicação dos algoritmos genéticos para sintonia de controladores PID. O próximo passo foi a verificação dos resultados obtidos pelo MATLAB através de simulação virtual e então foi feita uma breve analise de desempenho. 1.5 Estrutura do Trabalho. O trabalho está organizado em cinco capítulos. O segundo capítulo é composto da revisão bibliográfica e este está divido em três partes: algoritmo genético (AG), controlador PID e sintonia de controladores PID. O terceiro capítulo trata da metodologia utilizada para desenvolvimento do trabalho.
18 15 No quarto capítulo são apresentados os resultados obtidos através de simulações feitas no MATLAB e SIMULINK. Finalizando o trabalho são apresentadas as conclusões, comentários e sugestões para desenvolvimentos de trabalhos futuros.
19 16 2 REVISÃO BIBLIOGRÁFICA 2.1 Algoritmos Genéticos Introdução Em meados da década de 70, nos Estados Unidos, John Holland propôs a técnica de algoritmo genético (AG) na Universidade de Michigan. Os algoritmos genéticos são mecanismos inspirados no processo de evolução dos seres vivos, baseada nas teorias de seleção natural de Darwin e na genética de Mendel, em que dada uma população, os indivíduos com características genéticas melhores têm maiores chances de sobrevivência e de produzirem filhos cada vez mais aptos, enquanto indivíduos menos aptos tendem a desaparecer. A contínua evolução do desempenho dos sistemas computacionais tem se tornado bastante atrativo para vários tipos de otimização. Os algoritmos genéticos começam sem o conhecimento da solução correta e dependem completamente de respostas do ambiente e da evolução dos operadores como reprodução, crossover (cruzamento ou recombinação) e mutação para chegarem à melhor solução. Os algoritmos genéticos usam o conceito de probabilidade, mas não são simples buscas aleatórias. Pelo contrário, os algoritmos genéticos tentam direcionar a busca para regiões onde é provável que os pontos ótimos estejam (LACERDA e CARVALHO, 1999) A Inspiração Biológica A primeira teoria sobre evolução das espécies foi proposta em 1809, pelo naturalista francês Jean Baptiste Pierre Antoine de Monet, conhecido como Lamarck. Para Lamarck as características que um animal adquire durante sua vida podem ser transmitidas hereditariamente. Este estudo ficou conhecido pela ciência como a lei do uso e desuso. Charles Darwin vem debater a teoria de Lamarck, de forma agressiva tentando de forma
20 17 científica explicar como as espécies evoluem. A seleção natural é um processo de evolução, geralmente aceito pela comunidade científica como a melhor explicação para a adaptação. O meio ambiente seleciona os seres mais aptos. Em geral, só estes conseguem reproduzir-se e os menos adaptados são eliminados ou pelo menos reduzidos em um primeiro momento a uma minoria. Assim, só as diferenças que facilitam a sobrevivência são transmitidas à geração seguinte (STEARNS, 2003). A seleção natural depende muito das condições ambientais, podendo selecionar características de um determinado organismo ajudando na reprodução e sobrevivência deste. Os organismos que não possuem tal característica podem vir a morrer antes que se reproduzam ou serem menos prolíficos que os organismos que apresentam a característica. À medida que as condições ambientais não variem, essas características continuam sendo adaptativas, tornando-se comum na população. Certas características são preservadas devido à vantagem seletiva que conferem, permitindo que o indivíduo reproduza-se, consequentemente, deixe mais descendentes. Através de diversas interações, os organismos podem vir a desenvolver características adaptativas muito complexas (FUTUYAMA e STEARNS, 2003). A teoria da seleção natural não é aplicada somente a organismos biológicos, podendo ser aplicada a qualquer organismo que se reproduz de modo a envolver tanto a hereditariedade como a variação (MICHALEWICZ, 1996). Assim, pode-se ocorrer seleção natural no reino não biológico. Alguns pesquisadores buscaram na natureza a inspiração necessária para pesquisar e desenvolver novas técnicas de busca de soluções para determinados problemas. Na natureza o processo de seleção natural demonstra que seres mais preparados (aptos) competem com os recursos naturais impostos, tendo assim uma maior probabilidade de sobreviver, consequentemente, disseminar o seu código genético (SRINIVAS e PATNAIK, 1994). Com o passar das gerações, através de sucessivos cruzamentos e mutações que ocorrem com as espécies, estes tendem a estar cada vez mais adaptados ao meio ambiente em que vivem. O AG trabalha com uma população no qual cada indivíduo é um candidato a solução do problema. A função de otimização representa o ambiente no qual a população inicial
21 18 encontra-se. Emprega-se no AG a mesma terminologia e os mesmos princípios da teoria evolutiva e da genética Características dos Algoritmos Genéticos Os algoritmos genéticos constituem uma técnica não determinística de busca, otimização e aprendizagem de máquina que manipulam não somente uma solução potencial para o problema, mas sim um espaço de soluções potenciais conhecido como população. As soluções potenciais são chamadas de cromossomos ou indivíduos. Estes cromossomos são representações codificadas de todos os parâmetros da solução. Cada cromossomo é comparado com outro cromossomo da população com objetivo de identificar qual deles terá maior chance de repassar seu material genético para as próximas gerações. O tamanho da população irá depender do problema. Assim quanto maior a população, maior a chance de encontrar a solução para o problema. Porém, maior será o tempo de processamento, ou seja, a escolha do tamanho de uma população irá depender de alguma heurística utilizada pelo usuário e de sua experiência (DIAS e BARRETO, 1998). Caso o tamanho da população aumente muito, o processo estará se aproximando de uma busca exaustiva. Portanto, deixa de ser interessante como método alternativo de busca de soluções. Após a criação da população inicial é realizada uma avaliação da população em relação às características contidas na função objetivo e verificado se esta possui os indivíduos necessários para atender os critérios de parada. Caso as condições forem satisfeitas o algoritmo é finalizado, caso contrário, ele dará continuidade a suas etapas. Na natureza o processo de seleção garante que os indivíduos mais adaptados tenham maiores chances de sobreviver. O conceito utilizado no AG é o mesmo (SRINIVAS e PATNAIK, 1994). A seleção é aplicada na população corrente para criar uma população intermediária que irá passar pelos processos de cruzamento e mutação para a geração da próxima população (WHITLEY, 1994).
22 19 Existem várias técnicas de seleção, a utilizada no algoritmo clássico, sugerido por Holland (1975) é conhecida como método da roleta (MICHALEWICZ, 1996). Nesta técnica é atribuída a cada indivíduo uma probabilidade de passar para a próxima geração. Essa probabilidade é proporcional a sua adaptação ao ambiente, em relação à somatória da adaptação de todos os indivíduos, sendo maior a probabilidade dos indivíduos mais adaptados serem sorteados (ZUBEN, 2000). A figura 2.1 representa visualmente, o método da roleta, sendo aplicado para uma pequena população de cinco indivíduos. Figura 2.1: Método da roleta aplicada a população de 5 indivíduos (CATARINA, 2005, p.15). Durante o processo de seleção pode-se perder um indivíduo com um alto grau de adaptação. Para evitar este problema usa-se um conceito conhecido como elitismo, onde o melhor indivíduo é mantido na próxima população. Desta forma, garante-se que o seu material genético fará parte do processo na próxima geração (ZUBEN, 2000). Segundo Srinivas e Patnaik (1994), após a seleção vem o cruzamento, sendo esta operação essencial para o AG, onde indivíduos pré-selecionados formam pares aleatórios para o processo de cruzamento. O cruzamento consiste na manipulação do material genético existente na população e permitirá a criação de um ou mais indivíduos (filhos) dos indivíduos selecionados (pais) pela seleção. No final deste processo à população geralmente permanece do mesmo tamanho da população anterior (HAUPTY e HAUPTY, 2004). A figura 2.2 representa a operação de cruzamento.
23 20 Figura 2.2: Cruzamento (Inteligência Artificial, PUC-Rio, p. 50) A mutação permite que indivíduos da nova geração sofram pequenas alterações, permitindo assim uma possibilidade de busca maior no espaço do problema. A mutação possui o papel de repor ou acrescentar um material genético inexistente na população atual, seja por ter sido perdido ou por nunca ter existido em populações anteriores. O processo inicia-se com a escolha de um ponto aleatório de um indivíduo, depois é aplicada uma taxa de probabilidade de troca deste ponto (bit) por um outro bit (KOZA, 1995). A figura 2.3 representa a operação de mutação. Figura 2.3: Mutação (Inteligência Artificial, PUC-Rio, p. 50) Whitley (1994), explica que a taxa de mutação geralmente é pequena, seguindo a inspiração biológica esse valor é da ordem de 1%. Contudo, na prática pode-se trabalhar com taxas bem maiores, dependendo do objetivo, topologia da superfície de erro e até mesmo se será ou não empregado o elitismo no processo de busca de uma solução. Para Srinivas e Patnaik (1994), a mutação é um operador secundário que pode restaurar material genético perdido ou inexistente em gerações anteriores. Percebe-se em problemas práticos que o AG pode tender a gerar indivíduos muito parecidos, perdendo diversidade em sua população. E esta população não necessariamente esta direcionada para o ponto ótimo da resolução do problema proposto. Para minimizar a perda de diversidade, pode-se usar uma taxa de mutação em níveis mais altos que sugeridos na literatura.
24 21 Após a mutação, novamente é realizado uma avaliação para verificar se os indivíduos presentes na nova população possuem potencial para a solução ótima do problema. A figura 2.4 representa o fluxograma das etapas de um AG: Figura 2.4: Fluxograma de um AG (VALE, 2007, p.20). 2.2 Controladores Atualmente o controle esta cada vez mais presente nas indústrias de processos contínuo, batelada e manufatura. O controle tem a função de aumentar a rentabilidade das unidades industriais e para esse rendimento ser alcançado é preciso que os controladores estejam operando em seus pontos ótimos. Os controladores são equipamentos utilizados em processos industriais e têm a função de manter os processos em seus pontos operacionais mais eficientes e econômicos, além de prevenir condições instáveis no processo que podem pôr em risco pessoas e/ou equipamentos. Para atingir esta finalidade o controlador automático opera da seguinte forma: 1. Mede o valor atual da variável que se quer controlar; 2. Compara o valor atual da variável com o valor desejado; 3. Determina o erro e gera um sinal de correção;
25 22 4. Aplica a correção ao sistema a ser controlado de modo a eliminar o desvio, de maneira a reconduzir a variável ao valor desejável; A figura 2.5 representa o processo típico sob controle de um operador humano. O serviço do operador é sentir a temperatura da água quente de saída e girar o volante da válvula de maneira a manter a temperatura da água no valor desejado. Supondo-se que o processo esteja equilibrado e que a temperatura de saída da água esteja no valor desejado, o que acontecerá a este sistema de controle manual se houver um aumento na vazão de água? Figura 2.5: Exemplo de um controle manual em um trocador de calor (BEGA et al., 2003) Devido aos atrasos de tempo do processo, certo lapso de tempo vai se passar antes que a água mais fria atinja a mão direita do operador. Quando o operador sente esta queda de temperatura, ele deve compará-la com a temperatura desejada, a seguir computar mentalmente quando e em qual direção a válvula deve ser reposicionada e, manualmente, efetuar esta correção na abertura da válvula. É necessário certo tempo, naturalmente, para tomar esta decisão e corrigir aposição da válvula. Certo tempo vai-se passar também para que o efeito na correção da válvula sobre a temperatura de saída da água, chegue até a saída e possa ser sentida pelo operador. É só neste momento que o operador será capaz de saber se a primeira correção foi excessivamente pequena ou grande. Neste momento, ele faz então uma segunda correção que, depois de algum tempo, proporcionará uma outra mudança na temperatura de saída. O resultado desta segunda correção será observado e uma terceira correção será feita, e assim por diante.
26 23 Esta série de ações de medição, comparação, computação e correção irão ocorrer continuamente através do operador e do processo em uma cadeia fechada de ações, até que a temperatura seja finalmente equilibrada no valor desejado pelo operador. Este tipo de controle é chamado malha de controle fechada ou cadeia de controle fechada. Este conceito de malha fechada é fundamental para a compreensão do controle automático. Pois a única diferença da representação descrita acima para um controle automático, é que a função do operador será realizado por um controlador. Campos e Teixeira (2006) mencionaram que os sistemas de controle devem manter o processo no seu ponto operacional ótimo, evitando regiões inseguras de operação, e devem ser capazes de eliminar perturbações. As ações de controle mais comuns e utilizadas na indústria são: controle on-off, controle proporcional (P), controle proporcional e integral (PI), controle proporcional e derivativo (PD) e controle proporcional, integral e derivativo (PID). A seguir será detalhado cada controlador citado anteriormente, sendo o enfoque principal o controlador PID Controlador ON-OFF Este controle é normalmente empregado em processos que podem admitir certa oscilação contínua da variável de controle em torno do valor desejado (BEGA et al., 2006, p. 460). on-off. A equação abaixo é a mais utilizada para representar o funcionamento do controlador (2.1) Onde o (variação do erro) funciona como uma banda morta, um pequeno intervalo de variação aceitável do erro onde não há variação da ação de controle.
27 24 É a forma de controlador mais simples que existe e consiste em um circuito comparador que compara o sinal de entrada com dois sinais de referência, chamados de limite inferior e limite superior. A Figura 2.6 mostra a relação entre o sinal de erro e a ação de controle gerada pelo modo de controle on-off com banda morta, ou seja, um pequeno intervalo de variação aceitável do erro onde não há variação da ação de controle. Figura 2.6: Ação de controle em função do sinal de erro gerada pelo controlador de duas posições com banda morta ( FACCIN, 2004) Controlador Proporcional O controlador proporcional (P) gera a sua saída proporcionalmente ao erro (e(t)). O fator multiplicativo (KP) é conhecido como ganho do controlador (CAMPOS e TEIXEIRA, 2006, p. 23) (2.2) A Figura 2.7 mostra a relação entre o sinal de erro e a ação de controle gerada pelo modo de controle proporcional.
28 25 Figura 2. 7: Ação de controle em função do sinal de erro gerada pelo controlador ( Faccin, 2004). O ganho do controlador proporcional é dado pela inclinação da reta sobre a banda proporcional percentual (BP), a relação entre ambos é dada pela Equação abaixo. Esta representação é genérica para o caso onde a saída do controlador varia entre 0 e 100%. Para casos específicos onde isto não ocorre, esta relação não é válida (FACCIN, 2004). (2.3) O controle proporcional não é capaz de fazer com que a variável do processo retorne ao valor desejado, deixando assim um erro em regime permanente que é chamado de off-set. O erro em regime permanente diminui com o aumento do ganho proporcional KP, no entanto isto diminui a faixa correspondente à banda proporcional, tornando o controlador mais oscilatório Controlador Proporcional e Integral (PI) A ação integral não pode ser empregada separadamente de uma ação proporcional. A principal característica que a ação integral possui é a eliminação do desvio característico de um controle puramente proporcional, ou seja, elimina o erro permanente (offset). A ação integral tem como único objetivo eliminar o erro em regime permanente, e a adoção de um termo integral excessivamente atuante pode levar o processo à instabilidade. A adoção de um integral pouco atuante retarda em demasia a estabilização.
29 26 O controlador PI gera um sinal de saída proporcionalmente ao erro, e proporcionalmente à integral do erro. Abaixo segue a equação do controlador PI. (2.4) O termo:, também é chamado como ganho integral (KI) Controlador Proporcional e Derivativo (PD) O derivativo só atua quando há variação no erro. Se o processo está estável, seu efeito é nulo. Durante perturbações ou na partida do processo, quando o erro está variando, o derivativo sempre atua no sentido de atenuar as variações, sendo portanto sua principal função melhorar o desempenho do processo durante os transitórios. Abaixo segue a equação do controlador PD. (2.5) O termo:, também é chamado como ganho derivativo (KD). É importante ressaltar que a ação de controle derivativa não pode ser utilizada sozinha porque ela não depende diretamente do erro, e sim da taxa de variação do erro. Isto significa uma incapacidade em lidar com erros instantâneos, e uma alta capacidade para lidar com pequenas variações do erro. A ação de controle derivativa sempre deve ser utilizada com ações P ou PI. O controlador PD não elimina o erro de regime permanente (offset), porém provoca amortecimento e permite o aumento do ganho proporcional.
30 Controlador Proporcional, Integral e Derivativo (PID) A junção das três ações de controle básicas, ou seja, proporcional (P), integral (I) e derivativa (D) constituem um dos controladores mais utilizados na indústria que é o controlador PID. O controlador PID é sem dúvida o algoritmo de controle mais comum utilizado nas aplicações de controle de processo. No Japão a Electric Measuring Instrument Manufacturers Association fez uma pesquisa em 1989 para saber o estado dos sistemas de controle. De acordo com a pesquisa mais de 90% da malhas de controle era do tipo PID. A popularidade do controlador PID pode ser atribuída as suas diferentes características: aplicação em sistemas com realimentação; tem a habilidade de eliminar o erro de regime permanente (offset) devido a ação integral; e pode antecipar o futuro através da ação derivativa. (SILVA; DATTA e BHATTACHARYYA, 2005, p. 161, tradução nossa) Abaixo segue a equação do controlador PID paralelo clássico, onde o ganho proporcional também multiplica o termo integral e derivativo. (2.6) É interessante ressaltar que os controladores P, PI e PD podem ser obtidos a partir de um controlador PID (HAUGEN, 2004, pag. 27). Para obter-se estas configurações citadas basta que se altere os parâmetros TI (tempo integral) e/ou TD (tempo derivativo). A tabela 2.1 mostra os efeitos das ações do controlador PID sobre o processo e a função do ganho. Ação Função da Ação Função do ganho Proporcional Ação de controle imediata e proporcional ao valor do erro corrente. Aumenta a velocidade de resposta do sistema. Não corrige erro de regime Determinar a amplitude da ação, ou seja, determinar quanto o erro instantâneo deve influenciar na correção da planta.
31 28 permanente. Torna a resposta mais oscilatória à medida que o ganho aumenta. Integral Ação de controle gradual, proporcional a integral do erro. Responde ao passado do erro enquanto este for diferente de zero. Determinar a amplitude da ação, ou seja, determinar quanto o acúmulo do erro deve influenciar na correção da planta. Elimina o erro de regime permanente (off-set). Reduz o tempo de subida. Derivativo Ação antecipatória, resposta proporcional à derivada do erro. Provoca amortecimento e permite o aumento do ganho proporcional. Determinar a amplitude da ação, ou seja, determinar quanto a variação do erro deve influenciar na correção da planta. Não corrige o erro de regime permanente. Melhora o desempenho do processo durante os transitórios. Tabela 2. 1: Efeitos das ações do controlador PID sobre o processo e a função do ganho. 2.3 Sintonia de Controladores PID Para se obter a sintonia do controlador PID, pode-se utilizar diversos métodos de sintonia, esses métodos podem ser classificados em empíricos, analíticos ou obtidos através de algum tipo de otimização. Existem métodos baseados em modelos do processo operando em malha aberta ou modelos em malha fechada, e existem ainda métodos no domínio da freqüência (FACCIN, 2004). O controlador PID (Proporcional - Integral - Derivativo) é atualmente o mais utilizado no meio industrial e, portanto é muito comum encontrá-lo operando de forma inadequada, seja de forma manual ou automática com baixo desempenho. Este problema de desempenho dos controladores PIDs é de otimização, e pode ser solucionado com a utilização de métodos baseados na computação evolutiva (CE), como Algoritmos Genéticos (AG) e diversas aplicações destes métodos então disponíveis na forma de textos científicos.
32 29 Campos et al. (2007) demonstraram que uma boa sintonia e uma boa estratégia de controle, ou seja, a escolha correta dos pares de variáveis controladas e manipuladas para os controladores PIDs, podem resultar em grandes ganhos econômicos para uma planta de processamento. NUNES et al. (2003/2004) apresentaram um controlador PID cujos parâmetros eram ajustados de forma automática por algoritmos genéticos (AG). Coelho e Coelho (1999) apresentaram a aplicação da computação evolutiva (CE) no contexto de automação industrial, abordando os fundamentos das seguintes metodologias de CE: algoritmos genéticos, programação evolutiva, estratégias evolutivas e programação genética. Descreveram algumas pesquisas, aplicações em identificação e controle de processos, ferramentas em software, hardware e a utilização de algoritmos evolutivos em sistemas híbridos com metodologias da inteligência computacional (IC). Além de demonstrarem resultados práticos da aplicabilidade de CE na identificação experimental de um processo térmico com a estimação do atraso de transporte e na sintonia de um controlador PID em controle de um sistema não-linear de regulação de nível. Arruda et al. (2008) utilizaram algoritmo genético multiobjetivo para resolver o problema de otimização de sintonia de n controladores PI/PID (Proporcional, Integral e Derivativo) em processos multivariáveis. Vale (2007) apresentou um controlador fuzzy acoplado a um PID neural sintonizado por um Algoritmo Genético e realizou simulações com esse controlador em uma planta de controle de nível e seus resultados foram comparados com estruturas de controle convencionais (PID convencional ajustado por AG, PID Neural ajustado por AG, Fuzzy PI, Fuzzy cascata acoplado a um PIDN ajustado por AG e Fuzzy MISO (3 entradas) acoplado a um PIDN ajustado por AG), todos aplicados na mesma planta de controle de nível. Moedinger e Coelho (2004) utilizaram algoritmo genético híbrido com o método simplex para otimização de controlador por alocação de pólos. Todos artigos pesquisados e citados anteriormente contribuíram para o presente trabalho. Alguns em especial como o artigo publicado por Campos et al. (2007) que
33 30 demonstrou que uma boa sintonia dos controladores PIDs em um processo industrial, pode gerar em um ano ganhos econômicos da ordem de milhões de dólares. Outro artigo que contribuiu muito foi o publicado por Nunes et al. (2003/2004) que apresentou um controlador PID cujos parâmetros eram ajustados de forma automática por algoritmos genéticos. Os demais artigos foram importantes apenas para esclarecer o funcionamento dos algoritmos genéticos Critérios de Desempenho É muito comum a utilização de critérios de desempenho na sintonia de controladores, Campos e Teixeira (2006) citam alguns critérios mais utilizados, como: O menor sobrevalor ou overshoot (que é igual a A/B ) possivel. Razão de declínio (que é igual a C/A ) igual a um certo valor. O menor tempo de subida (TS) possível. O menor tempo de assentamento (tempo quando o desvio em regime permanente é menor que 5%) possível (TA). Mínina energia ou atuação na variável manipulada. Utilização de um índice de desempenho para avaliar a qualidade do controle. Figura 2.8: Resposta dinâmica de uma malha de controle (CAMPOS e TEIXEIRA, 2006).
34 31 Neste trabalho será adotado o critério de desempenho razão de declínio igual ¼, visando atingir a estabilidade que é o principal critério para o ajuste de uma malha de controle Métodos de Sintonia Foram desenvolvidos numerosos métodos durante os últimos 40 anos para sintonizar os parâmetros de um controlador PID. Alguns destes métodos são baseados em representar a resposta dinâmica da planta para um sistema de primeira ordem com tempo morto. Tradicionalmente, este modelo é obtido aplicando um degrau na entrada da planta e medindo na saída os três parâmetros: ganho do processo (K), constante de tempo (τ) e tempo morto (θ) (SILVA; DATTA e BHATTACHARYYA, 2005, p. 223, tradução nossa). (2.7) A seguir, serão detalhados alguns métodos de sintonia aplicados a controladores PID Método Heurístico de Ziegler e Nichols Ziegler e Nichols propuseram regras para a sintonia de controladores PID baseadas na resposta experimental a uma excitação em degrau, ou no valor de Kp que resulta em estabilidade marginal para o controle proporcional apenas. A idéia básica é obter valores para os ganhos a partir de experimentos sobre o processo. As regras são muito utilizadas, sempre que o processo a ser controlado permite, por fornecerem um ponto de partida para um ajuste mais fino (AMARAL; PACHECO e TANSCHEIT, 2010, p. 4). Segundo Faccin (2004) o trabalho elaborado por Ziegler e Nichols foi o primeiro a propor uma metodologia objetiva e simples para a sintonia de controladores PID. Zigler e Nichols propuseram dois métodos para se obter um modelo da dinâmica de um processo SISO (Single Input Single Output uma entrada e uma saída). O primeiro método permite o cálculo das ações de controle sem a necessidade dos parâmetros do processo, este método é realizado em malha fechada. Para isso são mantidos
35 32 fixos os seguintes parâmetros: TI = e TD = 0, e aumenta-se o ganho proporcional (P) gradativamente até obter uma resposta oscilatória com amplitude constante, neste ponto determina-se o ganho crítico (GCR) e o período de oscilação (T). O ganho crítico (GCR) é o ganho do controlador P que gerou uma resposta oscilatória na variável controlada no limite da estabilidade, com um período (T). Se o ganho do controlador for maior que (GCR), então o sistema será instável. Com os valores de ganho crítico (GCR) e período (T), consulta-se a tabela 2.2 abaixo para se obter a sintonia do controlador PID, usando como critério de desempenho uma razão de declínio igual a 1/4. MODOS DE REGULAÇÃO AÇÕES P PI Série PI Paralelo PID Série PID Paralelo PID Misto K P T I Máximo T D Tabela 2. 2: Método de Ziegler e Nichols em malha fechada. Abaixo segue um exemplo de sintonia do primeiro método proposto por Ziegler e Nichols. Para obter a sintonia, o primeiro passo foi aumentar TI ao máximo valor possível, fazendo assim que a ação integral tenda ao zero e diminuir TD para zero. Logo o controlador PID ficou apenas com a ação proporcional, fixando ganho proporcional em (P = 1) inicia-se a procura de GCR aumentando P até atingir uma oscilação constante. O ganho proporcional que atingiu a oscilação constante será o valor de GCR e o período é obtido pela análise gráfica da oscilação. Obtidos estes dados, é só consultar a tabela 2.2 para fazer a sintonia do controlador.
36 33 Figura 2.9: Sistema em malha fechada. Figura 2.10: Oscilação permanente. O segundo método de sintonia proposto por Ziegler e Nichols é chamado de método da curva de reação e é realizado em malha aberta. O procedimento para levantar a curva de reação consiste em colocar o controlador em manual e aplicar uma variação em degrau na saída do controlador. Pela resposta do processo a esta perturbação, calcula-se a taxa de variação e o tempo morto. A resposta do sinal de saída do transmissor y(t) é registrada em um registrador de carta contínua ou outro sistema adequado, que pode ser um sistema supervisório. Depois de aplicado o degrau a resposta do sistema será um gráfico semelhante ao abaixo, onde se devem extrair os seguintes parâmetros: tempo morto, constante de tempo e ganho do processo. De posse destes parâmetros, basta consultar a tabela 2.3 para obter os valores de KP, TI e TD.
37 34 Figura 2.11: Resposta do processo de primeira ordem em malha aberta (CAMPOS e TEIXEIRA, 2006). Controlador KP TI TD P τ/(k x θ) PI 0.9 τ/(k x θ) 3.33 x θ PID 1.2 τ/(k x θ) 2 x θ 0.5 x θ Tabela 2. 3: Fórmulas para o cálculo dos parâmetros PID para o método de Ziegler e Nichols em malha aberta Método de Cohen e Coon (CC) O método de Cohen e Coon, assim como o proposto por Ziegler e Nichols também é baseado no critério de razão de decaimento de ¼ e é utilizado para sintonia de controladores PIDs com tempos mortos mais elevados, ou seja, com fator de incontrolabilidade (θ/ ) maior que 0,3. Segundo Campos e Teixeira (2006) é muito comum no método de CC acontecer sintonias agressivas, então na prática é sugerido diminuir inicialmente os ganhos propostos pela tabela de sintonia 2.4 e ir aumentando posteriormente estes ganhos em função da observação do comportamento do processo.
38 35 KP TI TD P PI PID Tabela 2. 4: Fórmulas para os cálculos dos parâmetros PID para o método de Cohen-Coon Método da Integral do Erro Este método foi inicialmente proposto no trabalho de [Lopez et al., 1967] para perturbação de carga (problema regulatório) e posteriormente no de [Roriva et al., 1969] para degraus no setpoint. Este método sugere utilizar como critério de desempenho a integral de uma função do erro dentro de uma janela de tempo, suficiente para eliminar o erro em regime permanente. A vantagem deste critério é de considerar toda a curva de resposta do sistema, ao invés de apenas dois pontos como na razão de declínio de ¼ (CAMPOS e TEIXEIRA, 2006). No método da integral do erro os dois critérios mais utilizados são o IAE ( integral do valor absoluto do erro - ) ou ITAE ( integral do produto do tempo pelo valor absoluto do erro ). O ITAE é mais vantajoso, pois apresenta menor sensibilidade aos erros que acontecem logo após a perturbação. A seguir têm-se as equações de sintonia e a tabela com as constantes e critério desejado obtidas por Lopez et al. (1967 apud CAMPOS e TEIXEIRA, 2006). (2.8)
39 36 (2.9) (2.10) Controlador Critério A B C D E F PI IAE PI ITAE PID IAE PID ITAE Tabela 2. 5: Constantes para cálculo da sintonia do PID segundo método da integral do erro. A seguir tem-se as equações de sintonia e a tabela com as constantes e critério desejado obtidas por Roriva et al.(1969 apud CAMPOS e TEIXEIRA, 2006). (2.11) (2.12) (2.13) Controlador Critério A B C D E F PI IAE PI ITAE PID IAE PID ITAE Tabela 2. 6: Constantes para cálculo da sintonia do PID segundo método da integral do erro.
40 37 3 METODOLOGIA 3.1 Modelagem do Problema de Otimização Modelagem no Domínio da Freqüência A utilização dos algoritmos genéticos (AG) como ferramenta de otimização tem como pré-requisito a modelagem de uma função objetivo. A função objetivo é responsável por conter todas as informações necessárias para que o algoritmo genético processe os dados e ofereça uma solução ótima para o problema. Como o problema em questão é a sintonia de controladores PID, os parâmetros que devem estar ajustados para uma solução ótima são o ganho proporcional (Kp), o ganho integral (Ki) e o ganho derivativo (Kd). Porém, em sintonia de controladores o que na verdade se quer eliminar ou diminuir é a variável erro. O erro nada mais é que a diferença entre o valor da variável a ser controlada desejável e o real. O primeiro problema encontrado foi levantar um modelo matemático da variável erro, relacionando-a com os parâmetros Kp, Ki e Kd, de forma que este modelo pudesse ser a representação da função objetivo. Por questão de facilidade, quase todas as tentativas realizadas com a finalidade de obter a função objetivo foram feitas no domínio da freqüência complexa. Este domínio é representado pela letra s, que trata-se de uma variável complexa. Assim que foi encontrada uma função coerente, mesmo no domínio da freqüência complexa, o modelo estava quase pronto, tendo o primeiro passo do projeto alcançado. A função de transferência que pode ser considerada como peça fundamental para obtenção da função objetivo é a função de transferência do controlador PID, que não é nada de novo, porém a forma como ela foi disposta para que as necessidades fossem atendidas demandou algumas tentativas e testes. Depois de superado esta fase, a função que foi obtida se encontra logo abaixo:
41 38 (3.1) Um modelo simples da função objetiva encontrada após a modelagem pode ser observada logo abaixo, onde deve ser destacado dentre as restrições a não negatividade dos parâmetros de sintonia: (3.2) Adequação no Domínio do Tempo O segundo problema encontrado para dar continuidade ao projeto, foi encontrar uma maneira de ajustar a função erro para o domínio do tempo. Na verdade, trata-se de uma tarefa não muito difícil, pois existe um teorema próprio para transformar equações do domínio do tempo para o domínio da freqüência e vice versa. Trata-se da Transformada de Laplace. A transformada de Laplace é um método operacional que pode ser usado de maneira proveitosa para solucionar equações diferenciais lineares. Por meio de sua utilização, podemos converter muitas funções comuns, como funções senoidais, funções senoidais amortecidas e funções exponenciais, em funções algébricas de uma variável complexa s. Operações como diferenciação e integração podem ser substituídas por operações algébricas no plano complexo (OGATA, 2003, p.8). Assim, uma equação diferencial linear pode ser transformada em uma algébrica de uma variável complexa s. Se a equação algébrica em s for solucionada em termos da variável dependente, então a solução da equação diferencial poderá ser obtida pela transformada inversa de Laplace. E está foi à solução adotada para adequar a função erro no domínio do tempo.
42 39 Porém, alguns ajustes e complementos foram necessários para finalizar esta etapa. Somente com a função de transferência do controlador PID, não era possível ainda obter a função erro relacionando os parâmetros Kp, Ki e Kd, que nada mais seria que a função objetivo. O caminho adotado visava à escolha de outras funções, como a entrada de referencia e a ordem da planta a ser testada. Por este motivo, optou-se por desenvolver um pequeno algoritmo capaz de flexibilizar os futuros testes, pois não era necessário recalcular todo o processo a cada possível mudança, bastava entrar com os dados referentes à mudança requerida e a nova função objetivo, no domínio do tempo estaria calculada. Com mais esta etapa superada, o problema que surgiu e que parecia ser o último foi à estruturação da função objetivo do problema para que esta finalmente pudesse ser utilizada para resolução do problema de sintonia Estruturação da Função Objetivo do Problema Como já mencionado anteriormente, a última dificuldade encontrada antes de utilizar a função erro, já no domínio do tempo, para obtenção dos valores ótimos foi o excesso de variáveis na função. Para sintonia, precisa-se apenas dos valores ótimos de Kp, Ki e Kd porém, a função erro encontrada além destes parâmetros também possuía o parâmetro t, relacionado ao tempo. O que já era previsto uma vez que a utilização da transforma inversa de laplace tem por objetivo representar no domínio do tempo uma função originalmente no domínio da freqüência complexa. função. Uma maneira de eliminar esta variável foi à utilização do conceito de limite de uma O limite de f(x), quando x tende a um número, é igual a L, se pudermos tornar os valores de f(x) arbitrariamente próximos de L (tão próximos de L quanto quisermos), tornando x suficientemente próximo do número desejado, mas não igual ao número desejado (STEWART, 2001).
43 40 Utilizando a idéia de limite, foram realizados alguns testes com valores de tempo ao invés da variável t, somente. Verificou-se que o comportamento da função para valores elevados de t, era similar a resposta de funções com período de simulação semelhante, o que tornou possível a substituição deste parâmetro por um número, neste caso O Algoritmo Genético Utilizado Os AGs são robustos e eficientes em espaços de procura irregulares, multidimensionais e complexos, e caracterizam-se por (GOLDBERG, 1994 apud COELHO e COELHO, 1999, p.14): Operarem em uma população de pontos; Não requererem derivadas; Trabalharem com a codificação de seu conjunto de parâmetros, não com os próprios parâmetros (representação binária); Realizarem transições probabilísticas, não regras determinísticas; Necessitarem apenas de informação sobre o valor de uma função objetivo para cada integrante da população de indivíduos. O procedimento básico de otimização por AGs, seja este com representação canônica ou real, utiliza-se de três operadores básicos: seleção, recombinação e mutação. Os AGs são usualmente implementados conforme os seguintes passos (BÄCK et al., 1997; FOGEL, 1995; MICHALEWICZ, 1992): i. A população inicial de parâmetros compreende P soluções. Cada uma das soluções consiste de vetores xi Î {0,1} (representação canônica) ou xi Î Ân (representação real). Estes parâmetros são inicializados de acordo com uma distribuição uniforme; ii. Classificar cada solução xi, i=[1,p], com relação ao cálculo da função de adequação (fitness), ou seja, avalia-se o grau de adaptação de cada indivíduo da população em relação ao problema;
44 41 iii. de seleção; Selecionar os indivíduos mais aptos de acordo com a estratégia iv. Aplicar os operadores genéticos de recombinação e mutação; v. Gerar uma nova população; vi. satisfeita. Repetir os passos (ii) a (v) até que uma condição de parada seja A ferramenta que trabalha com algoritmos genéticos do MATLAB, GATOOL, não se diferencia dos passos relatados anteriormente. Existem maneiras de se declarar o número de variáveis, a função objetivo, alterarem taxa de mutação etc. Além disso, existem campos de entrada para que se possa entrar com algumas condições, ou restrições como é o caso do problema de sintonia dos controladores PID. Uma restrição importante para que a solução encontrada satisfaça as condições de sintonia de um controlador PID é que o universo de busca da população inicial englobe apenas valores positivos, como foi feito. Pode-se reparar na figura 3.1, que é a representação da ferramenta GATOOL do MATLAB, os campos onde devem ser declarados os parâmetros para que a ferramenta possa processar as informações e fornecer a solução ótima. Primeiro tem-se o campo relacionado com a declaração da função objetivo (Fitness Function); depois o campo de declaração do número de varáveis (Number of variables); no próximo conjunto de campos de declaração, a única parte que é necessária para o problema de sintonia é o campo Bounds, onde se é declarado os limites do universo de busca para a solução do problema. Nos campos seguintes, têm-se opções de visualizações de outros atributos que não seja a solução do problema como: melhor indivíduo, a distância entre os indivíduos da população, dados sobre a seleção dos indivíduos, critério de parada, melhor função entre outras.
45 42 Figura 3.1: Ferramenta GATOOL do MATLAB Ao se utilizar o GATOOL, após a entrada dos parâmetros necessários é possível gerar linhas de código em arquivo do MATLAB sobre a forma de função. Um exemplo de função gerada pode ser observado abaixo: Figura 3.2: Função gerada pelo GATOOL. A simples utilização de um algoritmo genético também pode ser considerada um problema de otimização devido a grande quantidade de parâmetros possíveis de serem
46 43 alterados e capazes de gerarem resultados diferentes. Abaixo se observa no GATOOL tais parâmetros: Figura 3.3: Parâmetros do GATOOL. Depois de alguns testes, quando foram alterados heuristicamente os parâmetros demonstrados acima, pode se observar que para resolução do problema de sintonia de controladores PID não se fazia muita diferença no que se refere à qualidade dos resultados apresentados, pois no máximo o que se alterava era o tempo de processamento e por se tratar de um problema que não exigiu grande demanda do processador, este fator se tornou insignificante. O único parâmetro que foi alterado, mas apenas com objetivo de obter maior quantidade de possíveis candidatos a solução ótima foi o tamanho da população, tendo visto que quanto maior, maior a possibilidade de se encontrar a solução, porém também pode ser observado que não era necessária a utilização de uma população maior que 80 indivíduos, e esta foi adotada. Figura 3.4: Valores adotados no parâmetro população do GATOOL.
SISTEMAS REALIMENTADOS
SISTEMAS REALIMENTADOS Prof.: Helder Roberto de O. Rocha Engenheiro Eletricista Doutorado em Computação Sintonia de controladores PID Mais da metade dos controladores industriais em uso emprega sistemas
Leia maisSistemas de Controle I
Sistemas de Controle I UNIVERSIDADE FEDERAL DO PARÁ CENTRO TECNOLÓGICO PPGEE Prof.: Dr.Carlos Tavares Capítulo V Introdução ao Controle de Processos Industriais III.1 Controladores tipo Relé e PID III.2
Leia maisIntrodução. Introdução. Introdução Controle. Introdução Controle. Controle Conceitos básicos 05/30/2016. Introdução à Robótica Controle
à Robótica Prof. Douglas G. Macharet douglas.macharet@dcc.ufmg.br de robôs móveis Assunto para um semestre inteiro Teoria de controle Assunto para vários semestres Engenharia de e Automação Serão abordados
Leia maisINTRODUÇÃO. Noções preliminares. Um pouco de matemática. 100 Pb
INTRODUÇÃO Este artigo pretende criar no leitor uma percepção física do funcionamento de um controle PID, sem grandes análises e rigorismos matemáticos, visando introduzir a técnica aos iniciantes e aprimorar
Leia maisE-mails: franco@uerj.br,[marley, ricardo, marco]@ele.puc-rio.br
Proceedings of the V Brazilian Conference on Neural Networks - V Congresso Brasileiro de Redes Neurais pp 265 270, April 2 5, 2001 - Rio de Janeiro - RJ - Brazil J F M Amaral 1, M M Vellasco 2, R Tanscheit
Leia maisControle Básico Realimentado (Feedback)
Departamento de Engenharia Química e de Petróleo UFF Disciplina: TEQ102- CONTROLE DE PROCESSOS Introdução ao Controle Antecipatório (Feedforward control) Prof a Ninoska Bojorge Controle Básico Realimentado
Leia maisSINTONIA DE UM CONTROLADOR PID NO AQUECIMENTO DE UMA CÂMARA TÉRMICA
SINTONIA DE UM CONTROLADOR PID NO AQUECIMENTO DE UMA CÂMARA TÉRMICA Carlos Eduardo Fontes da Silva (mcn04354@feg.unesp.br) Víctor Orlando Gamarra Rosado (victor@feg.unesp.br) UNESP - Universidade Estadual
Leia maisProjeto pelo Lugar das Raízes
Projeto pelo Lugar das Raízes 0.1 Introdução Controle 1 Prof. Paulo Roberto Brero de Campos Neste apostila serão estudadas formas para se fazer o projeto de um sistema realimentado, utilizando-se o Lugar
Leia maisManutenção total aplicada em ferramentarias
Manutenção total aplicada em ferramentarias Por: Sérgio Borcato Roberto Mariotti A medição da eficiência dos equipamentos de manufatura vem se tornando essencial para a resolução de problemas e para melhoria
Leia maisMODELAGEM MATEMÁTICA DE UM SISTEMA DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA EM MÉDIA TENSÃO 1. Gabriel Attuati 2, Paulo Sausen 3.
MODELAGEM MATEMÁTICA DE UM SISTEMA DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA EM MÉDIA TENSÃO 1 Gabriel Attuati 2, Paulo Sausen 3. 1 Parte integrante do Projeto de pesquisa Análise, Modelagem e Desenvolvimento
Leia mais3 Modelo Cinemático do Veículo
3 Modelo Cinemático do Veículo Nesse capítulo se faz uma breve apresentação do modelo cinemático do veículo, descrito em (Speranza,Spinola, 2005) e em seguida projeta-se a malha de controle onde são feitos
Leia maisAnálise de Regressão. Notas de Aula
Análise de Regressão Notas de Aula 2 Modelos de Regressão Modelos de regressão são modelos matemáticos que relacionam o comportamento de uma variável Y com outra X. Quando a função f que relaciona duas
Leia maisAvaliação e Desempenho Aula 1 - Simulação
Avaliação e Desempenho Aula 1 - Simulação Introdução à simulação Geração de números aleatórios Lei dos grandes números Geração de variáveis aleatórias O Ciclo de Modelagem Sistema real Criação do Modelo
Leia maisFerramentas para a Qualidade
Diagrama de processo: seu objetivo é a listagem de todas as fases do processo de forma simples e de rápida visualização e entendimento. Quando há decisões envolvidas pode-se representar o diagrama de processo
Leia maisInteligência Artificial Redes Neurais Artificiais
Pós-Graduação em Engenharia Elétrica Inteligência Artificial Redes Neurais Artificiais João Marques Salomão Rodrigo Varejão Andreão Arquitetura e composição das RNAs Uma rede neural artificial é composta
Leia maisConteúdo INTRODUÇÃO... 21 1. INTRODUÇÃO AO CONTROLE DE PROCESSOS DE PLANTAS OFFSHORE. 1.1 Descrição da Planta de Processamento Primário Offshore...
Conteúdo INTRODUÇÃO... 21 1. INTRODUÇÃO AO CONTROLE DE PROCESSOS DE PLANTAS OFFSHORE 1.1 Descrição da Planta de Processamento Primário Offshore... 26 2. MODELAGEM DE PROCESSOS Nomenclatura... 32 2.1 Classificação
Leia maisAtraso de transporte e controlador de modelo interno
Experiência 10 Atraso de transporte e controlador de modelo interno 10.1 Introdução Esta experiência tem por objetivos servir como uma breve e simplificada apresentação a sistemas com atraso de transporte,
Leia maisTipos de problemas de programação inteira (PI) Programação Inteira. Abordagem para solução de problemas de PI. Programação inteira
Tipos de problemas de programação inteira (PI) Programação Inteira Pesquisa Operacional I Flávio Fogliatto Puros - todas as variáveis de decisão são inteiras Mistos - algumas variáveis de decisão são inteiras
Leia maisExemplo de Projeto. 2. Controle de velocidade de um fita de áudio digital sujeito a retardo no tempo 2.1. Controle PID 2.2. Estabilidade robusta
Exemplo de Projeto 1. Retardo no tempo 1.1. Modelo de incerteza? 2. Controle de velocidade de um fita de áudio digital sujeito a retardo no tempo 2.1. Controle PID 2.2. Estabilidade robusta 3. Exercícios
Leia maisTítulo da Pesquisa: Palavras-chave: Campus: Tipo Bolsa Financiador Bolsista (as): Professor Orientador: Área de Conhecimento: Resumo
Título da Pesquisa: Estudo Sobre energia solar e suas aplicações á inclusão social da população de baixa renda e ao programa Luz Para Todos. Palavras-chave: Energia solar, Aquecedor solar, Painel fotovoltaico
Leia maisCurso de Sistemas de Informação 8º período Disciplina: Tópicos Especiais Professor: José Maurício S. Pinheiro V. 2009-1
Curso de Sistemas de Informação 8º período Disciplina: Tópicos Especiais Professor: José Maurício S. Pinheiro V. 2009-1 Aula 5 Sistemas Biométricos 1. Sistema Biométrico Típico Qualquer que seja a característica
Leia maisUnidade V - Desempenho de Sistemas de Controle com Retroação
Unidade V - Desempenho de Sistemas de Controle com Retroação Introdução; Sinais de entrada para Teste; Desempenho de um Sistemas de Segunda Ordem; Efeitos de um Terceiro Pólo e de um Zero na Resposta Sistemas
Leia mais3 Modelos de Simulação
43 3 Modelos de Simulação 3.1 Simulação de Monte Carlo O método de Monte Carlo foi concebido com este nome nos anos 40 por John Von Neumann, Stanislaw Ulam e Nicholas Metropolis durante o projeto de pesquisa
Leia maisObjetivos da disciplina:
Aplicar e utilizar princípios de metrologia em calibração de instrumentos e malhas de controle. Objetivos da disciplina: Aplicar e utilizar princípios de metrologia calibração de instrumentos e malhas
Leia maisPESQUISA OPERACIONAL: NA TOMADA DE DECISÕES ADMINISTRATIVA
PESQUISA OPERACIONAL: NA TOMADA DE DECISÕES ADMINISTRATIVA Rodrigo de Oliveira SOUZA 1 Letícia Pinheiro Ribeiro da COSTA 1 Camila Pires Cremasco GABRIEL 22 Luís Roberto Almeida GABRIEL-FILHO 2 RESUMO:
Leia maisAula 25 Teorias da evolução
Aula 25 Teorias da evolução A grande variabilidade dos seres vivos e o grande número de espécies atuais, segundo a teoria evolucionista, originaram-se de espécies preexistentes mais simples, que evoluíram,
Leia maisCIÊNCIAS FÍSICAS E BIOLÓGICAS FUNDAMENTAL NII Listas 5 Evolução 7º anos 2º período - 2012
CIÊNCIAS FÍSICAS E BIOLÓGICAS FUNDAMENTAL NII Listas 5 Evolução 7º anos 2º período - 2012 1) Escreva em cada afirmativa abaixo se é da teoria segundo o Criacionismo ou segundo Lamarck ou Darwin: a) A espécie
Leia maisAdministração Central Unidade de Ensino Médio e Técnico - Cetec. Ensino Técnico. Qualificação: Assistente Administrativo
.. Plano de Trabalho Docente 2013 Ensino Técnico Etec Prof Massuyuki Kawano Código: 136 Município: Tupã Eixo Tecnológico: Gestão e Negócios Habilitação Profissional: Técnico em Administração Qualificação:
Leia maisIntrodução em Engenharia. Problemas de Engenharia. Engenharia: Sérgio Haffner SÍNTESE. Conceitos Conceitos fundamentais 30.07.
Introdução à Otimização em Engenharia Problemas de Engenharia ANÁLISE Definido o sistema, determinar o desempenho Sérgio Haffner Conceitos Conceitos fundamentais 30.07.008 SÍNTESE Projetar um sistema para
Leia maisO Engenheiro. Introdução à Engenharia Elétrica Prof. Edmar José do Nascimento
O Engenheiro Introdução à Engenharia Elétrica http://www.univasf.edu.br/~edmar.nascimento Prof. Edmar José do Nascimento Introdução à Engenharia Elétrica Carga horária 30 horas (15 encontros) Professores
Leia maisQualidade de Produto. Maria Cláudia F. P. Emer
Qualidade de Produto Maria Cláudia F. P. Emer Introdução Qualidade diretamente ligada ao produto final Controle de qualidade Adequação do produto nas fases finais no processo de produção Software Atividades
Leia maisÁrvores Parte 1. Aleardo Manacero Jr. DCCE/UNESP Grupo de Sistemas Paralelos e Distribuídos
Árvores Parte 1 Aleardo Manacero Jr. DCCE/UNESP Grupo de Sistemas Paralelos e Distribuídos Árvores uma introdução As listas apresentadas na aula anterior formam um conjunto de TADs extremamente importante
Leia maisPlano de Ensino PROBABILIDADE E ESTATÍSTICA APLICADA À ENGENHARIA - CCE0292
Plano de Ensino PROBABILIDADE E ESTATÍSTICA APLICADA À ENGENHARIA - CCE0292 Título PROBABILIDADE E ESTATÍSTICA APLICADA À ENGENHARIA Código da disciplina SIA CCE0292 16 Número de semanas de aula 4 Número
Leia maisAULA #10. Introdução ao Controle por Realimentação
AULA #10 ntrodução ao Controle por Realimentação ntrodução ao Controle por Realimentação Neste momento, ao processo químico serão adicionados os outros elementos que compõem um sistema de controle por
Leia maisContribuir para a evolução do conhecimento humano em todos os setores. Deve seguir normas metodológicas consagradas
TID TRABALHO INTERDISCIPLINAR DIRIGIDO Pesquisa Científica Objetivo principal Contribuir para a evolução do conhecimento humano em todos os setores Deve seguir normas metodológicas consagradas pela Ciência
Leia maisMEDIÇÃO DE VAZÃO DO FLUÍDO DE ARREFECIMENTO COM MEDIDOR TIPO TURBINA
MEDIÇÃO DE VAZÃO DO FLUÍDO DE ARREFECIMENTO COM MEDIDOR TIPO TURBINA F. V. RADEL 1, M. ESPOSITO 1 1 Universidade Federal de Pelotas, Centro de Engenharias, Engenharia de Controle e Automação E-mail para
Leia maisProtótipo de um túnel de vento com Controle de Vazão e Temperatura em ambiente LabVIEW
Protótipo de um túnel de vento com Controle de Vazão e Temperatura em ambiente LabVIEW "O kit de desenvolvimento do LabVIEW mostrou-se uma excelente alternativa em relação às outras ferramenta de desenvolvimento
Leia maisSistemas de Informação para Bibliotecas
Sistemas de Informação para Bibliotecas Notas de Apoio ao Tópico 1 Henrique S. Mamede 1 Antes de mais nada: O QUE É MESMO INFORMAÇÃO?? Dados Informação Conhecimento Sabedoria 2 Dados São tipicamente voltados
Leia maisAlgoritmos Genéticos. CTC15/CT215 - Algoritmos Genéticos 1
Algoritmos Genéticos CTC15/CT215 - Algoritmos Genéticos 1 Evolução Iremos agora analisar uma alternativa àtécnicas usuais de busca baseada no conceito de evolução. Algoritmos baseados no conceito de evolução
Leia maisExame de Equivalência à Frequência do Ensino Secundário
Exame de Equivalência à Frequência do Ensino Secundário INFORMAÇÃO EXAME DE APLICAÇÕES INFORMÁTICAS B 2016 12º ANO DE ESCOLARIDADE (DECRETO-LEI N.º 139/ 2012, DE 5 DE JULHO) Prova 163 Escrita e Prática
Leia mais1 Introdução. 1.1 Importância da Utilização da Amostragem
1 Introdução Um dos principais objetivos da maioria dos estudos, análises ou pesquisas estatísticas é fazer generalizações seguras com base em amostras, sobre as populações das quais as amostras foram
Leia maisCursos Educar [PRODUÇÃO DE ARTIGO CIENTÍFICO] Prof. M.Sc. Fábio Figueirôa
Cursos Educar Prof. M.Sc. Fábio Figueirôa [PRODUÇÃO DE ARTIGO CIENTÍFICO] O curso tem o objetivo de ensinar aos alunos de graduação e de pós-graduação, as técnicas de produção de artigos científicos, nas
Leia maisEngenharia de Software. Ciclos de Vida do Software. 1. Sistemas
Engenharia de Software Profa. Dra. Lúcia Filgueiras Profa. Dra. Selma S. S. Melnikoff Ciclos de Vida do Software 1. Sistemas 2. Crise do software 3. Caracterização do software 4. Ciclos de vida do software
Leia maisSistemas Digitais II. Interface com o mundo analógico. Prof. Marlon Henrique Teixeira Abril/2014
Sistemas Digitais II Interface com o mundo analógico Prof. Marlon Henrique Teixeira Abril/2014 Objetivos Compreender a teoria de funcionamento e as limitações dos circuitos de diversos tipos de conversores
Leia maisEficiência energética Guia prático para avaliação em sistemas motrizes
Eficiência energética Guia prático para avaliação em sistemas motrizes Soluções de eficiência energética para indústria A ABB identifica maneiras de economizar energia e implementa programas de desenvolvimento
Leia maisAutomação Industrial Unidade 2 Controle Automático
Automação Industrial Unidade 2 Controle Automático Prof. Rodrigo Cardoso Fuentes diretor.ctism@gmail.com Prof. Rafael Concatto Beltrame beltrame@mail.ufsm.br Objetivos da Aula 1. Conceituar Malha de controle
Leia maisGESTÃO DA MANUTENÇÃO
Classificação Nível de Criticidade para Equipamentos S Q W Itens para avaliação Segurança cliente interno cliente externo meio-ambiente Qualidade Condição de trabalho Status Equipamento A B D P M Perdas
Leia maisOs primeiros modelos de taxa instantânea de juro propostos na literatura eram contínuos no tempo e supunham que a dinâmica da taxa instantânea
11 1 Introdução A avaliação de contratos de opções é um assunto que tem despertado o interesse de pessoas nos meio acadêmico e financeiro. Os acadêmicos se preocuparam com o desenvolvimento de uma teoria
Leia maisMétodo do Lugar das Raízes
Método do Lugar das Raízes 1. Conceito do Lugar das Raízes 2. Virtudes do Lugar das Raízes (LR) pag.1 Controle de Sistemas Lineares Aula 8 No projeto de um sistema de controle, é fundamental determinar
Leia maisMetodologia de Investigação Educacional I
Metodologia de Investigação Educacional I Desenhos de Investigação Isabel Chagas Investigação I - 2004/05 Desenhos de Investigação Surveys (sondagens) Estudos Experimentais Estudos Interpretativos Estudos
Leia maisInspeção de Qualidade
Roteiro Inspeção de Qualidade 1. Inspeção para Aceitação 2. Planos de Amostragem Simples 3. Determinação Plano de Amostragem 4. Inspeção Retificadora 5. Plano de Amostragem Dupla 6. Planos de Amostragem
Leia maisInstruções para elaboração de Artigo Científico
MANUAL DO TRABALHO DE CONCLUSÃO DO CURSO SUPERIOR DE TECNOLOGIA EM GASTRONOMIA Instruções para elaboração de Artigo Científico 1. Definição da temática O aluno deverá definir a temática do TCC do CSTG
Leia maisErros e Incertezas. Rafael Alves Batista Instituto de Física Gleb Wataghin Universidade Estadual de Campinas (Dated: 10 de Julho de 2011.
Rafael Alves Batista Instituto de Física Gleb Wataghin Universidade Estadual de Campinas (Dated: 10 de Julho de 2011.) I. INTRODUÇÃO Quando se faz um experimento, deseja-se comparar o resultado obtido
Leia maisProcesso de Desenvolvimento de Software
Processo de Desenvolvimento de Software Programação Orientada a Objetos Prof. Francisco de Assis S. Santos, Dr. São José, 2015. Processo de Desenvolvimento de Software O desenvolvimento de software é uma
Leia maisReguladores de Velocidade
Reguladores de Velocidade Introdução O regulador de velocidade controla a velocidade da turbina e portanto a frequência da tensão do gerador síncrono; Para que a velocidade seja mantida no valor desejado,
Leia maisPernambuco. Tabela 1: Indicadores selecionados: mediana, 1º e 3º quartis nos municípios do estado de Pernambuco (1991, 2000 e 2010)
Pernambuco Em, no estado de Pernambuco (PE), moravam 8,8 milhões de pessoas, onde parcela relevante (7,4%; 648,7 mil habitantes) tinha 65 ou mais anos de idade. O estado era composto de 185 municípios,
Leia maisCIRCULAR TÉCNICA N o 171 NOVEMBRO 1989 TABELAS PARA CLASSIFICAÇÃO DO COEFICIENTE DE VARIAÇÃO
IPEF: FILOSOFIA DE TRABALHO DE UMA ELITE DE EMPRESAS FLORESTAIS BRASILEIRAS ISSN 0100-3453 CIRCULAR TÉCNICA N o 171 NOVEMBRO 1989 TABELAS PARA CLASSIFICAÇÃO DO COEFICIENTE DE VARIAÇÃO INTRODUÇAO Carlos
Leia maisAlgoritmos Genéticos para Roteamento em Redes
Algoritmos Genéticos para Roteamento em Redes Ricardo Amaral Pereira, Rodrigo Aboud Nascimento, André da Silva Barbosa, Sidnei Alves de Araújo Departamento de Ciência da Computação Centro Universitário
Leia maisCAPÍTULO 4. 4 - O Método Simplex Pesquisa Operacional
CAPÍTULO 4 O MÉTODO SIMPLEX 4 O Método Simplex caminha pelos vértices da região viável até encontrar uma solução que não possua soluções vizinhas melhores que ela. Esta é a solução ótima. A solução ótima
Leia maisControle de um sistema Bola- Barra com realimentação através de imagem
Controle de um sistema Bola- Barra com realimentação através de imagem "A utilização do programa LabVIEW e da placa de aquisição e geração de sinais da National Instruments DAQ6024M possibilitaram a implementação
Leia maisPlanejamento da Disciplina Controle e Servomecanismos II
Planejamento da Disciplina Controle e Servomecanismos II Esta versão utiliza a 3 a edição do livro [1] e não mais será atualizada Identificação UERJ Faculdade de Engenharia Departamento de Eletrônica e
Leia maisIntrodução à Volumetria. Profa. Lilian Lúcia Rocha e Silva
Introdução à Volumetria Profa. Lilian Lúcia Rocha e Silva INTRODUÇÃO À VOLUMETRIA TITULAÇÃO Processo no qual uma solução padrão ou solução de referência é adicionada a uma solução que contém um soluto
Leia maisEngenharia Econômica
UNIVERSIDADE FEDERAL DE PERNAMBUCO UFPE CENTRO ACADÊMICO DO AGRESTE NÚCLEO DE TECNOLOGIA ENGENHARIA CIVIL Engenharia Econômica Aula I Professora Jocilene Otilia da Costa, Dra Conteúdo Juros Simples Juros
Leia maisLição 5 Medidas Descritivas Medidas de Dispersão
99 Lição 5 Medidas Descritivas Medidas de Dispersão Após concluir o estudo desta lição, esperamos que você possa: identifi car o objetivo das medidas de dispersão; identifi car o conceito de variância;
Leia maisMETODOLOGIA DA PESQUISA CIENTÍFICA ETAPA 2. PROJETO de pesquisa
METODOLOGIA DA PESQUISA CIENTÍFICA ETAPA 2 PROJETO de pesquisa 1. Orientações Gerais 1.1. Oferta da disciplina de Metodologia da Pesquisa Científica A disciplina de Metodologia da Pesquisa é oferecida
Leia maisESTUDO PARA AVALIAÇÃO DO POTENCIAL DE REÚSO E APROVEITAMENTO DA ÁGUA DE CHUVA EM INDÚSTRIA
IV-MIERZWA-BRASIL-2 ESTUDO PARA AVALIAÇÃO DO POTENCIAL DE REÚSO E APROVEITAMENTO DA ÁGUA DE CHUVA EM INDÚSTRIA José Carlos Mierzwa (1) Professor Pesquisador do Departamento de Engenharia Hidráulica e Sanitária
Leia mais6 CONCEPÇÃO BÁSICA DO SISTEMA DE APOIO À DECISÃO
78 6 CONCEPÇÃO BÁSICA DO SISTEMA DE APOIO À DECISÃO Neste capítulo serão apresentados: o sistema proposto, o procedimento de solução para utilização do sistema e a interface gráfica, onde é ilustrada a
Leia maisESTIMATIVA DOS PARÂMETROS DO CIRCUITO EQUIVALENTE DO MIT UTILIZANDO EVOLUÇÃO DIFERENCIAL
ESTIMATIVA DOS PARÂMETROS DO CIRCUITO EQUIVALENTE DO MIT UTILIZANDO EVOLUÇÃO DIFERENCIAL F. A. S. Gonçalves, D. P. Carvalho, C. A. Bissochi Jr, F. B. Silva, W. E. Vanço, K. Yamanaka Universidade Federal
Leia maisde rede são comumente utilizadas nos dias de hoje. Um dos grandes desafios para a tecnologia de redes sem fio no momento é o handoff vertical, onde
15 1 Introdução A utilização e a popularidade dos dispositivos móveis crescem a cada dia. Mobilidade, flexibilidade, facilidade de comunicação e entretenimento proporcionado por dispositivos, como laptops,
Leia maisOficina de Informática e Telemática
UNIVERSIDADE ESTADUAL DE SANTA CRUZ (UESC) Criada pela Lei 6.344, de 05.12.1991, e reorganizada pela Lei 6.898, de 18.08.1995 e pela Lei 7.176, de 10.09.1997 Oficina de Informática e Telemática Prof. Dr.
Leia maisMaranhão. Tabela 1: Indicadores selecionados: mediana, 1º e 3º quartis nos municípios do estado do Maranhão (1991, 2000 e 2010)
Maranhão Em, no estado do Maranhão (MA), moravam 6,6 milhões de pessoas, onde parcela considerável (6,%, 396, mil) tinha 65 ou mais anos de idade. O estado era composto de 217 municípios, dos quais um
Leia maisPós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO
Pós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO AULA 06 Algoritmos Genéticos Sumário Introdução Inteligência Artificial (IA) Algoritmos Genéticos Aplicações de
Leia maisUNIPAC Araguari FACAE - Faculdade de Ciências Administrativas e Exatas SISTEMAS DE INFORMAÇÃO
UNIPAC Araguari FACAE - Faculdade de Ciências Administrativas e Exatas SISTEMAS DE INFORMAÇÃO SAD Sistemas de Apoio à Decisão 2011/02 Aula Cinco crishamawaki@yahoo.com.br Modelos de decisão Sistemas de
Leia maisIntrodução. Qualidade de Produto. Introdução. Introdução ISO/IEC 9126. Normas
Qualidade de Produto Maria Cláudia F.P. Emer Introdução z Qualidade diretamente ligada ao produto final z Controle de qualidade Adequação do produto nas fases finais no processo de produção z Software
Leia maisAjuste de Reguladores de Velocidade de Turbinas Hidráulicas
Ajuste de Reguladores de Velocidade de Turbinas Hidráulicas Características do Controle de Velocidade de Turbinas Hidráulicas Resposta Inversa da Turbina: Necessidade de redução de ganho transitório; Redução
Leia maisPROGRAMA da Certificação Internacional em Integração Sensorial
PROGRAMA da Certificação Internacional em Integração Sensorial A University of Southern California Divisão de Ciência Ocupacional e Terapia Ocupacional, juntamente com a Western Psychological Services
Leia maisMelhorias de Processos segundo o PDCA Parte IV
Melhorias de Processos segundo o PDCA Parte IV por José Luis S Messias, em qualidadebrasil.com.br Introdução Em prosseguimento aos artigos escritos sobre PDCA, escrevo hoje sobre a terceira fase da etapa
Leia maisFABIANO KLEIN CRITÉRIOS NÃO CLÁSSICOS DE DIVISIBILIDADE
FABIANO KLEIN CRITÉRIOS NÃO CLÁSSICOS DE DIVISIBILIDADE FLORIANÓPOLIS 2007 FABIANO KLEIN CRITÉRIOS NÃO CLÁSSICOS DE DIVISIBILIDADE Trabalho de conclusão de Curso apresentado ao curso de Matemática Habilitação
Leia maisProgramação Linear - Parte 4
Mestrado em Modelagem e Otimização - CAC/UFG Programação Linear - Parte 4 Profs. Thiago Alves de Queiroz Muris Lage Júnior 1/2014 Thiago Queiroz (DM) Parte 4 1/2014 1 / 18 Solução Inicial O método simplex
Leia maisO SOFTWARE LIVRE COMO FERRAMENTA DE ENSINO
1 O SOFTWARE LIVRE COMO FERRAMENTA DE ENSINO Denise Ester Fonseca de Brito Jefferson Willian Gouveia Monteiro Mariana Vieira Siqueira de Arantes Mateus Palhares Cordeiro Paulo Alfredo Frota Rezeck Thiago
Leia maisSÍNDROME DE BAIXO ΔT EM SISTEMAS DE ÁGUA GELADA
Projeto Demonstrativo para o Gerenciamento Integrado no Setor de Chillers SÍNDROME DE BAIXO ΔT EM SISTEMAS DE ÁGUA GELADA Mauricio de Barros CONSULTAR Engenharia 25/02/2016 - Rio de Janeiro Execução Implementação
Leia maisGUIA PARA A REALIZAÇÃO DE ESTUDOS DE ESTABILIDADE DE PRODUTOS SANEANTES
GUIA PARA A REALIZAÇÃO DE ESTUDOS DE ESTABILIDADE DE PRODUTOS SANEANTES A estabilidade de produtos saneantes depende de fatores ambientais como temperatura, umidade e luz, e de outros inerentes ao produto
Leia maisMODELO MATEMÁTICO HÍBRIDO APLICADO À PREDIÇÃO DO TEMPO DE VIDA DE BATERIAS 1. Gabriel Attuati 2, Paulo Sausen 3.
MODELO MATEMÁTICO HÍBRIDO APLICADO À PREDIÇÃO DO TEMPO DE VIDA DE BATERIAS 1 Gabriel Attuati 2, Paulo Sausen 3. 1 Parte integrante do Projeto de pesquisa Análise, Modelagem e Desenvolvimento de Estratégias
Leia maisCTIC - Centro de Pesquisa e Desenvolvimento em Tecnologias. Digitais para Informação e Comunicação CHAMADA DE PROJETOS. Computação em Nuvem
CTIC - Centro de Pesquisa e Desenvolvimento em Tecnologias Digitais para Informação e Comunicação CHAMADA DE PROJETOS Computação em Nuvem O Centro de Pesquisa e Desenvolvimento em Tecnologias Digitais
Leia maisSINTESE DE REDES DE TRATAMENTO DE EFLUENTES APLICADA A UM MODELO DE GERENCIAMENTO DE REÚSO DE ÁGUA
SINTESE DE REDES DE TRATAMENTO DE EFLUENTES APLICADA A UM MODELO DE GERENCIAMENTO DE REÚSO DE ÁGUA P. C. LION 1, M. S. SANTOS 2, F. S. FRANCISCO 2, D. J. S. A. AUDEH 2, R. C. MIRRE 2, F. L. P. PESSOA 2
Leia maisTeoria da Seleção natural. Victor Martin Quintana Flores
Teoria da Seleção natural Victor Martin Quintana Flores Supondo a seguinte população de 8 indivíduos duos Aa AA aa aa AA Aa AA Aa Freqüência de AA = 3/8 = 0,375 Freqüência de Aa = 3/8 = 0,375 Freqüência
Leia maisInterpretações de Qualidade de Software. Interpretações de Qualidade de Software. Aspectos Importantes das Definições de Qualidade
terpretações de de é um termo que pode ter diferentes interpretações e para se estudar a qualidade de software de maneira efetiva é necessário, inicialmente, obter um consenso em relação à definição de
Leia maisConceitos de Produtividade Industrial. 6. Estudo de Tempos e Métodos. 6. Estudo de Tempos e Métodos 09/05/2012. Profº Spim
Conceitos de Produtividade Industrial Profº Spim 6.1 Decisões sobre o projeto do trabalho; 6.2 Considerações físicas no projeto do trabalho; 6.3 Métodos de trabalho; 6.4 Padrões e medida do trabalho. Adm.
Leia maisProporcionar a modelagem de sistemas utilizando todos os conceitos da orientação a objeto;
Módulo 7 UML Na disciplina de Estrutura de Sistemas de Informação, fizemos uma rápida passagem sobre a UML onde falamos da sua importância na modelagem dos sistemas de informação. Neste capítulo, nos aprofundaremos
Leia maisAGRUPAMENTO DE ESCOLAS DA SÉ GUARDA. MATEMÁTICA B Curso de Artes Visuais
Direção-Geral dos Estabelecimentos Escolares Direção de Serviços da Região Centro AGRUPAMENTO DE ESCOLAS DA SÉ GUARDA MATEMÁTICA B Curso de Artes Visuais ANO LECTIVO: 2015/2016 11º ANO 1º PERÍODO PLANIFICAÇÃO
Leia maisGlossário de Aprendizagem Motora
Glossário de Aprendizagem Motora Prof. Dr. Luciano Basso Lacom_EEFE 1. Ação: a descrição da ação é feita com base na intenção e no objetivo que se pretende alcançar. Ela é identificada pela meta à qual
Leia maisROTEIRO PARA ELABORAÇÃO DO PROJETO DE PESQUISA
ROTEIRO PARA ELABORAÇÃO DO PROJETO DE PESQUISA O objetivo desse roteiro é orientar os estudantes de Estatística para a realização do trabalho proposto conforme previsto no plano de ensino da disciplina.
Leia maisGUIA DE FUNCIONAMENTO DA UNIDADE CURRICULAR
Curso Engenharia Informática Ano letivo 2015-2016 Unidade Curricular Inteligência Artificial ECTS 4 Regime Obrigatório Ano 3.º Semestre 1.º Horas de trabalho globais Docente (s) Celestino Gonçalves Total
Leia maisParte 05 - Técnicas de programação (mapas de Veitch-Karnaugh)
Parte 05 - Técnicas de programação (mapas de Veitch-Karnaugh) Mapas de Veitch-Karnaugh Montar circuitos lógicos a partir de tabela verdade, embora seja tarefa fácil, geral um circuito extremamente grande.
Leia maisAULA 11 Experimentos Multinomiais e Tabelas de Contingência
1 AULA 11 Experimentos Multinomiais e Tabelas de Contingência Ernesto F. L. Amaral 24 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG)
Leia maisAtualizado em: 10/08/2010
Atualizado em: 10/08/2010 Faculdade Católica Nossa Senhora das Neves Autorizada pela Portaria nº 3.895-MEC DOU 26.11.2004 1. Dados do curso/disciplina Curso: Administração Semestre: 2010.2 Disciplina:
Leia maisMINISTÉRIO DA FAZENDA Secretaria de Acompanhamento Econômico Coordenação Geral de Transportes e Logística
MINISTÉRIO DA FAZENDA Secretaria de Acompanhamento Econômico Coordenação Geral de Transportes e Logística Parecer Analítico sobre Regras Regulatórias nº 229/COGTL/SEAE/MF Brasília, 28 de agosto de 2015.
Leia maisCurso de Instrumentista de Sistemas. Fundamentos de Controle. Prof. Msc. Jean Carlos
Curso de Instrumentista de Sistemas Fundamentos de Controle Prof. Msc. Jean Carlos Fundamentos de Controle Aula_05 Na última aula... Método da tentativa sistemática ganho do controlador no valor mínimo
Leia mais1. A IMPORTÂNCIA DOS OBJETIVOS EDUCACIONAIS.
Formulação de Objetivos Educacionais 1. A IMPORTÂNCIA DOS OBJETIVOS EDUCACIONAIS. A prática educativa atua no desenvolvimento individual e social dos indivíduos, proporcionando-lhes os meios de apropriação
Leia mais