Search

O presente artigo aborda o problema da seleção da estrutura de modelos em algoritmos de controle preditivo para sistemas monovariáveis. Neste sentido, apresenta a utilização de modelos com estrutura dinâmica desenvolvida através de bases de funções ortonormais, como as funções de Laguerre, Kautz ou funções ortonormais generalizadas. Os principais aspectos relacionados com esta classe de modelos no contexto de controladores preditivos lineares com restrições terminais, não lineares e robusto são discutidos e uma revisão bibliográfica é apresentada. O desempenho de malha fechada das estratégias analisadas é ilustrado através de dois casos de estudo envolvendo uma incubadora para recém nascidos e um processo simulado de polimerização isotérmica. This paper presents an overview about predictive control schemes based on orthonormal basis function models. Different predictive control schemes based on such models are discussed, namely, linear controllers with terminal (stabilizing) constraints, robust controllers, and non-linear controllers. The discussions comprise a broad bibliographical survey on the subject as well as two case studies involving a simulated dynamic system and a real process.

O presente artigo apresenta uma visão geral do estado da arte na área de identificação de sistemas utilizando modelos dinâmicos com estrutura desenvolvida através de bases de funções ortonormais, como as funções de Laguerre, Kautz ou funções ortonormais generalizadas. Discute-se as vantagens e possíveis limitações desse tipo de estrutura bem como os fundamentos matemáticos dos modelos correspondentes nos contextos de identificação linear, linear com incertezas paramétricas (identificação robusta) e não linear, incluindo uma revisão bibliográfica abrangente sobre o tema. Diferentes realizações de modelos com funções de base ortonormal, a saber, modelos lineares, de Volterra, fuzzy e neurais, são detalhadas e discutidas comparativamente em termos de capacidade de representação, parcimônia, complexidade de projeto e interpretabilidade. Aspectos práticos da identificação desses modelos são também apresentados e ilustrados através de dois casos de estudo envolvendo um processo simulado de polimerização isotérmica. In this paper, an overview about the identification of dynamic systems using orthonormal basis function models, such as those based on Laguerre and Kautz functions, is presented. The mathematical foundations of these models as well as their advantages and limitations are discussed within the contexts of linear, robust, and nonlinear identification. The discussions comprise a broad bibliographical survey on the subject and a comparative analysis involving some specific model realizations, namely, linear, Volterra, fuzzy, and neural models within the orthonormal basis function framework. Theoretical and practical issues regarding the identification of these models are also presented and illustrated by means of two case studies related to a polymerization process.