Resumen de Controle preditivo com Rede Neural Artificial aplicado ao problema de equilíbrio do pêndulo invertido não-linear
Dafne Guisard de Oliveira, Paulo Marcelo Tasinaffo
A literatura clássica sobre redes neurais artificiais tem apresentado muitos trabalhos sobre modelagem de sistemas dinâmicos não-lineares com aplicações em controle, e, desta forma, redes neurais realmente podem ser treinadas para se obter modelos de trabalho internos em esquemas e estruturas de controle. Há sempre duas abordagens complementares para resolver tais problemas: inicialmente treina-se uma rede neural com arquitetura feed forward através de um treinamento supervisionado para aprender a dinâmica não-linear da planta, e, em seguida, utiliza-se o modelo analítico neural - já previaniente treinado - dentro de uma estrutura de controle aplicável. Dentro deste contexto existem várias metodologias distintas para modelagem dinâmica e, por outro lado, também muitas outras estruturas de controle. Pode-se dizer que existem três metodologias básicas para modelagem de sistemas dinâmicos através de redes neurais artificiais: metodologia NARMAX (Non Linear Auto Regressive Moving Average with Exogenous Inputs), metodologia das derivadas médias e metodologia das derivadas instantâneas. Com relação às estruturas de controle citam-se corno principais: estruturas IMC (Internal Model Contrai), controle adaptativo e controle preditivo. Este artigo propõe resolver o problema de equilíbrio e controle do pêndulo invertido não-linear utilizando uma dinâmica neural através do método das derivadas instantâneas que, como estrutura de integração numérica, utiliza o integrador Adams-Rashforth de quarta-ordem. A dinâmica resultante é então acoplada a uma estrutura de controle preditivo.
