Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/322598
Type: TESE DIGITAL
Degree Level: Doutorado
Title: Identificação de modelos estocásticos de uma planta piloto de refrigeração = Identification of stochastic models of a refrigeration pilot plan
Title Alternative: Identification of stochastic models of a refrigeration pilot plan
Author: Dantas, Tarcisio Soares Siqueira, 1980-
Advisor: Silva, Flávio Vasconcelos da, 1971-
Abstract: Resumo: Tanto na etapa do projeto de sistemas de controle como na etapa de sintonia de controladores, é desejável um modelo preciso do processo. A proposta deste trabalho foi realizar a identificação de modelos em um processo de refrigeração. As vantagens dos métodos de identificação de sistemas: poucos experimentos são necessários, o modelo é resultante é robusto ao ruído e possui uma representação matemática muito clara que facilita sua aplicação em algoritmos de MPC estocástico. Procurou-se modelar como saídas dos modelos o superaquecimento útil (USH), a temperatura de condensação (CDT) e a temperatura de evaporação (EVT) que são variáveis relevantes para o controle do processo. Analisou-se a seleção das variáveis de entrada dos modelos com testes de correlação, que indicaram modelos SISO devido a correlação entre o atuador as outras entradas. Em um determinado experimento observou-se comportamento variante no tempo para o superaquecimento (USH) enquanto a válvula de expansão eletrônica atuava, que motivou a aplicação de modelos ARMAX nas variáveis USH, CDT e EVT com atualização recursiva dos parâmetros. Os modelos com parâmetros variantes no tempo foram comparados com modelos ARMAX invariantes no tempo com resíduos aleatórios. Observou-se que a dinâmica do superaquecimento é estimada mais precisamente com modelos recursivos, apesar dos modelos invariantes no tempo (USH, CDT, EVT) apresentarem bom desempenho com predições cinco-passos-à-frente. Avaliando os dados gerados com o compressor atuando, observou-se que os modelos não-lineares NARMAX eram mais adequados para capturar a dinâmica do processo. Com o algoritmo FROLS (Fast Recursive Orthogonal Least Square) para detecção de estrutura e estimação de parâmetros foi possível obter um modelo não-linear que captura a dinâmica da temperatura de evaporação, demonstrado em simulações infinitos-passos-a-frente com múltiplos dados de validação. A modelagem dinâmica não-linear da temperatura de condensação e do superaquecimento útil apresentaram resultados piores quando a válvula termostática foi utilizada em atuação conjunta com o compressor, porque comparando as predições k-passos-à-frente e principalmente infinitos-passos-à-frente dos modelos CDT e USH com a válvula eletrônica foi possível observar qualitativamente melhores resultados

Abstract: In process control applications, an accurate process model is necessary for control system design and tuning. The aim of this work is to identify models for a refrigeration system. The advantages of system identification methods: few experiments are needed, the resulting model is robust to noise and has a clear mathematical representation, simplifying its application with stochastic MPC algorithms. The useful superheat (USH), condensing temperature (CDT) and evaporating temperature (EVT) were chosen as model outputs due to the importance of these variables in refrigeration process control. The selection of model inputs was evaluated with correlation tests that resulted in SISO models due to correlation between the actuator and the other candidates. In a certain experiment it was possible to observe time-varying behavior for the useful superheat (USH) when the electronic expansion valve was operating, which led to the application of ARMAX models for USH, CDT and EVT with recursive updating of the parameters. The models with time-varying parameters were compared with linear-time-invariant ARMAX models with white prediction residuals. It was observed that the dynamics of the useful superheat is more precisely estimated with recursive models, although statistically valid LTI ARMAX models have shown good prediction accuracy with 5-step-ahead predictions. While evaluating the data generated with the compressor as the actuator, it was shown that NARMAX nonlinear models where more suitable to capture the underlying process dynamics. With FROLS algorithm for structure detection and parameter estimation it was possible to build a nonlinear model that fully captures the dynamics of the evaporating temperature, as shown in infinite-step-a-head predictions with multiple validation data sets. The non-linear dynamic modeling of the condensing temperature and useful superheat was affected by the action of the thermostatic expansion valve with the compressor actuator, because when comparing k-step-ahead predictions of the CDT and USH models with electronic expansion valve actuator it is possible to observe qualitatively better results
Subject: Refrigeração
Identificação de sistemas
Kalman, Filtragem de
Editor: [s.n.]
Citation: DANTAS, Tarcisio Soares Siqueira. Identificação de modelos estocásticos de uma planta piloto de refrigeração = Identification of stochastic models of a refrigeration pilot plan. 2017. 1 recurso online (114 p.). Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química, Campinas, SP.
Date Issue: 2017
Appears in Collections:FEQ - Tese e Dissertação

Files in This Item:
File SizeFormat 
Dantas_TarcisioSoaresSiqueira_D.pdf10.12 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.