Please use this identifier to cite or link to this item: http://ri.ufs.br/jspui/handle/riufs/5026
Full metadata record
DC FieldValueLanguage
dc.contributor.authorSilva, Guilherme Moura Afonso da-
dc.date.accessioned2017-09-26T18:08:14Z-
dc.date.available2017-09-26T18:08:14Z-
dc.date.issued2017-04-27-
dc.identifier.citationSILVA, Guilherme Moura Afonso da. Reconciliação dinâmica de dados baseada em estimadores em uma malha de controle MPC. 2017. 111 f. Dissertação (Pós-Graduação em Engenharia Elétrica) - Universidade Federal de Sergipe, São Cristóvão, 2017.por
dc.identifier.urihttps://ri.ufs.br/handle/riufs/5026-
dc.description.abstractThe data reconciliation in process control is extremely important regarding the industries because from this it is possible to obtain a greater efficiency in the performance in industrial process control meshes aiming at a lower cost and a higher quality of the product. In this work we approach data estimation techniques for the implementation of an online dynamic data reconciliation system in order to reduce the noise and the measurement uncertainties that are submitted in the process variables. The techniques used here are: the Kalman Filter, the Preditor-Corrector DDR Algorithm, the Moving Horizon Estimator (MHE) and the Constrained Extended Kalman Filter (CEKF). The analysis is performed by applying the dynamic data reconciliation system in a simulated process, characteristic of the chemical industry, operating under MPC (Model Predictive Control). The performance of the MPC controller is also enhanced by the use of the reconciled data in the feedback control loop.eng
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESpor
dc.formatapplication/pdf*
dc.languageporpor
dc.publisherUniversidade Federal de Sergipepor
dc.rightsAcesso Abertopor
dc.subjectEngenharia elétricapor
dc.subjectAlgoritmospor
dc.subjectFiltragem de Kalmanpor
dc.subjectControle preditivopor
dc.subjectMPCpor
dc.subjectReconciliação de dadospor
dc.subjectFiltro de Kalmanpor
dc.subjectAlgoritmo DDR preditor-corretorpor
dc.subjectEstimador do horizonte móvelpor
dc.subjectData reconciliationeng
dc.subjectKalman filtereng
dc.subjectDDR algorithmeng
dc.subjectMoving horizon estimatoreng
dc.subjectModel predictive controleng
dc.titleReconciliação dinâmica de dados baseada em estimadores em uma malha de controle MPCpor
dc.title.alternativeDynamic data reconciliation based on estimators in a MPC control loopeng
dc.typeDissertaçãopor
dc.creator.Latteshttp://lattes.cnpq.br/0053801144109381por
dc.contributor.advisor1Cardoso, Carlos Alberto Villacorta-
dc.description.resumoA reconciliação de dados em controle de processos é extremamente importante no que diz respeito às indústrias, pois a partir dessa é possível obter uma maior eficiência no desempenho em malhas de controle de processos industriais visando à minimização dos custos e maximizando a qualidade do produto. Neste trabalho abordam-se técnicas de estimação de dados para a implementação de um sistema de reconciliação dinâmica de dados on-line a fim de reduzir os ruídos e as incertezas de medições a que estão submetidas às variáveis do processo. As técnicas aqui empregadas são: o Filtro de Kalman, o Algoritmo DDR Preditor-Corretor, o Estimador de Horizonte Móvel (MHE) e o Filtro de Kalman Estendido com Restrições (CEKF). As análises são efetuadas aplicando o sistema de reconciliação dinâmica de dados em um processo simulado, característico da indústria química, operando sob controle preditivo (MPC). Também é efetuado o aprimoramento no desempenho do controlador MPC utilizando os dados reconciliados na malha de realimentação do controlador.por
dc.publisher.programPós-Graduação em Engenharia Elétricapor
dc.subject.cnpqENGENHARIAS::ENGENHARIA ELETRICApor
dc.publisher.countryBrasilpor
dc.publisher.initialsUFSpor
dc.contributor.advisor-co1Sotomayor, Oscar Alberto Zanabria-
Appears in Collections:Mestrado em Engenharia Elétrica

Files in This Item:
File Description SizeFormat 
GUILHERME_MOURA_AFONSO_SILVA.pdf1,4 MBAdobe PDFThumbnail
View/Open


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