Os resultados obtidos por meio de estudos de caso experimentais em processos lineares
e não lineares contribuem à literatura ao sintetizar um método de projeto que integra três
diferentes técnicas que, tipicamente, são analisadas de forma independentes: (i) identiĄcação
automática dos parâmetros estruturais de um modelo; (ii) controle avançado baseado no
algoritmo GPC; e (iii) cômputo rápido de um problema de otimização. O estudo dessas meto-
dologias adaptativas em tarefas de identiĄcação e de controle mostrou ser bem consolidada e
empregada com sucesso em diversos sistemas. Entretanto, após um levantamento dos principais
trabalhos que inĆuenciam essa linha de pesquisa sobre aumento do desempenho de controle em
malha fechada para sistemas variantes no tempo, foi constatado que um método sistemático
de projeto que integre esses três métodos não é facilmente encontrado na literatura.
Foi cumprido o objetivo de propor uma arquitetura de MPC adaptativo com baixa
complexidade e esforço computacional, a qual pode ser implementada em um microcontrolador.
Tal método emprega um estimador que, a cada período de amostragem, ajusta os parâmetros
de uma estrutura de modelo linear usada para predizer o comportamento da variável de saída
pelo GPC que, por sua vez, é amplamente aceito e aplicado na indústria. Adicionalmente, uma
das maiores limitações do emprego desse tipo de controlador em um sistema embarcado foi
solucionada com o algoritmo de programação quadrática ADMM, o qual possibilitou obter
uma ação de controle ótima respeitando as restrições operacionais formuladas.
Algumas conclusões especíĄcas podem ser feitas sobre a abordagem proposta e as
técnicas utilizadas. Acerca da arquitetura adaptativa proposta no trabalho, é possível aĄrmar
que ela se mostrou efetiva ao melhorar os tempos de acomodação e reduzir os sobressinais
ocasionados por erros de modelagem, promovendo o aumento no desempenho do sistema de
controle em malha fechada quando comparado com o algoritmo GPC convencional. A sintonia
automática do controlador mostrou ser bastante eĄcaz e prática. Utilizando apenas dados de
malha aberta, o método conseguiu rastrear os parâmetros do sistema condizentes com o ponto
de operação estabelecido, ampliando a gama de aplicações da proposta, principalmente em
situações nas quais há uma redução de desempenho do sistema em malha fechada devido a
controladores mal sintonizados por operadores de processos.
Com o intuito de evidenciar três peculiares características do estimador recursivo, este
foi analisado especiĄcamente na seção 4.1 de forma independente do algoritmo de controle.
Capítulo 5. Considerações Finais 97
Primeiramente, pode-se concluir que o EMQR com fator de esquecimento direcional não foi
polarizado, situação essa que foi alcançada devido à expansão do vetor de parâmetros estimados
com os termos de resíduos. Um segundo aspecto observado foi que o estimador empregado não
produziu resultados exclusivos ao conjunto de dados selecionado para o experimento, ou seja, os
coeĄcientes estimados não apresentaram correlação com o sinal aplicado na entrada do sistema.
Essa característica do estimador indica que o algoritmo de estimação proposto não se restringe
a apenas uma categoria de processos, mas pode ser aplicado a diversos outros com conĄável
garantia da convergência dos parâmetros estimados. Como um dos grandes pontos negativos do
controle adaptativo é a garantia de estabilidade em malha fechada quando o sistema opera por
longos períodos de tempo em regime permanente, o terceiro aspecto evidenciado pelo estimador
recursivo foi a sua capacidade de alterar a quantidade de informação aprendida quando a
excitação deixa de produzir na saída informações ricas sobre o processo. Foi possível analisar
nos estudos de caso experimentais que o fator de esquecimento direcional alcançou valores
muito próximos à unidade em regime permanente e não permitiu a ocorrência do ŞestouroŤ
do traço da matriz de covariância no algoritmo de estimação e que, consequentemente, um
modelo instável fosse atualizado.
Quanto ao impacto no desempenho em malha fechada, a estratégia de controle avançado
baseada no algoritmo GPC demonstrou ser adequada e apresentou resultados satisfatórios em
todos os estudos de caso experimentais considerados para validação da proposta. Pode-se
destacar algumas vantagens que tornam a estratégia de controle adotada potencialmente útil
para o controle adaptativo de sistemas lineares. Uma delas é que o modelo dinâmico utilizado
explicitamente para predição no GPC pode ser adaptado pelo estimador utilizando apenas os
dados de entrada e saída do processo. Adicionalmente, os erros de modelagem, comuns em
ambientes industriais, podem ser contornados por meio do ajuste e atualização do modelo
com novos parâmetros estimados ao longo da operação da planta. Além do mais, a estratégia
proposta com uma lei de controle ótima, apesar de ser linear, também tem como vantagem
reformular de forma simples e direta uma dupla adaptação no algoritmo GPC, expandindo
a possibilidade de aplicações para sistemas não lineares. Conforme apresentado na seção
4.3, mesmo nos pontos de operação mais desaĄadores de uma bancada real não linear, foi
veriĄcado que a abordagem proposta com modiĄcação da relação Ú/Ó proporcionalmente ao
ganho estático estimado apresentou resultados de malha fechada satisfatórios para o processo e
muito melhores que os apresentados pelo GPC convencional com sintonia e modelo de predição
Ąxos.
Foi constatado um baixo esforço computacional por meio da implementação do con-
trolador proposto em um sistema embarcado com limitações operacionais, as quais incluem
memória de programa e poder de processamento em tempo real. Apesar disso, considerando
o microcontrolador utilizado, foi possível obter um período de amostragem máximo em torno
de 4,8 ms. Essa contribuição é relevante no escopo de controle de processos, principalmente
por buscar avanços de forma a permitir que a implementação prática em plantas reais seja
menos desaĄadora. Também foi veriĄcado neste trabalho que o emprego do otimizador ADMM
proposto por Peccin et al. (2018) apresentou ser computacionalmente eĄciente. Este trabalho
apresentou a primeira implementação do método em um microcontrolador e os resultados mos-
traram que é possível alcançar períodos de amostragem baixos, da ordem de milissegundos. É
possível aĄrmar também que o ADMM foi capaz de computar ações de controle ótimas, sobre-
tudo, manter a condição operacional do processo dentro do limite das restrições estabelecidas
para cada sistema.
Como resultado geral, o controlador proposto mostra ser promissor não só em plantas
que podem ser representadas como um sistema linear de qualquer ordem estrutural de modelo,
mas também com variações paramétricas, sujeitos a restrições e com dinâmica rápida. De
acordo com as conclusões descritas, pode-se aĄrmar que o objetivo geral e todos os objetivos
especíĄcos foram alcançados. Foi proposta uma arquitetura de identiĄcação recursiva online
computacionalmente eĄciente, integrada com a implementação de controle preditivo baseado
no algoritmo GPC, o qual computa de forma rápida a ação de controle por meio do algoritmo
de otimização ADMM. A abordagem proposta foi comparada em três contextos experimentais
distintos, e em todos eles apresentou resultados superiores de desempenho em malha fechada
quando comparado à implementação tradicional do GPC.
