Author(s): Santos, Sérgio David Paixão Marques dos
Date: 2011
Persistent ID: http://hdl.handle.net/10362/5965
Origin: Repositório Institucional da UNL
Subject(s): Controlo clássico PID; Controlo neuronal IMC; Detecção e diagnóstico de falhas; Modelos ARX; Modelos neuronais; Análise em componentes principais
Dissertação para obtenção do Grau de Mestre em Mestrado Integrado em Engenharia Electrotécnica e de Computadores
Esta dissertação de Mestrado pretende dar um contributo para o desenvolvimento de técnicas de controlo e algoritmos de diagnóstico e detecção de falhas para aplicação em motores de corrente contínua. Hoje em dia na indústria há muitos processos onde a intervenção humana é substituida por máquinas eléctricas, sendo então fundamental a implementação de sistemas de controlo e diagnóstico de falhas, pois se houver alguma falha no sistema, ele terá que ter a capacidade de detectar, diagnosticar e se possivel tolerar a falha de forma a evitar uma avaria. De entre as técnicas de controlo utilizadas destacam-se o controlador PID clássico e o controlador neuronal IMC (“Internal Model Control”) baseado em modelo interno (inverso). Na parte de detecção e diagnóstico de falhas foi utilizada a análise em Componentes Principais não lineares (NLPCA),implementada com redes neuronais e a estimação em linha do ganho estático com modelo ARX. A comunicação entre o Hardware e o Software foi feita recorrendo à placa de aquisição de dados da National Instruments (NI USB-6009). Para o desenvolvimento do Software foi utilizado o programa Matlab R2009 b. A electrónica de potência necessária ao accionamento do motor DC baseou-se no módulo do equipamento da Feedback (“Firing & Bridge Circuits” (70-220)). O desempenho dos controladores foi avaliado e quantificado assim como as metodologias de diagnóstico e detecção de falhas. Em síntese, conseguiu-se controlar um motor de corrente contínua a partir das técnicas de controlo desenvolvidas e através do desenvolvimento de métodos de detecção e diagnóstico de falhas foi possível analisar as falhas introduzidas pelo utilizador como comprovam os resultados experimentais.
