SINTONIA DE CONTROLADORES DE TEMPERATURA COM REDES NEURAIS
O método de sintonia de controladores de temperatura é um processo árduo, que se remete à procura do sinal ideal no menor espaço de tempo, para que a máquina tenha economia de energia e performance adequada. Porém, com a mudança de região, estado ou país do qual a mesma foi projetada, pode gerar uma perda de rendimento ou instabilidade no processo. Com isso, surge a necessidade de que as empresas façam um retrabalho para uma nova sintonia do controlador. Esse trabalho tem como objetivo demonstrar a aplicação de uma rede neural para promover alterações dos valores do ganho proporcional e integral, sendo que esses valores são parâmetros internos de um controlador implementado em um Raspberry Pi, permitindo que a rede neural atue independente, das variações de temperatura ou ação do clima. Os testes foram realizados com um protótipo de secador em faixas de temperatura de 0 a 40 °C se mostrando eficaz, trazendo a curva de sinal ideal para o sistema. O trabalho em questão contribuiu para uma melhora na eficiência de controladores de temperatura, visto que é reduzido o retrabalho de parametrização e tão logo, produzindo uma performance para o protótipo, constatando-se que as diferenças climáticas fazem toda diferença no processo de controle, seja ele em temperaturas baixas ou altas. Assim como no aperfeiçoamento da inteligência artificial, onde o compartilhamento de informação traga novas ideias para o controle de processos ajudando a economia energética para um mundo sustentável.
SINTONIA DE CONTROLADORES DE TEMPERATURA COM REDES NEURAIS
-
DOI: 10.22533/at.ed.17321180621
-
Palavras-chave: Inteligência Artificial, Redes Neurais, Keras, Controle, PID
-
Keywords: Artificial Intelligence, Neural Networks, Keras, Control, PID
-
Abstract:
The method of tuning temperature controllers is an arduous process, which refers to the search for the ideal signal in the shortest time so that the machine has energy savings and adequate performance. However, with the change of region, state, or country from which it was projected, it can generate a loss of energy or instability in the process. With this, there is a need for companies to rework for a new tuning of the controller. This work aims to demonstrate the application of a neural network to promote changes in the proportional and integral gain values, and these values are internal parameters of a controller implemented in a Raspberry Pi, allowing the neural network to act independently, from variations of temperature or climate action. The tests were carried out with a dryer prototype in temperature ranges from 0 to 40 ° C, proving to be effective, bringing the ideal signal curve to the system. The work in question contributed to an improvement in the efficiency of temperature controllers, since the parameterization rework is reduced and, as soon as, producing a performance for the prototype, verifying that the climatic differences make all the difference in the control process, either it at low or high temperatures. As well as in the improvement of artificial intelligence, where the sharing of information brings new ideas for the control of processes helping the energy saving for a sustainable world.
-
Número de páginas: 15
- Anderson Daleffe
- Tiago Luís Andrade Pereira
