Navegando por Assunto "Algoritmo ARS"

Filtrar resultados informando o último nome do autor
Agora exibindo 1 - 1 de 1
  • Nenhuma Miniatura Disponível
    Item
    Sintonia adaptativa de controladores PID: abordagem via aprendizagem por reforço para processo industrial simulado
    (2026-07-17) Santos, Pedro Henrique de Almeida; Silva, Moisés Tavares da; http://lattes.cnpq.br/2293553085745158; http://lattes.cnpq.br/4024972438729571
    Este trabalho descreve o desenvolvimento e a implementação de uma estratégia de sintonia adaptativa de controladores PID (Proporcional-Integral-Derivativo) aplicada ao processo industrial simulado de um reator químico contíınuo de mistura perfeita (Continuous Stirred-Tank Reactor - CSTR). A abordagem utilizou o algoritmo de aprendizagem por reforço denominado busca aleatória aumentada ( Augmented Random Search - ARS), que se destaca pela baixa complexidade computacional e eficiência na aplicação de sistemas contínuos sem a exigência de modelos matemáticos exatos. O diferencial do trabalho consistiu na proposição de uma nova função de recompensa que integra simultaneamente o desempenho do rastreamento da referência e o esforço da ação de controle, buscando equilibrar a precisão do sistema com a redução do esforço e do desgaste dos atuadores. As simulações foram realizadas em ambiente computacional utilizando a linguagem Python e bibliotecas de código aberto para modelagem e análise dinâmica. Os resultados obtidos demonstraram que a metodologia proposta superou métodos tradicionais e outras abordagens de aprendizagem por reforço da literatura, alcançando melhores índices de desempenho tanto em termos de erro acumulado quanto de variabilidade da entrada. O controlador sintonizado apresentou respostas mais rápidas, com menor sobressinal e estabilidade superior frente a sucessivas mudanças de referência e perturbações de carga. Neste contexto, foi observado que a técnica oferece uma alternativa robusta e eficiente para a sintonia automática de controladores industriais em processos não lineares, validando a eficácia da nova função de recompensa desenvolvida.