Sintonia adaptativa de controladores PID: abordagem via aprendizagem por reforço para processo industrial simulado
Nenhuma Miniatura Disponível
Data
2026-07-17
Lattes da Autoria
Orientação Docente
Lattes da Orientação Docente
Título da Revista
ISSN da Revista
Título de Volume
Editor
Resumo
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.
Resumo em outro idioma
This work describes the development and implementation of an adaptive tuning strategy for PID (Proportional-Integral-Derivative) controllers applied to the simulated industrial process of a Continuous Stirred-Tank Reactor (CSTR). The approach employed the reinforcement learning algorithm known as Augmented Random Search (ARS), which is notable for its low computational complexity and efficiency in continuous systems, without requiring exact mathematical models. A key contribution of this work is the proposal of a new reward function that simultaneously integrates reference tracking performance and control action effort, aiming to balance system precision with the reduction of actuator effort and wear. Simulations were conducted in a computational environment using Python and open-source libraries for modeling and dynamic analysis. The results demonstrated that the proposed methodology outperformed traditional methods and other reinforcement learning approaches found in the literature, achieving superior performance metrics regarding both accumulated error and input variability. The tuned controller exhibited faster responses, reduced overshoot, and greater stability in the face of successive reference changes and load disturbances. In this context, the technique proved to be a robust and efficient alternative for the automatic tuning of industrial controllers in nonlinear processes, validating the effectiveness of the newly developed reward function.
Descrição
Palavras-chave
Referência
SANTOS, Pedro Henrique de Almeida. Sintonia adaptativa de controladores PID: abordagem via aprendizagem por reforço para processo industrial simulado. 2026. 50.f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia da Computação) – Unidade Acadêmica de Belo Jardim, Universidade Federal Rural de Pernambuco, Belo Jardim, 2026.
Identificador dARK
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como openAccess