Controlador MPC Neural Com Adaptação Online do Modelo Aplicado ao Processo de Controle de pH

A utilização de controladores preditivos baseados em modelo é um grande desafio ainda, principalmente, em razão da dificuldade em obtenção de um modelo que descreva o processo. O uso de redes neurais artificiais facilita o processo de modelagem, porém, existe a necessidade de obtenção de um vasto banco de dados que represente o processo. Condições não previstas no banco de dados podem resultar em perda de eficiência do controlador. Nesse contexto, esse trabalho apresenta a possibilidade de uso de um algoritmo de adaptação do modelo neural (aprendizado de máquina) para melhorar a capacidade de predição do modelo e consequentemente a eficiência do controlador MPC Neural. O controlador foi desenvolvido em simulação e posteriormente aplicado ao processo real de controle de pH (sistema multivariável não linear). Os resultados apresentam uma significativa melhoria na predição do modelo quando aplicado no processo real resultando na eliminação do offset observado no controlador sem adaptação do modelo.