RESUMO Esta pesquisa objetivou projetar um sistema de controle adaptativo para o modelamento e controle, em tempo real, de um sistema de distribuição de água. Os controladores atuaram no controle da pressão por meio da variação da velocidade de rotação do sistema de bombeamento e do ângulo de abertura de válvulas de controle. O sistema de controle é do tipo Variância Mínima Generalizado (GMV) autoajustável, cujos parâmetros foram estimados em tempo real pelo método dos mínimos quadrados recursivo (MQR). Os ensaios realizados na bancada experimental apresentaram resultados satisfatórios, com um erro máximo no controle de pressão de 2,12% (0,42 mca) e uma redução de 19,2% no consumo de energia elétrica para o sistema atuando na condição mais desfavorável.

ABSTRACT This research aimed to design an adaptive control system for modeling and real-time control of a water distribution system. Air traffic controllers acted on pressure control by varying the rotational speed of the pumping system and opening angle control valve. The system of control is of type Generalized Minimum Variance self-tuning, whose parameters were estimated in real time by the recursive least squares method. The tests performed on experimental workbench presented satisfactory results, with a maximum error on pressure control of 2.12% (0.42 mca) and a decrease of 19.2% in the consumption of electrical energy to the system in the most unfavorable condition.

Este trabalho apresenta uma nova estratégia de acionamento para uma mesa de coordenadas XY, denominada de Controle Vetorial Neural, utilizando uma rede neural multicamada (RNMC) atuando como controlador adaptativo direto, cujo algoritmo de aprendizagem se baseia na minimização do erro entre o vetor de posição atualizado e o de referência. Duas estratégias de controle são mostradas. A primeira estratégia é baseada no uso de controladores de posição neurais, independentes, para cada eixo e a segunda é apresentada como principal contribuição deste trabalho e é baseada no uso do Controlador Vetorial Neural. A estratégia proposta é diferenciada dos conhecidos controladores de trajetória por não possuírem controladores independentes para cada eixo. A mesa de coordenadas XY, usada para validação, é uma estrutura de dois graus de liberdade considerada como um manipulador de eixos desacoplados. Resultados experimentais e de simulação mostram o desempenho superior do Controlador Vetorial Neural. Um menor tempo de processamento no uso de uma única rede neural é uma vantagem adicional do uso do Controlador Vetorial Neural em relação aos controladores independentes.

The proposal of this research is to present a new strategy of drive, called of Neural Vectorial Control, using a Multilayer Neural Network acting as a direct adaptive controller, that is based on the minimization of the error between the actual position vector and the vector of reference position. Two strategies of control are shown. The first strategy is based on the use of position neural controllers of independent axes. The second strategy, presented as the main contribution of this paper, is based on the use of the vectorial neural controller. The strategy proposal in this research is differentiated of the well known tracking controllers for not possessing individual closed loops of control for each axis. The XY table used for validation is a structure of two degrees of freedom, that it is considered as a manipulator with detached axes. Experimental and simulated results show the superior performance of the vectorial neural control. A lesser time of processing in the use of an only Neural Nework is an additional advantage of the use of the vectorial neural controller in relation to the independent controllers.