Controlo tolerante a falhas de um canal de rega

A presente dissertação pretende conceber e implementar um sistema de controlo tolerante a falhas, no canal experimental de rega da Universidade de Évora, utilizando um modelo implementado em MATLAB/SIMULINK®. Como forma de responder a este desafio, analisaram-se várias técnicas de diagnóstico de falhas, tendo-se optado por técnicas baseadas em redes neuronais para o desenvolvimento de um sistema de detecção e isolamento de falhas no canal de rega, sem ter em conta o tipo de sistema de controlo utilizado. As redes neuronais foram, assim, os processadores não lineares utilizados e mais aconselhados em situações onde exista uma abundância de dados do processo, porque aprendem por exemplos e são suportadas por teorias estatísticas e de optimização, focando não somente o processamento de sinais, como também expandindo os horizontes desse processamento. A ênfase dos modelos das redes neuronais está na sua dinâmica, na sua estabilidade e no seu comportamento. Portanto, o trabalho de investigação do qual resultou esta Dissertação teve como principais objectivos o desenvolvimento de modelos de redes neuronais que representassem da melhor forma a dinâmica do canal de rega, de modo a obter um sistema de detecção de falhas que faça uma comparação entre os valores obtidos nos modelos e no processo. Com esta diferença de valores, da qual resultará um resíduo, é possível desenvolver tanto o sistema de detecção como de isolamento de falhas baseados nas redes neuronais, possibilitando assim o desenvolvimento dum sistema de controlo tolerante a falhas, que engloba os módulos de detecção, de isolamento/diagnóstico e de reconfiguração do canal de rega. Em síntese, na Dissertação realizada desenvolveu-se um sistema que permite reconfigurar o processo em caso de ocorrência de falhas, melhorando significativamente o desempenho do canal de rega.

The present dissertation intends to design and implement a fault-tolerant control system , in the experimental irrigation canal of the University of Évora, using an implemented model in MATLAB/SIMULINK®. As a way to respond to that challenge, several fault diagnosis techniques were analyzed , having been chosen techniques based on neural networks to the development of a fault-detection and Isolation system in the irrigation canal, not taking into account the kind of control system used. The neural networks were, indeed, the nonlinear processors used and more recommended in situations where there is an abundant process data, because they learn by examples and are supported by statistical and optimization theories, focusing not only on the processing of signals, but also on the expansion of the processing horizons. The emphasis of the models of neural networks is in its dynamics, its stability and its behavior. Thus, the research work which resulted in this dissertation had as its main goal the development of neural networks models that could represent in the best way the irrigation canal dynamics under study , in order to obtain a fault-detection system that can make a comparison between the resulting values in the models and the process. With this difference of values, from which a residue will result, it is possible to develop both a fault-detection and an Isolation system based on neural networks, providing the development of a fault-tolerant control system that comprehends the detection modules, the isolation/diagnostic and the system reconfiguration modules. Summing up, this dissertation led to a system that allows reconfiguring the processin the event of such faults, improving significantly the performance of the irrigation canal.