Identificação de sistemas de guindaste de pórtico
Visualizar/abrir
Data
2022Orientador
Co-orientador
Nível acadêmico
Mestrado
Tipo
Assunto
Resumo
Guindastes de pórtico são sistemas amplamente aplicados na indústria para o transporte de cargas. Esses são sistemas não lineares, os quais apresentam um característico acoplamento entre seus graus de liberdade. Uma propriedade bastante marcante desses sistemas é a indução de oscilações significativas na carga devido aos movimentos do mecanismo de suporte para o posicionamento da mesma. Diante dessa característica surge a motivação para o controle desses sistemas. Visando fornecer um modelo do ...
Guindastes de pórtico são sistemas amplamente aplicados na indústria para o transporte de cargas. Esses são sistemas não lineares, os quais apresentam um característico acoplamento entre seus graus de liberdade. Uma propriedade bastante marcante desses sistemas é a indução de oscilações significativas na carga devido aos movimentos do mecanismo de suporte para o posicionamento da mesma. Diante dessa característica surge a motivação para o controle desses sistemas. Visando fornecer um modelo do sistema para a aplicação das técnicas de controle, este trabalho realiza a estimação de parâmetros físicos de modelos 3D (tridimensionais) de sistemas de guindaste de pórtico. Além disso, também são identificados modelos lineares polinomiais do tipo ARMAX (Autoregressive Moving Average with Exogenous Inputs) e OE (Output error). Os estimadores propostos são desenvolvidos a partir do modelo não linear e do modelo linearizado do sistema. Também é analisado o impacto do método de discretização adotado, comparando-se as estimações realizadas considerando os métodos de Euler e Runge-Kutta. A fim de fazer uma análise estatística dos resultados obtidos, foram realizados 100 experimentos de Monte Carlo para um dos estimadores de parâmetros físicos propostos e outros 100 para cada estrutura de modelos polinomiais identificados. Observou-se a partir dos resultados menores erros de estimação para os estimadores com discretização através do método de Runge-Kutta, sendo que não foram observadas diferenças significativas quando utilizados o modelos linearizado ou não linear. Nos resultados dos modelos polinomiais, se constatou melhores ajustes aos dados por parte dos modelos ARMAX, os quais também foram identificados de forma mais consistente que os modelos OE. ...
Abstract
Gantry cranes are widely applied systems in the industry for cargo transportation. These non-linear systems present a characteristic coupling between their degrees of freedom. A very remarkable property of these systems is the induction of significant payload oscillations due to the support mechanism movements for payload positioning. Given this aspect, the motivation for control of these systems arises. In order to provide system models for the application of control techniques, this work esti ...
Gantry cranes are widely applied systems in the industry for cargo transportation. These non-linear systems present a characteristic coupling between their degrees of freedom. A very remarkable property of these systems is the induction of significant payload oscillations due to the support mechanism movements for payload positioning. Given this aspect, the motivation for control of these systems arises. In order to provide system models for the application of control techniques, this work estimates physical parameters of 3D (tridimensional) gantry crane systems. In addition, linear polynomial models of the ARMAX class (Autoregressive Moving Average with Exogenous Inputs) and OE (Output error) are identified also. The suggested estimators derived from the non-linear and linearized models of the system. The impact of the adopted discretization method is also studied, comparing the estimations performed considering the Euler and RungeKutta methods. In order to perform a statistical analysis of the results acquired, 100 Monte Carlo experiments were executed for each of the proposed estimators of physical parameters and another 100 for each structure of the identified polynomial models. From the results, smaller estimation errors were observed for the estimators with discretization through the Runge-Kutta method, and no significant differences could be observed when using the linearized or non-linear models. In the results of the polynomial models, better fits to the data by the ARMAX models were found, which were also identified more consistently than the OE models. ...
Instituição
Universidade Federal do Rio Grande do Sul. Escola de Engenharia. Programa de Pós-Graduação em Engenharia Elétrica.
Coleções
-
Engenharias (7386)Engenharia Elétrica (454)
Este item está licenciado na Creative Commons License
![](/themes/Mirage2Novo//images/lume/cc.png)