Autor: Thomaz Pereira da Silva Junior (Currículo Lattes)
Resumo
Os atuadores hidráulicos possuem dinâmicas não lineares intrínsecas ao seu modelo que oferecem desafios ao seguimento preciso de trajetórias. O estado da arte aborda diversas soluções, com ênfase no uso de redes neurais. Este trabalho tem como objetivo apresentar uma comparação entre dois tipos distintos de redes neurais (textit{wavelet} e sigmoidais) para a compensação de atrito no cilindro hidráulico e da dinâmica não-linear da servoválvula para o controle em cascata de um atuador hidráulico. As duas arquiteturas de rede são testadas e treinadas usando o algoritmo textit{quickpropagation}, que apresenta uma convergência mais rápida que o tradicional textit{backpropagation}. A pesquisa avalia a eficiência das redes neurais em termos de generalização para o atrito e para a dinâmica inversa da válvula, utilizando o modelo matemático de um atuador hidráulico. A pesquisa realiza simulações usando textit{Matlab} e textit{Simulink} para testar e comparar o desempenho das redes neurais. Os resultados mostram que as redes textit{wavelet} superam as sigmoidais em termos de erro de treinamento e validação, especialmente em condições com alta não linearidade e ruído. As considerações finais indicam que a implementação de redes neurais textit{wavelet} em controladores cascata pode melhorar significativamente o desempenho de atuadores hidráulicos, oferecendo uma alternativa mais robusta e eficiente às funções de ativação sigmoidais tradicionais quando utilizadas na representação da dinâmica inversa da servoválvula em aplicações similares ao treinamento