| Campo Dublin Core | Valor | Língua |
|---|
| dc.contributor.advisor | Bauchspiess, Adolfo | - |
| dc.contributor.author | Gonçalves, Daniel Vicentin | - |
| dc.identifier.citation | GONÇALVES, Daniel Vicentin. Controle adaptativo de processo de nível utilizando aprendizado por reforço ator-crítico. 2016. [62] f., il. Monografia (Bacharelado em Engenharia Mecatrônica)—Universidade de Brasília, Brasília, 2016. | pt_BR |
| dc.description | Monografia (graduação)—Universidade de Brasília, Faculdade de Tecnologia, Curso de Graduação em Engenharia de Controle e Automação, 2016. | pt_BR |
| dc.description.abstract | O presente trabalho apresenta o projeto de um controlador adaptativo utilizando aprendizado por reforço para controle de nível em um processo de 4 tanques. O controlador utiliza a abordagem Ator-Crítico com aproximação de funções por redes neurais de base radial e treinamento através do gradiente descendente do erro de diferença temporal. Os resultados simulados demonstram um desempenho superior do controlador adaptativo quando comparado a um controlador PI tradicional. Os resultados obtidos pela aplicação no sistema real demonstram a posssibilidade de uso do algoritmo em um sistema de controle. São também apresentadas as di culdades dessa implementação. | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.subject.keyword | Controlador adaptativo | pt_BR |
| dc.subject.keyword | Aprendizado por reforço | pt_BR |
| dc.title | Controle adaptativo de processo de nível utilizando aprendizado por reforço ator-crítico | pt_BR |
| dc.type | Trabalho de Conclusão de Curso - Graduação - Bacharelado | pt_BR |
| dc.date.accessioned | 2016-09-30T17:48:42Z | - |
| dc.date.available | 2016-09-30T17:48:42Z | - |
| dc.date.submitted | 2016-07 | - |
| dc.identifier.uri | http://bdm.unb.br/handle/10483/14880 | - |
| dc.language.iso | Português | pt_BR |
| dc.subject | Modelagem de processos | pt_BR |
| dc.contributor.advisorco | Tognetti, Eduardo Stockler | - |
| dc.description.abstract1 | This work presents an adaptive controller project using reinforcement learning for liquid-level control in a quadruple-tank process. The controller was designed with the Actor-Critic method using radial basis networks for function approximation and training through gradient descent of the temporal di erence error. The simulation results show superior performance of the adaptive controller when compared to traditional PI controller. The results of the implementation in a real environment show the possibility of usage for this algorithm in a control system. The other challenges found are also presented. | pt_BR |
| Aparece na Coleção: | Engenharia Mecatrônica
|
