Candidato: Henrique Raduenz
Program: UFSC / POSMEC; LiU / IEI
Data: Setembro de 2022
Orientadores: Petter Krus; Victor Juliano De Negri
Resumo: Alta eficiência energética é um requisito para máquinas de construção modernas, sendo este uma consequência das metas ambientais, eletrificação e redução de custos. Para atender este requisito as arquiteturas dos trens de potência das máquinas têm se tornado mais complexas, por exemplo, através da hibridização do sistema de tração e funções de trabalho, ou sistemas hidráulicos melhorados. Entretanto, quanto mais complexa a arquitetura, mais difícil se torna o gerenciamento da divisão de potência entre as fontes e consumidores. O número de funções de trabalho, ambientes de operação e tarefas que elas executam, juntamente com os graus de liberdade relacionados à como energia pode ser recuperada, trocada e reutilizada, às tornam únicas. Dessa maneira, o desenvolvimento de estratégias de controle requer pesquisa e desenvolvimento específicos com as suas arquiteturas e aplicações em foco. Esta tese de doutorado apresenta uma análise de dois métodos para o desenvolvimento de estratégias baseadas em aprendizado de máquina para o gerenciamento de energia em máquinas de construção. Um é baseado em aprendizado supervisionado e outro em aprendizado por reforço. Os métodos avaliados usam otimização para encontrar soluções otimizadas para o problema de controle dos sistemas, e usam aprendizado de máquina como meio para aprender e implementar as decisões de controle. Em ambos os métodos, modelos dos sistemas físicos são utilizados para o aprendizado e treinamento. A tese destaca e confirma através de resultados experimentais, o potencial destes métodos em obter estratégias de controle para estas máquinas. Os métodos estudados são capazes de aprender e implementar decisões de controle melhores nos sistemas reais resultando em potencial aumento de eficiência energética. Ao mesmo tempo, é mostrado a sua robustez na prática a cenários não vistos durante o treinamento, apesar de isso não eliminar a necessidade de continuar o treinamento depois de implementadas no sistema real. A tese também aumenta a compressão sobre gerenciamento de energia em máquinas de construção. A tese foi desenvolvida em formato de cotutela com a Universidade Federal de Santa Catarina, Florianópolis, Brasil, e a Universidade de Linköping, Linköping, Suécia.
Reference: RADUENZ, H. On Machine Learning-Based Control for Energy Management in Construction Machines. 2022, 104 p. Tese (Pós Graduação em Engenharia de Mecânica) – Universidade Federal de Santa Catarina – Linköping University.
