RESUMO -Neste trabalho foi desenvolvida uma estratégia para construção de um sensor virtual (soft sensor) para estimativa, eleminação de sinais ruidosos e controle de temperatura de um processo de agitação e com sistema de aquecimento. Na construção do sensor virtual foi empregada a modelagem semiempírica, através do Filtro de Kalman Estendido (FKE). O modelo dinâmico de inferência utilizando FKE foi construído em ambiente Matlab-Simulink®. Foram ara implementados um controle convencional realimentação e um controle cascata de temperatura. Verificou-se que, mesmo com sinais ruidosos na entrada do processo, o FKE apresentou valores satisfatórios quanto aos parâmetros da Média Quadrática do Erro (MSE) e Raiz da Média Quadrática do Erro (RMSE). Por fim, analisou-se que o controle realimentação e cascata proporcionaram uma minimização da resposta transiente de temperatura; de fato, o controle cascata mostrou-se mias robusto por apresentar menor sobre-elevação percentual e menores valores de critérios de erros integrais.
INTRODUÇÃOO controle automático de processo é fundamental no melhoramento e manutenção de produtos. O controle automático trata, dentre outros parâmetros, da manutenção das variáveis, das temperaturas, das pressões, dos fluxos, e das composições de processo em um valor desejado (SMITH e CORRIPIO, 2008). Devido à necessidade em manter variáveis em um valor requerido e também da dificuldade em realizar medições dessas variáveis, surgem então os sensores virtuais (soft sensors), que são modelos matemáticos implementados em softwares que utilizam medições secundárias para estimar variáveis de difícil medição. Na construção dos sensores virtuais, podem ser utilizados modelos de primeiro princípio (fenomenológicos), modelos de identificação e modelagem caixa cinza. Quando são utilizados modelos do tipo espaços de estados, é dado o nome de observador ou estimador de estados. O observador pode ser exato quando fornece o estado diretamente, ou assintótico quando seu limite tende ao estado exato para tempo infinito (MORAIS JÚNIOR, 2011).Normalmente ocorre, devido a desgastes ou falhas nos sensores, ou mesmo interferência de sinais ou limitações físicas, diferenças entre os modelos simulados e dados obtidos diretamente de processos reais operando, caracterizando os ruídos (AGUIRRE, 2007).