---

No presente trabalho, é realizada a modelagem e identifica‡Æo de um serovoposicionador hidráulico de uma bancada de testes. As expressäes analíticas tradicionalmente utilizadas em uma estratégia em cascata aplicada ao controle de trajetória de posi‡Æo sÆo obtidas. A estratégia em questÆo utiliza, conjuntamente, a lineariza‡Æo por realimenta‡Æo como lei de controle do subsistema hidráulico e a lei de controle de Slotine e Li no subsistema mecânico. Com base na mesma estratégia, um controlador em cascata neural é proposto. Em tal controlador, a fun‡Æo analítica que representa o mapa inverso, presente na lineariza‡Æo por realimenta‡Æo, e a fun‡Æo de compensa‡Æo de atrito utilizada na lei de Slotine e Li sÆo substituídas por fun‡äes constituidas por meio de redes neurais de perceptrons de múltiplas camadas. Essas redes neurais têm como entradas os estados do sistema e também a temperatura do fluido hidráulico. O novo controlador é apresentado em uma versÆo onde as redes neurais sÆo aplicadas sem modifica‡äes on-line e em outra, onde sÆo apresentadas leis de controle adaptativo para as mesmas. A prova de estabilidade do sistema em malha fechada é apresentada em ambos os casos.

---

Borges, Fabio Augusto Pires
Fabio A. P. Borges é graduado em Engenharia Elétrica pela PUC-RS, possui mestrado em Engenharia Elétrica pela UFSC e doutorado em Engenharia pela UFRGS. Atua como professor na Universidade Federal de Rio Grande (FURG). Dr.Eduardo Perondi é professor associado do Departamento de Engenharia Mecânica da Universidade Federal do Rio Grande do Sul.

---