Visão geral:- Este livro aborda a teoria do controle preditivo baseado em modelo (MPC), com ênfase em tópicos avançados.- Os aspectos do MPC são apresentados por meio de abordagens multivariáveis (MIMO), em espaço de estados, com atrasos, e com dinâmicas não lineares. Também são explorados algoritmos de otimização para a implementação prática dos controladores.- O livro é escrito em estilo didático e técnico, combinando explicações teóricas, estudos de caso industriais e exercícios práticos.- Inclui material suplementar com simuladores e códigos dos controladores estudados, disponível no site: https://danielml.paginas.ufsc.br/livro-mpc/Sobre este livro:Este volume aprofunda a teoria e a prática do controle preditivo (MPC) para sistemas multivariáveis. Inicia com a revisão dos conceitos SISO, seguida pelo estudo dos controladores DMC e GPC em suas versões MIMO. Em seguida, apresenta o controle preditivo baseado em modelos em espaço de estados (SSMPC), cobrindo desde formulações básicas até exemplos com restrições.O capítulo 1 aborda a proposta do Volume 2, destacando sua continuidade em relação ao Volume 1, com foco em tópicos avançados do controle preditivo baseado em modelo (MPC), especialmente para sistemas multivariáveis. Também apresenta os pré-requisitos necessários para a leitura, como conhecimentos prévios em MPC SISO. Já o capítulo 2 revisita os conceitos fundamentais do MPC SISO, reforçando a notação, a estrutura dos algoritmos DMC e GPC, e apresentando um estudo de caso prático que ilustra o potencial do MPC no controle de processos industriais com múltiplas variáveis.O capítulo 3 aborda a generalização dos algoritmos DMC e GPC para sistemas multivariáveis (MIMO), tratando os desafios de interação entre variáveis manipuladas e controladas, e discutindo a formulação das leis de controle e das predições. Em seguida, o capítulo 4 introduz o controle preditivo baseado em modelos em espaço de estados (SSMPC), uma abordagem robusta e amplamente utilizada em aplicações teóricas.O Capítulo 5 é dedicado ao controle preditivo não linear (NMPC), abrangendo abordagens diretas, autoadaptativas (NEPSAC) e práticas (PNMPC). O Capítulo 6 discute o MPC em processos com atraso, com foco em estruturas compensadoras e estratégias robustas. Já o Capítulo 7 trata dos algoritmos de otimização essenciais para a implementação de MPCs em tempo real, como métodos de ponto interior, projeção de gradiente e operadores de partição.Ao final de