Neste trabalho estuda-se a identificação não linear para encontrar os modelos matemáticos de três variáveis de processo (Temperatura, Nível e pH) de uma planta de neutralização de pH. São utilizadas estruturas não lineares do tipo NARX e Hammerstein-Wiener para descrever a dinâmica destas três variáveis e determinar qual destes modelos representa melhor cada variável a ser controlada. Esses modelos são avaliados usando a validação cruzada e comparados usando o índice FIT de cada modelo. Os experimentos de identificação foram realizados considerando cada variável como sistema SISO. A parte experimental deste trabalho foi dividida em duas partes: pré-teste e teste de identificação. O pré-teste foi realizado para cada uma das três variáveis em malha aberta e fechada, isto para obter a primeira aproximação do modelo da cada variável usando uma função de transferência de primeira ordem com atraso puro e posteriormente escolher uma função de transferência de cada variável e com isto calcular os parâmetros do sinal de excitação (tempo de amostragem, tempo de coleta de dados) a partir do tempo de acomodação e constante de tempo da função de transferência. Na segunda parte são realizados os testes de identificação não linear com sinais PRBS e GMN em malha aberta e fechada. Para o caso dos testes em malha fechada, foi utilizado um controlador PI para cada variável controlada. Neste trabalho também são apresentados os passos para realizar a identificação de um sistema não linear. Finalmente, os modelos NARX e Hammerstein-Wiener que foram obtido foram satisfatórios, para as variáveis de temperatura e nível ficou melhor quando o sistema foi excitado com sinal PRBS e no caso da variável de pH com sinal GMN.

In this work it is studied the nonlinear identification to find the mathematical models of three process variables (Temperature, Level and pH) of a pH neutralization plant. The nonlinear structures NARX and Hammerstein-Wiener were used to describe the dynamics of these three variables and to determine the models that best represents each variable. These models are evaluated using cross-validation and compared using the FIT index of each model. The identification experiments were performed considering each variables as SISO system. The experimental part of this work was divided into two parts: pretest and identification test. The pre-test was performed for each of the three variables in open and closed loop, to obtain the first approximation of the model of each variable using a first order plus dead time transfer function and then to choose a transfer function for each variable and thereby to design the excitation signal parameters (sampling time, data collection time) from the settling time and the transfer function time constant. In the second part, the nonlinear identification tests in open and closed loop using PRBS and GMN signals were performed. For the closed-loop tests, a PI controller was used for each controlled variable. In this work also are presented the steps to identify a non linear system. Finally, the NARX and Hammerstein-Wiener models that were obtained are satisfactory, for the temperature and level variables were better when the system was excited with PRBS signal and in the case of the pH variable with GMN signal.