Idenficação de sistemas dinâmicos não-lineares utilizando modelos narmax racionais: aplicação a sistemas reais
AUTOR(ES)
Marcelo Vieira Correa
DATA DE PUBLICAÇÃO
1997
RESUMO
O objetivo deste trabalho é investigar aplicação da representação NARMAX racional para representar sistemas dinâmicos não-lineares e compará-la com a representação NARMAX polinomial. Esta estrutura é uma estrutura paramétrica do tipo entrada-saída, teoricamente capaz de representar uma ampla classe de sistemas não-lineares. O trabalho inicia-se com uma apresentação de cinco etapas necessárias para se obter modelos NARMAX polinomiais, abordando conceitos de agrupamentos de termos e pontos fixos para sua estrutura. A seguir é feita uma abordagem similar para a representação NARMAX racional. É apresentado um conjunto de rotinas para a identificação de modelos NARMAX racionais desenvolvido no ambiente MATLABTM. Ao longo deste trabalho são discutidos os principais problemas envolvidos na estimação de parâmetros dos modelos NARMAX racionais e algumas soluções são propostas. Finalmente, a estrutura NARMAX racional é usada na identificação de sistemas dinâmicos não-lineares reais, sendo testada na modelagem de um forno elétrico sem estrutura de isolamento térmico e no circuito caótico de Chua. Os regimes dinâmicos destes sistemas já tinham sido representados por modelos NARMAX polinomiais o que possibilitou a comparação com os modelos NARMAX racionais.
ASSUNTO(S)
engenharia elétrica teses. modelos matemáticos teses. controle de processo. teses.
ACESSO AO ARTIGO
http://hdl.handle.net/1843/BUOS-8D9JNDDocumentos Relacionados
- Identificação de sistemas dinâmicos não-lineares utilizando modelos NARMAX polinomiais: aplicação a sistemas reais
- Uma contribuição ao estudo de sistemas dinamicos giroscopicos não-lineares
- Estimação de estados com restrições para sistemas dinâmicos lineares e não-lineares
- Controle adaptativo de sistemas dinâmicos não-lineares utilizando realimentação de saída e redes neurais artificiais.
- Otimização dinâmica em tempo real utilizando modelos não-lineares simplificados