[en] IDENTIFICATION OF MECHANICAL SYSTEMS PARAMETERS THROUGH INVERSE PROBLEM S RESOLUTION WITH BAYESIAN STATISTICAL INFERENCE

Detalhes bibliográficos
Autor(a) principal: MARIO GERMAN SANDOVAL
Data de Publicação: 2015
Tipo de documento: Outros
Idioma: por
Título da fonte: Repositório Institucional da PUC-RIO (Projeto Maxwell)
Texto Completo: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=23861@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=23861@2
http://doi.org/10.17771/PUCRio.acad.23861
Resumo: [pt] O problema de estimação pode ser entendido como um caso particular dos problemas inversos. Dadas observações da resposta de um sistema para certas causas, deseja-se estimar certas características do sistema. Essas características, em um sistema dinâmico, geralmente são representadas por parâmetros. Assim, para uma representação físico-matemática do sistema, dada uma excitação e observando a resposta, é possível obter uma estimação dos parâmetros. A estimação paramétrica é de grande importância e utilizada em diversas situações, desde experimentalistas, ao observar fenômenos no laboratório, até quem estuda o comportamento de setores sociais por amostras populacionais. A parte inicial desta dissertação apresenta uma breve introdução ao problema inverso do marco da estatística Bayesiana. Neste marco trata-se a estimação paramétrica como resultado da resolução de um problema inverso. Duas técnicas de estimação s ao deduzidas a partir da inferência estatística Bayesiana. A primeira delas, mínimos quadrados, coleta todos os dados e logo faz a estimação. A segunda, filtro de Kalman (e filtro de Kalman extendido), melhora o estado do conhecimento dos parâmetros a serem estimados a cada nova observação. Para a abordagem destas técnicas de estimação, de modo de poder compará-las, é apresentada a resolução analítica de um sistema harmônico de um e dois graus de liberdade. Por último, é apresentada uma modelagem de uma bancada experimental, em escala de laboratório, que emula uma coluna de perfura ção acoplada a um motor. Esta bancada foi desenvolvida para estudos de dinâmica torcional, na dissertação de mestrado de Bruno C. Cayres A., de modo que aqui só é de interesse a caracterização da mesma. As técnicas de estimação paramétrica são usadas de forma teórica, simulando os dados a partir de soluções analíticas para diferentes parâmetros da modelagem do motor e da coluna. Também usa-se medições feitas na bancada para estimar os parâmetros da modelagem, obtendo assim um conhecimento melhorado dos parâmetros envolvidos no sistema coluna-motor.
id PUC_RIO-1_2eb0129e884d6ed406c6f6472692fca7
oai_identifier_str oai:MAXWELL.puc-rio.br:23861
network_acronym_str PUC_RIO-1
network_name_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository_id_str 534
spelling [en] IDENTIFICATION OF MECHANICAL SYSTEMS PARAMETERS THROUGH INVERSE PROBLEM S RESOLUTION WITH BAYESIAN STATISTICAL INFERENCE [pt] IDENTIFICAÇÃO DE PARÂMETROS EM SISTEMAS MECÂNICOS ATRAVÉS DA RESOLUÇÃO DO PROBLEMA INVERSO COM INFERÊNCIA ESTATÍSTICA BAYESIANA [pt] FILTRO DE KALMAN[pt] INFERENCIA ESTATISTICA BAYESIANA[pt] PROBLEMAS INVERSOS[pt] MINIMOS QUADRADOS[en] KALMAN FILTER[en] BAYESIAN STATISTICAL INFERENCE[en] INVERSE PROBLEMS[en] LEAST SQUARES[pt] O problema de estimação pode ser entendido como um caso particular dos problemas inversos. Dadas observações da resposta de um sistema para certas causas, deseja-se estimar certas características do sistema. Essas características, em um sistema dinâmico, geralmente são representadas por parâmetros. Assim, para uma representação físico-matemática do sistema, dada uma excitação e observando a resposta, é possível obter uma estimação dos parâmetros. A estimação paramétrica é de grande importância e utilizada em diversas situações, desde experimentalistas, ao observar fenômenos no laboratório, até quem estuda o comportamento de setores sociais por amostras populacionais. A parte inicial desta dissertação apresenta uma breve introdução ao problema inverso do marco da estatística Bayesiana. Neste marco trata-se a estimação paramétrica como resultado da resolução de um problema inverso. Duas técnicas de estimação s ao deduzidas a partir da inferência estatística Bayesiana. A primeira delas, mínimos quadrados, coleta todos os dados e logo faz a estimação. A segunda, filtro de Kalman (e filtro de Kalman extendido), melhora o estado do conhecimento dos parâmetros a serem estimados a cada nova observação. Para a abordagem destas técnicas de estimação, de modo de poder compará-las, é apresentada a resolução analítica de um sistema harmônico de um e dois graus de liberdade. Por último, é apresentada uma modelagem de uma bancada experimental, em escala de laboratório, que emula uma coluna de perfura ção acoplada a um motor. Esta bancada foi desenvolvida para estudos de dinâmica torcional, na dissertação de mestrado de Bruno C. Cayres A., de modo que aqui só é de interesse a caracterização da mesma. As técnicas de estimação paramétrica são usadas de forma teórica, simulando os dados a partir de soluções analíticas para diferentes parâmetros da modelagem do motor e da coluna. Também usa-se medições feitas na bancada para estimar os parâmetros da modelagem, obtendo assim um conhecimento melhorado dos parâmetros envolvidos no sistema coluna-motor.[en] The estimation problem can be understood as a particular case of an inverse problem. Given observations of the response of a system, due to certain causes, one wants to estimate certain characteristics of the problem. These features, in a dynamic system, are usually represented by parameters. Thus, for a mathematical representation of the physical system, given an excitation and given the observing response, it is possible to give an estimation of the parameters. The parameter estimation is of great importance and used in countless situations, such as experimental obseration of a phenomena in the laboratory or even by those who study the behaviors social sectors by population samples. The initial part of this dissertation presents a brief introduction to the inverse problem the framework of the Bayesian statistics. In this context, the parametric estimation is a result of the resolution of an inverse problem. Two estimation techniques are derived from the Bayesian statistical inference. The first of these, least squares, collects all the data and then makes the estimation. The second, Kalman filter (and extended filter Kalman), improves the state of knowledge of the parameters to be estimated, with each new observation. To address these estimation techniques, in order to be able to compare them, presents the analytical resolution of a harmonious system of one and two degrees of freedom. Finally, it is presented a model for an experimental setup, in laboratory scale, which emulates a drillstring coupled to a motor. This experimental setup was developed to study the dynamic torsional and by the author of the dissertation of Bruno C. Cayres A., the mode that is of interest here only the characterization of it. These techniques are used for parameter estimation in theoretical way, simulating data from the analytical solutions, for different parameters involved in the column-motor modeling. Also, we use measurements obtained from the experimental setup to estimate the parameters of the column-motor model. Thereby, we obtain an improved knowledge of the parameters involved in the column-motor.MAXWELLRUBENS SAMPAIO FILHOMARIO GERMAN SANDOVAL2015-01-12info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/otherhttps://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=23861@1https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=23861@2http://doi.org/10.17771/PUCRio.acad.23861porreponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)instacron:PUC_RIOinfo:eu-repo/semantics/openAccess2019-08-21T00:00:00Zoai:MAXWELL.puc-rio.br:23861Repositório InstitucionalPRIhttps://www.maxwell.vrac.puc-rio.br/ibict.phpopendoar:5342019-08-21T00:00Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)false
dc.title.none.fl_str_mv [en] IDENTIFICATION OF MECHANICAL SYSTEMS PARAMETERS THROUGH INVERSE PROBLEM S RESOLUTION WITH BAYESIAN STATISTICAL INFERENCE
[pt] IDENTIFICAÇÃO DE PARÂMETROS EM SISTEMAS MECÂNICOS ATRAVÉS DA RESOLUÇÃO DO PROBLEMA INVERSO COM INFERÊNCIA ESTATÍSTICA BAYESIANA
title [en] IDENTIFICATION OF MECHANICAL SYSTEMS PARAMETERS THROUGH INVERSE PROBLEM S RESOLUTION WITH BAYESIAN STATISTICAL INFERENCE
spellingShingle [en] IDENTIFICATION OF MECHANICAL SYSTEMS PARAMETERS THROUGH INVERSE PROBLEM S RESOLUTION WITH BAYESIAN STATISTICAL INFERENCE
MARIO GERMAN SANDOVAL
[pt] FILTRO DE KALMAN
[pt] INFERENCIA ESTATISTICA BAYESIANA
[pt] PROBLEMAS INVERSOS
[pt] MINIMOS QUADRADOS
[en] KALMAN FILTER
[en] BAYESIAN STATISTICAL INFERENCE
[en] INVERSE PROBLEMS
[en] LEAST SQUARES
title_short [en] IDENTIFICATION OF MECHANICAL SYSTEMS PARAMETERS THROUGH INVERSE PROBLEM S RESOLUTION WITH BAYESIAN STATISTICAL INFERENCE
title_full [en] IDENTIFICATION OF MECHANICAL SYSTEMS PARAMETERS THROUGH INVERSE PROBLEM S RESOLUTION WITH BAYESIAN STATISTICAL INFERENCE
title_fullStr [en] IDENTIFICATION OF MECHANICAL SYSTEMS PARAMETERS THROUGH INVERSE PROBLEM S RESOLUTION WITH BAYESIAN STATISTICAL INFERENCE
title_full_unstemmed [en] IDENTIFICATION OF MECHANICAL SYSTEMS PARAMETERS THROUGH INVERSE PROBLEM S RESOLUTION WITH BAYESIAN STATISTICAL INFERENCE
title_sort [en] IDENTIFICATION OF MECHANICAL SYSTEMS PARAMETERS THROUGH INVERSE PROBLEM S RESOLUTION WITH BAYESIAN STATISTICAL INFERENCE
author MARIO GERMAN SANDOVAL
author_facet MARIO GERMAN SANDOVAL
author_role author
dc.contributor.none.fl_str_mv RUBENS SAMPAIO FILHO
dc.contributor.author.fl_str_mv MARIO GERMAN SANDOVAL
dc.subject.por.fl_str_mv [pt] FILTRO DE KALMAN
[pt] INFERENCIA ESTATISTICA BAYESIANA
[pt] PROBLEMAS INVERSOS
[pt] MINIMOS QUADRADOS
[en] KALMAN FILTER
[en] BAYESIAN STATISTICAL INFERENCE
[en] INVERSE PROBLEMS
[en] LEAST SQUARES
topic [pt] FILTRO DE KALMAN
[pt] INFERENCIA ESTATISTICA BAYESIANA
[pt] PROBLEMAS INVERSOS
[pt] MINIMOS QUADRADOS
[en] KALMAN FILTER
[en] BAYESIAN STATISTICAL INFERENCE
[en] INVERSE PROBLEMS
[en] LEAST SQUARES
description [pt] O problema de estimação pode ser entendido como um caso particular dos problemas inversos. Dadas observações da resposta de um sistema para certas causas, deseja-se estimar certas características do sistema. Essas características, em um sistema dinâmico, geralmente são representadas por parâmetros. Assim, para uma representação físico-matemática do sistema, dada uma excitação e observando a resposta, é possível obter uma estimação dos parâmetros. A estimação paramétrica é de grande importância e utilizada em diversas situações, desde experimentalistas, ao observar fenômenos no laboratório, até quem estuda o comportamento de setores sociais por amostras populacionais. A parte inicial desta dissertação apresenta uma breve introdução ao problema inverso do marco da estatística Bayesiana. Neste marco trata-se a estimação paramétrica como resultado da resolução de um problema inverso. Duas técnicas de estimação s ao deduzidas a partir da inferência estatística Bayesiana. A primeira delas, mínimos quadrados, coleta todos os dados e logo faz a estimação. A segunda, filtro de Kalman (e filtro de Kalman extendido), melhora o estado do conhecimento dos parâmetros a serem estimados a cada nova observação. Para a abordagem destas técnicas de estimação, de modo de poder compará-las, é apresentada a resolução analítica de um sistema harmônico de um e dois graus de liberdade. Por último, é apresentada uma modelagem de uma bancada experimental, em escala de laboratório, que emula uma coluna de perfura ção acoplada a um motor. Esta bancada foi desenvolvida para estudos de dinâmica torcional, na dissertação de mestrado de Bruno C. Cayres A., de modo que aqui só é de interesse a caracterização da mesma. As técnicas de estimação paramétrica são usadas de forma teórica, simulando os dados a partir de soluções analíticas para diferentes parâmetros da modelagem do motor e da coluna. Também usa-se medições feitas na bancada para estimar os parâmetros da modelagem, obtendo assim um conhecimento melhorado dos parâmetros envolvidos no sistema coluna-motor.
publishDate 2015
dc.date.none.fl_str_mv 2015-01-12
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/other
format other
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=23861@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=23861@2
http://doi.org/10.17771/PUCRio.acad.23861
url https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=23861@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=23861@2
http://doi.org/10.17771/PUCRio.acad.23861
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv MAXWELL
publisher.none.fl_str_mv MAXWELL
dc.source.none.fl_str_mv reponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)
instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron:PUC_RIO
instname_str Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron_str PUC_RIO
institution PUC_RIO
reponame_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
collection Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository.name.fl_str_mv Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
repository.mail.fl_str_mv
_version_ 1814822589027057664