Identificação multiobjetivo de sistemas não-lineares

• Autor(a) principal: Erivelton Geraldo Nepomuceno
• Data de Publicação: 2002
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/RHCT-5F2HJS
• topic: Engenharia Elétrica; Engenharia elétrica

A identificação de sistemas estuda como modelar e analisar a partir de dados. Em situações práticas é comum coletar um conjunto limitado de dados, corrompido por ruído e de caráter local. Nessas situações, se forem considerados apenas os dados coletados, dificilmente um modelo não-linear adequado será obtido. As primeiras tentativas de resolver esse problema usam uma metodologia mono-objetivo, em que o erro de predição é objetivo a ser minimizado e a informação auxiliar é incorporada na forma, de restrição, usando técnicas de otimização mono-objetivo. Tal abordagem, contudo, não coloca em perspectiva a determinação de um conjunto de soluções dentro do qual se verifica o compromisso entre os diversos objetivos. O conjunto dessas soluções é chamado Pareto-ótimo. Este trabalho emprega técnicas multiobjetivo na identificação de sistemas não-lineares e apresenta uma estrutura sistemática de incorporação de informação auxiliar. Tal procedimento recebeu o nome de identificação multiobjetivo. A representação NARMAX (Nonlinear AutoRegressive Moving Average model with eXogenous input) foi escolhida por permitir a incorporação de informação auxiliar, particularmente a respeito de pontos fixos e da curva estática. A metodologia proposta foi aplicada na modelagem de dois sistemas caóticos (o circuito de Chua e o mapa senoidal), um aquecedor elétrico, um conversor buck e um compensador de reativos (o TCSC Tryristor Controlled Series Capacitor, ou capacitor série controlado a tiristor). As soluções finais dos diversos problemas, que pertencem ao Pareto-ótimo em cada caso, foram escolhidas através da análise de preferência a priori e a posteriori e de dois decisores: um baseado no equilíbrio de polarização e variância e outro, desenvolvido nesse trabalho, baseado na norma mínima dos objetivos normalizados. Verificou- se que a identificação multiobjetivos de sistemas não-lineares é realizável. A determinação de soluções pertencentes ao Pareto-ótimo permite o estudo, nesse conjunto, da maneira como variam propriedades relevantes dos modelos e, com base nessa análise, a escolha dos modelos identificados mais adequados às necessidades específicas de cada situação. A possibilidade dessa análise é a principal vantagem da metodologia multiobjetivo.