| spelling |
Luis Antonio AguirreAntonio de Padua BragaWalmir Matos CaminhasMarcelo Vieira CorreaGleison Fransoares Vasconcelos Amaral2019-08-14T02:40:50Z2019-08-14T02:40:50Z2001-10-28http://hdl.handle.net/1843/BUOS-8D8EZLEste trabalho investiga o uso de redes neurais artificiais do tipo perceptron de múltiplas camadas MLP na identificação de sistemas dinâmicos não-lineares. As principais questões investigadas foram a possibilidade e a viabilidade de se utilizar informação a priori tanto para restringir a topologia da rede quanto os pesos da mesma durante o treinamento. A fim de testar algumas hipóteses, trabalho-se com dois estudos de casa, que têm se tornado teste de bancada na identificação de sistemas não-lineares. Os sistemas usados foram o oscilador de Duffing-Ueda, o objetivo principal foi o de treinar uma rede afim de reproduzir a bifurcação do tipo forquilha. Para esse fim, utilizou-se informação sobre simetria dos pontos fixos do sistema autônomo para restringir a topologia da rede. Para o caso do aquecedor elétrico, o objetivo básico foi treinar uma rede de tal maneira a garantir que a mesma tivesse o comportamento em estado estacionário conhecido previamente do sistema. Os principais resultados mostrara que foi possível treinar uma rede que reproduz muito bem o diagrama de bifurcação do sistema de Duffing-Ueda, dentro da faixa de parâmetros investigada, inclusive apresentando a bifurcação do tipo forquilha. Até onde vai o conhecimento dos autores, redes MLP com tais características ainda não foram divulgadas na literatura internacional. O uso da informação de simetria de pontos fixos parace ter sido importante na obtenção desse resultado. Foi obtida uma rede que representa tanto a dinâmica quanto o estado estacionário de um aquecedor elétrico para isso utilizando restrições sobre os pesos da rede durante seu treinamento. A comparação das técnicas de poda investigadas mostrou que em geral, elas conseguem reduzir o tamanho da rede sem significativa perda desempenho, mas não foi possível melhorar o desempenho em estado estacionário usando tais ferramentas. Assim, acredita-se que os procedimentos desenvolvidos e testados neste trabalho, têm um importante potencial no uso de redes neurais em problemas de identificação de sistemas não-lineares.This work investigates the use of artificial neural networks like multilayer perceptron MLP in identifying nonlinear dynamic systems. The main issues investigated were the possibility and feasibility of using a priori information to both constrain the network topology and the weights of the same during training. In order to test hypotheses, work with two home studies, which have become "test bench" in the identification of nonlinear systems. The systems used were the Duffing-Ueda oscillator, the main objective was to train a network in order to reproduce the bifurcation of the wishbone. To this end, we used information on symmetry of fixed points of the autonomous system to restrict the network topology. For the case of electric heater, the basic objective was to train a network in such a way as to ensure that the same behavior had previously known steady-state system. The main results have shown that it was possible to train a network that reproduces well the bifurcation diagram of the Duffing-Ueda system, within the range of parameters investigated, including presenting the bifurcation of the wishbone. How far does the authors' knowledge, MLP networks with such characteristics have not been reported in the literature. The use of symmetry information of fixed points Seems to have been important in achieving this result. Was obtained from a network that represents both dynamic and steady state of an electric heater to do this using constraints on the weights of the network during its training. A comparison of pruning techniques investigated showed that in general, they can reduce the network size without significant performance loss, but could not improve performance in steady state using such tools. Thus, it is believed that the procedures developed and tested in this work, have an important potential use of neural networks in problems of identification of nonlinear systems.Universidade Federal de Minas GeraisUFMGEngenharia elétricaEngenharia ElétricaUso de redes neurais e conhecimento a priori na identificação de sistemas dinâmicos não lineares.info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALgleison_fransoares_vasconcelos_amaral.pdfapplication/pdf1644145https://repositorio.ufmg.br/bitstream/1843/BUOS-8D8EZL/1/gleison_fransoares_vasconcelos_amaral.pdf3f950e74acf20c81e3040b6a7c3326b0MD51TEXTgleison_fransoares_vasconcelos_amaral.pdf.txtgleison_fransoares_vasconcelos_amaral.pdf.txtExtracted texttext/plain146606https://repositorio.ufmg.br/bitstream/1843/BUOS-8D8EZL/2/gleison_fransoares_vasconcelos_amaral.pdf.txt07855d7b918e886854466a5a9e750740MD521843/BUOS-8D8EZL2019-11-14 13:20:51.119oai:repositorio.ufmg.br:1843/BUOS-8D8EZLRepositório InstitucionalPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T16:20:51Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false
|