Estrutura neuro-fuzzy tipo-2 modificada para identificação e predição de comportamento de sistemas não lineares

Detalhes bibliográficos
Autor(a) principal: Cavalcante, Mário Sérgio Freitas Ferreira
Data de Publicação: 2023
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFRN
Texto Completo: https://repositorio.ufrn.br/handle/123456789/57837
Resumo: A identificação de sistemas é uma área de estudo da engenharia que busca encontrar modelos precisos e de baixo custo para descrever o comportamento dos sistemas. Esses modelos podem ser utilizados para prever o comportamento futuro, realizar simulações, ajustar parâmetros e otimizar o desempenho dos sistemas. A dificuldade na identificação de sistemas está na escolha adequada da estrutura do modelo, no número de parâmetros e no método de estimação. Diversas técnicas são uti- lizadas, como redes neurais, inteligência artificial e multimodelos polinomiais, para lidar com a complexidade das não-linearidades e obter modelos precisos. A tese proposta tem como objetivo desenvolver uma técnica de identificação de sis- temas que utilize informações de entrada/saída para obter um modelo válido, preciso, robusto e eficiente. A estratégia proposta combina a lógica fuzzy tipo-2 intervalar com a capacidade de treinamento de redes neurais. A ideia é obter uma estrutura generali- zada que permita a seleção e combinação de modelos locais para aproximar ou prever o comportamento do sistema. Os resultados foram obtidos utilizando três estudos de caso: a equação temporal caó- tica Mackey-Glass, um sistema de fornalhas e um sistema de tanques multisseção. Os resultados da rede proposta para a aproximação e previsão desses sistemas foram com- parados com técnicas da literatura, e a rede neuro-fuzzy intervalar tipo-2 modificada (MIT2FNN) apresentou valores de MSE menores do que as demais técnicas.
id UFRN_e6df8118cad57448c48760b98f6ae2c0
oai_identifier_str oai:https://repositorio.ufrn.br:123456789/57837
network_acronym_str UFRN
network_name_str Repositório Institucional da UFRN
repository_id_str
spelling Cavalcante, Mário Sérgio Freitas Ferreirahttp://lattes.cnpq.br/3876176661625657http://lattes.cnpq.br/5473196176458886Rocha, Thiago de Souzahttp://lattes.cnpq.br/2541078732974933Martins, Allan de Medeiroshttps://orcid.org/0000-0002-9486-4509http://lattes.cnpq.br/4402694969508077Lima, Jean Mario Moreira dehttp://lattes.cnpq.br/7467476735834560Araújo, Ícaro Bezerra Queiroz dehttps://orcid.org/0000-0002-6769-4946http://lattes.cnpq.br/5668210125232252Araújo, Fabio Meneghetti Ugulino de2024-03-08T21:19:27Z2024-03-08T21:19:27Z2023-12-11CAVALCANTE, Mário Sérgio Freitas Ferreira. Estrutura neuro-fuzzy tipo-2 modificada para identificação e predição de comportamento de sistemas não lineares. 2023. 88 f. Orientação: Prof. Dr. Fábio Meneghetti Ugulino de Araújo. Tese (doutorado) - Universidade Federal do Rio Grande do Norte, Centro de Tecnologia, Programa de Pós-graduação em Engenharia Elétrica e de Computação. Natal, RN, 2023.https://repositorio.ufrn.br/handle/123456789/57837A identificação de sistemas é uma área de estudo da engenharia que busca encontrar modelos precisos e de baixo custo para descrever o comportamento dos sistemas. Esses modelos podem ser utilizados para prever o comportamento futuro, realizar simulações, ajustar parâmetros e otimizar o desempenho dos sistemas. A dificuldade na identificação de sistemas está na escolha adequada da estrutura do modelo, no número de parâmetros e no método de estimação. Diversas técnicas são uti- lizadas, como redes neurais, inteligência artificial e multimodelos polinomiais, para lidar com a complexidade das não-linearidades e obter modelos precisos. A tese proposta tem como objetivo desenvolver uma técnica de identificação de sis- temas que utilize informações de entrada/saída para obter um modelo válido, preciso, robusto e eficiente. A estratégia proposta combina a lógica fuzzy tipo-2 intervalar com a capacidade de treinamento de redes neurais. A ideia é obter uma estrutura generali- zada que permita a seleção e combinação de modelos locais para aproximar ou prever o comportamento do sistema. Os resultados foram obtidos utilizando três estudos de caso: a equação temporal caó- tica Mackey-Glass, um sistema de fornalhas e um sistema de tanques multisseção. Os resultados da rede proposta para a aproximação e previsão desses sistemas foram com- parados com técnicas da literatura, e a rede neuro-fuzzy intervalar tipo-2 modificada (MIT2FNN) apresentou valores de MSE menores do que as demais técnicas.System identification is a crucial sphere of engineering dedicated to finding economical yet accurate models for fully understanding how systems behave. In effectuating this aim, these models predict future behavior while enabling simulations for optimization purposes inclusive of parameter adjustments where necessary for enhanced performance levels.However, what makes identifying systems challenging is the selection process regarding model structure choice and the estimation method used when making predictions concerning non-linearities present in complex phenomena affecting multiple variables. Nonetheless, experts have devised viable options toward precise modelling solutions by employing sophisticated techniques such as artificial intelligence algorithms or polynomial multi-model frameworks. he proposed thesis offers an approach that fuses interval type-2 fuzzy logic together with neural network training skills towards producing a generalized structure that enables both local model selection combined modeling which permits approximating or forecasting the behavior of any given system. The results were obtained using three case studies: the chaotic Mackey-Glass time equation, a furnace system, and a multisection tank system. The results of the pro- posed network for the approximation and prediction of these systems were compared with techniques from the literature, and the modified type-2 neuro-fuzzy interval network (MIT2FNN) showed lower mean squared error (MSE) values than the other techniques.Universidade Federal do Rio Grande do NortePROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃOUFRNBrasilCNPQ::CIENCIAS EXATAS E DA TERRAIdentificação de sistemasInteligência artificialModelos baseados em redes neuraiLógica fuzzy tipo-2 intervalarRede neuro-fuzzy intervalar tipo-2 modificada (MIT2FNN)Estrutura neuro-fuzzy tipo-2 modificada para identificação e predição de comportamento de sistemas não linearesinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALEstruturaNeuro-fuzzy_Cavalcante_2023application/pdf2026962https://repositorio.ufrn.br/bitstream/123456789/57837/1/EstruturaNeuro-fuzzy_Cavalcante_2023d40f46763b2d7f9675b946207fefdcfdMD51123456789/578372024-03-08 18:21:01.815oai:https://repositorio.ufrn.br:123456789/57837Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2024-03-08T21:21:01Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false
dc.title.pt_BR.fl_str_mv Estrutura neuro-fuzzy tipo-2 modificada para identificação e predição de comportamento de sistemas não lineares
title Estrutura neuro-fuzzy tipo-2 modificada para identificação e predição de comportamento de sistemas não lineares
spellingShingle Estrutura neuro-fuzzy tipo-2 modificada para identificação e predição de comportamento de sistemas não lineares
Cavalcante, Mário Sérgio Freitas Ferreira
CNPQ::CIENCIAS EXATAS E DA TERRA
Identificação de sistemas
Inteligência artificial
Modelos baseados em redes neurai
Lógica fuzzy tipo-2 intervalar
Rede neuro-fuzzy intervalar tipo-2 modificada (MIT2FNN)
title_short Estrutura neuro-fuzzy tipo-2 modificada para identificação e predição de comportamento de sistemas não lineares
title_full Estrutura neuro-fuzzy tipo-2 modificada para identificação e predição de comportamento de sistemas não lineares
title_fullStr Estrutura neuro-fuzzy tipo-2 modificada para identificação e predição de comportamento de sistemas não lineares
title_full_unstemmed Estrutura neuro-fuzzy tipo-2 modificada para identificação e predição de comportamento de sistemas não lineares
title_sort Estrutura neuro-fuzzy tipo-2 modificada para identificação e predição de comportamento de sistemas não lineares
author Cavalcante, Mário Sérgio Freitas Ferreira
author_facet Cavalcante, Mário Sérgio Freitas Ferreira
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/3876176661625657
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/5473196176458886
dc.contributor.referees1.none.fl_str_mv Rocha, Thiago de Souza
dc.contributor.referees1Lattes.pt_BR.fl_str_mv http://lattes.cnpq.br/2541078732974933
dc.contributor.referees2.none.fl_str_mv Martins, Allan de Medeiros
dc.contributor.referees2ID.pt_BR.fl_str_mv https://orcid.org/0000-0002-9486-4509
dc.contributor.referees2Lattes.pt_BR.fl_str_mv http://lattes.cnpq.br/4402694969508077
dc.contributor.referees3.none.fl_str_mv Lima, Jean Mario Moreira de
dc.contributor.referees3Lattes.pt_BR.fl_str_mv http://lattes.cnpq.br/7467476735834560
dc.contributor.referees4.none.fl_str_mv Araújo, Ícaro Bezerra Queiroz de
dc.contributor.referees4ID.pt_BR.fl_str_mv https://orcid.org/0000-0002-6769-4946
dc.contributor.referees4Lattes.pt_BR.fl_str_mv http://lattes.cnpq.br/5668210125232252
dc.contributor.author.fl_str_mv Cavalcante, Mário Sérgio Freitas Ferreira
dc.contributor.advisor1.fl_str_mv Araújo, Fabio Meneghetti Ugulino de
contributor_str_mv Araújo, Fabio Meneghetti Ugulino de
dc.subject.cnpq.fl_str_mv CNPQ::CIENCIAS EXATAS E DA TERRA
topic CNPQ::CIENCIAS EXATAS E DA TERRA
Identificação de sistemas
Inteligência artificial
Modelos baseados em redes neurai
Lógica fuzzy tipo-2 intervalar
Rede neuro-fuzzy intervalar tipo-2 modificada (MIT2FNN)
dc.subject.por.fl_str_mv Identificação de sistemas
Inteligência artificial
Modelos baseados em redes neurai
Lógica fuzzy tipo-2 intervalar
Rede neuro-fuzzy intervalar tipo-2 modificada (MIT2FNN)
description A identificação de sistemas é uma área de estudo da engenharia que busca encontrar modelos precisos e de baixo custo para descrever o comportamento dos sistemas. Esses modelos podem ser utilizados para prever o comportamento futuro, realizar simulações, ajustar parâmetros e otimizar o desempenho dos sistemas. A dificuldade na identificação de sistemas está na escolha adequada da estrutura do modelo, no número de parâmetros e no método de estimação. Diversas técnicas são uti- lizadas, como redes neurais, inteligência artificial e multimodelos polinomiais, para lidar com a complexidade das não-linearidades e obter modelos precisos. A tese proposta tem como objetivo desenvolver uma técnica de identificação de sis- temas que utilize informações de entrada/saída para obter um modelo válido, preciso, robusto e eficiente. A estratégia proposta combina a lógica fuzzy tipo-2 intervalar com a capacidade de treinamento de redes neurais. A ideia é obter uma estrutura generali- zada que permita a seleção e combinação de modelos locais para aproximar ou prever o comportamento do sistema. Os resultados foram obtidos utilizando três estudos de caso: a equação temporal caó- tica Mackey-Glass, um sistema de fornalhas e um sistema de tanques multisseção. Os resultados da rede proposta para a aproximação e previsão desses sistemas foram com- parados com técnicas da literatura, e a rede neuro-fuzzy intervalar tipo-2 modificada (MIT2FNN) apresentou valores de MSE menores do que as demais técnicas.
publishDate 2023
dc.date.issued.fl_str_mv 2023-12-11
dc.date.accessioned.fl_str_mv 2024-03-08T21:19:27Z
dc.date.available.fl_str_mv 2024-03-08T21:19:27Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv CAVALCANTE, Mário Sérgio Freitas Ferreira. Estrutura neuro-fuzzy tipo-2 modificada para identificação e predição de comportamento de sistemas não lineares. 2023. 88 f. Orientação: Prof. Dr. Fábio Meneghetti Ugulino de Araújo. Tese (doutorado) - Universidade Federal do Rio Grande do Norte, Centro de Tecnologia, Programa de Pós-graduação em Engenharia Elétrica e de Computação. Natal, RN, 2023.
dc.identifier.uri.fl_str_mv https://repositorio.ufrn.br/handle/123456789/57837
identifier_str_mv CAVALCANTE, Mário Sérgio Freitas Ferreira. Estrutura neuro-fuzzy tipo-2 modificada para identificação e predição de comportamento de sistemas não lineares. 2023. 88 f. Orientação: Prof. Dr. Fábio Meneghetti Ugulino de Araújo. Tese (doutorado) - Universidade Federal do Rio Grande do Norte, Centro de Tecnologia, Programa de Pós-graduação em Engenharia Elétrica e de Computação. Natal, RN, 2023.
url https://repositorio.ufrn.br/handle/123456789/57837
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 Universidade Federal do Rio Grande do Norte
dc.publisher.program.fl_str_mv PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO
dc.publisher.initials.fl_str_mv UFRN
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Universidade Federal do Rio Grande do Norte
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRN
instname:Universidade Federal do Rio Grande do Norte (UFRN)
instacron:UFRN
instname_str Universidade Federal do Rio Grande do Norte (UFRN)
instacron_str UFRN
institution UFRN
reponame_str Repositório Institucional da UFRN
collection Repositório Institucional da UFRN
bitstream.url.fl_str_mv https://repositorio.ufrn.br/bitstream/123456789/57837/1/EstruturaNeuro-fuzzy_Cavalcante_2023
bitstream.checksum.fl_str_mv d40f46763b2d7f9675b946207fefdcfd
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)
repository.mail.fl_str_mv
_version_ 1802117885785538560

Registros relacionados