Estrutura neuro-fuzzy tipo-2 modificada para identificação e predição de comportamento de sistemas não lineares
Autor(a) principal: | |
---|---|
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 |