Avaliação experimental de redes neurais artificiais recorrentes para identificação de sistemas dinâmicos: um estudo de caso

Detalhes bibliográficos
Autor(a) principal: Schwedersky, Bernardo Barancelli
Data de Publicação: 2017
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/188080
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2017.
id UFSC_544b42a798ed03b72c01428896814a43
oai_identifier_str oai:repositorio.ufsc.br:123456789/188080
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Avaliação experimental de redes neurais artificiais recorrentes para identificação de sistemas dinâmicos: um estudo de casoEngenharia de sistemasAutomaçãoRedes neurais (Computação)Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2017.Este trabalho apresenta um estudo experimental de redes neurais arti?cias recorrentes em problemas de identi?cação de sistemas dinâmicos não lineares. Três arquiteturas recorrentes encontradas na literatura foram empregadas em um estudo de caso que consiste na identi?cação do comportamento dinâmico de uma bancada de ensaios que reproduz as possíveis condições de operação de compressores de refrigeração em sistemas (refrigeradores, congeladores, expositores, entre outros). As três arquiteturas exploradas no trabalho são: a rede não linear autorregressiva com entradas exógenas, a rede perceptron de múltiplas camadas recorrente e a rede de estado de eco. Os modelos treinados empregando cada arquitetura foram testados em tarefas de simulação e predição e os resultados experimentais mostram que as três arquiteturas são capazes de modelar de forma satisfatória os principais elementos da resposta dinâmica do sistema empregado como estudo de caso. Os modelos que empregaram redes de estado de eco apresentaram tempos de treinamento cerca de mil vezes menores que os apresentados pelas demais redes, o que facilita a otimização do processo de treinamento e permite que sejam alcançados resultados melhores tanto para tarefas de simulação quanto predição. O melhor resultado foi obtido por uma das abordagens que empregou redes de estado de eco, a qual alcançou erros para a tarefa de simulação 10% menores que os obtidos pela rede perceptron de múltiplas camadas recorrente e até 55% menores que os obtidos pela rede não linear autorregressiva com entradas exógenas.Abstract : This work presents an experimental study about the use of recurrent artificial neural networks for the identification of nonlinear dynamic systems. Three recurrent architectures from literature are used in a case study, which consists in the identification of the dynamic behavior of a test rig that can impose to a refrigeration compressor the possible operating conditions found in cooling systems (refrigerators, freezers, beverage coolers, among others). The three architectures explored in the work are: the nonlinear autoregressive network with exogenous inputs, the recurrent multilayer perceptron network, and the echo state network. The trained models were tested in simulation and prediction tasks and the experimental results showed that the three architectures are able to satisfactorily model the main dynamics of the system used as case study. The models that used echo state networks presented training times about a thousand times shorter than the ones presented by the other architectures, which makes the optimization of the training process easier and allows better results to be obtained for both simulation and prediction tasks. The best results were obtained by an echo state network implementation, which presented an error 10% lower than a recurrent multilayer perceptron implementation and 55% lower than a nonlinear autoregressive with exogenous input network, for the simulation task.Flesch, Rodolfo César CostaUniversidade Federal de Santa CatarinaSchwedersky, Bernardo Barancelli2018-07-12T04:04:23Z2018-07-12T04:04:23Z2017info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis123 p.| il., gráfs., tabs.application/pdf352293https://repositorio.ufsc.br/handle/123456789/188080porreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccess2018-07-12T04:04:23Zoai:repositorio.ufsc.br:123456789/188080Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732018-07-12T04:04:23Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Avaliação experimental de redes neurais artificiais recorrentes para identificação de sistemas dinâmicos: um estudo de caso
title Avaliação experimental de redes neurais artificiais recorrentes para identificação de sistemas dinâmicos: um estudo de caso
spellingShingle Avaliação experimental de redes neurais artificiais recorrentes para identificação de sistemas dinâmicos: um estudo de caso
Schwedersky, Bernardo Barancelli
Engenharia de sistemas
Automação
Redes neurais (Computação)
title_short Avaliação experimental de redes neurais artificiais recorrentes para identificação de sistemas dinâmicos: um estudo de caso
title_full Avaliação experimental de redes neurais artificiais recorrentes para identificação de sistemas dinâmicos: um estudo de caso
title_fullStr Avaliação experimental de redes neurais artificiais recorrentes para identificação de sistemas dinâmicos: um estudo de caso
title_full_unstemmed Avaliação experimental de redes neurais artificiais recorrentes para identificação de sistemas dinâmicos: um estudo de caso
title_sort Avaliação experimental de redes neurais artificiais recorrentes para identificação de sistemas dinâmicos: um estudo de caso
author Schwedersky, Bernardo Barancelli
author_facet Schwedersky, Bernardo Barancelli
author_role author
dc.contributor.none.fl_str_mv Flesch, Rodolfo César Costa
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Schwedersky, Bernardo Barancelli
dc.subject.por.fl_str_mv Engenharia de sistemas
Automação
Redes neurais (Computação)
topic Engenharia de sistemas
Automação
Redes neurais (Computação)
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2017.
publishDate 2017
dc.date.none.fl_str_mv 2017
2018-07-12T04:04:23Z
2018-07-12T04:04:23Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv 352293
https://repositorio.ufsc.br/handle/123456789/188080
identifier_str_mv 352293
url https://repositorio.ufsc.br/handle/123456789/188080
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.format.none.fl_str_mv 123 p.| il., gráfs., tabs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808652061489758208

Registros relacionados