Modelos de Volterra : identificação não paramétrica e robusta utilizando funções ortonormais de Kautz e generalizadas

Detalhes bibliográficos
Autor(a) principal: Braga, Márcio Feliciano, 1983-
Data de Publicação: 2011
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/1616050
Resumo: Orientador: Wagner Caradori do Amaral, Ricardo José Gabrielli Barreto Campello
id UNICAMP-30_a3ae88a3bd8995eb9e83af6ac30db527
oai_identifier_str oai::807985
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Modelos de Volterra : identificação não paramétrica e robusta utilizando funções ortonormais de Kautz e generalizadasVolterra models : nonparametric and robust identification using Kautz and generalized orthonormal functionsIdentificação de sistemasSistemas não-linearesSéries de VolterraOtimização matemáticaSystems identificationNonlinar systemsVolterra seriesOrientador: Wagner Caradori do Amaral, Ricardo José Gabrielli Barreto CampelloDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de ComputaçãoResumo: Enfoca-se a modelagem de sistemas não-lineares usando modelos de Volterra com bases de funções ortonormais (Orthonormal Basis Functions - OBF) distintas para cada direção do kernel. Os modelos de Volterra constituem uma classe de modelos polinomiais não-recursivos, modelos sem realimentação da saída. Tais modelos são parametrizados por funções multidimensionais, chamadas kernels de Volterra, e representam uma generalização do bem conhecido modelo de resposta ao impulso (FIR) para a descrição de sistemas não-lineares. Como os modelos de Volterra não possuem realimentação do sinal de saída, um número elevado de parâmetros é necessário para representar os kernels de Volterra, especialmente quando o comportamento não-linear do sistema depende fortemente do sinal de saída. No entanto, é possível contornar esta desvantagem por descrever cada kernel por meio de uma expansão em bases de funções ortonormais (OBF). Resultando num modelo que, em geral, possui um número menor de termos para representar o sistema. O modelo resultante, conhecido como modelo OBF-Volterra, pode ser truncado em um número menor de termos se as funções da base forem projetadas adequadamente. O problema reside na questão de como selecionar os polos livres que completamente parametrizam estas funções de forma a reduzir o número de termos a serem utilizados em cada base. Uma abordagem já utilizada envolve a otimização numérica das bases de funções ortonormais usadas para a aproximação de sistemas dinâmicos. Esta estratégia é baseada no cálculo de expressões analíticas para os gradientes da saída dos filtros ortonormais com relação aos polos da base. Estes gradientes fornecem direções de busca exatas para otimizar uma dada base ortonormal. As direções de busca, por sua vez, podem ser usadas como parte de um procedimento de otimização para obter o mínimo de uma função de custo que leva em consideração o erro de estimação da saída do sistema. Esta abordagem considerou apenas os modelos lineares e não-lineares cujas direções dos kernels foram todas parametrizadas por um mesmo conjunto de polos. Neste trabalho, estes resultados foram estendidos de forma a permitir o uso de uma base independente para cada direção dos kernels. Isto permite reduzir ainda mais o erro de truncamento quando as dinâmicas dominantes do kernel ao longo das múltiplas direções são diferentes entre si. As expressões dos gradientes relativas à base de Kautz e à base GOBF são obtidas recursivamente o que permite uma redução no tempo de processamento. Esta metodologia utiliza somente dados de entrada-saída medidos do sistema a ser modelado, isto é, não exige nenhuma informação prévia sobre os kernels de Volterra. Exemplos de simulação ilustram a aplicação dessas abordagens para a modelagem de sistemas não-lineares. Por último, apresentam-se resultados referentes à identificação robusta de modelos não-lineares sob a hipótese de erro desconhecido mas limitado, cujo objetivo é definir os limites superior e inferior dos parâmetros de modelos (intervalos de pertinência paramétrica). É analisado o caso em que se tem informação somente sobre a incerteza na saída do sistema, fornecendo-se o cálculo dos limitantes das incertezas para modelos OBF-Volterra. Estuda-se também os processos que possuem incerteza estruturada, i.e., os parâmetros do modelo, ou os kernels de Volterra, são definidos por meio de intervalos de pertinência e a ordem do modelo é conhecida. Apresenta-se uma solução exata para este problema, eliminando restrições impostas por metodologias anterioresAbstract: It focuses in the modeling of nonlinear systems using Volterra models with distinct orthonormal basis functions (OBF) to each kernel direction. The Volterra models are a class of nonrecursive polynomial models, models without output feedback. Such models are parameterized by multidimensional functions, called Volterra kernels, they represent a generalization of the well-known impulse response model and are used to describe nonlinear systems. As the Volterra models do not have output feedback, it is required a large number of parameters to represent the Volterra kernels, especially when the nonlinear behavior strongly depends of the output signal. However, such drawback can be overwhelmed by describing each kernel by un expansion in orthonormal basis functions (OBF). Resulting in a model that, in general, requires fewer parameters to represent the system. The resulting model, so-called OBF-Volterra, can be truncated into fewer terms if the basis functions are properly designed. The underlying problem is how to select de free-design poles that fully parameterize these functions in order to reduce the number of terms to be used in each bases. An approach, already used, involves the numeric optimization of orthonormal bases of function used for approximation of dynamic systems. This strategy is based on the computation of analytical expressions for the gradient of the orthonormal filters output with respect to the basis poles. Such gradient provides exact search directions for optimizing the poles of a given orthonormal basis. The search direction can, in turn, be used as part of an optimization procedure to locate the minimum of a cost-function that takes into consideration the estimation error of the system output. Although, that approach took in count only the linear models and nonlinear models which kernels directions were parameterized by a single set of poles. In this work, these results are extended in such a way to allows a use of an independent basis to each kernel direction. It can reduce even more the truncation error when dominant dynamics of the kernel are different along its directions. The gradient expressions to Kautz and GOBF bases are obtained in a recursive way which allows reducing the time processing. This methodology relies solely on input-output data measured from the system to be modeled, i.e., no previous information about the Volterra kernels is required. Simulation examples illustrate the application of this approach to the modeling of nonlinear systems. At last, it is presented some results about robust identification of nonlinear models under the hypothesis of unknown but bounded error, whose aim is to define the upper and lower bounds of the model parameters (parameter uncertainty interval). It is analyzed the case where the information available is about the uncertainty in the system output signal, providing the calculation for the uncertainty intervals to OBF-Volterra models. The process having structured uncertainty, i.e., the models parameters, or the Volterra kernels, are defined by intervals and the model order is known, is also studied. An exact solution to this problem is developed, eliminating restrictions imposed by previous approachMestradoAutomaçãoMestre em Engenharia Elétrica[s.n.]Amaral, Wagner Caradori do, 1952-Campello, Ricardo Jose Gabrielli BarretoCoelho, Antonio Augusto RodriguesFerreira, Paulo Augusto ValenteUniversidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de ComputaçãoPrograma de Pós-Graduação em Engenharia ElétricaUNIVERSIDADE ESTADUAL DE CAMPINASBraga, Márcio Feliciano, 1983-2011info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf127 p. : il.https://hdl.handle.net/20.500.12733/1616050BRAGA, Márcio Feliciano. Modelos de Volterra: identificação não paramétrica e robusta utilizando funções ortonormais de Kautz e generalizadas. 2011. 127 p. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1616050. Acesso em: 3 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/807985porreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2017-02-18T06:22:13Zoai::807985Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2017-02-18T06:22:13Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Modelos de Volterra : identificação não paramétrica e robusta utilizando funções ortonormais de Kautz e generalizadas
Volterra models : nonparametric and robust identification using Kautz and generalized orthonormal functions
title Modelos de Volterra : identificação não paramétrica e robusta utilizando funções ortonormais de Kautz e generalizadas
spellingShingle Modelos de Volterra : identificação não paramétrica e robusta utilizando funções ortonormais de Kautz e generalizadas
Braga, Márcio Feliciano, 1983-
Identificação de sistemas
Sistemas não-lineares
Séries de Volterra
Otimização matemática
Systems identification
Nonlinar systems
Volterra series
title_short Modelos de Volterra : identificação não paramétrica e robusta utilizando funções ortonormais de Kautz e generalizadas
title_full Modelos de Volterra : identificação não paramétrica e robusta utilizando funções ortonormais de Kautz e generalizadas
title_fullStr Modelos de Volterra : identificação não paramétrica e robusta utilizando funções ortonormais de Kautz e generalizadas
title_full_unstemmed Modelos de Volterra : identificação não paramétrica e robusta utilizando funções ortonormais de Kautz e generalizadas
title_sort Modelos de Volterra : identificação não paramétrica e robusta utilizando funções ortonormais de Kautz e generalizadas
author Braga, Márcio Feliciano, 1983-
author_facet Braga, Márcio Feliciano, 1983-
author_role author
dc.contributor.none.fl_str_mv Amaral, Wagner Caradori do, 1952-
Campello, Ricardo Jose Gabrielli Barreto
Coelho, Antonio Augusto Rodrigues
Ferreira, Paulo Augusto Valente
Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de Computação
Programa de Pós-Graduação em Engenharia Elétrica
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Braga, Márcio Feliciano, 1983-
dc.subject.por.fl_str_mv Identificação de sistemas
Sistemas não-lineares
Séries de Volterra
Otimização matemática
Systems identification
Nonlinar systems
Volterra series
topic Identificação de sistemas
Sistemas não-lineares
Séries de Volterra
Otimização matemática
Systems identification
Nonlinar systems
Volterra series
description Orientador: Wagner Caradori do Amaral, Ricardo José Gabrielli Barreto Campello
publishDate 2011
dc.date.none.fl_str_mv 2011
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 https://hdl.handle.net/20.500.12733/1616050
BRAGA, Márcio Feliciano. Modelos de Volterra: identificação não paramétrica e robusta utilizando funções ortonormais de Kautz e generalizadas. 2011. 127 p. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1616050. Acesso em: 3 set. 2024.
url https://hdl.handle.net/20.500.12733/1616050
identifier_str_mv BRAGA, Márcio Feliciano. Modelos de Volterra: identificação não paramétrica e robusta utilizando funções ortonormais de Kautz e generalizadas. 2011. 127 p. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1616050. Acesso em: 3 set. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/807985
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
127 p. : il.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1809189060587028480

Registros relacionados