Contribuições para o uso de regularização em técnicas de identificação de sistemas
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Tese |
Idioma: | eng |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/266112 |
Resumo: | A partir de trabalhos recentes e inovadores da área de aprendizado de máquina, uma ferramenta matemática conhecida como regularização ganhou notoriedade para o contexto de identificação de sistemas, principalmente devido a novas metodologias para a estimação da matriz de regularização, relacionadas a informações a priori sobre o sistema, e a resultados promissores exibidos em trabalhos que empregam tal ferramenta, os quais atingem modelos mais precisos comparados às técnicas clássicas de identificação. Neste sentido, este trabalho apresenta contribuições que exploram o uso dessa ferramenta de regularização para estender técnicas de identificação de sistemas com ruído colorido na saída, identificação de sistemas com erros nas variáveis e controle baseado em dados. No âmbito de identificação de sistemas com ruído colorido na saída, este trabalho apresenta o método dos mínimos quadrados ponderados regularizados, assim como a dedução de matrizes ótimas de regularização e ponderação para este cenário. No contexto de identificação com erros nas variáveis, o trabalho apresenta uma análise de propriedades estatísticas da técnica de estimação por variáveis instrumentais e usa a ferramenta de regularização para minimizar um critério relacionado ao erro médio quadrático das estimativas. No contexto de controle baseado em dados, o desenvolvimento para sistemas com erros nas variáveis é estendido para o método da referência virtual, com as particularidades e interpretações voltadas para controle. |
id |
URGS_3077db7c62e9fee587186f771f799804 |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/266112 |
network_acronym_str |
URGS |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
repository_id_str |
1853 |
spelling |
Boeira, Emerson ChristEckhard, Diego2023-10-20T03:36:31Z2023http://hdl.handle.net/10183/266112001176409A partir de trabalhos recentes e inovadores da área de aprendizado de máquina, uma ferramenta matemática conhecida como regularização ganhou notoriedade para o contexto de identificação de sistemas, principalmente devido a novas metodologias para a estimação da matriz de regularização, relacionadas a informações a priori sobre o sistema, e a resultados promissores exibidos em trabalhos que empregam tal ferramenta, os quais atingem modelos mais precisos comparados às técnicas clássicas de identificação. Neste sentido, este trabalho apresenta contribuições que exploram o uso dessa ferramenta de regularização para estender técnicas de identificação de sistemas com ruído colorido na saída, identificação de sistemas com erros nas variáveis e controle baseado em dados. No âmbito de identificação de sistemas com ruído colorido na saída, este trabalho apresenta o método dos mínimos quadrados ponderados regularizados, assim como a dedução de matrizes ótimas de regularização e ponderação para este cenário. No contexto de identificação com erros nas variáveis, o trabalho apresenta uma análise de propriedades estatísticas da técnica de estimação por variáveis instrumentais e usa a ferramenta de regularização para minimizar um critério relacionado ao erro médio quadrático das estimativas. No contexto de controle baseado em dados, o desenvolvimento para sistemas com erros nas variáveis é estendido para o método da referência virtual, com as particularidades e interpretações voltadas para controle.Due to recent and innovative papers from the machine learning area, a mathematical tool known as regularization earned notoriety also for the system identification context, especially due to new methodologies to estimate the regularization matrix, which are related to a priori information, and promising results demonstrated on works that use this tool. In this scenario, this work presents contributions that explore the use of the regularization tool to extend methods for identification of systems with colored output noise, for errors-in-varibles system identification and for one data-driven control method. Regarding the identification of systems with colored output noise, this work introduces the regularized weighted least-squares method, as well as the computation of the optimal weighting and regularization matrices. In the errors-in-variables system identification scenario, this work presents the statistical properties analysis of the regularized version of the instrumental variable method and it also presents the optimization of the mean square error by using regularization. Finally, regarding the data-driven control contribution, this work extends the errors-in-variables results to the Virtual Reference Feedback Tuning method, according to its characteristics and interpretations that are considered for control.application/pdfengIdentificação de sistemasControle baseado em dadosAnálise de errosSystem identificationRegularizationErrors-in-variables systemsData-driven controlVirtual Reference Feedback TuningContribuições para o uso de regularização em técnicas de identificação de sistemasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPrograma de Pós-Graduação em Engenharia ElétricaPorto Alegre, BR-RS2023doutoradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001176409.pdf.txt001176409.pdf.txtExtracted Texttext/plain275060http://www.lume.ufrgs.br/bitstream/10183/266112/2/001176409.pdf.txt15cb069665d69d5d86371d9790e306b4MD52ORIGINAL001176409.pdfTexto completoapplication/pdf2697639http://www.lume.ufrgs.br/bitstream/10183/266112/1/001176409.pdf127cff23da98ef1bbfc6eaff153033bbMD5110183/2661122023-10-21 03:41:48.050822oai:www.lume.ufrgs.br:10183/266112Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532023-10-21T06:41:48Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Contribuições para o uso de regularização em técnicas de identificação de sistemas |
title |
Contribuições para o uso de regularização em técnicas de identificação de sistemas |
spellingShingle |
Contribuições para o uso de regularização em técnicas de identificação de sistemas Boeira, Emerson Christ Identificação de sistemas Controle baseado em dados Análise de erros System identification Regularization Errors-in-variables systems Data-driven control Virtual Reference Feedback Tuning |
title_short |
Contribuições para o uso de regularização em técnicas de identificação de sistemas |
title_full |
Contribuições para o uso de regularização em técnicas de identificação de sistemas |
title_fullStr |
Contribuições para o uso de regularização em técnicas de identificação de sistemas |
title_full_unstemmed |
Contribuições para o uso de regularização em técnicas de identificação de sistemas |
title_sort |
Contribuições para o uso de regularização em técnicas de identificação de sistemas |
author |
Boeira, Emerson Christ |
author_facet |
Boeira, Emerson Christ |
author_role |
author |
dc.contributor.author.fl_str_mv |
Boeira, Emerson Christ |
dc.contributor.advisor1.fl_str_mv |
Eckhard, Diego |
contributor_str_mv |
Eckhard, Diego |
dc.subject.por.fl_str_mv |
Identificação de sistemas Controle baseado em dados Análise de erros |
topic |
Identificação de sistemas Controle baseado em dados Análise de erros System identification Regularization Errors-in-variables systems Data-driven control Virtual Reference Feedback Tuning |
dc.subject.eng.fl_str_mv |
System identification Regularization Errors-in-variables systems Data-driven control Virtual Reference Feedback Tuning |
description |
A partir de trabalhos recentes e inovadores da área de aprendizado de máquina, uma ferramenta matemática conhecida como regularização ganhou notoriedade para o contexto de identificação de sistemas, principalmente devido a novas metodologias para a estimação da matriz de regularização, relacionadas a informações a priori sobre o sistema, e a resultados promissores exibidos em trabalhos que empregam tal ferramenta, os quais atingem modelos mais precisos comparados às técnicas clássicas de identificação. Neste sentido, este trabalho apresenta contribuições que exploram o uso dessa ferramenta de regularização para estender técnicas de identificação de sistemas com ruído colorido na saída, identificação de sistemas com erros nas variáveis e controle baseado em dados. No âmbito de identificação de sistemas com ruído colorido na saída, este trabalho apresenta o método dos mínimos quadrados ponderados regularizados, assim como a dedução de matrizes ótimas de regularização e ponderação para este cenário. No contexto de identificação com erros nas variáveis, o trabalho apresenta uma análise de propriedades estatísticas da técnica de estimação por variáveis instrumentais e usa a ferramenta de regularização para minimizar um critério relacionado ao erro médio quadrático das estimativas. No contexto de controle baseado em dados, o desenvolvimento para sistemas com erros nas variáveis é estendido para o método da referência virtual, com as particularidades e interpretações voltadas para controle. |
publishDate |
2023 |
dc.date.accessioned.fl_str_mv |
2023-10-20T03:36:31Z |
dc.date.issued.fl_str_mv |
2023 |
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.uri.fl_str_mv |
http://hdl.handle.net/10183/266112 |
dc.identifier.nrb.pt_BR.fl_str_mv |
001176409 |
url |
http://hdl.handle.net/10183/266112 |
identifier_str_mv |
001176409 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
collection |
Biblioteca Digital de Teses e Dissertações da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/266112/2/001176409.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/266112/1/001176409.pdf |
bitstream.checksum.fl_str_mv |
15cb069665d69d5d86371d9790e306b4 127cff23da98ef1bbfc6eaff153033bb |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
lume@ufrgs.br||lume@ufrgs.br |
_version_ |
1810085631385141248 |