Redes neurais com estados de eco aplicadas em controle dependente dos estados
Autor(a) principal: | |
---|---|
Data de Publicação: | 2015 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
Texto Completo: | http://repositorio.utfpr.edu.br/jspui/handle/1/2456 |
Resumo: | Por volta de 1764 aparece um novo ramo da ciência - A teoria de controle - quando James Watt consertou uma máquina Newcomen e percebeu que essa era ineficiente, e criou um sistema de controle de velocidades. A evolução destes sistemas controladores pode ser observada no controle utilizando a equação de Riccati dependente de estados (SDRE). Apesar de ser uma técnica muito avançada em relação à capacidade de realizar o controle, alguns problemas precisam ser encarados quanto à sua utilização, como a necessidade de se ter recursos computacionais de alto nível e custo. Essas questões podem impedir o uso da técnica SDRE em alguns sistemas. Uma solução para este problema é apontada através do uso de uma rede neural (RNA) chamada de Rede Neural com Estados de Eco (ESN). As RNAs possuem arquiteturas baseadas em redes neurais biológicas para que tenhamos resultados desejados na saída. Para que essa saída seja satisfatória a rede neural passa por um processo de treinamento. Sendo assim, usase os dados de comportamento do SDRE para a realização do treinamento da ESN. Depois disso, realizam-se testes quanto à eficiência da rede neural no controle do sistema a ser controlado e ao custo computacional. Os resultados são comparados aos obtidos com o controle ESN. Este teste foi realizado para um sistema micro eletromecânico e o controle da suspensão ativa de um half-car. Os resultados obtidos foram positivos, pois a ESN conseguiu realizar o controle utilizando menos tempo de processamento em relação ao SDRE, além de possuir uma estrutura base fixa, possibilitando ajustes para realização de diferentes tipos de controle. |
id |
UTFPR-12_1a88d59b00a9c0c518a9502f0928fd13 |
---|---|
oai_identifier_str |
oai:repositorio.utfpr.edu.br:1/2456 |
network_acronym_str |
UTFPR-12 |
network_name_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
repository_id_str |
|
spelling |
2017-09-22T14:10:45Z2017-09-22T14:10:45Z2015-02-06MOLETTA, Eduardo. Redes neurais com estados de eco aplicadas em controle dependente dos estados. 2015. 83 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2015.http://repositorio.utfpr.edu.br/jspui/handle/1/2456Por volta de 1764 aparece um novo ramo da ciência - A teoria de controle - quando James Watt consertou uma máquina Newcomen e percebeu que essa era ineficiente, e criou um sistema de controle de velocidades. A evolução destes sistemas controladores pode ser observada no controle utilizando a equação de Riccati dependente de estados (SDRE). Apesar de ser uma técnica muito avançada em relação à capacidade de realizar o controle, alguns problemas precisam ser encarados quanto à sua utilização, como a necessidade de se ter recursos computacionais de alto nível e custo. Essas questões podem impedir o uso da técnica SDRE em alguns sistemas. Uma solução para este problema é apontada através do uso de uma rede neural (RNA) chamada de Rede Neural com Estados de Eco (ESN). As RNAs possuem arquiteturas baseadas em redes neurais biológicas para que tenhamos resultados desejados na saída. Para que essa saída seja satisfatória a rede neural passa por um processo de treinamento. Sendo assim, usase os dados de comportamento do SDRE para a realização do treinamento da ESN. Depois disso, realizam-se testes quanto à eficiência da rede neural no controle do sistema a ser controlado e ao custo computacional. Os resultados são comparados aos obtidos com o controle ESN. Este teste foi realizado para um sistema micro eletromecânico e o controle da suspensão ativa de um half-car. Os resultados obtidos foram positivos, pois a ESN conseguiu realizar o controle utilizando menos tempo de processamento em relação ao SDRE, além de possuir uma estrutura base fixa, possibilitando ajustes para realização de diferentes tipos de controle.In around 1764, it emerged a new branch of science – the theory of control - when James Watt was given a model Newcomen engine to repair. He realised that it was hopelessly inefficient and began to work to improve the design. He did a velocit controller to solve the problem. The evolution of these systems is shown in State-dependent Riccati equation (SDRE) techniques. Although it is a very advanced technique in relation to the capacity of performing control, some problems have to be faced for its use, as the necessity of computational resources of high level and cost, which may impede the use of SDRE in some systems. The solution for these problems is pointed out in this study by the use of Echo State Neural Networks (ESNs). These neural networks have inputs and outputs and the inputs are processed through the use of algorithms in order to reach the desired results, and for that the neural network has to be under a task of training. After that we use the behavioral SDRE data for the training followed by the neural network efficiency test for the system control and for the computational cost. The results are compared to the ones obtained with the ESN control. This test was realized for a micro eletromechanical system and the control of the active suspension of a half-car. The results were positive as the ESN could perform the control in a short time in relation to the SDRE. There is also a fixed structure which makes possible some adjusts for different kinds of control.porUniversidade Tecnológica Federal do ParanáPonta GrossaPrograma de Pós-Graduação em Engenharia ElétricaUTFPRBrasilCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAEngenharia ElétricaRedes neurais (Neurobiologia)Teoria do controleEngenharia elétricaNeural networks (Neurobiology)Control theoryElectric engineeringRedes neurais com estados de eco aplicadas em controle dependente dos estadosNeural networks with echo states applied in state-dependent controlinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisPonta GrossaPontes, José Carlos Alberto dehttp://lattes.cnpq.br/0359445257491639Verges, Marcos Cesarhttp://lattes.cnpq.br/8873491769275411Boccato, LevyTusset, Angelo MarceloSiqueira, Hugo ValadaresPontes, José Carlos Alberto dehttp://lattes.cnpq.br/7400261636255324Moletta, Eduardoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))instname:Universidade Tecnológica Federal do Paraná (UTFPR)instacron:UTFPRORIGINALPG_PPGEE_M_Moletta, Eduardo_2015.pdfPG_PPGEE_M_Moletta, Eduardo_2015.pdfapplication/pdf1299947http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/2456/1/PG_PPGEE_M_Moletta%2c%20Eduardo_2015.pdfd16189bcd8217f848755e36988739333MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/2456/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52TEXTPG_PPGEE_M_Moletta, Eduardo_2015.pdf.txtPG_PPGEE_M_Moletta, Eduardo_2015.pdf.txtExtracted texttext/plain150186http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/2456/3/PG_PPGEE_M_Moletta%2c%20Eduardo_2015.pdf.txt1e1d131a305cc58d249f29567c0a8e5dMD53THUMBNAILPG_PPGEE_M_Moletta, Eduardo_2015.pdf.jpgPG_PPGEE_M_Moletta, Eduardo_2015.pdf.jpgGenerated Thumbnailimage/jpeg1216http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/2456/4/PG_PPGEE_M_Moletta%2c%20Eduardo_2015.pdf.jpge75274178aa2f7d92354efb6304c2779MD541/24562017-09-22 11:10:45.249oai:repositorio.utfpr.edu.br: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Repositório de PublicaçõesPUBhttp://repositorio.utfpr.edu.br:8080/oai/requestopendoar:2017-09-22T14:10:45Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)false |
dc.title.pt_BR.fl_str_mv |
Redes neurais com estados de eco aplicadas em controle dependente dos estados |
dc.title.alternative.pt_BR.fl_str_mv |
Neural networks with echo states applied in state-dependent control |
title |
Redes neurais com estados de eco aplicadas em controle dependente dos estados |
spellingShingle |
Redes neurais com estados de eco aplicadas em controle dependente dos estados Moletta, Eduardo CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Redes neurais (Neurobiologia) Teoria do controle Engenharia elétrica Neural networks (Neurobiology) Control theory Electric engineering Engenharia Elétrica |
title_short |
Redes neurais com estados de eco aplicadas em controle dependente dos estados |
title_full |
Redes neurais com estados de eco aplicadas em controle dependente dos estados |
title_fullStr |
Redes neurais com estados de eco aplicadas em controle dependente dos estados |
title_full_unstemmed |
Redes neurais com estados de eco aplicadas em controle dependente dos estados |
title_sort |
Redes neurais com estados de eco aplicadas em controle dependente dos estados |
author |
Moletta, Eduardo |
author_facet |
Moletta, Eduardo |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Pontes, José Carlos Alberto de |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/0359445257491639 |
dc.contributor.advisor-co1.fl_str_mv |
Verges, Marcos Cesar |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/8873491769275411 |
dc.contributor.referee1.fl_str_mv |
Boccato, Levy |
dc.contributor.referee2.fl_str_mv |
Tusset, Angelo Marcelo |
dc.contributor.referee3.fl_str_mv |
Siqueira, Hugo Valadares |
dc.contributor.referee4.fl_str_mv |
Pontes, José Carlos Alberto de |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/7400261636255324 |
dc.contributor.author.fl_str_mv |
Moletta, Eduardo |
contributor_str_mv |
Pontes, José Carlos Alberto de Verges, Marcos Cesar Boccato, Levy Tusset, Angelo Marcelo Siqueira, Hugo Valadares Pontes, José Carlos Alberto de |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Redes neurais (Neurobiologia) Teoria do controle Engenharia elétrica Neural networks (Neurobiology) Control theory Electric engineering Engenharia Elétrica |
dc.subject.por.fl_str_mv |
Redes neurais (Neurobiologia) Teoria do controle Engenharia elétrica Neural networks (Neurobiology) Control theory Electric engineering |
dc.subject.capes.pt_BR.fl_str_mv |
Engenharia Elétrica |
description |
Por volta de 1764 aparece um novo ramo da ciência - A teoria de controle - quando James Watt consertou uma máquina Newcomen e percebeu que essa era ineficiente, e criou um sistema de controle de velocidades. A evolução destes sistemas controladores pode ser observada no controle utilizando a equação de Riccati dependente de estados (SDRE). Apesar de ser uma técnica muito avançada em relação à capacidade de realizar o controle, alguns problemas precisam ser encarados quanto à sua utilização, como a necessidade de se ter recursos computacionais de alto nível e custo. Essas questões podem impedir o uso da técnica SDRE em alguns sistemas. Uma solução para este problema é apontada através do uso de uma rede neural (RNA) chamada de Rede Neural com Estados de Eco (ESN). As RNAs possuem arquiteturas baseadas em redes neurais biológicas para que tenhamos resultados desejados na saída. Para que essa saída seja satisfatória a rede neural passa por um processo de treinamento. Sendo assim, usase os dados de comportamento do SDRE para a realização do treinamento da ESN. Depois disso, realizam-se testes quanto à eficiência da rede neural no controle do sistema a ser controlado e ao custo computacional. Os resultados são comparados aos obtidos com o controle ESN. Este teste foi realizado para um sistema micro eletromecânico e o controle da suspensão ativa de um half-car. Os resultados obtidos foram positivos, pois a ESN conseguiu realizar o controle utilizando menos tempo de processamento em relação ao SDRE, além de possuir uma estrutura base fixa, possibilitando ajustes para realização de diferentes tipos de controle. |
publishDate |
2015 |
dc.date.issued.fl_str_mv |
2015-02-06 |
dc.date.accessioned.fl_str_mv |
2017-09-22T14:10:45Z |
dc.date.available.fl_str_mv |
2017-09-22T14:10:45Z |
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.citation.fl_str_mv |
MOLETTA, Eduardo. Redes neurais com estados de eco aplicadas em controle dependente dos estados. 2015. 83 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2015. |
dc.identifier.uri.fl_str_mv |
http://repositorio.utfpr.edu.br/jspui/handle/1/2456 |
identifier_str_mv |
MOLETTA, Eduardo. Redes neurais com estados de eco aplicadas em controle dependente dos estados. 2015. 83 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2015. |
url |
http://repositorio.utfpr.edu.br/jspui/handle/1/2456 |
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 Tecnológica Federal do Paraná Ponta Grossa |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia Elétrica |
dc.publisher.initials.fl_str_mv |
UTFPR |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná Ponta Grossa |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) instname:Universidade Tecnológica Federal do Paraná (UTFPR) instacron:UTFPR |
instname_str |
Universidade Tecnológica Federal do Paraná (UTFPR) |
instacron_str |
UTFPR |
institution |
UTFPR |
reponame_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
collection |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
bitstream.url.fl_str_mv |
http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/2456/1/PG_PPGEE_M_Moletta%2c%20Eduardo_2015.pdf http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/2456/2/license.txt http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/2456/3/PG_PPGEE_M_Moletta%2c%20Eduardo_2015.pdf.txt http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/2456/4/PG_PPGEE_M_Moletta%2c%20Eduardo_2015.pdf.jpg |
bitstream.checksum.fl_str_mv |
d16189bcd8217f848755e36988739333 8a4605be74aa9ea9d79846c1fba20a33 1e1d131a305cc58d249f29567c0a8e5d e75274178aa2f7d92354efb6304c2779 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR) |
repository.mail.fl_str_mv |
|
_version_ |
1805922985913090048 |