Identificação de sistemas a partir de modelos NARX com seleção de regressores por programação genética

• Autor(a) principal: Zanon Filho, Artur Luiz
• Data de Publicação: 2018
• Outros Autores: Alves, Luis Henrique de Oliveira
• Tipo de documento: Trabalho de conclusão de curso
• 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/1/10160
• topic: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS::CONTROLE DE PROCESSOS ELETRONICOS, RETROALIMENTACAO; Mínimos quadrados; Modelos matemáticos; Sistemas não-lineares; Engenharia elétrica; Least squares; Mathematical models; Nonlinear systems; Electric engineering

Nos últimos séculos, a humanidade vem buscando aprimorar sua capacidade de modelar matematicamente sistemas desconhecidos. As técnicas de identificação de sistemas modernas surgem como resposta à crescente complexidade dos sistemas que necessitam ser modelados. A identificação pode ser realizada por meio de modelos NARX - Nonlinear AutoRegressive with eXogenous input. Essa estrutura de modelo utiliza combinações de regressores e parâmetros para representar o comportamento de sistemas com características não-lineares. Os métodos de determinação dos regressores e suas combinações dependem, muitas vezes, de processos computacionalmente pouco eficientes. Como alternativa a esses, empregou-se neste trabalho a técnica de computação evolucionária denominada Programação Genética, PG. Adicionalmente, caracterizou-se a aplicação de um operador baseado no Método dos Mínimos Quadrados, MMQ, para auxiliar o processo evolutivo. A metodologia proposta foi validada através de dois sistemas: uma planta de vazão e um levitador magnético. Apesar de um aumento no tempo de processamento da PG, a aplicação do operador de MMQ gerou uma redução na ordem de 70% no MSE - Mean Square Error - dos melhores indivíduos, em relação aos valores obtidos sem o operador. A partir dos resultados atingidos, conclui-se que a identificação de sistemas, assistida pela PG, apresentou modelos precisos para os sistemas propostos.