Identificação de sistemas não-lineares com modelo Volterra-Kautz

• Autor(a) principal: Serafin, Higor de Souza
• Data de Publicação: 2022
• 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/1/29968
• topic: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA; Sistemas não-lineares; Funções ortogonais; Estimativa de parâmetros; Filtros digitais (Matemática); Otimização matemática; Algoritmos; Nonlinear systems; Functions, Orthogonal; Parameter estimation; Digital filters (Mathematics); Mathematical optimization; Algorithms; Engenharia Elétrica

Este trabalho apresenta o problema da estimação dos polos de Kautz na expansão do kernel com modelos de Volterra-Kautz. A solução ótima para os parâmetros que modelam os polos ainda está em aberto na literatura. Assim, este trabalho traz duas abordagens de otimização, uma usando o algoritmo de Levenberg-Marquardt e outra a Otimização Bayesiana para encontrar os parâmetros de Kautz. As bases de funções para os kernels são construídas por meio de uma estrutura de filtros digitais. Na validação dos algoritmos implementados são utilizados dados coletados de um sistema eletricamente acoplado e, por meio do software MATLAB®, diversos experimentos foram executados para estudar os impactos dos diferentes parâmetros de cada método empregado, também foi observado como o aumento das funções na base influenciam o modelo. Como resultado, os modelos gerados atingiram um erro médio quadrático na ordem de 10−4, enquanto que trabalhos da literatura, que utilizaram o mesmo conjunto de dados para a modelagem, atingiram um erro médio quadrático com ordem entre 10−2 e 10−3.