BUSCA HARMÔNICA DINÂMICA AUTO-AJUSTÁVEL APLICADA À PARAMETRIZAÇÃO MULTIOBJETIVO DE CONTROLADORES
|
|
- Rui da Mota Gameiro
- 8 Há anos
- Visualizações:
Transcrição
1 Aas do XX Cogresso Braslero de Automátca Belo Horzote, MG, 0 a 4 de Setembro de 04 BUSCA HARMÔNICA DINÂMICA AUTO-AJUSTÁVEL APLICADA À PARAMETRIZAÇÃO MULTIOBJETIVO DE CONTROLADORES HELON V. HULTMANN AYALA Programa de Pós-graduação em Egehara de Produção e Sstemas, Escola Poltécca, Potfíca Uversdade Católca do Paraá Edereço: R. Imaculada Coceção, 55. Prado Velho Curtba, Paraá, Brasl. E-mal: helo.ayala@pucpr.br JULIANO PIEREZAN Programa de Pós-graduação em Egehara Elétrca, Departameto de Egehara Elétrca, Uversdade Federal do Paraá Edereço: Av Cel Fracsco H dos Satos, s/, Jardm das Amércas Curtba, Paraá, Brasl. E-mal: jkpr@outlook.com LEANDRO DOS SANTOS COELHO Programa de Pós-graduação em Egehara de Produção e Sstemas, Escola Poltécca, Potfíca Uversdade Católca do Paraá R. Imaculada Coceção, 55. Prado Velho Curtba, Paraá, Brasl. Programa de Pós-graduação em Egehara Elétrca, Departameto de Egehara Elétrca, Uversdade Federal do Paraá Edereço: Av Cel Fracsco H dos Satos, s/, Jardm das Amércas Curtba, Paraá, Brasl. E-mal: leadro.coelho@pucpr.br Abstract The use of PD (proportoal-dervatve) ad PID (proportoal-tegral-dervatve) cotrollers have bee wdely spread dustry, due to ts ease of mplemetato ad reduced umber of parameters to be adjusted. However, requremets such as respose tme, eergy cosumpto ad varace the cotrol acto are ofte cluded o multvarable systems ad t caot be solved by classcal methods. Thus, the multobjectve tug of PID cotrollers s preseted as a soluto to solve these requremets cocurretly, whch makes t a wdely eplored topc lterature. Ths paper approaches the applcato of ths techque multvarable PID cotrollers. Hece, both Multobjectve Harmoy Search (MOHS) ad Dyamc Self-adaptve Harmoc Multobjectve Search (DS-MOHS) have ts performace eplored ad compared. It s show that the DS-MOHS offers better solutos tha MOHS. It stll has the advatage of a lower umber of desg parameters to be adjusted. Fally, order to valdate t uder cotrol systems, the optmzato techque s appled to robotc mapulators. Keywords Harmoc Search, Multobjectve Optmzato, PID Cotrol, Robotcs Resumo O uso de cotroladores PD (proporcoal-dervatvo) e PID (proporcoal-tegral-dervatvo) tem sdo largamete dfuddo o meo dustral, devdo a sua facldade de mplemetação e quatdade reduzda de parâmetros para serem ajustados. Etretato, requstos como o tempo de resposta, gasto eergétco e varâca a ação de cotrole ecotram-se com frequêca em sstemas multvaráves e ão podem ser resolvdos por métodos clásscos de stoa. Assm, o ajuste multobjetvo de cotroladores apreseta-se como uma solução para a mposção desses crtéros de forma cocomtate, torado-se um tema vastamete eplorado a lteratura especalzada. O presete trabalho eplora a utlzação dessa técca o projeto de cotroladores PID multvaráves. Para tato, são comparados os desempehos da busca harmôca multobjectvo (Multobjectve Harmoy Search MOHS) e da busca harmôca multobjetvo dâmca auto ajustável (Dyamc Self-adaptatve Multobjectve Harmoc Search DS-MOHS), esta pouco eplorada as lhas de pesqusa atuas. Mostra-se que o DS-MOHS oferece soluções melhores que a sua cotrapartda MOHS, tedo ada como vatagem um úmero meor de parâmetros de projeto a serem ajustados. Além dsso, a técca de otmzação é valdada o âmbto de cotrole de sstemas, através da aplcação em um estudo de caso de mapuladores robótcos. Palavras-chave Busca Harmôca, Otmzação Multobjetvo, Cotrole PD, Robótca. Itrodução O uso de cotroladores proporcoal-dervatvo (PD), proporcoal-tegral (PI) e proporcoal- tegral-dervatvo (PID) tem sdo largamete dfuddo o meo dustral, devdo a sua facldade de mplemetação e quatdade reduzda de parâmetros. Esta estrutura de cotrole é pratcamete ubíqua a dústra estma-se que 95% dos cotroladores mplemetados hoje são do tpo PI ou PID (O Dwyer, 0). Apesar de tamaho emprego, costata-se que as malhas de cotrole são mal stozadas (Eder, 993; O Dwyer, 0), muto embora a estrutura de cotrole seja smples e poucos parâmetros precsem ser ajustados o que acaba sedo feto maualmete. Estes fatos demostram a urgêca a cração e prolferação de métodos de stoa que permtam ao projetsta especfcar de forma fleível seus requstos de projeto e obter rapdamete os parâmetros para uma vasta gama de sstemas. 5
2 Aas do XX Cogresso Braslero de Automátca Belo Horzote, MG, 0 a 4 de Setembro de 04 Por outro lado, o algortmo heurístco de otmzação deomado busca harmôca (Harmoc Search HS) calmete proposto por Geem e Logaatha (00), tem demostrado resultados promssores em uma varedade de aplcações (Majarres et. al., 03). Dversas adaptações ao algortmo orgal HS de 00 foram fetas com o tuto de obter melhores resultados. Os parâmetros de cotrole do algortmo foram aturalmete revsados e melhoras foram sugerdas, com partcular teresse em téccas de auto ajuste dâmco dos parâmetros (Katta e Abdullah, 03). Em paralelo, versões multobjetvo do algortmo HS (Multobjectve Harmoy Search MOHS) foram propostas (Rcart et. al., 0; Svasubrama e Swarup, 0a; Svasubrama e Swarup, 0b). Versões do algortmo HS para otmzação multobjetvo auto ajustáves e dâmcos (Dyamc Self-adaptve Multobjectve Harmoc Search DS-MOHS) ão têm sdo o foco de pesqusa, com eceção do trabalho de Ayala et. al. (04). O ajuste multobjetvo de cotroladores possblta a mposção de requstos que requerem compromsso de crtéros de forma cocomtate. Esses requstos, tas como tempo de resposta, gasto eergétco e varâca a ação de cotrole ecotram-se com frequêca em sstemas multvaráves e ão podem ser resolvdos por métodos clásscos de stoa. Essa é a razão pela qual esse tema é vastamete eplorado a lteratura especalzada (Lu, Yag e Whdbore, 00; Hug et. al., 008; Ayala e Coelho, 008; Coelho et. al., 00; Ayala e Coelho, 00; Reyoso-Meza et. al., 0; Ayala e Coelho, 0; Reyoso-Meza et. al., 03; Neath et. al., 04). O presete trabalho aplca a versão da busca harmôca multobjetvo dâmca auto ajustável DS-MOHS recetemete proposta por Ayala et. al. (04) a resolução do problema de stoa de cotroladores PID multvaráves. Mostra-se que o DS- MOHS oferece soluções melhores que a sua cotrapartda MOHS, tedo ada como vatagem um úmero meor de parâmetros de projeto a serem ajustados. Adcoalmete, valda-se a técca de otmzação o âmbto de cotrole de sstemas, através da aplcação em um estudo de caso de mapuladores robótcos. O restate deste artgo é orgazado da segute forma. Na seção são recaptulados os cocetos de otmzação multobjetvo. O algortmo de MOHS e sua etesão DS-MOHS são epostos a seção 3. O estudo de caso de cotrole PD multvarável aplcado a um mapulador robótco é descrto a seção 4. Na seção 5 são epostos os resultados das smulações computacoas realzadas. A seção 6, que falza o documeto, mostra as coclusões e perspectvas de pesqusa futura. forma, faz-se ecessáro obter de forma dstrbuída e dversfcada um compromsso etre todos os objetvos desejados. Assm, é possível estabelecer o problema de otmzação multobjetvo rrestrto de forma geral como sedo a tarefa de ecotrar um determado vetor de varáves de decsão de modo que o vetor de fuções objetvo seja melhorado. Sem perda de geeraldade, descreve-se o problema de otmzação multobjetvo a segur restrgdo-se ao caso de mmzação de todos os objetvos (Deb, 00). ode e mmzar sujeto a ( L) ( U ) compoete, f m () ( L) ( U ), m =,,..., M; =,,...,. represeta o vetor de varáves de decsão o espaço de busca do seu -ésmo f m () represeta a m-ésma fução objetvo (o total de M objetvos). Se uma solução satsfaz os lmtes das varáves, esta é cohecda como factível. Em geral, este uma famíla de soluções ótmas de forma equvalete (segudo o coceto de otmaldade de Pareto) que são superores às demas soluções que costtuem o espaço de busca. O coceto de otmaldade de Pareto permte comparar o desempeho de soluções através dos seus objetvos. As soluções chamadas ão-ferores, ão-domadas ou Pareto-ótmas são tas que ehum dos objetvos pode ser melhorado sem degradar os outros. Formalmete, represetamos a partr de duas soluções a e b, sedo que a doma b, o coceto de domâca de Pareto como sedo: a b f ( ) f ( ), {,,..., M}. () Desta forma, coforme mostrado acma, uma solução é dta melhor que a outra, o setdo de otmaldade de Pareto, somete quado todos os objetvos evolvdos o problema de otmzação são melhores. Note que este coceto de otmaldade cotrasta com o de um problema de otmzação de objetvo smples, ode somete um objetvo é vsado e desta forma a comparação de soluções é dreto. Em otmzação multobjetvo, a meta é ecotrar um cojuto de soluções ão domadas de forma que as mesmas estejam o mas prómo possível da frotera de Pareto real e sejam o mas dversfcadas possível, de modo a oferecer ao projetsta o maor úmero possível de opções. Otmzação Multobjetvo A otmzação de um úco objetvo vsa satsfazer a mmzação ou mamzação de uma determada métrca. Por outro lado, um problema de otmzação multobjetvo busca por um cojuto de soluções que capazes de otmzar separadamete e cocomtatemete quatas métrcas forem ecessáras. Desta 3 Busca Harmôca Na presete seção são abordados os cocetos relacoados à técca de otmzação busca harmôca (Harmoy Search HS) e sua etesão para otmzação multobjetvo e dâmca auto ajustável. O algortmo HS emula o comportameto de um músco quado este busca pela melhor harmoa em 53
3 Aas do XX Cogresso Braslero de Automátca Belo Horzote, MG, 0 a 4 de Setembro de 04 um seso estétco. Assm sedo, o algortmo HS busca o melhor estado, ou seja, o ótmo global, que é determado com base a fução objetvo dada pelo problema correte em questão. Os segutes passos ( a 5) defem o algortmo HS (Coelho e Berert, 009), como proposto calmete por Geem et. al. (00). Passo. Cofguração do algortmo. O problema de otmzação é especfcado da segute forma: Mmzar f(), sujeto a X, =,..., N ode f() é a fução objetvo, X é o tervalo defdo para cada varável de decsão de modo que ( L) ( U ) X. Os parâmetros de cotrole, a saber () o tamaho da matrz de harmoas (Harmoy Memory Matr HMS), ou seja, o úmero de vetores de soluções a memóra de harmoas; () a taa de cosderação de memóra de harmoas (Harmoy Memory Cosderg Rate HMCR); () a taa de ajuste de tos (Ptch Adjustg Rate PAR); e (v) crtéro de parada (úmero mámo de mprovsações - t ma) são ecessaramete especfcados esta altura do processo. Passo. Icalzação radômca da memóra de harmoas. A memóra de harmoas (Harmoy Memory HM) matém todos os vetores de varáves de decsão ecotradas durate o procedmeto de busca. A HM é calzada de forma aleatóra e uforme detro do espaço de busca e toma a forma como mostra a Eq. (). Nesta equação, cada lha represeta uma possível solução (a últma lha é a solução de úmero HMS) e em cada lha há compoetes (o úmero de varáves de decsão). HM HMS- HMS HMS- HMS N- N- HMS- N HMS N HMS- HMS () Passo 3. Improvsação de uma ova harmoa. Este é o passo em que uma ova solução é crada de forma a eplorar o espaço de busca. Desta forma, crase um vetor (,,..., N ) que é gerado segudo spra a atuação dos múscos quado acotece uma mprovsação. Esta é emulada segudo as regras de lembraça de memóra de harmoas, ajuste de tos e seleção aleatóra. A prmera regra mecoada, lembraça da memóra de harmoas, depede do parâmetro de projeto HMCR (que pertece ao tervalo [0, ]). Desta forma, cada compoete de é tomada da HM ou gerada aleatoramete detro da regão de busca de acordo com HMCR, da segute forma: HMS,,..., se rad HMCR (3) X, caso cotráro, ode rad é um úmero aleatóro uforme detro do tervalo [0, ]. Após a cosderação da memóra de harmoas, ajusta-se o tom de acordo com o parâmetro PAR: Ajustar o tom, se rad PAR Não ajustar, caso cotráro. Se o tom da ova solução mprovsada é ajustado, etão cada compoete da ova solução é modfcada da segute forma: rad bw, ode bw é uma dstâca arbtrára de largura de bada a -ésma dmesão. Passo 4. Atualzar a HM. Sedo melhor que qualquer uma das HMS harmoas presetes a HM, substtu a por solução (em termos de f()) e passa a costtur HM. Passo 5. Repetr os Passos 3 e 4 até que o crtéro de parada (úmero mámo de mprovsações) seja satsfeto. Nas duas subseções segutes são abordadas as adaptações do algortmo HS para otmzação multobjetvo e sua adaptação auto ajustável. 3. Busca Harmôca Multobjetvo Com o objetvo de ldar com problemas de otmzação multobjetvo coforme eposto a seção, o algortmo HS é adaptado para o MOHS (Multobjectve Harmoy Search MOHS). Para este fm, os Passos e 4 são alterados coforme abao: Passo : Icalzação do Algortmo. Para um problema de otmzação multobjetvo (coforme seção ) a tarefa é mmzar f m(), sujeto a X, m =,, M; =,...,. Os parâmetros de cotrole HMS, HMCR, PAR e t ma também são ajustados. Passos e 3: Idem ao HS. Passo 4: Atualzar a HM. Sempre que uma ova harmoa é melhor que qualquer outra que esteja cotda a HM, é adcoada a HM e a por harmoa é ecluída. O coceto de domâca e dstâca de multdão são utlzados para ordear a memóra de harmoas, da mesma forma como o algortmo NSGA-II (Deb et. al., 00) ao fal de cada mprovsação. Desta forma, o algortmo MOHS vsa ão somete a permaêca de harmoas ão-domadas em HM, mas também de soluções dversfcadas que represetem a maor varedade possível o espaço de objetvos (uma das premssas em otmzação multobjetvo). Passo 5: Idem ao HS. (4) (5) 54
4 Aas do XX Cogresso Braslero de Automátca Belo Horzote, MG, 0 a 4 de Setembro de 04 PAR BtW PAR detro do tervalo [0, ]). A Fgura mostra o comportameto de PAR, de acordo com a Eq. (7), para PAR m = 0, e PAR ma =. Note que o valor de PAR depede do úmero de terações e dmu, mplcado a meor ocorrêca de mprovsações, à medda que BtW aumeta. Em outras palavras, à medda que o coefcete BtW aumeta, deotado melhor qualdade o cojuto de harmoas em HM, a probabldade de mprovsações dmu. O ajuste de largura de bada do tom é ajustado com base o desvo padrão das harmoas em cada dmesão (Katta e Abdullah, 03): bw C.StdDev(HM ) (8) Fgura. Comportameto do parâmetro de acordo com BtW, tedo PAR m = 0, e PAR ma =. 3.3 Busca Harmôca Multobjetvo Auto-ajustável Recetemete, Katta e Abdullah (03) propuseram a utlzação de auto ajuste dâmco para a defção dos parâmetros de cotrole (jutamete com um estudo sobre demas métodos para defção destes parâmetros para a HS). Neste estudo, é proposta a defção dos parâmetros PAR e bw de forma automátca. Dferetemete da maora das téccas ecotradas para auto ajuste dos parâmetros do HS, esse ajuste acotece de forma depedete do úmero atual de gerações o que foreceu bos resultados quado comparado o estudo (Katta e Abdullah, 03). Na presete seção, o algortmo de busca harmôca multobjetvo auto ajustável (Dyamc Multobjectve Harmoc Search DS- MOHS) é troduzdo. O coceto de razão do melhor para o por (Bestto-Worst rato BtW), aqu adapatado de Katta e Abdullah (03) para otmzação multobjetvo, estma a qualdade das soluções que estão cotdas a HM de forma homogêea, da segute maera: b f ( ) BtW ma w f ( ) (6) ode f ( b ) ad f ( w ) represetam o melhor e por valores para a -ésma fução objetvo (vale relembrar que o presete trabalho restrge-se à mmzação de todas as M fuções objetvo, coforme seção ). Assm, o valor de BtW é calculado a cada teração, a fm de medr a qualdade geral das soluções cotdas a memóra de soluções. A partr do coefcete BtW, o parâmetro de cotrole PAR (Eq. (4)) é defdo damcamete de acordo com a qualdade das soluções cotdas a HM (Katta e Abdullah, 03): PAR ( PAR PAR ) BtW PAR (7) m ma ma ode PAR m ad PAR ma podem ser defdos de um valor relatvamete pequeo e também grade (ambos ode o operador StdDev(HM ) represeta o desvo padrão de todas as harmoas a -ésma dmesão e o fator C é adotado segudo as lhas de Katta e Abdullah (03): com base em AccRate (úmero de harmoas acetas a HM as últmas 00 terações) e AccC th como o lmar (adotado como 0%) o qual C começa a decrescer, ou seja: AccRate C AccC th 0., se, se AccRate AccC AccRate th, se AccRate AccC th. (9) Assm sedo, com relação ao MOHS, o algortmo DS-MOHS mplemeta as Eqs. (6)-(9) a cada mprovsação (Passo 3) de forma a calcular os valores de PAR e bw com base a qualdade das soluções cotdas a HM, em cotraste com o MOHS que possu valores estátcos durate o procedmeto de busca. 4 Mapulador Robótco Um mapulador robótco seral pode ser descrto através da sua equação dâmca, a qual é costtuída por um cojuto de equações dferecas acopladas que possuem termos relacoados, por eemplo, à érca varate, torque cetrífugo e de Corols, carregameto, gravdade e atrto. Em geral, em aplcações de mapuladores, requer-se que o atuador fal do cojuto realze uma determada trajetóra e velocdade. Deste modo, faz-se ecessáro especfcar os torques aplcados aos atuadores localzados em cada uma das jutas do mapulador, a fm de que o cumprmeto das trajetóras seja realzado da melhor maera possível. O modelo matemátco utlzado para descrever o mapulador robótco, estudo de caso do presete artgo, é descrto a segur. A equação dâmca de um mapulador robótco de graus de lberdade pode ser escrta como (Ayala e Coelho, 0): M ( ) C(, ) G( ) (0) ode M( ) é a matrz de érca do sstema (defda postva), C(, ) é o vetor que represeta os 55
5 Aas do XX Cogresso Braslero de Automátca Belo Horzote, MG, 0 a 4 de Setembro de 04 efetos do torque cetrífugo e de Corols, é o vetor relatvo ao efeto dos torques gravtacoas, é o vetor do torque das jutas, e,, represetam respectvamete a posção, velocdade e aceleração agulares das jutas. Assm sedo, ao assumr =, é possível obter o modelo dâmco de um mapulador de dos graus de lberdade (Fg. ), como a segur (Crag, 005): G( ) ml ( ) mll c( ) ( m m) l - mll s m l l s m l gc ( m m ) l gc m l l c m l l s m l gc m l ( ) () () ode s =se( ), s =se( ), c =cos( ), c =cos( ), e c =cos( + ). Utlzam-se os ídces e para deotar respectvamete os parâmetros das jutas e. De acordo com (Mtal & Ch, 995), são utlzados, para fs de smulação, os segutes parâmetros: comprmeto dos elos do mapulador l =0,8 m e l =0,4 m; massas dos elos de m =m =0, kg, e aceleração da gravdade de g=9,8 m/s. Os atuadores possuem restrções físcas e assm sedo, adota-se o presete trabalho para os torques e o lmte de [-; ] knm. O período de amostragem é selecoado como T s = 0 ms. a j(t) = j(t) - d,j(t), ode j / j={,}. (5) As meddas de erro acma serão utlzadas como métrcas a segur os crtéros do procedmeto de otmzação para a defção dos gahos do cotrolador do mapulador robótco. No presete trabalho é proposta a utlzação de um cotrolador PD dgtal multloop. A ação de cotrole é regda pelo vetor de torques aplcado em cada eo coforme a equação dâmca do mapulador. Desta forma, a equação de cotrole PD aalógco multvarável é dada por: j(t) = K p, j j(t) + K v,j j(t) (6) Após realzar o processo de dscretzação da equação do vetor de torques como em (7), a equação a dfereças (possível de se mplemetar em smulações computacoas) do cotrolador PD é dada por: j(t)=(k p, j+k v,j/t s) (t) - (K v,j/t s) (t-) (K p,j+k v,j/t s) d,j(t) + K v,j/t s d,j(t-), ode j / j={,}. (7) Os gahos do cotrolador PD são dados pelas matrzes K p,j e K v,,j (dagoas e defdas postvas). A ação de cotrole é portato proporcoal aos erros de posção e velocdade. 5 Resultados Nesta seção são epostos os resultados quado o problema de stoa de cotroladores é resolvdo através das téccas MOHS e DS-MOHS. Para tato, aplca-se a malha de cotrole composta pelo mapulador robótco regdo pela equação dâmca coforme em (0) e cotrolador PD com gahos selecoados de forma a mmzar as segutes métrcas: Fgura. Mapulador robótco de dos graus de lberdade e seus parâmetros. Os valores desejados para a posção agular, a velocdade e a aceleração da j-ésma juta do mapulador são defdas respectvamete como d,j, d,j e d,j e os seus vetores dos erros de posção, velocdade e aceleração são dados por d j(t) = j(t) - d,j(t), ode j / j={,}, v j(t) = j(t) - d,j(t), ode j / j={,} e (3) (4) tf tf ) d ( t) d ( t) t t f ( (8) tf tf ( ) v ( t) v ( t) t t f (9) O método Ruge-Kutta (4ª ordem) é usado para smular a dâmca do robô. O projeto do cotrolador PD é otmzado através dos algortmos MOHS e DS- MOHS de modo a mmzar as fuções objetvo e f ( ), cosderado os gahos do cotrolador detro do tervalo [0, 0]. A fução objetvo f ( ) vsa o segumeto da trajetóra do robô, equato a f ( ) requer que o erro do segumeto da velocdade desejada seja mmzado. A posção desejada para cada elo é dada através de um polômo de 5 a ordem, como a segur (Crag, 005): f ( ) 56
6 Aas do XX Cogresso Braslero de Automátca Belo Horzote, MG, 0 a 4 de Setembro de 04 d,j(t) = a 0 + a t + a t + a 3t 3 + a 4t 4 + a 5t 5, ode j / j = {,} tedo as segutes restrções: (0) Elo Elo (a) df,j = a + a t f +3a 3t f +4a 4t 3 f +5a 5t 4 f df,j = a +6a 3t f +a 4t f +0a 5t 3 f ode j / j = {,} () Posção sedo df,j, df,j, df,j os valores fas em desejados respectvamete para a posção ( df,= rad e df,= rad em t = e df,=0,5 rad e df,=4 rad em tf = 4 s), velocdade ( df,= df,=0 rad/s em t = s e tf = 4 s) e aceleração ( df,=0 rad/s ). Os parâmetros do algortmo são defdos da segute forma. O úmero mámo de harmoas guardadas a memóra 00, mámo úmero de mprovsações 3.000, HMCR = 0,95, PAR = 0,5 (para o MOHS) e PARm = 0, e PARma = (para o DS-MOHS). Os algortmos são smulados com 30 codções cas dferetes. Para fs de comparação umérca dos algortmos, a Tabela mostra as métrcas () úmero de soluções ão-domadas (ao fal de cada smulação), () dstâca Eucldaa (méda das dstâca Eucldaas das soluções ão-domadas até a orgem) e () hpervolume (Foseca, Paquete e López-Ibáñez, 006). Para o cálculo das métrcas () e (), os valores das métrcas e são ormalzados etre [0,] de modo a ão caracterzar preferêca por algum dos objetvos. f ( ) f (erro das velocdades) df,= f ( ) f (erro das posções) MOHS DS-MOHS Fgura 3. Froteras de Pareto obtdas pelos algortmos MOHS e DS-MOHS. A solução melhor compromssada obtda pelo DS- MOHS é mostrada em verde. Tabela. Métrcas de performace para o problema de otmzação. Mímo Mámo Méda Número de soluções ão-domadas MOHS DS-MOHS Dstâca Eucldaa MOHS 3.458E E E-0 DS-MOHS 3.448E E E-0 Hpervolume MOHS 8.860E E-0 9.E-0 DS-MOHS 9.407E E E Tempo (s) (b) Fgura 4. (a) Posção e (b) velocdade desejadas (lha tracejada) e realzadas (lha chea) com a aplcação da solução mas compromssada obtda pelo algortmo DS-MOHS. Torque Velocdade Elo Elo Tempo (s) Tempo (s) Torque Torque Fgura 5. Ação de cotrole (torque) do cotrolador mas compromssado obtdo pelo algortmo DS-MOHS. É possível dzer, através da aálse dos dados umércos da Tabela, que o DS-MOHS obteve resultados superores quado comparado à versão clássca MOHS. No questo (), o DS-MOHS obteve mas soluções ão domadas ao térmo de cada smulação, forecedo soluções em maor úmero ao projetsta e mas dversfcadas a frotera estmada de Pareto (coforme também lustra a Fgura 3, que cotém todas as soluções obtdas ao fal de 30 smulações). O crtéro (), referete à méda da dstâca Eucldaa das soluções até a orgem, também é melhor para o DS- 57
7 Aas do XX Cogresso Braslero de Automátca Belo Horzote, MG, 0 a 4 de Setembro de 04 MOHS, sedo a sua frotera de Pareto mas próma em méda de um poto utópco (orgem). Falmete, o crtéro () hpervolume, que forece quattatvamete uma métrca da regão que o cojuto de Pareto apromado doma, também é melhor para o DS- MOHS. Tedo em mãos as soluções mostradas a Fgura 3, o projetsta pode escolher etão uma solução, detre o cojuto de soluções cotdas a frotera de Pareto estmada, a qual ofereça o melhor compromsso etre os objetvos vsados. Uma possbldade é defr a melhor solução compromssada como aquela que possua a meor méda harmôca etre os objetvos (ormalzados). Na Fgura 3 o círculo verde mostra a solução melhor compromssada para o algortmo DS-MOHS. Esta solução tem suas trajetóras smuladas, coforme mostram as Fguras 4 e 5. A Fgura 4 mostra as trajetóras desejadas para posção e velocdade (crtéros de custo) equato a Fgura 5 lustra o torque em cada juta. É possível ver o bom cumprmeto da trajetóra e a ação de cotrole com pouca varação, fator mportate o cotrole de atuadores para aumetar a sua vda útl. 6 Coclusão O presete trabalho apresetou a aplcação do algortmo MOHS e sua versão DS-MOHS o problema de stoa de cotroladores PD multloop, quado aplcados a malha de cotrole de um mapulador robótco de dos graus de lberdade. Mostrou-se que, para o presete problema, o algortmo DS-MOHS obteve melhores resultados de acordo com os crtéros do problema de otmzação. Vale saletar que o algortmo DS-MOHS possu meos parâmetros de projeto que a sua versão clássca MOHS, o que faclta e ecoraja a sua aplcação a outros problemas. Ao projetsta é possível forecer, através da metodologa utlzada, uma gama de soluções que oferecem um compromsso etre os objetvos de mmzar o erro de trajetóra de posção e velocdade. Futuros trabalhos vsarão () a aplcação de cotroladores PD e PID a sstemas mas compleos, () utlzação de outras estruturas de cotrole que permtam maor flebldade através do ajuste dos seus parâmetros (como redes euras) e () sequete melhora do algortmo MOHS de modo a dmur seus parâmetros de cotrole e aumetar a sua performace. Agradecmetos Este trabalho fo parcalmete facado por uma bolsa PROSUP da CAPES. Referêcas Bblográfcas Ayala, H. V. H. ad Coelho, L. S. (008). A multobjectve geetc algorthm appled to multvarable cotrol optmzato., I ABCM symposum seres mechatrocs, vol. 3, pp Ayala, H. V. H. ad Coelho, L. S. (00). Cotroller tug usg multobjectve partcle swarm optmzato appled to a quadruple-tak process, I ABCM Symposum Seres Mechatrocs, vol. 4, pp Ayala, H. V. H. ad Coelho, L. S. (0), Tug of PID cotroller based o a multobjectve geetc algorthm appled to a robotc mapulator., Epert Systems wth Applcatos, v. 39, p Ayala, H. V. H.; Cruz, L. F.; Coelho, L. S. ad Zaett, R. Z., (04), Swm velocty profle detfcato through a dyamc self-adaptve multobjectve harmoc search ad RBF eural etworks, d Europea Symposum o Artfcal Neural Networks, Computatoal Itellgece ad Mache Learg (ESANN), Bruges, Bélgca. Coelho, L.S., Berert, D. L. A. (009), A mproved harmoy search algorthm for sychrozato of dscrete-tme chaotc systems., Chaos, Soltos & Fractals, vol. 4, o. 5, pp Coelho, L. S., Ayala, H. V. H., Nedjah, N. ad Mourelle, L. M., (00), Multobjectve Gaussa partcle swarm approach appled to mult-loop PI cotroller tug of a quadrupletak system, I Mult-Objectve Swarm Itellget Systems, pp. -6, Sprger Berl Hedelberg. Crag, J. J. (005). Itroducto to robotcs mechacs & cotrol. 3rd Ed., Pearso Pretce Hall. Deb, K. (00). Mult-Objectve optmzato usg evolutoary algorthms, New York, NY, USA: Joh Wley & Sos, Ic. Deb, K., Pratap, A., Agarwal, S., Meyarva, T. A. M. T. (00), A fast ad eltst multobjectve geetc algorthm: NSGA-II, IEEE Trasactos o Evolutoary Computato, vol. 6, pp Eder, D. B. (993), Process cotrol performace: Not as good as you thk. Cotrol Egeerg, vol. 40, o. 0, Foseca, C. M., Paquete, L., López-Ibáñez, M., (006), A mproved dmeso - sweep algorthm for the hypervolume dcator., proceedgs of the 006 Cogress o Evolutoary Computato (CEC 06), pp , Pscataway, New Jersey. Geem, Z. J., Km, H. ad Logaatha, G.V. (00), A heurstc optmzato algorthm: harmoy search, Smulato, vol. 76, o., pp Hug, M. H.; Shu, L.S.; Ho, S. J.; Hwag, S.F.; Ho, S. Y., March 008, A ovel tellget multobjectve smulated aealg algorthm for desgg robust PID cotrollers, IEEE Trasactos o Systems, Ma ad Cyberetcs, Part A: Systems ad Humas, vol. 38, o., pp Katta, A., Abdullah, R. (03) A dyamc self-adaptve harmoy search algorthm for cotuous optmzato problems, Appled Mathematcs 58
8 Aas do XX Cogresso Braslero de Automátca Belo Horzote, MG, 0 a 4 de Setembro de 04 ad Computato, vol. 9, o. 6, pp Lu, G. P., Yag, J. B., Whdbore, J. F., (00), Multobjectve optmsato & cotrol, st edto, Research Studes Pr. Majarres, D., Lada-Torres, I., Gl-Lopez, S., Del Ser, J., Blbao, M.N., Salcedo-Saz, S. ad Geem, Z. W., (03), A survey o applcatos of the harmoy search algorthm, Egeerg Applcatos of Artfcal Itellgece, vol. 6, o. 8, pp Mtal, D. P. e Ch, L. (995). Itellget cotrol applcatos wth eural etworks, Itellget cotrol systems: theory ad applcatos., Guta, M. M. e Sha, N. K. (eds), chapter 8, Pscataway, IEEE Press, pp Neath, M. J., Swa, A. K., Madawala, U. K., Thrmawthaa, D.J., March 04. A optmal PID cotroller for a bdrectoal ductve power trasfer system usg multobjectve geetc algorthm, IEEE Trasactos o Power Electrocs, vol. 9, o.3, pp O Dwyer, A. (0), A overvew of tug rules for the PI ad PID cotuous-tme cotrol of tmedelayed sgle-put, sgle-output (SISO) processes. PID Cotrol the Thrd Mlleum, Sprger Lodo, p Reyoso-Meza, G., Sachs, J., Blasco, X., Herrero, J. M., (0), Multobjectve evolutoary algorthms for multvarable PI cotroller desg, Epert Systems wth Applcatos, vol. 39, o. 9, pp Reyoso-Meza, G., Garca-Neto, S., Sachs, J., Blasco, F.X., (03), Cotroller tug by meas of mult-objectve optmzato algorthms: a global tug framework, IEEE Trasactos o Cotrol Systems Techology, vol., o., pp Rcart, J., Hüttema, G., J. Lma ad Bará, B. (0), Multobjectve harmoy search algorthm proposals, Electroc Notes Theoretcal Computer Scece, vol. 8, pp Svasubrama, S., Swarup, K. S. (0a), Evrometal/ecoomc dspatch usg mult-objectve harmoy search algorthm, Electrc Power Systems Research, vol. 8, o. 9, pp Svasubrama, S., Swarup, K. S. (0b), Mult-objectve harmoy search algorthm for optmal power flow problem., Iteratoal Joural of Electrcal Power & Eergy Systems, vol. 33, o. 3, pp
Capítulo 1: Erros em cálculo numérico
Capítulo : Erros em cálculo umérco. Itrodução Um método umérco é um método ão aalítco, que tem como objectvo determar um ou mas valores umércos, que são soluções de um certo problema. Ao cotráro das metodologas
Leia maisIND 1115 Inferência Estatística Aula 9
Coteúdo IND 5 Iferêca Estatístca Aula 9 Outubro 2004 Môca Barros Dfereça etre Probabldade e Estatístca Amostra Aleatóra Objetvos da Estatístca Dstrbução Amostral Estmação Potual Estmação Bayesaa Clássca
Leia maisRequisitos metrológicos de instrumentos de pesagem de funcionamento não automático
Requstos metrológcos de strumetos de pesagem de fucoameto ão automátco 1. Geeraldades As balaças estão assocadas de uma forma drecta à produção do betão e ao cotrolo da qualdade do mesmo. Se são as balaças
Leia maisCAPÍTULO 9 - Regressão linear e correlação
INF 6 Prof. Luz Alexadre Peterell CAPÍTULO 9 - Regressão lear e correlação Veremos esse capítulo os segutes assutos essa ordem: Correlação amostral Regressão Lear Smples Regressão Lear Múltpla Correlação
Leia maisMAE116 Noções de Estatística
Grupo C - º semestre de 004 Exercíco 0 (3,5 potos) Uma pesqusa com usuáros de trasporte coletvo a cdade de São Paulo dagou sobre os dferetes tpos usados as suas locomoções dáras. Detre ôbus, metrô e trem,
Leia maisA REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes
Mostra Nacoal de Icação Cetífca e Tecológca Iterdscplar VI MICTI Isttuto Federal Catarese Câmpus Camború 30 a 3 de outubro de 03 A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: echetes Ester Hasse
Leia maisAnálise de Regressão
Aálse de Regressão Prof. Paulo Rcardo B. Gumarães. Itrodução Os modelos de regressão são largamete utlzados em dversas áreas do cohecmeto, tas como: computação, admstração, egeharas, bologa, agrooma, saúde,
Leia maisMA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04
MA1 - Udade 4 Somatóros e Bômo de Newto Semaa de 11/04 a 17/04 Nesta udade troduzremos a otação de somatóro, mostrado como a sua mapulação pode sstematzar e facltar o cálculo de somas Dada a mportâca de
Leia maisFINANCIAMENTOS UTILIZANDO O EXCEL
rofessores Ealdo Vergasta, Glóra Márca e Jodála Arlego ENCONTRO RM 0 FINANCIAMENTOS UTILIZANDO O EXCEL INTRODUÇÃO Numa operação de empréstmo, é comum o pagameto ser efetuado em parcelas peródcas, as quas
Leia maisFaculdade de Economia, Administração e Contabilidade de Ribeirão Preto
Faculdade de Ecooma, Admstração e Cotabldade de Rberão Preto Ecooma Moetára Curso de Ecooma / º. Semestre de 014 Profa. Dra. Rosel da Slva Nota de aula CAPM Itrodução Há dos modelos bastate utlzados para
Leia maisAlgoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações
Algortmos de Iterseções de Curvas de Bézer com Uma Aplcação à Localzação de Raízes de Equações Rodrgo L.R. Madurera Programa de Pós-Graduação em Iformátca, PPGI, UFRJ 21941-59, Cdade Uverstára, Ilha do
Leia maisCENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG
1 CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnlesteMG Dscplna: Introdução à Intelgênca Artfcal Professor: Luz Carlos Fgueredo GUIA DE LABORATÓRIO LF. 01 Assunto: Lógca Fuzzy Objetvo: Apresentar o
Leia maisINTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA
INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA 003 Iformações: relembra-se os aluos teressados que a realzação de acções presecas só é possível medate solctação vossa, por escrto, à assstete da cadera. A realzação
Leia maisCAPÍTULO 2 - Estatística Descritiva
INF 6 Prof. Luz Alexadre Peterell CAPÍTULO - Estatístca Descrtva Podemos dvdr a Estatístca em duas áreas: estatístca dutva (ferêca estatístca) e estatístca descrtva. Estatístca Idutva: (Iferêca Estatístca)
Leia maisEstatística Notas de Aulas ESTATÍSTICA. Notas de Aulas. Professor Inácio Andruski Guimarães, DSc. Professor Inácio Andruski Guimarães, DSc.
Estatístca Notas de Aulas ESTATÍSTICA Notas de Aulas Professor Iáco Adrus Gumarães, DSc. Professor Iáco Adrus Gumarães, DSc. Estatístca Notas de Aulas SUMÁRIO CONCEITOS BÁSICOS 5. Estatístca. Estatístca
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
É o grau de assocação etre duas ou mas varáves. Pode ser: Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val www.pucrs.br/famat/val/ correlacoal ou expermetal. Numa relação expermetal os valores
Leia maisALGORITMOS DE OTIMIZAÇÃO BIOINSPIRADOS BASEADOS EM POPULAÇÕES PARA O PROBLEMA DE DESPACHO ECONÔMICO DE CARGA
Aas do XIX Cogresso Braslero de Automátca, CBA 2012. ALGORITMOS DE OTIMIZAÇÃO BIOINSPIRADOS BASEADOS EM POPULAÇÕES PARA O PROBLEMA DE DESPACHO ECONÔMICO DE CARGA ADRIANE B. S. SERAPIÃO, RAQUEL K. ROCHA
Leia maisEstudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.
Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,
Leia mais1 SISTEMA FRANCÊS DE AMORTIZAÇÃO
scpla de Matemátca Facera 212/1 Curso de Admstração em Gestão Públca Professora Ms. Valéra Espídola Lessa EMPRÉSTIMOS Um empréstmo ou facameto pode ser feto a curto, médo ou logo prazo. zemos que um empréstmo
Leia maisCapítulo 6 - Centro de Gravidade de Superfícies Planas
Capítulo 6 - Cetro de ravdade de Superfíces Plaas 6. Itrodução O Cetro de ravdade (C) de um sóldo é um poto localzado o própro sóldo, ou fora dele, pelo qual passa a resultate das forças de gravdade que
Leia maisMatemática. Resolução das atividades complementares. M18 Noções de Estatística
Resolução das atvdades complemetares Matemátca M8 Noções de Estatístca p. 3 (UFRJ) Dos estados do país, um certo ao, produzem os mesmos tpos de grãos. Os grácos de setores lustram a relação etre a produção
Leia maisCapítulo 1 PORCENTAGEM
Professor Joselas Satos da Slva Matemátca Facera Capítulo PORCETAGEM. PORCETAGEM A porcetagem ada mas é do que uma otação ( % ) usada para represetar uma parte de cem partes. Isto é, 20% lê-se 20 por ceto,
Leia maisM = C( 1 + i.n ) J = C.i.n. J = C((1+i) n -1) MATEMÁTICA FINANCEIRA. M = C(1 + i) n BANCO DO BRASIL. Prof Pacher
MATEMÁTICA 1 JUROS SIMPLES J = C.. M C J J = M - C M = C( 1 +. ) Teste exemplo. ados com valores para facltar a memorzação. Aplcado-se R$ 100,00 a juros smples, à taxa omal de 10% ao ao, o motate em reas
Leia mais2 Estrutura a Termo de Taxa de Juros
Estrutura a Termo de Taxa de Juros 20 2 Estrutura a Termo de Taxa de Juros A Estrutura a termo de taxa de juros (também cohecda como Yeld Curve ou Curva de Retabldade) é a relação, em dado mometo, etre
Leia maisLCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão
LCE Etatítca Aplcada à Cêca Soca e Ambeta 00/0 Eemplo de revão Varável Aleatóra Cotíua Eemplo: Para e etudar o comportameto de uma plata típca de dua, a Hydrocotlle p., quato ao eu deevolvmeto, medu-e
Leia maisProjeto de rede na cadeia de suprimentos
Projeto de rede a cadea de suprmetos Prof. Ph.D. Cláudo F. Rosso Egehara Logístca II Esboço O papel do projeto de rede a cadea de suprmetos Fatores que fluecam decsões de projeto de rede Modelo para decsões
Leia maisEVAPOTRANSPIRAÇÃO DE REFERÊNCIA UTILIZANDO MÉTODOS DE TANQUE CLASSE A PROPOSTOS PELA FAO, NA REGIÃO DE MOSSORÓ, RN
EVAPOTRANSPIRAÇÃO DE REFERÊNCIA UTILIZANDO MÉTODOS DE TANQUE CLASSE A PROPOSTOS PELA FAO, NA REGIÃO DE MOSSORÓ, RN Tayd Dayvso Custódo Pexoto ; Sérgo Luz Agular Leve ; Adre Herma Frere Bezerra 3 ; José
Leia maisUnidade II ESTATÍSTICA
ESTATÍSTICA Udade II 3 MEDIDAS OU PARÂMETROS ESTATÍSTICOS 1 O estudo que fzemos aterormete dz respeto ao agrupameto de dados coletados e à represetação gráfca de algus deles. Cumpre agora estudarmos as
Leia maisAPLICAÇÕES DE MÉTODOS DE ENERGIA A PROBLEMAS DE INSTABILIDADE DE ESTRUTURAS
PONTIFÍCI UNIVERSIDDE CTÓLIC DO RIO DE JNEIRO DEPRTMENTO DE ENGENHRI CIVIL PLICÇÕES DE MÉTODOS DE ENERGI PROBLEMS DE INSTBILIDDE DE ESTRUTURS Julaa Bragh Ramalho Raul Rosas e Slva lua de graduação do curso
Leia maisPROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS
PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS Prof José Leoardo Noroha M Eg Departameto de Egehara de Prodção Escola Federal de Egehara de Itabá EFEI RESUMO: Neste trabalho
Leia maisPerguntas Freqüentes - Bandeiras
Pergutas Freqüetes - Baderas Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte por lqudar a obrgação de forma parcelada
Leia maisProf. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística
Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de
Leia maisDifusão entre Dois Compartimentos
59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão
Leia maisCap. 5. Testes de Hipóteses
Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma
Leia mais12.2.2 CVT: Coeficiente de Variação de Thorndike...45 12.2.3 CVQ: Coeficiente Quartílico de Variação...45 13 MEDIDAS DE ASSIMETRIA...46 13.
SUMARIO 2 MÉTODO ESTATÍSTICO...3 2. A ESTATÍSTICA...3 2.2 FASES DO MÉTODO ESTATÍSTICO...4 3 FERRAMENTAS DE CÁLCULO PARA O ESTUDO DA ESTATÍSTICA...5 3. FRAÇÃO...5 3.. Adção e subtração...5 3..2 Multplcação
Leia mais? Isso é, d i= ( x i. . Percebeu que
Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0
Leia maisTEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823
Leia maisMÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS. M. Z. Nascimento, A. F. Frère e L. A.
MÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS M. Z. Nascmeto, A. F. Frère e L. A. Neves INTRODUÇÃO O cotraste as radografas vara ao logo do campo de
Leia mais7. Resolução Numérica de Equações Diferenciais Ordinárias
7. Resolução Numérca de Equações Dferencas Ordnáras Fenômenos físcos em dversas áreas, tas como: mecânca dos fludos, fluo de calor, vbrações, crcutos elétrcos, reações químcas, dentre váras outras, podem
Leia mais2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria
Avalação da seguraça dâmca de sstemas de eerga elétrca: Teora. Itrodução A avalação da seguraça dâmca é realzada através de estudos de establdade trastóra. Nesses estudos, aalsa-se o comportameto dos geradores
Leia maisUMA NOVA METODOLOGIA PARA TREINAMENTO EM REDES NEURAIS MULTI CAMADAS
UMA OVA METODOLOGIA PARA TREIAMETO EM REDES EURAIS MULTI CAMADAS Luz Carlos C. Pedroza Pedroza@cefet-rj.br CEFET-RJ Av. Maracaã, 229 Ro de Jaero, CEP 2027-0 Carlos E. Pedrera pedrera@ele.puc-ro.br DEE
Leia maisE-mails: damasceno1204@yahoo.com.br damasceno@interjato.com.br damasceno12@hotmail.com http://www. damasceno.info www. damasceno.info damasceno.
Matemátca Facera 2007.1 Prof.: Luz Gozaga Damasceo 1 E-mals: damasceo1204@yahoo.com.br damasceo@terjato.com.br damasceo12@hotmal.com http://www. damasceo.fo www. damasceo.fo damasceo.fo Obs.: (1 Quado
Leia maisANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS
ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;
Leia maisOlá, amigos concursandos de todo o Brasil!
Matemátca Facera ICMS-RJ/008, com gabarto cometado Prof. Wager Carvalho Olá, amgos cocursados de todo o Brasl! Veremos, hoje, a prova do ICMS-RJ/008, com o gabarto cometado. - O artgo º da Le.948 de 8
Leia maisProfessor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.
Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.
Leia maisMODELO DE ISING BIDIMENSIONAL SEGUNDO A TÉCNICA DE MATRIZ DE TRANSFERÊNCIA
UIVERSIDADE ESTADUAL DO CEARÁ RAFAEL DE LIMA BARBOSA MODELO DE ISIG BIDIMESIOAL SEGUDO A TÉCICA DE MATRIZ DE TRASFERÊCIA FORTALEZA CEARÁ 4 RAFAEL DE LIMA BARBOSA MODELO DE ISIG BIDIMESIOAL SEGUDO A TÉCICA
Leia maisNota Técnica n o 037/2013-SRG/ANEEL. Em 17 de maio de 2013. Processo: 48500.002907/2010-89
Nota Técca o 037/2013-SRG/ANEEL Em 17 de mao de 2013. Processo: 48500.002907/2010-89 Assuto: Cosoldação de todas as regulametações referetes à apuração de dspobldades de empreedmetos de geração de eerga
Leia maisPalavras-Chave: Teoria das Restrições, Decisões a Longo Prazo, Simulação de Monte Carlo.
Teora das Restrções e Decsões de Logo Prazo: Camho para a Covergêca Autores PABLO ROGERS Uversdade Federal de Uberlâda ERNANDO ANTONIO REIS Uversdade Federal de Uberlâda Resumo Advogam os crítcos da Teora
Leia maisMarília Brasil Xavier REITORA. Prof. Rubens Vilhena Fonseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA
Maríla Brasl Xaver REITORA Prof. Rubes Vlhea Foseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA MATERIAL DIDÁTICO EDITORAÇÃO ELETRONICA Odvaldo Texera Lopes ARTE FINAL DA CAPA Odvaldo Texera Lopes REALIZAÇÃO
Leia maisPROBLEMA DE INCERTEZA EM SISTEMAS DINÂMICOS UTILIZANDO DEFUZZIFICAÇÃO PELO CENTROIDE
POSMEC 205 Smpóso do Programa de Pós-Graduação em Egehara Mecâca Faculdade de Egehara Mecâca Uversdade Federal de Uberlâda 8 e 9 de Novembro de 205, Uberlâda - MG PROBLEM DE INCERTEZ EM SISTEMS DINÂMICOS
Leia maisMatemática Financeira
Cocetos Báscos de Matemátca Facera Uversdade do Porto Faculdade de Egehara Mestrado Itegrado em Egehara Electrotécca e de Computadores Ecooma e Gestão Na prátca As decsões faceras evolvem frequetemete
Leia maisLEASING UMA OBSERVAÇÃO Economista Antonio Pereira da Silva
LEASING UMA OBSERVAÇÃO Ecoomsta Atoo Perera da Slva AMOR POR DINHEIRO TITÃS Composção: Sérgo Brtto e To Bellotto Acma dos homes, a le E acma da le dos homes A le de Deus Acma dos homes, o céu E acma do
Leia maisCAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados
3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas
Leia maisEstabilidade no Domínio da Freqüência
Establdade o Domío da Freqüêca Itrodução; apeameto de Cotoros o Plao s; Crtéro de Nyqust; Establdade Relatva; Crtéro de Desempeho o Domío do Tempo Especfcado o Domío da Freqüêca; Bada Passate de Sstema;
Leia maisNotas de aula da disciplina Probabilidade e Estatística
otas de aula da dscpla Probabldade e Estatístca Proessor M Sc Adré Luz DAMAT - UTFPR Esta apostla apreseta os tópcos prcpas abordados em sala de aula, cotedo deções, teoremas, eemplos Sua letura ão é obrgatóra,
Leia maisConfiabilidade Estrutural
Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz
Leia maisAPOSTILA DA DISCIPLINA INFERÊNCIA ESTATÍSTICA I
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA APOSTILA DA DISCIPLINA INFERÊNCIA ESTATÍSTICA I CURSO DE ESTATÍSTICA Prof. Paulo Rcardo Bttecourt Gumarães O SEMETRE
Leia mais13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL
3 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL Como vto em amotragem o prmero bmetre, etem fatore que fazem com que a obervação de toda uma população em uma pequa eja mpratcável, muta veze em vrtude
Leia maisx n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População
ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL I
Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE
Leia maisCapítulo 5: Ajuste de curvas pelo método dos mínimos quadrados
Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato
Leia maisUERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes
UERJ CTC IE Departameto de Iormátca e Cêca da Computação Udade I - Erros as apromações umércas. I. - Cosderações geras. Há váras stuações em dversos campos da cêca em que operações umércas são utlzadas
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.
É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisEducação e Pesquisa ISSN: 1517-9702 revedu@usp.br Universidade de São Paulo Brasil
Educação e Pesqusa ISS: 1517-972 revedu@usp.br Uversdade de São Paulo Brasl Helee, Otavao Evolução da escolardade esperada o Brasl ao logo do século XX Educação e Pesqusa, vol. 38, úm. 1, marzo, 212, pp.
Leia maisEconometria: 3 - Regressão Múltipla
Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão
Leia maisUNIVERSIDADE DO ESTADO DA BAHIA - UNEB DEPARTAMENTO DE CIÊNCIAS EXATAS E DA TERRA COLEGIADO DO CURSO DE DESENHO INDUSTRIAL CAMPUS I - SALVADOR
Matéra / Dscplna: Introdução à Informátca Sstema de Numeração Defnção Um sstema de numeração pode ser defndo como o conjunto dos dígtos utlzados para representar quantdades e as regras que defnem a forma
Leia maisNeste capítulo pretende-se introduzir o conceito de centróide, em especial quando aplicado para o caso de superfícies planas.
Físca plcada à Egehara vl II aulo Medes ENTRÓIDES Neste capítulo pretede-se troduzr o coceto de cetróde, em especal quado aplcado para o caso de superfíces plaas. Este documeto, costtu apeas um strumeto
Leia maisAVALIAÇÃO DOS PROGRAMAS DE PÓS-GRADUAÇÃO EM ENGENHARIA DA UFRJ EMPREGANDO UMA VARIANTE DESENVOLVIDA DO MÉTODO UTA
versão mpressa ISSN 00-7438 / versão ole ISSN 678-542 AVALIAÇÃO DOS PROGRAMAS DE PÓS-GRADUAÇÃO EM ENGENHARIA DA UFRJ EMPREGANDO UMA VARIANTE DESENVOLVIDA DO MÉTODO UTA Luís Alberto Duca Ragel UFF-COPPE/PEP/UFRJ
Leia maisDistribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD
Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução
Leia maisCálculo de média a posteriori através de métodos de integração numérica e simulação monte carlo: estudo comparativo
INGEPRO Iovação, Gestão e Produção Jaero de 010, vol. 0, o. 01 www.gepro.com.br Cálculo de méda a posteror através de métodos de tegração umérca e smulação mote carlo: estudo comparatvo Helto Adre Lopes
Leia maisELECTROTECNIA TEÓRICA MEEC IST
ELECTROTECNIA TEÓRICA MEEC IST º Semestre 05/6 3º TRABALHO LABORATORIAL CIRCUITO RLC SÉRIE em Regme Forçado Alterado Susodal Prof. V. Maló Machado Prof. M. Guerrero das Neves Prof.ª Mª Eduarda Pedro Eg.
Leia maisFERRAMENTA AVALIATIVA DINÂMICA A PARTIR DA TEORIA DE RESPOSTA AO ITEM
FERRAMENTA AVALIATIVA DINÂMICA A PARTIR DA TEORIA DE RESPOSTA AO ITEM Fabríca D. Satos, Lucla G. Rbero, Leoardo G. de R. Guedes, Weber Marts Uversdade Católca de Goás, Departameto de Computação Uversdade
Leia maisCapítulo 5 EQUAÇÕES DE CONSERVAÇÃO DA MASSA
Capítulo 5 EQUAÇÕES DE CONSERVAÇÃO DA MASSA O objetvo deste capítulo é apresetar formas da equação da coservação da massa em fução de propredades tesvas faclmete mesuráves, como a temperatura, a pressão,
Leia maisINTRODUÇÃO A ESTATÍSTICA
Hewlett-Packard INTRODUÇÃO A ESTATÍSTICA Aulas 01 e 06 Elso Rodrgues, Gabrel Carvalho e Paulo Luz Sumáro Defções... 1 EXERCÍCIOS FUNDAMENTAIS... 1 Meddas de tedêca cetral... 1 Méda artmétca smples... 1
Leia maisOTIMIZAÇÃO DE UMA COLUNA DE DESTILAÇÃO V-104 STABILIZER DE PRODUÇÃO DE LPG - GÁS LIQUEFEITO DE PETRÓLEO CAMPO PETROLÍFERO DO MALONGO/CABINDA/ANGOLA
OTIMIZAÇÃO DE UMA COLUNA DE DESTILAÇÃO V-104 STABILIZER DE PRODUÇÃO DE LPG - GÁS LIQUEFEITO DE PETRÓLEO CAMPO PETROLÍFERO DO MALONGO/CABINDA/ANGOLA KÁTIA MARIANA SILIVELI EPALANGA - Egehera Químca Dssertação
Leia maisEm atendimento à solicitação de V.Sa., apresentamos, na seqüência, os resultados do estudo referenciado.
1 Belo Horzote, 14 de abrl de 2007. À UNAFISCO SAÚDE AT.: Glso Bezerra REF: AVALIAÇÃO ATUARIAL Prezado Sehor, Em atedmeto à solctação de V.Sa., apresetamos, a seqüêca, os resultados do estudo referecado.
Leia maisEm muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão
Leia maisJUROS SIMPLES. i 100 i 100. TAXA PROPORCIONAL: É aquela que aplicada ao mesmo capital, no mesmo prazo, produze o mesmo juros.
JUROS MONTANTE JUROS SIMPLES J = C 0 * * t 00 M = C * + * t 00 TAXA PROPORCIONAL: É aquela que aplcada ao mesmo captal, o mesmo prazo, produze o mesmo juros. * = * JUROS COMPOSTOS MONTANTE M = C * + 00
Leia maisEconometria: 4 - Regressão Múltipla em Notação Matricial
Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo
Leia maisMétodos iterativos. Capítulo O Método de Jacobi
Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método
Leia maisProfessor Mauricio Lutz ESTATÍSTICA BÁSICA
Proessor Maurco Lutz ESTATÍSTICA BÁSICA. Coceto Exstem mutas deções propostas por autores, objetvado estabelecer com clareza o que é estatístca, como por exemplo: Þ A Estatístca é um cojuto de métodos
Leia maisMATERIAL DE ESTATÍSTICA II PROF. MÁRIO ROBERTO
1 VARIÁVEIS ALEATÓRIAS O que se etede por varável aleatóra? Até agora ossos estudos estavam pratcamete voltados mas para defrmos osso Espaço Amostral U, sem assocarmos suas respectvas probabldades aos
Leia maisMonitoramento ou Inventário Florestal Contínuo
C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 6 Motorameto ou Ivetáro Florestal Cotíuo Agosto Lopes de Souza. ITRODUÇÃO Parcelas permaetes de vetáro florestal cotíuo
Leia maisInstituto Politécnico de Bragança Escola Superior de Tecnologia e de Gestão
Isttuto oltécco de Bragaça Escola Superor de ecologa e de Gestão 2º Ao de Egehara Electrotécca Istrumetação Electróca e Meddas Exame (ª Chamada) 2 de Juho de 200 SUGESÃO DE RESOLUÇÃO ) retede-se vsualzar,
Leia mais3 Precificação de resseguro
Precfcação de Resseguro 35 3 Precfcação de resseguro Este capítulo traz prmeramete uma oção ampla das aplcações das metodologas de precfcação de resseguro para melhor compreesão do mesmo Da seção 3 até
Leia maisAna Clara P. Campos 1 Denise Nunes Viola 1 Moacyr Cunha Filho 2 Guilherme Vilar 2 Vanessa Van Der Linden 3
Idetfcação da exstêca de padrão espacal aleatóro a dstrbução dos pacetes portadores de doeça geétca rara com defcêca físca da Assocação de Assstêca à Craça Defcete (AACD) de Perambuco Aa Clara P. Campos
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual
Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas
Leia maisComo CD = DC CD + DC = 0
(9-0 www.eltecampas.com.br O ELITE RESOLVE IME 008 MATEMÁTICA - DISCURSIVAS MATEMÁTICA QUESTÃO Determe o cojuto-solução da equação se +cos = -se.cos se + cos = se cos ( se cos ( se se.cos cos + + = = (
Leia maisVariância estatística associada a métodos semi-empíricos para estimativa da capacidade de carga de estacas
Teora e Prátca a Egehara vl,.0, p.6-67, ovemro, 0 arâca estatístca assocada a métodos sem-empírcos para estmatva da capacdade de carga de estacas Statstcal varace assocated wth sem-emprcal methods for
Leia maisModelos estatísticos para previsão de partidas de futebol
Modelos estatístcos para prevsão de partdas de futebol Dan Gamerman Insttuto de Matemátca, UFRJ dan@m.ufrj.br X Semana da Matemátca e II Semana da Estatístca da UFOP Ouro Preto, MG 03/11/2010 Algumas perguntas
Leia maisConstrução e Análise de Gráficos
Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela
Leia maisDistribuições de Probabilidades
Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução
Leia maisTabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f
Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que
Leia maisd s F = m dt Trabalho Trabalho
UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Trabalho 1. Itrodução
Leia maisDESENVOLVIMENTO DE UMA PLATAFORMA COMPUTACIONAL GRÁFICA PARA ESTUDOS DE FLUXO DE CARGA DE SISTEMAS DE POTÊNCIA
DESENVOLVIMENTO DE UMA PLATAFORMA COMPUTACIONAL GRÁFICA PARA ESTUDOS DE FLUXO DE CARGA DE SISTEMAS DE POTÊNCIA Thales Lma Olvera, Geraldo Caxeta Gumarães, Márco Augusto Tamashro Uversdade Federal de Uberlâda,
Leia maisAtividades Práticas Supervisionadas (APS)
Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula
Leia maisÁLBUNS DE FIGURINHAS, O PROBLEMA DO COLECIONADOR DE CUPONS E PROGRAMAÇÃO EM VBA?
ÁLBUNS DE FIGURINHAS, O PROBLEMA DO COLECIONADOR DE CUPONS E PROGRAMAÇÃO EM VBA? Fláva Fretas Maa Rafael G Barbastefao 2 Dayse Hame Pastore 3 Resumo: Este trabalho apreseta uma proposta de estudo do Problema
Leia maisA TORRE DE HANÓI Carlos Yuzo Shine - Colégio Etapa
A TORRE DE HANÓI Carlos Yuzo Shie - Colégio Etapa Artigo baseado em aula miistrada a IV Semaa Olímpica, Salvador - BA Nível Iiciate. A Torre de Haói é um dos quebra-cabeças matemáticos mais populares.
Leia maisNotas em Matemática Aplicada 9
Notas em atemátca Aplcada 9 Edtado por Elaa XL de Adrade Uversdade Estadual aulsta - UNES São José do Ro reto, S, Brasl Rubes Sampao otfíca Uversdade Católca do Ro de Jaero Ro de Jaero, RJ, Brasl Geraldo
Leia mais