Algoritmos Genéticos Aplicados a Projeto de Controle com Realimentação de Estados
|
|
- Ana Vitória Almeida
- 4 Há anos
- Visualizações:
Transcrição
1 Algoritmos Genéticos Aplicados a Projeto de Controle com Realimentação de Estados Phelipe S. Oliveira 1, Luciano S. Barros 1, Luiz G. de Q. Silveira Júnior 2 1 Mestrado em Ciência da Computação Universidade Federal Rural do Semi-Árido (UFERSA) - Mossoró, RN Brasil 2 Departamento de Comunicações Óticas - Universidade Federal do Rio Grande do Norte (UFRN) - Natal, RN - Brasil {phsena2000,lsalesbarros}@gmail.com, luiz.silveira@ufrnet.br Abstract. For control design in the state space, the control strategy is the states feedback and the most used techniques are the LQR and the LQG. In despite of the good results obtained from these methods, the control design is not a trivial task due to the trial and error method involved in the definition of weight matrices. In this work, it proposes a states feedback technique in which there are no trial and error processes involved and the control design is carried out to fulfill specifications, for maximum overshoot and accommodation time. The proposed technique is based on the modification of the states transition matrix and uses genetic algorithms. The obtained results show that is possible to design controllers which fulfill design specifications. Resumo. Em projeto de controle no espaço de estados, a estratégia é a realimentação de estado e as técnicas mais utilizadas são LQR e LQG. Apesar de bons resultados obtidos por esses métodos, o projeto de controle não é uma tarefa simples devido ao processo de tentativa e erro envolvido na definição de matrizes peso. Propõe-se uma técnica de realimentação de estados em que não há o processo de tentativa e erro envolvido e o projeto de controle é feito para cumprir especificações, de máximo sobre-sinal e tempo de acomodação. A técnica proposta é baseada na modificação da matriz de transição de estado e usa algoritmos genéticos. Os resultados obtidos mostram que é possível projetar controladores que satisfaçam especificações. 1. Introdução Atualmente, as exigências para os sistemas de controle são mais rigorosas devido à necessidade de realizar tarefas mais complexas e de alta precisão. A fim de satisfazer as crescentes demandas para o projeto de controle, é necessário usar a teoria de controle moderno, que se aplica a sistemas complexos de múltiplas entradas e múltiplas saídas (MIMO), linear ou não linear [Ogata 2003]. O projeto de controle para sistemas MIMO requer uma representação no espaço de estados e usa realimentação de estados como estratégia de controle. O desempenho do sistema de controle depende dos parâmetros calculados através da utilização de técnicas de otimização. As técnicas mais usadas para projeto de controle com realimentação de estados são Linear Quadratic Regulator (LQR) e Linear Quadratic Gaussian Regulator (LQG) [Dorf and Bishop 2009]. A despeito dos bons resultados obtidos a partir desses métodos, o projeto de controle não é uma tarefa simples devido ao método de tentativa e erro envolvido na definição de matrizes peso.
2 Nesse trabalho, é proposto um algoritmo genético (AG) cuja evolução ocorre de forma a atender as especificações de projeto. Assim, não há matrizes peso a serem escolhidas evitando o método de tentativa e erro na busca de parâmetros de controle. As especificações de projeto são máximo sobre-sinal e o tempo de acomodação. O AG proposto apresenta resultados tão bons quanto os resultados apresentados pelo método LQR, e a busca de parâmetros de controle é simplificada pela técnica proposta. 2. Projeto de Controle por Realimentação de Estado A teoria de controle moderno é aplicada a sistemas de entradas e saídas múltiplas, lineares ou não-lineares, e trabalha no domínio do tempo. A teoria de controle moderno é baseada no conceito de estado. Equações no espaço de estados envolvem três tipos de variáveis presentes na modelagem de sistemas dinâmicos: variáveis de entrada, variáveis de saída e variáveis de estado. As equações de estado são representadas como mostrado a seguir [Dorf and Bishop 2009]: x = Ax + Bu (1) y = Cx + Du (2) Em que x é o vetor de estado, u é o vetor de entrada e y é o vetor de saída. A, B, C e D são as matrizes do modelo no espaço de estado Solução da Equação de Estado Considerando a equação de estado para casos homogêneos x (t) = Ax(t) (3) A solução da equação (3), via Transformada de Laplace, é: Portanto, Onde I é a matriz identidade. sx(s) x(0) = AX(s) (4) (si A)X(s) = x(0) (5) Pré-multiplicando ambos os lados da Equação (5) por (si A), obtemos X(s) = (si A) x(0) (6) A Transformada Inversa de Laplace de X(s) fornece a solução x(t). Então, x(t) = e x(0) (7) Podemos escrever a solução da equação de estado homogênea como: x(t) = Φ(t) x(0) (8) Onde Φ(t) é uma matriz n n, denominada matriz de transição de estados. Esta matriz descreve o comportamento temporal das variáveis de estado do sistema.
3 3. Algoritmo Genético Aplicado em Projeto de Controle 3.1 Estratégia de Controle Na estratégia de controle no espaço de estados a alocação de pólos pode ser executada a fim de obter uma resposta dinâmica satisfatória. Em sistemas mais sofisticados esta tarefa pode exigir cálculos computacionais, mas estamos especialmente interessados em obter um procedimento de ajuste de parâmetros do controlador que dá respostas dinâmicas com o mínimo sobre-sinal e o menor tempo de acomodação, ambos previamente definidos pelo projetista. Vamos considerar o modelo de espaço de estado geral linear descrito pelas equações (1) e (2), e fazer com que a regra de realimentação de estado seja Assim, a Equação (1) torna-se u = Kx (9) x = (A BK)x (10) Como mostrado em (7), a solução geral da equação de estado é dada como uma função da matriz de transição de estado, Φ(t), que para o sistema realimentado em (10) é Φ(t) = e ( )t (11) Agora, o comportamento temporal das variáveis de estado depende da matriz de ganho de realimentação K. Para um sistema de ordem n, temos φ Φ(t) = (t) Onde todos os elementos de Φ são funções de elementos de K. Para um sistema com r entradas: k k k k K = k k k k k O AG proposto é usado para obter os elementos de K que atendam a critérios de máximo sobre-sinal e tempo de acomodação do sistema realimentado. Para atingir este objetivo, os elementos de Φ são tomados como funções de custo simultaneamente. É observado a utilização de AG em sistemas de controle como em [Vieira, et al 2008] e [Zhu et al 2009] Algoritmo Genético Proposto Algoritmos genéticos, quando aplicados para resolver problemas de otimização podem fornecer as melhores soluções em menor tempo que o necessário para avaliar todas as soluções possíveis [Sivanandam and Deepa 2008].
4 O primeiro passo para qualquer aplicação onde AG é usado consiste em definir uma representação dos cromossomos a fim de descrever cada indivíduo da população de interesse [Holland 1975]. Especificamente, cada indivíduo da população (ou cromossomo) é formado por uma seqüência de genes definidos em um determinado alfabeto (valores reais ou binários, além de outros) [Wang, et al. 2006]. Neste trabalho a representação por valores reais foi escolhida para os genes, onde cada cromossomo é representado da seguinte maneira: Figura 1. Representação de um cromossomo em um sistema de ordem 2. Antes de iniciar o AG, o usuário especifica valores para o tempo de acomodação, T e overshoot máximo, M, que são os scores utilizados para avaliar uma solução. Depois, o AG começa com uma população inicial de tamanho pré-definido (30 para esse caso), geralmente um conjunto de soluções possíveis geradas aleatoriamente, e através da aplicação de operadores como cruzamento (crossover) e mutação uma nova geração é obtida continuando o ciclo até que o critério de parada seja satisfeito (onde a melhor solução terá o maior valor de fitness) [Haupt and Haupt 2004]. A Figura 2 mostra o fluxo de processamento completo do método proposto. Figura 2. Fluxograma do Algoritmo Genético. A seleção dos indivíduos é feito por roleta viciada, melhores indivíduos com maiores chances de reproduzirem, juntamente com a seleção por ranking que ordena os indivíduos e atribui ao melhor indivíduo uma fatia na roleta, ao segundo melhor uma fatia um pouco menor do que o primeiro, e assim sucessivamente. O uso da seleção por ranking evita problemas com super indivíduos que dominam a roleta e com avaliações negativas, pois, a roleta viciada atribui suas partes diretamente proporcionais com a avaliação de cada indivíduo. As taxas de Cruzamento e Mutação que melhor contribuíram para uma convergência mais rápida em busca da solução foram 45% e 1.6%. Uma técnica que também aumenta a convergência do algoritmo é o elitismo. Evita que o AG não elimine boas soluções no decorrer das gerações, isso é feito com a preservação do melhor indivíduo para uma geração posterior.
5 4. Resultados Numéricos Simulações digitais foram realizadas utilizando o MATLAB [MATLAB 2008], a fim de investigar e comparar as melhorias de desempenho produzidas pelo AG proposto e o método LQR. Esta seção apresenta os resultados de desempenho obtidos para o sistema abaixo A = ; B = ; C = [ 0 1 ]; D = [ 0 ] 1 os elementos de K obtidos pelo AG proposto e pelo método LQR são mostrados na Tabela 1. Tabela 1. Dados do projeto de controle do Sistema Parâmetros do controlador AG K = [ ] LQR K = [ ] Para o AG, as especificações utilizadas são M = 10% e T = 5 s. A solução foi encontrada na geração 34. Como o método LQR consiste em um processo de tentativa e erro, a busca pelo ganho K foi feita até os autovalores da matriz A BK ser igual aos autovalores obtidos pelo AG. Os autovalores são apresentados na Tabela 2. Tabela 2. Autovalores do Sistema Autovalores AG λ = e λ = LQR λ = e λ = A figura 3 apresenta os resultados obtidos pelos dois métodos, e do sistema sem controle, para o comportamento temporal das variáveis de estado do sistema. Estes resultados mostram que o desempenho do AG proposto é tão bom quanto o LQR e ambos apresentam amortecimento satisfatório das oscilações. No entanto, o método de controle do AG é feito a partir de especificações do projeto e torna mais simples o projeto do controlador. Variável de estado - x Sem Controle LQR AG Variável de estado - x Sem Controle LQR AG Tempo(seg) (a) Tempo(seg) Figura 3. a. Resposta livre para x 1 das condições iniciais x 1 (0) = 2 e x 2 (0) = 3; b. Resposta livre para x 2 das condições iniciais x 1 (0) = 2 e x 2 (0) = 3. (b)
6 5. Conclusões Nesse trabalho é apresentado um método que utiliza a técnica de algoritmo genético aplicado ao projeto de controle por realimentação de estados. A estratégia de controle consiste na modificação da matriz de transição de estado para o sistema realimentado. Este método foi proposto para descrever a dificuldade no processo de projeto de controle quando o método LQR é usado. Esta dificuldade consiste na definição de matrizes de peso, uma vez que essas matrizes não apresentam uma relação bem definida com o tempo de resposta do sistema controlado. Ambas as técnicas foram aplicadas no sistema e seus desempenhos comparados juntamente com o sistema sem controle. De acordo com os resultados obtidos, observa-se que o método proposto apresentou desempenho equivalente ao LQR, entretanto, apresentou a garantia da resposta para satisfazer suas especificações de máximo sobre-sinal e tempo de acomodação, uma vez que o método proposto tem o projeto baseado nestas especificações do sistema em reposta do tempo. O projetista pode também modificar estas especificações a fim de alterar os requisitos para ajustar o tempo que o sistema retorna ao seu estado inicial e o máximo sobre-sinal tolerado em casos de distúrbios. É importante ressaltar que para um tempo de amortecimento mais rápido, a energia requerida pelo controlador é maior. Referências Ogata, K. (2003) Engenharia de Controle Moderno 4ª EDIÇÃO, Editora: Prentice- Hall, ISBN Dorf, R. C. e Bishop, R. H. (2009) Sistemas de Controle Modernos 11ª Edição, Editora: LTC, ISBN Vieira, J., Nunes M., Bezerra, U.H. (2008) "Design of optimal PI controllers for doubly fed induction generators in wind turbines using genetic algorithm," Power and Energy Society General Meeting - Conversion and Delivery of Electrical Energy in the 21st Century, 2008 IEEE, vol., no., pp.1-7, July Zhu, S., Fu W., Yang J. and Luo J. (2009) "Applying Genetic Algorithm to Optimization Parameters of Missile Control System," Hybrid Intelligent Systems, HIS '09. Ninth International Conference on, vol.3, no., pp , Aug. Sivanandam, S. N., Deepa, S. N. (2008) Introduction to Genetic Algorithms. Springer. Holland, J. H. (1975) Adaptation in Natural and Artificial Systems, MI: Univ. of Michigan Press. Wang, G., Zhang, M., Xu, X. and Jiang, C. (2006) Optimization of Controller Parameters Based oh The Improved Genetic Algorithms, Proceedings of the 6th World Congress on Intelligence Control and Automation, Junho 21-23, Dalian, China. Haupt, R. I., Haupt, S. E. (2004) Practical Genetic Algorithms. John Wiley and Sons, segunda edição. MATLAB Versão 7.6 (2008) The Language of Technical Computing. The Mathworks.
OTIMIZAÇÃO POR ENXAME DE PARTÍCULAS APLICADA AO PROJETO DE CONTROLE MULTIVARIÁVEL
OTIMIZAÇÃO POR ENXAME DE PARTÍCULAS APLICADA AO PROJETO DE CONTROLE MULTIVARIÁVEL PHELIPE S. OLIVEIRA 1, MISSILENE DA S. FARIAS 2, LUCIANO S. BARROS 1, LUIZ G. DE Q. SILVEIRA JUNIOR 1. 1. Universidade
Leia maisUma Proposta para Controle de Velocidade de DFIG
Uma Proposta para Controle de Velocidade de DFIG Camila M. V. Barros 1, Luciano S. Barros 1, Aislânia A. Araújo 1, Iguatemi E. Fonseca 1 1 Universidade Federal Rural do Semi-Árido (UFERSA) Mossoró RN Brasil
Leia maisTécnicas de Inteligência Artificial
Universidade do Sul de Santa Catarina Ciência da Computação Técnicas de Inteligência Artificial Aula 9 Algoritmos Genéticos Max Pereira Algoritmos Genéticos Algoritmos Genéticos São técnicas de busca e
Leia maisAlgoritmos Genéticos. Pontos fracos dos métodos tradicionais. Características de alguns problemas. Tamanho do espaço de busca- Ex. caixeiro viajante:
Algoritmos Genéticos Prof. Luis Otavio Alvares INE/UFSC Características de alguns problemas Tamanho do espaço de busca- Ex. caixeiro viajante: 10 cidades: 181.000 soluções 20 cidades: 10.000.000.000.000
Leia maisAlgoritmo Genético. Inteligência Artificial. Professor: Rosalvo Ferreira de Oliveira Neto
Algoritmo Genético Inteligência Artificial Professor: Rosalvo Ferreira de Oliveira Neto Estrutura 1. Introdução 2. Conceitos Básicos 3. Aplicações 4. Algoritmo 5. Exemplo Introdução São técnicas de busca
Leia maisIntrodução aos Algoritmos Genéticos
Introdução aos Algoritmos Genéticos Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana 2 Algoritmos Genéticos: Introdução Introduzidos
Leia maisMax Pereira. Inteligência Artificial
Max Pereira Inteligência Artificial Algoritmos Genéticos Algoritmos Genéticos São técnicas de busca e otimização. Uma metáfora da teoria da evolução das espécies iniciada pelo Naturalista inglês Charles
Leia maisAlvaro Talavera López
CONTROLE ADAPTATIVO GENETICO INDIRETO PARA SISTEMAS NÃO LINEARES E OTIMIZAÇÃO DE CONTROLADORES PID UTILIZANDO ALGORTIMOS GENÉTICOS Alvaro Talavera López alvaro@ele.puc-rio.com Departamento de Engenharia
Leia maisTécnicas de Inteligência Artificial
Universidade do Sul de Santa Catarina Ciência da Computação Técnicas de Inteligência Artificial Aula 9 Algoritmos Genéticos Max Pereira Algoritmos Genéticos São técnicas de busca e otimização. Uma metáfora
Leia maisCOMPARAÇÃO DE TÉCNICAS DE CONTROLE APLICADAS A UM SISTEMA DE LEVITAÇÃO MAGNÉTICA
Proceeding Series of the Brazilian Society of Applied and Computational Mathematics, Vol., N., 04. rabalho apresentado no CMAC-Sul, Curitiba-PR, 04. COMPARAÇÃO DE ÉCNICAS DE CONROLE APLICADAS A UM SISEMA
Leia maisAlgoritmos Genéticos. Estéfane G. M. de Lacerda DCA/UFRN Outubro/2008
Estéfane G. M. de Lacerda DCA/UFRN Outubro/2008 Introdução São técnicas de busca e otimização. É a metáfora da teoria da evolução das espécies iniciada pelo Fisiologista e Naturalista inglês Charles Darwin.
Leia maisDETERMINAÇÃO DE FUNÇÕES DE TRANSFERÊNCIA DE PROCESSOS QUÍMICOS ATRAVÉS DO MÉTODO DE EVOLUÇÃO DIFERENCIAL UTILIZANDO O SCILAB
DETERMINAÇÃO DE FUNÇÕES DE TRANSFERÊNCIA DE PROCESSOS QUÍMICOS ATRAVÉS DO MÉTODO DE EVOLUÇÃO DIFERENCIAL UTILIZANDO O SCILAB A. H. R. REZENDE 1, D. L. SOUZA 1 1 Universidade Federal do Triângulo Mineiro,
Leia mais3. Resolução de problemas por meio de busca
Inteligência Artificial - IBM1024 3. Resolução de problemas por meio de busca Prof. Renato Tinós Local: Depto. de Computação e Matemática (FFCLRP/USP) 1 Principais Tópicos 3. Resolução de problemas por
Leia mais3 Algoritmos Genéticos
Técnicas de Inteligência Computacional 33 3 Algoritmos Genéticos Este capítulo resume os principais conceitos sobre o algoritmo evolucionário empregado nesta dissertação. É apresentada uma breve explicação
Leia maisINTRODUÇÃO À INTELIGÊNCIA COMPUTACIONAL. Aula 06 Prof. Vitor Hugo Ferreira
Universidade Federal Fluminense Escola de Engenharia Departamento de Engenharia Elétrica INTRODUÇÃO À INTELIGÊNCIA COMPUTACIONAL Aula 06 Prof. Vitor Hugo Ferreira Representação por cromossomos Codificação
Leia maisOtimização de parâmetros aplicados no controle ativo de vibrações de sistemas mecânicos
https://eventos.utfpr.edu.br//sicite/sicite2018 Otimização de parâmetros aplicados no controle ativo de vibrações de sistemas mecânicos Optimization of parameters applied in the active control of vibrations
Leia maisCONSTRUÇÃO AUTOMÁTICA DE OPERADORES MORFOLÓGICOS UTILIZANDO PROGRAMAÇÃO GENÉTICA.
CONSTRUÇÃO AUTOMÁTICA DE OPERADORES MORFOLÓGICOS UTILIZANDO PROGRAMAÇÃO GENÉTICA. Emerson Carlos Pedrino * e-mail: ecpedrin@sel.eesc.sc.usp.br Valentin Obac Roda ** e-mail: valentin@sel.eesc.sc.usp.br
Leia maisCONTROLODOR ROBUSTO PARA UM SISTEMA DE TANQUES ACOPLADOS
CONTROLODOR ROBUSTO PARA UM SISTEMA DE TANQUES ACOPLADOS Eduardo Pereira Vieira RESUMO O presente trabalho consiste na utilização de técnicas avançadas para projetar um controlador robusto para realização
Leia mais1. Computação Evolutiva
Computação Bioinspirada - 5955010-1 1. Computação Evolutiva Prof. Renato Tinós Programa de Pós-Graduação Em Computação Aplicada Depto. de Computação e Matemática (FFCLRP/USP) 2 Computação Bioinspirada
Leia maisANÁLISE QUANTITATIVA DE UM PÊNDULO INVERTIDO CONTROLADO POR PID E LÓGICA FUZZY
ANÁLISE QUANTITATIVA DE UM PÊNDULO INVERTIDO CONTROLADO POR PID E LÓGICA FUZZY Adryano Fernandes Resende 1, Jackson Gonçalves Ernesto 2, Fábio Augusto Gentilin³ 1,2 Acadêmicos do Curso de Engenharia de
Leia maisComputação Evolutiva Eduardo do Valle Simões Renato Tinós ICMC - USP
Computação Evolutiva Eduardo do Valle Simões Renato Tinós ICMC - USP 1 Principais Tópicos Introdução Evolução Natural Algoritmos Genéticos Aplicações Conclusão 2 Introdução http://www.formula-um.com/ Como
Leia maisComputação Evolutiva. Computação Evolutiva. Principais Tópicos. Evolução natural. Introdução. Evolução natural
Computação Evolutiva Eduardo do Valle Simões Renato Tinós ICMC - USP Principais Tópicos Introdução Evolução Natural Algoritmos Genéticos Aplicações Conclusão 1 2 Introdução Evolução natural http://www.formula-um.com/
Leia maisAlgoritmos Genéticos. Texto base: Stuart Russel e Peter Norving - Inteligência Artificial
Algoritmos Genéticos Texto base: Stuart Russel e Peter Norving - Inteligência Artificial junho/2007 Algoritmo Genético Uma variante da busca em feixe estocástica Estado sucessor gerado pela combinação
Leia maisAPLICAÇÃO DE ALGORITMOS BIO-INSPIRADOS EM CONTROLE ÓTIMO
APLICAÇÃO DE ALGORITMOS BIO-INSPIRADOS EM CONTROLE ÓTIMO Profa. Mariana Cavalca Baseado em: Material didático do Prof. Dr. Carlos Henrique V. Moraes da UNIFEI Curso de verão da Profa. Gisele L. Pappa Material
Leia maisInteligência Artificial. Algoritmos Genéticos. Aula I Introdução
Universidade Estadual do Oeste do Paraná Curso de Bacharelado em Ciência da Computação Inteligência Artificial Algoritmos Genéticos Aula I Introdução Roteiro Introdução Computação Evolutiva Algoritmos
Leia maisEvolução Diferencial Aplicada na Estimação de Parâmetros de um Sistema Oscilatório
https://eventos.utfpr.edu.br//sicite/sicite2017/index Evolução Diferencial Aplicada na Estimação de Parâmetros de um Sistema Oscilatório RESUMO Iolanda Ortiz Bernardes ibernardes@alunos.utfpr.edu.br Estudante
Leia mais1. IDENTIFICAÇÃO DA DISCIPLINA
1. IDENTIFICAÇÃO DA DISCIPLINA CURSO: FT02-T PERÍODO LETIVO: 2017/2 TURMA: 01 DISCIPLINA: Sistema de Controle SIGLA: FTE029 CARGA HORÁRIA TOTAL: 90 CRÉDITOS: 6 TEÓRICA: 90 PRÁTICA: 0 PRÉ-REQUISITO: FTE008
Leia maisPós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO
Pós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO AULA 06 Algoritmos Genéticos Sumário Introdução Inteligência Artificial (IA) Algoritmos Genéticos Aplicações de
Leia maisAPLICAÇÃO DO ALGORITMO DE OTIMIZAÇÃO POR ENXAME DE PARTÍCULAS PARA A MODELAGEM DE FUNÇÕES DE TRANSFERÊNCIA
APLICAÇÃO DO ALGORITMO DE OTIMIZAÇÃO POR ENXAME DE PARTÍCULAS PARA A MODELAGEM DE FUNÇÕES DE TRANSFERÊNCIA Caetano Alcantara Borges 1 *, Keiji Yamanaka¹, Florisvaldo Cardozo Bomfim Junior¹ ¹FEELT Universidade
Leia maisOTIMIZAÇÃO DOS PARÂMETROS DO PID UTILIZANDO ALGORITMOS GENÉTICOS
OTIMIZAÇÃO DOS PARÂMETROS DO PID UTILIZANDO ALGORITMOS GENÉTICOS Roberto Batista Neto, Vinicius Santana P. Silva, Luciano Coutinho Gomes, Darizon A. Andrade, Universidade Federal de Uberlândia, Faculdade
Leia maisALGORITMOS GENÉTICOS. Adair Santa Catarina Curso de Ciência da Computação Unioeste Campus de Cascavel PR
ALGORITMOS GENÉTICOS Adair Santa Catarina Curso de Ciência da Computação Unioeste Campus de Cascavel PR Fev/2018 Introdução Algoritmos Genéticos são algoritmos heurísticos de busca, que utilizam regras
Leia maisRECONHECIMENTO AUTOMÁTICO DE PADRÕES MUSICAIS UTILIZANDO OPERADORES MORFOLÓGICOS E PROGRAMAÇÃO GENÉTICA.
RECONHECIMENTO AUTOMÁTICO DE PADRÕES MUSICAIS UTILIZANDO OPERADORES MORFOLÓGICOS E PROGRAMAÇÃO GENÉTICA. Emerson Carlos Pedrino e-mail: ecpedrin@sel.eesc.sc.usp.br Valentin Obac Roda e-mail: valentin@sel.eesc.sc.usp.br
Leia maisCodificação das variáveis: binária Iniciação da população: aleatória Avaliação: função aptidão Operadores. Critério de parada: número de gerações
AG Simples/Canônico (AGS) AG introduzido por Holland Funciona bem para problemas de otimização simples e/ou de pequenas dimensões A maior parte da teoria dos AGs está baseada no AGS Utilidade didática
Leia mais4 Implementação Computacional
4 Implementação Computacional 4.1. Introdução Neste capítulo é apresentada a formulação matemática do problema de otimização da disposição das linhas de ancoragem para minimizar os deslocamentos (offsets)
Leia maisAlgoritmos Genéticos. Princípio de Seleção Natural. Sub-áreas da Computação Evolutiva. Idéias básicas da CE. Computação Evolutiva
Computação Evolutiva Algoritmos Genéticos A computação evolutiva (CE) é uma área da ciência da computação que abrange modelos computacionais inspirados na Teoria da Evolução das Espécies, essencialmente
Leia maisPROJETO DE OBSERVADORES DE ESTADO UTILIZANDO ALGORITMOS GENÉTICOS
UNIVERSIDADE FEDERAL RURAL DO SEMI-ÁRIDO PROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS DE COMUNICAÇÃO E AUTOMAÇÃO CLAYTON ANTONIO DE MIRANDA OLIVEIRA PROJETO DE OBSERVADORES DE ESTADO UTILIZANDO ALGORITMOS GENÉTICOS
Leia maisUMA PROPOSTA DE DECOMPOSIÇÃO DE SISTEMAS LINEARES PARA DMPC
UMA PROPOSTA DE DECOMPOSIÇÃO DE SISTEMAS LINEARES PARA DMPC R. R. ROCHA 1 e L. C. OLIVEIRA-LOPES 1 1 Universidade Federal de Uberlândia, Faculdade de Engenharia Química E-mail para contato: rosi.rocha28@gmail.com;
Leia mais-GNE219 - Controle em Espaço de Estados
Universidade Federal de Lavras Departamento de Engenharia -GNE219 - Controle em Espaço de Estados Prof. Daniel Leite E-mail: daniel.leite@deg.ufla.br 2/2017 1/27 Considerações Eng. de Controle e Automação
Leia maisUNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ ALGORITMOS GENÉTICOS. Metaheurísticas de Buscas
PR UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ ALGORITMOS GENÉTICOS Metaheurísticas de Buscas ALGORITMOS GENÉTICOS (AG) Popularizados por John Holland podem ser considerados os primeiros modelos algorítmicos
Leia maisImplementação de controlador PID fuzzy para otimização do controle de posição de um servomotor DC
Implementação de controlador PID fuzzy para otimização do controle de posição de um servomotor DC Ederson Costa dos Santos 1, Leandro Barjonas da Cruz Rodrigues 1, André Maurício Damasceno Ferreira 2 1
Leia maisCONTROLE DE VIBRAÇÕES USANDO LÓGICA FUZZY COM REGRAS OTIMIZADAS POR ALGORITMOS GENÉTICOS
CONTROLE DE VIBRAÇÕES USANDO LÓGICA FUZZY COM REGRAS OTIMIZADAS POR ALGORITMOS GENÉTICOS Rafael Luís Teixeira Prof. Dr. José Francisco Ribeiro Laboratório de Sistemas Mecânico, Faculdade de Engenharia
Leia maisAnálise Comparativa entre FastICA por Maximização da Negentropia e AG-ICA usando Negentropia de Rényi
Análise Comparativa entre FastICA por Maximização da Negentropia e AG-ICA usando Negentropia de Rényi Nielsen Castelo Damasceno 1, Adrião Duarte Dória Neto 1, Allan de Medeiros Martins 1 1 Centro de Técnologia
Leia maisALGORITMO GENÉTICO COMO REPRESENTAÇÃO DAS MUTAÇÕES NA BIOLOGIA
Patrocínio, MG, outubro de 2016 ENCONTRO DE PESQUISA & EXTENSÃO, 3., 2016, Patrocínio. Anais... Patrocínio: IFTM, 2016. ALGORITMO GENÉTICO COMO REPRESENTAÇÃO DAS MUTAÇÕES NA BIOLOGIA Igor Acassio Melo
Leia mais1. Computação Evolutiva
Computação Bioinspirada - 5955010-1 1. Computação Evolutiva Prof. Renato Tinós Programa de Pós-Graduação Em Computação Aplicada Depto. de Computação e Matemática (FFCLRP/USP) 2 Computação Bioinspirada
Leia maisEstratégias Evolutivas EEs. Prof. Juan Moisés Mauricio Villanueva
Estratégias Evolutivas EEs Prof. Juan Moisés Mauricio Villanueva jmauricio@cear.ufpb.br www.cear.ufpb.br/juan Estratégias Evolutivas Desenvolvidas por Rechenberg e Schwefel, e estendida por Herdy, Kursawe
Leia maisREPÚBLICA FEDERATIVA DO BRASIL ESTADO DE SANTA CATARINA Universidade do Estado de Santa Catarina - UDESC CENTRO DE CIÊNCIAS TECNOLÓGICAS - UDESC/CCT
Curso: ELE-ELE - Bacharelado em Engenharia Elétrica Departamento: DEE - Engenharia Elétrica Disciplina: null Código: CA2COD1 Carga horária: 90 Período letivo: 2018/1 Professor: José de Oliveira Contato:
Leia maisAlgoritmos genéticos Abordagem unificada de algoritmos evolutivos simples
Introdução Inspiração biológica Histórico da computação evolutiva Algoritmo evolutivo simples Programação evolutiva Estratégias evolutivas Algoritmos genéticos Abordagem unificada de algoritmos evolutivos
Leia maisTeoria de Sistemas Lineares
Teoria de Sistemas Lineares Prof. Contato: Sala 2605 (BLOCO 1) mailto: palhares@cpdee.ufmg.br www.ppgee.ufmg.br/ palhares/teoriasistemaslineares.html Segundas-Feiras 07h30 a 09h10 09h25 a 11h05 Aspectos
Leia maisLABORATÓRIO DE SISTEMAS DE CONTROLE II 4 PROJETO DE CONTROLADORES E DE OBSERVADORES NO ESPAÇO DE ESTADOS. 4.1 Colocação do Problema
UNIVERSIDADE DO ESTADO DE SANTA CATARINA CENTRO DE CIÊNCIAS TECNOLÓGICAS DEPARTAMENTO DE ENGENHARIA ELÉTRICA LABORATÓRIO DE SISTEMAS DE CONTROLE II 4 PROJETO DE CONTROLADORES E DE OBSERVADORES NO ESPAÇO
Leia maisEES-20: Sistemas de Controle II. 01 Setembro 2017
EES-2: Sistemas de Controle II 1 Setembro 217 1 / 56 Controle com realimentação de estado Lei de controle: u(t) = Kx(t) + Fr(t) r t u t y t F K x t 2 / 56 Projeto por alocação de polos Determina-se K de
Leia maisCCL: CONTROLE CLÁSSICO. Profa. Mariana Cavalca
CCL: CONTROLE CLÁSSICO Profa. Mariana Cavalca Currículo Resumido Curso Técnico em Eletro-Eletrônica ETEP (São José dos Campos - SP) Iniciação científica (estatística) Estágio Empresa ITA júnior: microcontroladores.
Leia maisTópicos Especiais em Informática Fatec Indaiatuba
Prof. Dilermando Piva Jr. ((Compilação de diversas fontes na Internet)) Principal motivação para o estudo da computação evolutiva Otimização de processos complexo e que possuem um grande número de variáveis
Leia maisSistemas de Controle de Aeronaves
Sistemas de Controle de Aeronaves AB-722 Flávio Luiz Cardoso Ribeiro http://flavioluiz.github.io flaviocr@ita.br Departamento de Mecânica do Voo Divisão de Engenharia Aeronáutica e Aeroespacial Instituto
Leia maisModelagem de Sistemas de Controle por Espaço de Estados
Modelagem de Sistemas de Controle por Espaço de Estados A modelagem por espaço de estados possui diversas vantagens. Introduz a teoria conhecida como Controle Moderno ; Adequada para sistemas de múltiplas
Leia maisRespostas transitórias de funções de transferências de controle de processos com o apoio do MatLab
Respostas transitórias de funções de transferências de controle de processos com o apoio do MatLab Rolden Baptista 1,2, João Inácio da Silva Filho 1, Mauricio Conceição Mario 1, e Dorotéa Vilanova Garcia,1
Leia maisIF-705 Automação Inteligente Sistemas de Controle - Fundamentos
IF-705 Automação Inteligente Sistemas de Controle - Fundamentos Aluizio Fausto Ribeiro Araújo Universidade Federal de Pernambuco Centro de Informática - CIn Departamento de Sistemas da Computação aluizioa@cin.ufpe.br
Leia maisTrabalho da Disciplina Sistemas Lineares: Controle pela Realimentação do Estado Estimado por um Observador
Trabalho da Disciplina Sistemas Lineares: Controle pela Realimentação do Estado Estimado por um Observador Professor José Paulo Vilela Soares da Cunha 13 de maio de 2019 Identificação UERJ Faculdade de
Leia maisBreve Avaliação de Parâmetros básicos de Algoritmos Genéticos
https://eventos.utfpr.edu.br//sicite/sicite17/index Breve Avaliação de Parâmetros básicos de Algoritmos Genéticos RESUMO Stéfanie Caroline Pereira Dekker stefanie.c.dekker@gmail.com Universidade Tecnológica
Leia maisESTUDO DO EFEITO DOS PARÂMETROS GENÉTICOS DE UM ALGORITMO GENÉTICO NA SOLUÇÃO OTIMIZADA E NO TEMPO DE CONVERGÊNCIA EM UMA FUNÇÃO DE DUAS VARIÁVEIS
ESTUDO DO EFEITO DOS PARÂMETROS GENÉTICOS DE UM ALGORITMO GENÉTICO NA SOLUÇÃO OTIMIZADA E NO TEMPO DE CONVERGÊNCIA EM UMA FUNÇÃO DE DUAS VARIÁVEIS Marcelo Henrique dos Santos Universidade de Uberaba, Engenharia
Leia mais1. Computação Evolutiva
Computação Bioinspirada - 5955010-1 1. Computação Evolutiva Prof. Renato Tinós Programa de Pós-Graduação Em Computação Aplicada Depto. de Computação e Matemática (FFCLRP/USP) 2 Computação Bioinspirada
Leia maisInteligência Artificial
Inteligência Artificial Prof. Kléber de Oliveira Andrade pdjkleber@gmail.com Algoritmos Genéticos Conteúdo Introdução O Algoritmo Genético Binário Noções de Otimização O Algoritmo Genético com Parâmetros
Leia maisétodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO
Leia mais4 Sistema de Identificação de Parâmetros em Dados Sísmicos por Algoritmos Genéticos
Genéticos 39 4 Sistema de Identificação de Parâmetros em Dados Sísmicos por Algoritmos Genéticos Neste capítulo são abordadas as especificações de cada módulo e o Algoritmo Genético que compõem o modelo
Leia mais3 Algoritmos Genéticos
Algoritmos Genéticos Algoritmos Genéticos (AGs) constituem um mecanismo de busca adaptativa que se baseia no princípio Darwiniano de seleção natural e reprodução genética [101]. AGs são tipicamente empregados
Leia maisUm Algoritmo Genético com Aprendizado por Reforço Simples aplicado ao problema do Mundo de Grid
1 Um Algoritmo Genético com Aprendizado por Reforço Simples aplicado ao problema do Mundo de Grid Luciana Conceição Dias Campos Resumo Este trabalho consiste da aplicação de um algoritmo genético ao método
Leia maisCÁLCULO DE CINEMÁTICA INFERSA PARA MANIPULADORES UTILIZANDO ALGORITMOS GENÉTICOS
5ª Jornada Científica e Tecnológica e 2º Simpósio de Pós-Graduação do IFSULDEMINAS 06 a 09 de novembro de 2013, Inconfidentes/MG CÁLCULO DE CINEMÁTICA INFERSA PARA MANIPULADORES UTILIZANDO ALGORITMOS GENÉTICOS
Leia maisIntrodução ao Algoritmo Genético
Introdução ao Algoritmo Genético Sadao Massago Agosto de 2013 1 Introdução O algoritmo genético é um método de otimização bio insperado, desenvolvida por John Henry Holland em 1975. Segundo a teoria evolucionária
Leia maisGERAÇÃO DO CONJUNTO DE REGRAS DE INFERÊNCIA PARA UM CONTROLADOR NEBULOSO USANDO ALGORITMOS GENÉTICOS
o. SBAI Simpósio Brasileiro de Automação Inteligente, São Paulo, SP, 8- de Setembro de 999 GERAÇÃO DO CONJUNTO DE REGRAS DE INFERÊNCIA PARA UM CONTROLADOR NEBULOSO USANDO ALGORITMOS GENÉTICOS Yván J. Túpac,
Leia maisOtimização. Algoritmos Genéticos. Teoria da Evolução. Otimização
Algoritmos Genéticos Otimização São técnicas de busca e otimização. É a metáfora da teoria da evolução das espécies iniciada pelo Fisiologista e Naturalista inglês Charles Darwin. Desenvolvido por John
Leia maisAlgoritmos Genéticos
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Algoritmos Genéticos Aluno: Fabricio Aparecido Breve Prof.: Dr. André Ponce de Leon F. de Carvalho São Carlos São Paulo Maio
Leia maisControle de Vibrações de uma Viga de Material Compósito Utilizando Desigualdades Matriciais Lineares
https://eventos.utfpr.edu.br//sicite/sicite2017/index Controle de Vibrações de uma Viga de Material Compósito Utilizando Desigualdades Matriciais Lineares RESUMO Willian Faria dos Santos wfsantos92@hotmail.com
Leia maisRECONHECIMENTO DE GÊNERO ATRAVÉS DA VOZ
RECONHECIMENTO DE GÊNERO ATRAVÉS DA VOZ Marcela Ribeiro Carvalho marcela@enecar.com.br IFG/Câmpus Goiânia Hipólito Barbosa Machado Filho hipolito.barbosa@ifg.edu.br IFG/Câmpus Goiânia Programa Institucional
Leia maisOTIMIZAÇÕES MONO-OBJETIVO E MULTIOBJETIVO APLICADAS AO PROJETO DE CONTROLADORES ROBUSTOS EM SISTEMAS DE ENERGIA USANDO ALGORITMOS GENÉTICOS Bruno B. Souza, Oriane M. Neto, Ricardo H. C. Takahashi, Eduardo
Leia mais3 Métodos de Otimização
3 Métodos de Otimização Problemas de otimização são relacionados a minimização ou maximização de função de uma ou mais variáveis num determinado domínio, possivelmente com a existência de um conjunto de
Leia maisAlgoritmos Genéticos e Evolucionários
Algoritmos Genéticos e Evolucionários Djalma M. Falcão COPPE/UFRJ PEE e NACAD falcao@nacad.ufrj.br http://www.nacad.ufrj.br/~falcao/ http://www.nacad.ufrj.br/~falcao/ag/ag.htm Resumo do Curso Introdução
Leia maisEstimação de Componentes Harmônicos de Sistemas Elétricos de Potência por meio do Algoritmo de Seleção Clonal
Estimação de Componentes Harmônicos de Sistemas Elétricos de Potência por meio do Algoritmo de Seleção Clonal Luanna Holanda de Siqueira Aluna Marcus Lemos Orientador
Leia maisProblema do vendedor: uma abordagem via algoritmos genéticos
Problema do vendedor: uma abordagem via algoritmos genéticos Dandara de Almeida Machado 1, Juliana Verga Shirabayashi 1 1 Universidade Federal do Paraná (UFPR) Campus Jandaia do Sul dandaraalmeidaa@gmail.com;
Leia maisEstudo sobre decodificação iterativa usando códigos de treliça
Revista de Engenharia e Pesquisa Aplicada, Volume 2, Número 1, 2016 Estudo sobre decodificação iterativa usando códigos de treliça Souza, I. M. M. Escola Politécnica de Pernambuco Universidade de Pernambuco
Leia maisInteligência Artificial
Inteligência Artificial Aula 6 Algoritmos Genéticos M.e Guylerme Velasco Roteiro Introdução Otimização Algoritmos Genéticos Representação Seleção Operadores Geneticos Aplicação Caixeiro Viajante Introdução
Leia maisAlgoritmos Genéticos. 1 Semestre de Cleber Zanchettin UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática
Algoritmos Genéticos 1 Semestre de 2015 Cleber Zanchettin UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática 1 2 Introdução Darwin Naturalistas: cada espécie havia sido criada separadamente
Leia maisGT-JeDi - Curso de Desenv. de Jogos IA para Jogos. Gustavo Pessin 2007
GT-JeDi - Curso de Desenv. de Jogos IA para Jogos Gustavo Pessin 2007 Cronograma Base conceitual Exemplo: Achando o máximo de uma função... Como criar uma pequena aplicação: Exercício-Exemplo [Animal selvagem...]
Leia mais3 Otimização Evolucionária de Problemas com Restrição
3 Otimização Evolucionária de Problemas com Restrição 3.1. Introdução Este capítulo resume os principais conceitos sobre os algoritmos evolucionários empregados nesta dissertação. Primeiramente, se fornece
Leia maisAlgoritmos Genéticos Fernando Lobo
Algoritmos Genéticos Fernando Lobo Grupo de Análise de Sistemas Ambientais Faculdade de Ciências e Tecnologia Universidade Nova de Lisboa Sumário O que é um algoritmo genético? Para que serve? Como funciona?
Leia mais6 Controlador de Estado
6 Controlador de Estado Apresenta-se a seguir o método para implementação do sistema de controle por estados (Ogata, 1990). Considera-se agora o sistema representado em sua forma de estado: (25) cujo o
Leia maisProjeto de Controladores Digitais
Projeto de Controladores Digitais ENGA71: Análise e Projeto de Sistemas de Controle Departamento de Engenharia Elétrica - DEE Universidade Federal da Bahia - UFBA 19 de junho de 2018 Sumário 1 Introdução
Leia maisUniversidade Federal de Juiz de Fora Faculdade de Engenharia Departamento de Energia Elétrica PLANO DE ENSINO
Universidade Federal de Juiz de Fora Faculdade de Engenharia Departamento de Energia Elétrica 1) IDENTIFICAÇÃO DA DISCIPLINA Disciplina Teoria de Controle II PLANO DE ENSINO Código CEL039 Carga horária
Leia mais3 Redes Neurais Artificiais
3 Redes Neurais Artificiais 3.1. Introdução A capacidade de implementar computacionalmente versões simplificadas de neurônios biológicos deu origem a uma subespecialidade da inteligência artificial, conhecida
Leia maisESTIMAÇÃO DE PARÂMETROS DE SISTEMAS NÃO LINEARES UTILIZANDO ALGORITMOS GENÉTICOS
Anais do IX Congresso Brasileiro de Redes Neurais /Inteligência Computacional (IX CBRN) Ouro Preto 25-28 de Outubro de 2009 Sociedade Brasileira de Redes Neurais ESTIMAÇÃO DE PARÂMETROS DE SISTEMAS NÃO
Leia maisX. MÉTODOS DE ESPAÇO DE ESTADOS
INSTITUTO TECNOLÓGICO DE AERONÁUTICA CURSO DE ENGENHARIA MECÂNICA-AERONÁUTICA MPS-43: SISTEMAS DE CONTROLE X. MÉTODOS DE ESPAÇO DE ESTADOS Prof. Davi Antônio dos Santos (davists@ita.br) Departamento de
Leia maisO USO DE ALGORITMOS GENÉTICOS PARA DETERMINAR ZEROS DE FUNÇÕES NÃO LINEARES
O USO DE ALGORITMOS GENÉTICOS PARA DETERMINAR ZEROS DE FUNÇÕES NÃO LINEARES RESUMO Ediany Batista Silva Universidade Católica de Brasília Curso de Matemática Os algoritmos genéticos utilizam conceitos
Leia maisIN-1131 Computação Evolucionária. Aluizio Fausto Ribeiro Araújo Universidade Federal de Pernambuco Centro de Informática
IN-1131 Computação Evolucionária Aluizio Fausto Ribeiro Araújo Universidade Federal de Pernambuco Centro de Informática aluizioa@cin.ufpe.br Objetivos Este curso visa oferecer introdução abrangente em
Leia maisESTIMAÇÃO DE PARÂMETROS DE UM MODELO DE CARGA DINÂMICO UTILIZANDO ALGORITMOS GENÉTICOS
ESTIMAÇÃO DE PARÂMETROS DE UM MODELO DE CARGA DINÂMICO UTILIZANDO ALGORITMOS GENÉTICOS FERNANDO MARCOS DE OLIVEIRA 1, ELMER PABLO TITO CARI 2. *Departamento de Engenharia Elétrica Universidade Tecnológica
Leia maisAlgoritmos Genéticos
Algoritmos Genéticos Roteiro Introdução Algoritmos Genéticos Otimização Representação Seleção Operadores Genéticos Aplicação Caixeiro Viajante Introdução Algoritmos Genéticos (AGs), são métodos de otimização
Leia maisUma nova taxa de convergência para o Método do Gradiente
Proceeding Series of the Brazilian Society of Applied and Computational Mathematics, Vol. 2, N. 1, 2014. Trabalho apresentado no CMAC-Sul, Curitiba-PR, 2014. Uma nova taxa de convergência para o Método
Leia maisAprendizado Evolutivo: Introdução aos Algoritmos Genéticos
Aprendizado Evolutivo: Introdução aos Algoritmos Genéticos SCC-230 Inteligência Artificial Thiago A. S. Pardo Solange O. Rezende 1 Computação Evolutiva (CE) Trata de sistemas para a resolução de problemas
Leia maisESTUDO COMPARATIVO DE ESTRATÉGIAS DE CONTROLE PARA UM SIMULADOR DE CARGA ELETRÔNICA BASEADO NO CONVERSOR CC BOOST
Natal RN, 25 a 28 de outubro de 2015 ESTUDO COMPARATIVO DE ESTRATÉGIAS DE CONTROLE PARA UM SIMULADOR DE CARGA ELETRÔNICA BASEADO NO CONVERSOR CC BOOST GUILHERME M. PELZ *, EMERSON R. P. DA SILVA *, LEONARDO
Leia maisAlgoritmo Genético. Teoria da Evolução Princípio seguido pelos AGs
Algoritmo Genético Técnica de busca e otimização. Metáfora da teoria da evolução das espécies iniciada pelo Fisiologista e Naturalista inglês Charles Darwin. Desenvolvido por John Holland (1975) e seus
Leia maisCOMPARAÇÃO ENTRE CONTROLADORES PID CLÁSSICO E PID FUZZY COM GANHO PROGRAMADO NO SISTEMA DE AZIMUTE
COMPARAÇÃO ENTRE CONTROLADORES PID CLÁSSICO E PID FUZZY COM GANHO PROGRAMADO NO SISTEMA DE AZIMUTE Brehme D. R. de MESQUITA (1); Jefferson A. L. e SILVA (2); André M. D. FERREIRA (3) (1) Instituto Federal
Leia maisExperiência 5. Projeto e Simulação do Controle no Espaço de Estados de um Pêndulo Invertido sobre Carro
Experiência 5 Projeto e Simulação do Controle no Espaço de Estados de um Pêndulo Invertido sobre Carro Professores: Adolfo Bauchspiess e Geovany A. Borges O objetivo deste experimento é projetar e simular
Leia mais