IDENTIFICAÇÃO DE SISTEMAS NÃO LINEARES USANDO O ÍNDICE MÉDIO DE COERÊNCIA
|
|
- Margarida Mendonça Guterres
- 6 Há anos
- Visualizações:
Transcrição
1 IDETIFICAÇÃO DE SISTEMAS ÃO LIEARES USADO O ÍDICE MÉDIO DE COERÊCIA Eduardo Bento Pereira (IC) Danton Diego Ferreira (PG) Erivelton Geraldo epomuceno (PQ) Universidade Federal de Juiz de Fora (UFJF) Universidade Federal de São João del-rei (UFSJ) Resumo: Modelos não lineares são amplamente utilizados para representação de sistemas reais. Várias técnicas de identificação de sistemas não lineares vem sendo desenvolvidas, tendo a etapa de validação do modelo como a mais importante deste processo. A maioria das técnicas de validação são baseadas no domínio do tempo. Este fato, torna o seu uso pouco atrativo quando os sistemas a serem identificados são caóticos ou apresentam ruído. Este trabalho propõe a utilização do Índice Médio de Coerência, como técnica para identificação e validação de modelos não lineares. Esta nova técnica baseada no domínio da freqüência mostrou-se eficiente para os sistemas teste utilizados. Abstract: onlinear models have been widely used to model real systems. Many techniques of nonlinear system identification have been developed. The model validation is the most important step of this process. The majority of techniques are based on time domain. This fact makes its use less interesting, when systems are chaotic or noisy. This work aims at using the Mean Index Coherence, as a technique of nonlinear identification and validation models. This new technique based on frequency domain shows efficient on the used test systems.. ITRODUÇÃO Recentemente, modelos não lineares têm sido fortemente estudados, uma vez que eles simulam mais precisamente um amplo conjunto de sistemas [-3]. Técnicas de controle e análises de sistemas, bem como processamento de sinais e sistemas de identificação têm sido desenvolvidos especificamente para modelos não lineares [,4]. A validação dos modelos estimados, que se constitui na última etapa de um processo de identificação [6] e particularmente na mais importante delas, não é uma tarefa trivial. Uma maneira de facilitar este processo é obter uma família de modelos, simulando um único sistema, sendo que tais modelos são usualmente obtidos por otimização multiobjetivo [,], e finalmente escolher dentre eles o melhor. Embora esta estratégia flexibilize a escolha do modelo final, existem alguns sistemas em que tal análise torna-se freqüentemente subjetiva, uma vez que o resultado da validação dependerá da aplicação pretendida para o modelo e da quantidade de informação disponível sobre o sistema original [,5]. De acordo com Aguirre [6], as ferramentas mais convencionais de validação de modelos não são particularmente atrativas quando os modelos são caóticos e, portanto, diversas ferramentas alternativas como trajetórias de espaço de estados [7], seções de Poincaré [8], dinâmica de atratores [6], diagramas de bifurcação [8], expoentes de Lyapunov [8] e a dimensão de correlação [8] têm sido usadas para quantificar a qualidade e adequação dos modelos estimados. Dentro deste contexto, os diagramas de bifurcação são bem mais sensíveis às variações das estruturas de modelos do que as outras técnicas empregadas na validação [8]. Por outro lado, a comparação entre o atrator de um sistema e o do modelo estimado deste sistema é também largamente utilizado. Além destas técnicas, a raiz do erro médio quadrático (RMSE, do inglês root-mean-square error ) também tem sido utilizado neste sentido [9]. Contudo, estas técnicas de validação não levam
2 explicitamente em consideração o domínio da freqüência, e algumas informações importantes podem ser omitidas quando analisadas no domínio do tempo. Por isso, técnicas baseadas na função de coerência (análoga ao coeficiente de correlação, porém no espectro de freqüência) para o estudo da validação de modelos têm sido recentemente empregadas na validação de modelos não lineares [0]. Dentre elas destaca-se a coerência simples (também conhecida somente como coerência), que é empregada para estimar a dependência linear entre o sinal de saída de um modelo simulado e o sinal de saída do sistema original. Os resultados são mostrados em faixas de freqüência, com o objetivo maior de identificar para qual freqüência o modelo simulado melhor se aproxima do sistema original. Este trabalho tem como objetivo avaliar a aplicação da coerência na validação de modelos. Para tal é proposto o Índice Médio de Coerência (IMC). Os resultados são comparados com aqueles obtidos utilizando o RMSE. O sistema teste utilizado consiste num sistema autônomo não linear, o qual apresenta um diagrama de fase [6] semelhante ao diagrama de fase do Mapa Logístico [4], utilizado para modelar dinâmicas de crescimento populacional em algumas populações de seres vivos. Como aplicação, foi utilizado o sistema de Lorenz [5], que é um exemplo clássico de um sistema autônomo caótico.. COERÊCIA A função de coerência é uma medida do sincronismo entre componentes de dois sinais em uma faixa de freqüência específica, sendo equivalente ao espectro cruzado normalizado, em que sua amplitude varia entre zero (sinais não correlacionados) e um (sinais perfeitamente correlacionados). Tal normalização é demonstrada pela desigualdade de Shwartz []. O módulo ao quadrado da função de coerência é chamado simplesmente de coerência []. Sua estimativa pode ser representada, de acordo com Bendat e Piersol [3], como: Sˆ y ( ) y f ˆ γ ( f ), () yy Sˆ ( f ) Sˆ ( f ) y y em que ^ sobrescrito representa a estimativa, Ŝ yy(f) é o espectro cruzado entre y [k] e y [k] e Ŝ yjyj(f) (j=,) é o espectro de potência de yj[k]. Tal estimativa espectral pode ser obtida como: M y y S ˆ * ( f ) = Y ( f ) Y ( f ) () yqyp qi i= em que Y qi(f) (Y pi(f)) é a i-ésima janela da Transformada de Fourier do sinal y q[k] (y p[k]), * sobrescrito mede o complexo conjugado e M denota o número de segmentos utilizados na estimativa. Tal expressão não precisa ter o fator da media (usualmente /MT, com T denotando a duração da janela) uma vez que este será claramente cancelado na estimativa da coerência em ().. Índice Médio de Coerência O IMC é proposto como medição da similaridade entre o sistema original e o modelo. Este índice é agora definido como a média da estimativa da coerência definida em (). Assim: IMC = i= y y pi ˆ γ ( f ), (3) Em que é o número de pontos de freqüência considerados. Portanto, os valores do IMC, assim como na coerência, definida em (), são restritos a faixa de zero a um. 3. METODOLOGIA A validação consiste na última etapa do processo de identificação de sistemas. Diversos trabalhos vem sendo realizados nesta área com o intuito de aperfeiçoar as técnicas de validação de sistemas. O erro quadrático médio (RMSE) vem sendo usado neste sentido através da comparação no i
3 domínio do tempo entre o sinal original e o sinal obtido com a simulação do modelo obtido. A equação (4) define o cálculo do RMSE. RMSE = k = k= ( y( k) yˆ( k)) ( y( k) y), (4) em que ŷ(k) é o sinal de saída estimado, y(k) o sinal de saída obtido na simulação do modelo e y representa o valor médio de y(k). Porém, de acordo com Aguirre [6], as ferramentas mais convencionais de validação de modelos não são particularmente atrativas quando os modelos são caóticos. Além disso, a presença de ruído no sinal utilizado para modelagem do sistema pode interferir na escolha do sistema quando o RMSE é utilizado. Assim, o IMC é utilizado para validação dos modelos como ferramenta de validação no domínio da freqüência. Este procedimento será comparado com o método clássico de validação de sistemas, o cálculo do RMSE. O sistema de teste consiste em um modelo autônomo não linear que apresenta um diagrama de fases semelhante ao diagrama de fase do Mapa Logístico para taxa de crescimento igual a 3,87 [4]. Este sistema é representado por: y(k) = 3,87 y(k-) 3,87 y(k-). (5) Para identificação do modelo, foi escolhida a estrutura ARX polinomial [6] (do termo em inglês onlinear AutoRegressive model with exogenous variables). Esta é uma das possíveis estruturas dos modelos ARX, sendo que nestes modelos, o valor de saída y(k) é explicado em função de valores prévios dos sinais de saída e de entrada, denominados regressores [6]. Os modelos ARX são definidos como: y( k ),, y( k ny ), y( k) = F u ( k d ),, u ( k d n u + ), (6) em que n y, e n u, são os máximos atrasos da saída e entrada, respectivamente; d é o tempo de atraso medido no intervalo de amostragem Ts; y(k) e u(k) são os conjuntos de dados de saída e entrada, respectivamente; FF é considerado neste trabalho como um polinômio não linear de grau. Para a obtenção do conjunto de dados utilizado para a identificação do modelo, o sistema representado em (5) foi simulado através de funções desenvolvidas no Matlab. Por tratar-se de um sistema autônomo, não é obtido um conjunto de pares de valores de entrada e saída, mas apenas um conjunto de dados para cada variável do sistema. Portanto, o sistema ARX polinomial a ser identificado é composto apenas por regressores de saída. O conjunto é composto por dez mil pontos, sendo os dados divididos em dois subconjuntos: dados de identificação e dados de validação [6]. Um conjunto de modelos candidatos é obtido por meio das funções desenvolvidas, em que suas estruturas são compostas pela combinação dos possíveis regressores. O máximo atraso dos regressores de saída (n y), o grau de não linearidade (L) e o número de termos do polinômio (n t ) foram limitados em 3, e 5, respectivamente. Os parâmetros de cada modelo gerado, ou seja, os coeficientes do polinômio que representa cada modelo, foram ajustados através do método dos mínimos quadrados [6], utilizando-se os dados obtidos na simulação do sistema de teste dado em (5). Após o ajuste dos parâmetros, cada modelo candidato foi simulado utilizando-se como condição inicial os primeiros valores do conjunto de dados de validação. Estes valores eram tantos quanto os números de atraso de saída. O conjunto de dados obtidos por meio da simulação foi utilizado juntamente com o conjunto de dados de validação para o cálculo dos índices RMSE e IMC.
4 Assim, os modelos com menor RMSE e com o melhor IMC (mais próximo a um), foram selecionados. O processo de identificação foi refeito somando-se ao conjunto de dados um sinal de ruído com amplitude máxima de % do valor da amplitude do sinal do sistema de teste. Como aplicação, o processo de identificação foi realizado também para o sistema Lorenz, que é um sistema autônomo clássico que apresenta um atrator caótico [4]. A representação em espaço de estados deste sistema é apresentada pela equação (7). Como as três variáveis do sistema Lorenz apresentam comportamento caótico, escolheu-se a variável x3 para a identificação do modelo utilizando-se os dados obtidos na simulação. O sistema foi simulado em um período de 0 a 0 segundos utilizando uma freqüência de amostragem de 500 amostras/segundo O conjunto é composto por dez mil pontos, sendo os dados divididos em dois subconjuntos: dados de identificação e dados de validação [6]. O processo de identificação foi idêntico ao utilizado para o sistema de teste. 4. RESULTADOS x x x 3 0x 8x x x x 0x x( t) x 8 x3( t) 3 3. (7) Figura. Diagrama de fases para (a) sinal modelo original, (b) sinal do modelo original com ruído, (c) sinal do modelo selecionado pelo RMSE através do sinal do modelo original, (d) sinal do modelo selecionado pelo RMSE através do sinal do modelo original com ruído, (e) sinal do modelo selecionado pelo IMC através do sinal do modelo original, (f) sinal do modelo selecionado pelo IMC por meio do sinal do modelo original com ruído. Como mencionado na seção 3, o sistema de teste em (5) foi simulado e o diagrama de espaço de estado obtido é mostrado na Figura a. A Figura b mostra o diagrama de fases do sistema
5 original com a presença de ruído. Os diagramas de fases para os modelos selecionados através do índice RMSE para o sinal sem ruído e para o sinal com ruído são mostrados, respectivamente, na Figura c e na Figura d. Os diagramas de fases para os modelos selecionados através do índice IMC para o sinal sem ruído e para o sinal com ruído são mostrados, respectivamente, na Figura e e na Figura f. A Figura mostra uma grande semelhança entre os diagramas de fase do modelo original sem ruído (Fig. a) e dos modelos selecionados pelo RMSE (Fig. b) e IMC (Fig. c). Tal semelhança não fica evidente entre os diagramas de fase do modelo original com ruído (Fig. b) e dos modelos selecionados pelo RMSE (Fig. d) e IMC (Fig. f). A Tabela contém os modelos selecionados para o sistema de teste. Os termos constantes nos modelos sem ruído são de pequena amplitude e podem ser desprezados. Tabela Índice Modelo selecionado RMSE (sem ruído) y(k) = 3,87 y(k-) + 4,0 y(k-) 0,8939 y(k-) + 0,8939 y(k-) 4, IMC (sem ruído) y(k) = 3,87 y(k-) + 3,87 y(k-) 3, RMSE (com ruído) y(k) = 0,07 y(k-) 3 + 3,9445 y(k-) 4,3 y(k-) 0,004 y(k-) + 0,047 IMC (com ruído) y(k) = 3,794 y(k-) + 3,899 y(k-) + 0,4436 y(k-) 0,4563 y (k-) + 0,058 A Tabela contém os modelo selecionados para o sistema de Lorenz. Índice RMSE IMC Tabela Modelo selecionado y(k) =,9347 y(k-),854 y(k-) + 0,995 y(k-3) +, y(k-3) 4 + 7,688x0-5 y(k-) 3, y(k-) y(k-) +, y(k-) y (k-3),9790x0-8 y(k-3) y(k-) +, y(k-3) y(k-) 0,003 y (k-3) +,9 0-4 y(k-) y(k-) 6, y(k-) + 0,000 y(k-) y(k-3) 7, y(k-) 3 +, y(k) =,95 y(k-),880 y(k-) + 0,9067 y(k-3) 5, y(k-3) 3 4, y(k-) 3 0,05 y(k-) 3 + 0,6979 y(k-) +,3696 y(k-3) y(k-) + 0,66 y(k-3) 0,05 y(k-3) y(k-),7659 y(k-) y(k-) + 0,09 y (k-3) y(k-) y(k-) 0,06 y(k-3) y(k-),6938 y(k-3) y(k-) +,73 y(k-) + 0,045 y(k-3) y(k-) + 0,0039 y(k-) y(k-), COCLUSÕES Analisando os resultados para o sistema de teste, mostrados na Figura, é possível observar que para o primeiro caso, em que o sistema foi simulado sem a presença de ruído, os índices foram capazes de selecionar modelos que apresentam um diagrama de fases semelhante ao sistema original. Porém o IMC selecionou um modelo muito próximo do modelo em (5), diferindo apenas em um termo constante que pode ser desprezado. Sendo, também, este modelo menos complexo que o modelo selecionado pelo RMSE, como mostrado na Tab.. Para o segundo caso, em que há presença de ruído, o RMSE selecionou novamente um modelo mais complexo que o IMC, e este modelo não apresenta o diagrama de fases semelhante ao do modelo original. Ou seja, com a presença de ruído com amplitude de % em relação ao sinal original, o RMSE não foi capaz de selecionar um modelo adequado para o modelo teste utilizado.
6 Para o sistema de Lorenz, o modelo selecionado pelo IMC também apresenta uma estrutura mais simples que o modelo selecionado pelo RMSE. Sendo que o modelo selecionado pelo IMC é de terceira ordem e o modelo selecionado pelo RMSE é de quarta ordem. O IMC mostrou-se mais eficiente que a técnica convencional nos dois casos analisados. Estes testes não podem ser considerados conclusivos. Uma análise mais aprofundada envolvendo outros modelos não lineares e de comportamento caótico é necessária para a consolidação da técnica proposta como uma ferramenta válida para identificação de sistemas. Tais testes serão realizados em trabalhos futuros, assim como a utilização do IMC para a seleção dos regressores que deverão compor a estrutura do modelo e não apenas na seleção de um modelo através de um conjunto de modelos gerados por outras técnicas. AGRADECIMETOS Programa Institucional de Iniciação Científica da UFSJ PIIC REFERÊCIAS BIBLIOGRÁFICAS. epomuceno, E. G.; Takahashi, R. H. C.; Aguirre, L. A.; eto, O. M. and Mendes, E. M. A. M.; Multiobjective nonlinear system identification: a case study with thyristor controlled series capacitor (TCSC) ; International Journal of Systems Science, 004, 35 (9), p epomuceno, E. G.; Takahashi, R. H. C.; Amaral, G. F. V. and Aguirre, L. A.; onlinear identification using prior knowledge of fixed points: a multiobjective approach ; International Journal of Bifurcation and Chaos, 003, 5 (5), p epomuceno, E. G.; Mendes, E. M. A. M. and eto, O. M.; Identification of nonlinear dynamics systems with reduced degree of nonlinearity ; In: The Third International Conference on Discrete Chaotic Dynamics in ature and Society - DCDS3, Tokyo, Japan, Giannakis, G. B and Serpedin, E.; A bibliography on nonlinear system identification ; Signal Process, 00, vol. 8, p Dolanc, G. and Strmcnik, S.; Identification of nonlinear systems using a piecewise-linear Hammerstein model ; Systems & Control Letters, 005, 54 (), p Aguirre, L. A.; A tutorial introduction to nonlinear dynamics and chaos, part I: Tools and benchmarks ; Controle & Automaçao, 996, 7(), p Monn, F. C.; John Willey and Sons; Chaotic Vibrations an introduction for applied scientists and engineers; ew York, Aguirre, L. A. and Billings, S. A.; Validating identified nonlinear models with chaotic dynamics ; International Journal of Bifurcation and Chaos, 994, 4 (), p Aguirre, L. A.; Barros, V. C. and Souza, A. V. P.; onlinear multivariable modeling and analysis of sleep apnea time series ; Computers in Biology and Medicine, 999, vol. 9, p Ferreira, D. D.; Miranda de Sá, A. M. F. L. e epomuceno, E. G.; Validação de modelos baseado na função de coerência ; Congresso Brasileiro de Automática, Peebles P. Z. J.; MacGraw-Hill; Probability, random variables and random signals principles; Second edition, ew York, 987. Benignus, V. A.; Estimation of the coherence spectrum and its confidence interval using the fast Fourier transform ; IEEE Transactions on Audio and Electroacoustics, 969, 7 (), p Bendat J. and Piersol A.; Wiley-Interscience; Random Data Analysis and Measurement Procedures; Third edition; ew York, Ferrara,. F. e Prado, C. C.; Caos: Uma Introdução; Editora Edgar Blücher Ltda; São Paulo; Lorenz, E..; Deterministic nonperiodic flow; J. Atmosferic Science 0, Aguirre, L. A.; Introdução a Identificação de Sistemas; Editora UFMG; Belo Horizonte; 004.
RESTAURAÇÃO E RECONSTRUÇÃO DE IMAGENS. Nielsen Castelo Damasceno
RESTAURAÇÃO E RECONSTRUÇÃO DE IMAGENS Nielsen Castelo Damasceno Restauração de imagem Procura recuperar uma imagem corrompida com base em um conhecimento a priori do fenômeno de degradação. Restauração
Leia maisAPLICAÇÃO DE REPRESENTAÇÕES EM BLOCOS INTERCONECTADOS EM IDENTIFICAÇÃO CAIXA-CINZA DE SISTEMAS DINÂMICOS NÃO LINEARES
APLICAÇÃO DE REPRESENTAÇÕES EM BLOCOS INTERCONECTADOS EM IDENTIFICAÇÃO CAIXA-CINZA DE SISTEMAS DINÂMICOS NÃO LINEARES ANA PAULA L. SANTOS*, NÁDIA R. L. MILAGRES*, ALINE A. CAMPOS**, LUCIANA M. MARGOTI**,
Leia maisComputação Aritmética
Computação Aritmética Aula Introdutória Erivelton Geraldo Nepomuceno Departamento de Engenharia Elétrica Universidade Federal de São João del-rei 9 de Agosto de 2017 Prof. Erivelton (DEPEL/UFSJ) Computação
Leia maisDETECÇÃO DE ESTRUTURAS DE MODELOS NARX POLINOMIAIS: UMA ABORDAGEM INTELIGENTE MULTI-OBJETIVO. Samir Angelo Milani Martins, Erivelton Geraldo Nepomuceno, João Paulo Mendes Figueiredo GCoM Grupo de Controle
Leia maisPropriedades das Funções de Base Radiais aplicadas à identificação de sistemas dinâmicos não-lineares
Universidade Federal de Minas Gerais From the SelectedWorks of Gladstone B. Alves 24 Propriedades das Funções de Base Radiais aplicadas à identificação de sistemas dinâmicos não-lineares Gladstone B. Alves,
Leia maisSinais de Teste. A escolha deve ter em conta quer as propriedades do sistema, quer do método de estimação considerado.
40 Sinais de Teste Em muitos casos, os sistemas em estudo permitem-nos escolher os sinais de entrada a aplicar. São sinais de teste típicos os seguintes: Escalões (ondas quadradas) Sinusoides Ruído Branco
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 maisp.1/48 Eduardo Mendes Departamento de Engenharia Eletrônica Universidade Federal de Minas Gerais Av. Antônio Carlos 6627, Belo Horizonte, MG, Brasil
p1/48 Capítulo 4 - Métodos ão Paramétricos Eduardo Mendes Departamento de Engenharia Eletrônica Universidade Federal de Minas Gerais Av Antônio Carlos 27, elo Horizonte, MG, rasil p2/48 Introdução Os métodos
Leia maisAnálise Matemática. Aula Introdutória. Erivelton Geraldo Nepomuceno. Departamento de Engenharia Elétrica Universidade Federal de São João del-rei
Análise Matemática Aula Introdutória Erivelton Geraldo Nepomuceno Departamento de Engenharia Elétrica Universidade Federal de São João del-rei Agosto de 2016 Prof. Erivelton (PPGEL/UFSJ) Análise Matemática
Leia maisComputação Aritmética
Computação Aritmética Aula Introdutória Erivelton Geraldo Nepomuceno Departamento de Engenharia Elétrica Universidade Federal de São João del-rei Março de 2017 Prof. Erivelton (DEPEL/UFSJ) CompIEEE Março
Leia maisControle de Caos no Conversor Buck por meio do Método Pyragas
Trabalho apresentado no DINCON, Natal - RN, 2015. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Controle de Caos no Conversor Buck por meio do Método Pyragas Adriano
Leia maisEspectro Sonoro Explorado com Sistema de Funções Iterativas
Espectro Sonoro Explorado com Sistema de Funções Iterativas Maria Aparecida Silva Cruz 1,3, Jônatas Manzolli 2,4, Furio Damiani 2,3 1 Depto. de Matemática da Universidade Estadual de Mato Grosso do Sul
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 maisFerramenta para simulação dinâmica de sistema de manufatura baseada em modelos de construção flexivel.
para simulação dinâmica de sistema de manufatura baseada em modelos de construção flexivel. Fábio Luis Oliveira dos Reis (UFBA) flreis@ufba.br Leizer Schnitman (UFBA) leizer@area1.br Herman Augusto Lepikson
Leia maisParâmetros importantes de um Analisador de Espectros: Faixa de frequência. Exatidão (frequência e amplitude) Sensibilidade. Resolução.
Parâmetros importantes de um Analisador de Espectros: Faixa de frequência Exatidão (frequência e amplitude) Sensibilidade Resolução Distorção Faixa dinâmica Faixa de frequência: Determina as frequências
Leia maisétodos uméricos AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA
Leia maisSistemas e Sinais. Universidade Federal do Rio Grande do Sul Departamento de Engenharia Elétrica
Propriedades das Representações de Fourier Sinais periódicos de tempo contínuo ou discreto têm uma representação por série de Fourier, dada pela soma ponderada de senoides complexas com frequências múltiplas
Leia maisANÁLISE DE SINAIS DINÂMICOS
ANÁLISE DE SINAIS DINÂMICOS Paulo S. Varoto 7 . - Classificação de Sinais Sinais dinâmicos são geralmente classificados como deterministicos e aleatórios, como mostra a figura abaixo: Periódicos Determinísticos
Leia maisétodos uméricos ZEROS DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos ZEROS DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA
Leia maisAULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
Leia mais3 Modelos Comparativos: Teoria e Metodologia
3 Modelos Comparativos: Teoria e Metodologia Para avaliar o desempenho do modelo STAR-Tree, foram estimados os modelos Naive, ARMAX e Redes Neurais. O ajuste dos modelos ARMAX e das redes neurais foi feito
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 maisModelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais
Modelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais João Eduardo da Silva Pereira (UFSM) jesp@smail.ufsm.br Tânia Maria Frighetto (UFSM) jesp@smail.ufsm.br
Leia maisModelagem e Análise de. Sistemas Elétricos em. Regime Permanente. Sérgio Haffner
Modelagem e Análise de Sistemas Elétricos em Regime Permanente Sérgio Haffner http://slhaffner.phpnet.us/ haffner@ieee.org slhaffner@gmail.com Desenvolvido para ser utilizado como notas de aula para a
Leia maisEstatística Aplicada ao Serviço Social
Estatística Aplicada ao Serviço Social Módulo 7: Correlação e Regressão Linear Simples Introdução Coeficientes de Correlação entre duas Variáveis Coeficiente de Correlação Linear Introdução. Regressão
Leia maisCAPÍTULO. Purcina, Alcione Borges 1 ; Borges, Romes Antonio 2 ; Programa de Pós-Graduação em Modelagem e Otimização, Regional Catalão/ UFG
14 CAPÍTULO ESTUDO NUMÉRICO E COMPUTACIONAL DE UM ABSORVEDOR DINÂMICO DE VIBRAÇÕES COM CARACTERÍSTICA NÃO LINEAR Purcina, Alcione Borges 1 ; Borges, Romes Antonio 2 ; 1 Programa de Pós-Graduação em Modelagem
Leia maisTópicos em Simulação e Otimização de Processos Aula 1 2: Plano de Ensino e Conceitos Básicos
Tópicos em Simulação e Otimização de Processos Aula 1 2: Plano de Ensino e Conceitos Básicos, MSc rodolfo@unipampa.edu.br Curso de Universidade Federal do Pampa Campus Bagé 22 de janeiro de 2013 BA000379
Leia maisCircuitos Trifásicos Aula 11 Cálculo de RMS, Potência e Distorção de uma Onda
Circuitos Trifásicos Aula 11 Cálculo de RMS, Potência e Distorção de uma Onda Engenharia Elétrica Universidade Federal de Juiz de Fora tinyurl.com/profvariz (UFJF) CEL062 tinyurl.com/profvariz 1 / 30 Valor
Leia maisMÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL
MÉTODOS QUANTITATIVOS PARA CIÊNCIA DA COMPUTAÇÃO EXPERIMENTAL Pedro Henrique Bragioni Las Casas Pedro.lascasas@dcc.ufmg.br Apresentação baseada nos slides originais de Jussara Almeida e Virgílio Almeida
Leia maisOBTENÇÃO EXPERIMENTAL DO CIRCUITO CAÓTICO DE CHUA
OBTENÇÃO EXPERIMENTAL DO CIRCUITO CAÓTICO DE CHUA Gabriel Satelli de França [Bolsista PIBIC- JR], Dr. Elmer Pablo Tito Cari [Orientador], Matheus Augusto Paiva Luz [Colaborador] Curso Técnico em Eletrotécnica
Leia maisAnalisador de Espectros
Analisador de Espectros O analisador de espectros é um instrumento utilizado para a análise de sinais alternados no domínio da freqüência. Possui certa semelhança com um osciloscópio, uma vez que o resultado
Leia maisModelagem e Análise de. Sistemas Elétricos em. Regime Permanente. Sérgio Haffner
Modelagem e Análise de Sistemas Elétricos em Regime Permanente Sérgio Haffner http://slhaffner.phpnet.us/ haffner@ieee.org slhaffner@gmail.com Desenvolvido para ser utilizado como notas de aula para o
Leia maisIdentificação por Métodos Não Paramétricos
Modelação, Identificação e Controlo Digital Métodos Não Paramétricos 1 Identificação por Métodos Não Paramétricos Estimação da resposta impulsiva e da resposta em frequência Análise espectral e métodos
Leia mais4 Cálculo de Equivalentes Dinâmicos
4 Cálculo de Equivalentes Dinâmicos 4.1. Introdução Os sistemas de potência interligados vêm adquirindo maior tamanho e complexidade, aumentando a dependência de sistemas de controle tanto em operação
Leia maisSistemas caóticos simples
Sistemas caóticos simples Aluna: Simone Bochner de Araújo Orientadora: Celia Anteneodo Introdução Uma grande variedade de sistemas apresenta comportamentos complicados, irregulares, imprevisíveis, em maior
Leia maisReferência Banco de dados FioCruz Doc LAB1_GEO.doc. Autor Eduardo C. G. Camargo Versão 1.0 Data DEZ / Revisão Versão Data
Ministério da Ciência e Tecnologia Instituto Nacional de Pesquisas Espaciais Análise Espacial de Dados Geográficos Laboratório Módulo: Geoestatística Linear Referência Banco de dados FioCruz Doc LAB_GEO.doc
Leia maisIntrodução a filtros digitais. Theo Pavan e Adilton Carneiro TAPS
Introdução a filtros digitais Theo Pavan e Adilton Carneiro TAPS Filtro anti-aliasing Com um sinal já digitalizado não é possível distinguir entre uma frequência alias e uma frequência que realmente esteja
Leia mais3 Esquema de pré-distorção
3 Esquema de pré-distorção O objetivo do presente trabalho, conforme foi exposto anteriormente, é a redução dos efeitos causados pelos produtos de intermodulação gerados pela não-linearidade. Para atingir
Leia maisRuído. Aula 11 Prof. Nobuo Oki
Ruído Aula 11 Prof. Nobuo Oki Considerações Gerais Ruído O ruído limita o nível mínimo do sinal que um circuito pode processar com uma qualidade aceitável. O problema do ruído relaciona-se com a potência
Leia maisSistemas Dinâmicos em Biologia e Fisiologia
Sistemas Dinâmicos em Biologia e Fisiologia Módulo da disciplina de Modelos dos Processos Fisiológicos do Homem Licenciatura em Engenharia Biomédica Jorge Henriques Departamento de Engenharia Informática
Leia maisMODELO AUTO-REGRESSIVO APLICADO NA SIMULAÇÃO DE UM CANAL UWB
MODELO AUTO-REGRESSIVO APLICADO NA SIMULAÇÃO DE UM CANAL UWB Fábio A. L. da Silva, Leni J. de Matos 2 Edson Cataldo 3 Resumo: Este artigo apresenta a modelagem e a simulação do canal rádio de banda ultralarga,
Leia maisFerramenta Computacional para o Estudo de Seqüências de Treinamento em Equalizadores LMS
Ferramenta Computacional para o Estudo de Seqüências de Treinamento em es LMS Luciano L. Mendes Departamento de Eletrônica e Eletrotécnica Instituto acional de Telecomunicações Santa Rita do Sapucaí, MG
Leia maisMODELAGEM MATEMÁTICA CAIXA PRETA DE PROPULSORES ELETROMECÂNICOS 1
MODELAGEM MATEMÁTICA CAIXA PRETA DE PROPULSORES ELETROMECÂNICOS 1 Leila Ana Valer 2, Manuel Martín Pérez Reimbold 3. 1 Pesquisa realizada no Programa de Mestrado e Doutorado em Modelagem Matemática da
Leia maisAvaliação Preliminar dos Movimentos Aéreos no Aeroporto Internacional Antônio Carlos Jobim Galeão
Íris Firmino Cardoso Avaliação Preliminar dos Movimentos Aéreos no Aeroporto Internacional Antônio Carlos Jobim Galeão Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção
Leia maisINFLUÊNCIA DE SOFTWARES E SISTEMAS OPERACIONAIS NA SIMULAÇÃO DE MODELOS DINÂNICOS NÃO LINEARES Felipe Lulli Milani, Wilson Rocha Lacerda Junior, Samir Angelo Milani Martins, Erivelton Geraldo Nepomuceno
Leia maisInterpolação em imagens
Processamento de Imagens Médicas Interpolação em imagens Prof. Luiz Otavio Murta Jr. Informática Biomédica Depto. de Física e Matemática (FFCLRP/USP) 1 Principais Tópicos Introdução Método de interpolação
Leia maisPrevisão de Séries Temporais utilizando Métodos Estatísticos
Previsão de Séries Temporais utilizando Métodos Estatísticos Elisângela Lopes de Faria (a) Marcelo Portes Albuquerque (a) Jorge Luis González Alfonso (b) Márcio Portes Albuquerque (a) José Thadeu Pinto
Leia maisMais Informações sobre Itens do Relatório
Mais Informações sobre Itens do Relatório Amostra Tabela contendo os valores amostrados a serem utilizados pelo método comparativo (estatística descritiva ou inferencial) Modelos Pesquisados Tabela contendo
Leia maisFunções de base em modelos RBF: um estudo de caso na modelagem do sistema de Lorenz
Universidade Federal de Minas Gerais From the SelectedWorks of Gladstone B. Alves 2003 Funções de base em modelos RBF: um estudo de caso na modelagem do sistema de Lorenz Gladstone B. Alves, Universidade
Leia maisDisciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios
Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios Prof. Eduardo Simas (eduardo.simas@ufba.br) Programa de Pós-Graduação em Engenharia Elétrica/PPGEE Universidade
Leia maisObtenção Experimental de Modelos Matemáticos Através da Reposta ao Degrau
Alunos: Nota: 1-2 - Data: Obtenção Experimental de Modelos Matemáticos Através da Reposta ao Degrau 1.1 Objetivo O objetivo deste experimento é mostrar como se obtém o modelo matemático de um sistema através
Leia maisAnalisador de espectros por FFT
Analisador de espectros por FFT A transformada de Fourier (FT) é uma ferramenta matemática utilizada essencialmente para decompor ou separar uma função ou forma de onda em senóides de diferentes frequências
Leia mais3 Identificação de Locutor Usando Técnicas de Múltiplos Classificadores em Sub-bandas Com Pesos Não-Uniformes
3 Identificação de Locutor Usando Técnicas de Múltiplos Classificadores em Sub-bandas Com Pesos Não-Uniformes Neste capítulo, é apresentada uma nova proposta de combinação de múltiplos classificadores
Leia maisESTIMATIVA DO EXPOENTE DE HURST DE SÉRIES TEMPORAIS CAÓTICAS POR MEIO DA TRANSFORMADA WAVELET DISCRETA
ESTIMATIVA DO EXPOENTE DE HURST DE SÉRIES TEMPORAIS CAÓTICAS POR MEIO DA TRANSFORMADA WAVELET DISCRETA Aline Cristina Soterroni 1, Margarete Oliveira Domingues 2, Fernando Manuel Ramos 3 1 CAP/INPE, São
Leia maisIdentificação Neural com Uso do Sinal de Erro de Predição
Proceedings of the IV Brazilian Conference on Neural Networks - IV Congresso Brasileiro de Redes Neurais pp. 036-041, July 20-22, 1999 - ITA, São José dos Campos - SP - Brazil Identificação Neural com
Leia maisProcessos aleatórios - características
Capítulo 6 Processos aleatórios - características temporais 6.1 O conceito de processo aleatório Um processo aleatório ou estocástico é um espaço de amostras em que cada elemento é associado a uma função
Leia maisM. Eisencraft 6.3 Funções de correlação 81. R YX (τ) R YY (τ). (6.19) R XY (τ) = R YX ( τ) (6.20)
M. Eisencraft 6.3 Funções de correlação 81 R XY (τ) = E[X(t)Y(t+τ)] e (6.17) R YX (τ) = E[Y(t)X(t+τ)]. (6.18) As propriedades de correlação de dois processos X(t) e Y(t) podem ser mostradas convenientemente
Leia mais6 Modelo Gamma-Cetuc (GC)
6 Modelo Gamma-Cetuc (GC) Um modelo de sintetização de séries temporais de atenuação por chuva envolve a geração de dados aleatórios que satisfaçam especificações de estatísticas de primeira e de segunda
Leia mais13 Funções de Teste. Simulação no VisSim 1 INTRODUÇÃO 2 IMPULSO UNITÁRIO (DELTA DE DIRAC)
Funções de Teste. Simulção no VisSim 1 13 Funções de Teste Simulação no VisSim 1 INTRODUÇÃO As funções de teste formam a base para a análise e a simulação de sistemas lineares no domínio do tempo e são
Leia maisIntrodução a aquisição e processamento de sinais
TAPS Introdução a aquisição e processamento de sinais Prof. Theo Z. Pavan Departamento de Física - Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto-USP Roteiro Aquisição de sinais e frequência
Leia maisCÁLCULO DO EQUILIBRIO DE TROCA-IÔNICA DO SISTEMA Na + -Pb 2+ -Cu 2+ USANDO REDES NEURAIS ARTIFICIAIS.
CÁLCULO DO EQUILIBRIO DE TROCA-IÔNICA DO SISTEMA Na + -Pb 2+ -Cu 2+ USANDO REDES NEURAIS ARTIFICIAIS. A. B. B. GIOPATTO 1, E. A. SILVA 2, T. D. MARTINS 1 1 Universidade Federal de São Paulo, Departamento
Leia maisTeoria da Decisão. Otimização Vetorial. Prof. Lucas S. Batista. lusoba
Teoria da Decisão Otimização Vetorial Prof. Lucas S. Batista lusoba@ufmg.br www.ppgee.ufmg.br/ lusoba Universidade Federal de Minas Gerais Escola de Engenharia Graduação em Engenharia de Sistemas Introdução
Leia maisUma Nova Representação Espaço-Freqüência, com Aplicações à Análise de Sinais e à Visão Computacional
Uma Nova Representação Espaço-Freqüência, com Aplicações à Análise de Sinais e à Visão Computacional José R.A. Torreão Instituto de Computação, UFF Com a colaboração de João Luiz Fernandes e Silvia Mara
Leia maisDINÂMICA DO SISTEMA CARRO-PÊNDULO
DINÂMICA DO SISTEMA CARRO-PÊNDULO Rafael Alves Figueiredo 1 Universidade Federal de Uberlândia Av. João Naves de Ávila, 2121, Santa Mônica, Uberlândia, MG, Brasil. rafamatufu@yahoo.com.br Márcio José Horta
Leia maisCALIBRAÇÃO DE TERMOPARES ATRAVÉS DE SOFTWARE DE REGRESSÃO POLINOMIAL
CALIBRAÇÃO DE TERMOPARES ATRAVÉS DE SOFTWARE DE REGRESSÃO POLINOMIAL Autores: David Roza JOSÉ 1, Fernando Prando DACAS 2, Lucas BARP 2. 1 Mestre em Engenharia Mecânica, professor do Instituto Federal Catarinense
Leia maisDescritores de Imagens
Descritores de Imagens André Tavares da Silva PPGCA/UDESC Outubro de 2017 André Tavares da Silva (PPGCA/UDESC) Descritores de Imagens Outubro de 2017 1 / 17 Introdução Excelentes pesquisas sobre descritores
Leia maisCAPÍTULO. Oliveira, Leandro 1 *; Borges, Romes 2
9 CAPÍTULO INTRODUÇÃO ÀS TÉCNICAS DE PERTUR- BAÇÃO APLICADAS À RESOLUÇÃO DE SISTEMAS DINÂMICOS NÃO-LINEARES Oliveira, Leandro 1 *; Borges, Romes 2 1Departamento de Engenharia Civil. Universidade Federal
Leia maisPROGRAMA ANALÍTICO E EMENTA DE DISCIPLINA DA PÓS GRADUAÇÃO
Semestre Letivo PROGRAMA ANALÍTICO E EMENTA DE DISCIPLINA DA PÓS GRADUAÇÃO Duração em Semanas I ( X ) II 17 IDENTIFICAÇÃO Disciplina Código Simulação Hidrológica Departamento Sigla da Unidade Engenharia
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS A distribuição dos tempos de permanência dos estudantes nos cursos de graduação de certa universidade é uma distribuição normal com média igual a 6 anos e desvio padrão igual
Leia maisDescrição do processo de Modelagem e Simulação em quatro etapas no ambiente AMESim
Descrição do processo de Modelagem e Simulação em quatro etapas no ambiente AMESim Similarmente a outros softwares de modelagem e simulação, a utilização do sistema AMESim está baseada em quatro etapas:
Leia maisCapítulo 3. Função de transferência e dinâmicas dos sistemas (Parte D, continuação)
DINÂMICA DE SISTEMAS BIOLÓGICOS E FISIOLÓGICOS Capítulo 3 Função de transferência e dinâmicas dos sistemas (Parte D, continuação) Juntando agora os três casos numa só figura, A resposta y(t) classifica-se
Leia maisA Metodologia de Box & Jenkins
A Metodologia de Box & Jenins Aula 03 Bueno, 0, Capítulo 3 Enders, 009, Capítulo Morettin e Toloi, 006, Capítulos 6 a 8 A Metodologia Box & Jenins Uma abordagem bastante utilizada para a construção de
Leia maisDeterminação da Estabilidade de Variáveis de Produção Utilizando a Metodologia VAR e Gráficos de Controle Multivariados
48 Determinação da Estabilidade de Variáveis de Produção Utilizando a Metodologia VAR e Gráficos de Controle Multivariados Determination of the Stability of Production Variables Using the VAR Methodology
Leia mais4 as Jornadas Politécnicas de Engenharia
4 as Jornadas Politécnicas de Engenharia Imagens de Faces: Exemplos de Metodologias e Aplicações Fernando Carvalho, João Manuel R. S. Tavares Aplicação Metodologias Modelos Conclusões Trabalho Futuro Introdução:
Leia maisRedução de ruído e Interpolação
Redução de ruído e Interpolação 18 de Maio de 2010 Joana Nunes Nº 58497 Grupo 10 João Marques Nº 58513 Processamento Digital de Sinais Engenharia Biomédica 2º Semestre 2009/2010 1. Visualização do sinal
Leia maisIDENTIFICAÇÃO DE PARÂMETROS POR ENXAME DE PARTÍCULAS ATRAVÉS DO COMPROMISSO ENTRE VARIÂNCIA E POLARIZAÇÃO
IDENTIFICAÇÃO DE PARÂMETROS POR ENXAME DE PARTÍCULAS ATRAVÉS DO COMPROMISSO ENTRE VARIÂNCIA E POLARIZAÇÃO LÚCIA VALÉRIA R. ARRUDA, LUIS ANTONIO D. ISFER, HEITOR SILVERIO LOPES Laboratório de Automação
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 maisIDENTIFICAÇÃO DE SÉRIES TEMPORAIS MULTIVARIADAS NO ESPAÇO DE ESTADO PELO MÉTODO DE AKAIKE BASEADO EM CORRELAÇÕES CANÔNICAS COM PARÂMETRO ITERATIVO
IDENTIFICAÇÃO DE SÉRIES TEMPORAIS MULTIVARIADAS NO ESPAÇO DE ESTADO PELO MÉTODO DE AKAIKE BASEADO EM CORRELAÇÕES CANÔNICAS COM PARÂMETRO ITERATIVO ABÍLIO R. M. SOARES 1, CELSO P. BOTTURA 1. 1. DMCSI, FEEC,
Leia maisModelos: Verificação, Validação e Experimentação
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO Modelos: Verificação, Validação e Experimentação Prof. Luís César da Silva (UFES/CCA) ESA 01 Engenharia de Sistemas Modelos Validados e Confiáveis Fundamentos: (Naylor
Leia maisAplicações de Conversores Estáticos de Potência
Universidade Federal do ABC Pós-graduação em Engenharia Elétrica Aplicações de Conversores Estáticos de Potência Prof. Dr. José Luis Azcue Puma Conversores CC/CC Circuito equivalente em CA (modelo para
Leia maisESTUDO COMPARATIVO DE MODELOS DE COEFICIENTES DE ATIVIDADE DA FASE LÍQUIDA PARA SEPARAÇÃO DA MISTURA ETANOL-ÁGUA
ESTUDO COMPARATIVO DE MODELOS DE COEFICIENTES DE ATIVIDADE DA FASE LÍQUIDA PARA SEPARAÇÃO DA MISTURA ETANOL-ÁGUA A. APIO 1 e N. P. G. SALAU Universidade Federal de Santa Maria, Departamento de Engenharia
Leia maisIdentificação de Modelo ARX e Controle PI-D de um Conjunto Experimental Correia Rolante e Motor CC
Trabalho apresentado no DINCON, Natal - RN, 2015. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Identificação de Modelo ARX e Controle PI-D de um Conjunto Experimental
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
Leia maisPolinômios generalizados e uma estimativa do número de raízes. Resumo. Abstract
Polinômios generalizados e uma estimativa do número de raízes Alan Almeida Santos Departamento de Matemática, DMAI, Campus Prof. Alberto Carvalho, UFS, 49500-000, Itabaiana, SE E-mail: alan@ufs.br Resumo
Leia maisDESENVOLVIMENTO DA EQUAÇÃO PREDITIVA GERAL (EPG)
MELCONIAN, Marcos Vinícius. "Desenvolvimento da Equação Preditiva Geral (EPG)", p.79-102. In MELCONIAN, Marcos Vinicius. Modelagem numérica e computacional com similitude e elementos finitos, São Paulo:
Leia mais1 O esquema de Alamouti: Diversidade na transmissão
1 O esquema de Alamouti: Diversidade na transmissão 1.1 O Caso de uma antena receptora A Figura?? mostra a representação em banda básica do esquema de Alamouti com diversidade na transmissão. O esquema
Leia maisUNIVERSIDADE FEDERAL DE LAVRAS DISCIPLINA
UNIVERSIDADE FEDERAL DE LAVRAS PRÓ-REITORIA DE PÓS-GRADUAÇÃO COORDENADORIA DE PÓS-GRADUAÇÃO STRICTO SENSU DISCIPLINA Carga horária Código Denominação Créditos ( ) Teórica Prática Total PEX502 Estatística
Leia maisUniversidade Federal do Rio Grande do Sul Escola de Engenharia Departamento de Engenharia Elétrica ENG04037 Sistemas de Controle Digitais
Universidade Federal do Rio Grande do Sul Escola de Engenharia Departamento de Engenharia Elétrica ENG04037 Sistemas de Controle Digitais 1 Introdução Identificação via Mínimos Quadrados Prof. Walter Fetter
Leia mais6LVWHPDGH6LPXODomRSDUD2EWHQomRGH'DGRV
38 6LVWHPDGH6LPXODomRSDUD2EWHQomRGH'DGRV O sistema de identificação e localização de faltas utilizando RNAs necessita de um conjunto de registros de curto-circuito em diversas situações diferentes, para
Leia maisCaos, uma introdução. Dr. Emerson Luis de Santa Helena. Universidade Federal de Sergipe Departamento de Física
Caos, uma introdução Dr. Emerson Luis de Santa Helena Universidade Federal de Sergipe Departamento de Física Oscilações simples Pêndulo Simples http://en.wikipedia.org/wiki/pendulum_(derivations) 0 sin
Leia maisCOMPENSAÇÃO DINÂMICA PARA UM SIMULADOR DE MOVIMENTO ROTATIVO. Palavras-chave: compensação, identificação, simulação integrada
COMPENSAÇÃO DINÂMICA PARA UM SIMULADOR DE MOVIMENTO ROTATIVO Alberto S. Funada CTA - Instituto de Aeronáutica e Espaço - IAE São José dos Campos - SP - Brasil funada@iae.cta.br Waldemar C. L. Filho CTA
Leia maisAvaliação de previsões de tempo do modelo ETA. para subsidiar pesquisas agrícolas no Brasil
MS777 - Projeto Supervisionado Avaliação de previsões de tempo do modelo ETA para subsidiar pesquisas agrícolas no Brasil Aluna: Dânia Naomi Osato Meira Orientadora: Doutora Ana Maria Heuminski de Ávila
Leia maisRepresentação de Fourier para Sinais 1
Representação de Fourier para Sinais A representação de Fourier para sinais é realizada através da soma ponderada de funções senoidais complexas. Se este sinal for aplicado a um sistema LTI, a saída do
Leia maisAula 9: Sintonia de controladores PID
Aula 9: Sintonia de controladores PID prof. Dr. Eduardo Bento Pereira Universidade Federal de São João del-rei ebento@ufsj.edu.br 19 de setembro de 2017. prof. Dr. Eduardo Bento Pereira (UFSJ) Controle
Leia maisMetodologia de Box-Jenkins. Metodologia de Box-Jenkins. Metodologia de Box-Jenkins
Programa de Pós-graduação em Engenharia de Produção Análise de séries temporais: Modelos de Box-Jenkins Profa. Dra. Liane Werner Metodologia de Box-Jenkins Para os modelos de decomposição e os modelos
Leia maisPLANO CURRICULAR DISCIPLINAR. MATEMÁTICA 7º Ano
PLANO CURRICULAR DISCIPLINAR MATEMÁTICA 7º Ano OBJETIVOS ESPECÍFICOS TÓPICOS SUBTÓPICOS METAS DE APRENDIZAGEM 1º Período - Multiplicar e dividir números inteiros. - Calcular o valor de potências em que
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/famat/viali/ Dentre a grande variedade de sistemas que podem ser modelados e para os quais a simulação pode ser aplicada com proveito, uma classe
Leia maisIdentificação de Sistemas em Motores de Indução Trifásicos
IV SAISEE SEMINÁRIO DE AUTOMAÇÃO INDUSTRIAL E SISTEMAS ELETRO-ELETRÔNICOS INSTITUTO NACIONAL DE TELECOMUNICAÇÕES INATEL ISSN 319-8 MARÇO DE 16 Identificação de Sistemas em Motores de Indução Trifásicos
Leia maisConvolução Correlação. Profs. Theo Pavan e Adilton Carneiro TAPS
Convolução Correlação Profs. Theo Pavan e Adilton Carneiro TAPS Sistema Sistema processo em que os sinais de entrada são transformados resultando em um outro sinal de saída. x(t) Sistema de tempo contínuo
Leia maisConsiderações gerais sobre medidas elétricas
Considerações gerais sobre medidas elétricas Medidas de distorções, ruído e relação sinal/ruído (S/N) Distorção e ruído estão presentes em qualquer sistema físico real e normalmente contribuem para a deterioração
Leia mais