|
|
- Maria de Lourdes Casqueira Weber
- 6 Há anos
- Visualizações:
Transcrição
1 DETECÇÃO 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 e Modelagem, Departamento de Engenharia Elétrica Universidade Federal de São João del-rei, Praça Frei Orlando Centro, São João del-rei, Minas Gerais, Brasil s: martins@ufsj.edu.br, nepomuceno@ufsj.edu.br, joaopaulomfig@yahoo.com.br Abstract This work presents a new approach for structure detection of polynomial NARX models, using a multi-objective approach. It is shown how to obtain a Pareto curve, composed by models with different structures. As a case-study, a DC-DC buck converter was built and identified, using this technique. The proposed technique is validated based on several indexes, such as RMSE (static and dynamic) and MAP E, for the dynamic case, and by mean of the analysis of the Pareto curve. Also, a comparison between this approach and the classic one (ERR+AIC - Error Reduction Ratio and Akaike Information Criteria) is done. Keywords NARX models, multi-objective system identification, structure detection, inteligent algorithm. Resumo O presente trabalho apresenta uma nova abordagem para detecção de estruturas de modelos NARX polinomiais, visando a multi-objetividade. É mostrado como obter uma fronteira de soluções eficientes, formada por modelos com estruturas distintas (Pareto de estruturas). Para a aplicação da técnica, foi construído um conversor CC-CC buck. A técnica mostrou-se satisfatória à luz do Pareto-ótimo e dos índices RMSE (estático e dinâmico), MAP E e da análise da curva de Pareto. É feita uma comparação entre os modelos pertencentes ao Pareto de estruturas com o modelo obtido pela tradicional técnica de determinação de estruturas ERR+AIC (Taxa de Redução de Erro + Critério de Informação de Akaike). Keywords Modelos NARX polinomiais, identificação multi-objetivo de sistemas,detecção de estruturas, algoritmo inteligente. 1 Introdução A Identificação de Sistemas é uma das atividades mais antigas e relevantes da ciência. É a área do conhecimento que estuda maneiras de modelar e analisar sistemas na tentativa de encontrar algum padrão em observações (Billings, 1980; Aguirre, 2007). Para se identificar um sistema, é necessário propor um modelo que consiga descrever as mais diversas características do mesmo. Define-se modelo como o conjunto de hipóteses sobre a estrutura ou comportamento de um sistema físico. Do lado matemático, um modelo nada mais é do que uma abstração de um sistema real expresso por meio de equações. Na Engenharia, essas técnicas podem ser empregadas na identificação de aquecedores elétricos (Martins et al., 2009), conversores CC-CC (Yang et al., 2009), sistemas químicos, e em outras áreas, como sistemas biológicos, econômicos e outros ramos da ciência. A literatura está repleta de técnicas de Identificação de Sistemas (Martins et al., 2009; Nepomuceno et al., 2007; Johansen, 1996). São utilizadas várias representações matemáticas e computacionais, entre elas, pode-se citar as Redes Neurais, Lógica Fuzzy, Modelos NARX (Nonlinear AutoRegressive model with exogenous input), Modelo Baseado em Indivíduos. A representação NARX polinomial possui como pontos positivos o fato de permitir, com relativa facilidade, a incorporação de informações que se tem a priori do sistema no modelo. Tais informações (curva e ganho estático, por exemplo) podem não estar contidas nos dados dinâmicos. Sendo assim, o acréscimo dessas informações pode acrescentar qualidade no modelo, no que se refere à representatividade do sistema. A partir de trabalhos de Johansen (1996) e colaboradores, a área de identificação de sistemas começou a se preocupar com a possibilidade de utilizar informações auxiliares sobre o sistema e não apenas dados na identificação de sistemas. Dessa preocupação, surge uma nova técnica, chamada de Identificação Multi-objetivo de Sistemas (IMS) (Martins et al., 2009; Johansen e Babuska, 2003; Johansen, 2000). Contudo, tradicionalmente, o uso de informações auxiliares se dá exclusivamente na estimação dos parâmetros do modelo, sendo que as principais técnicas de detecção de estruturas são mono-objetivo. O propósito deste trabalho é aprimorar a técnica de determinação de estruturas, apresentando uma técnica capaz de levar em conta nessa etapa, além do erro de predição, outra característica do sistema, o que não é feito com a taxa de redução de erro ERR(do inglês Error Reduction Ratio). Dessa forma, é apresentado uma técnica multiobjetivo para determinação da estrutura de um modelo NARX polinomial. O restante do artigo está organizado como segue. Na seção 2 são abordados os conceitos pre-
2 liminares. A seção 3 apresenta a metodologia utilizada para a obtenção dos resultados. A análise e discussão dos resultados são tratados pela seção 4. Na seção 5 é apresentada a conclusão, além de propostas para futuras pesquisas. 2 Conceitos Preliminares 2.1 Identificação de Sistemas Para se identificar um sistema, é necessário a realização de 5 principais etapas, a seguir apresentadas (Aguirre, 2007). Teste Dinâmico e Coleta de Dados. Escolha da Representação Matemática a ser Utilizada. Determinação da Estrutura do Modelo. Estimação dos Parâmetros. Validação dos Modelos. Quando se obtém modelos de sistemas reais, é necessário que o mesmo seja validado. Para validar os modelos utilizados, calculou-se o índice RM SE(Relative Mean Square Error) estático e dinâmico, além do índice MAPE (Mean Absolute Percentual Error), para o caso dinâmico. Ademais, foi feita uma análise à luz do Pareto ótimo. Vale ressaltar que os modelos devem ser validados sobre uma massa de dados diferentes dos dados utilizados para identificação. O índice RM SE pode ser escrito conforme equação 1. RMSE = E [y(k) ȳ], (1) em que y(k) é o sinal de validação da série, ȳ é o valor médio da série temporal e E é a esperança do sinal. O índice MAPE pode ser expresso por: MAP E = 1 N N k=1 y (k) y(k), (2) y(k) em que N é o número de predições realizadas, y é o valor simulado livremente e y o valor real. 2.2 Modelos NARX Modelos NARX (Billings, 1980) descrevem sistemas não-lineares em equações de diferença, relacionando a entrada atual em combinação das saídas e entradas passadas. É utilizada para problemas de controle onde o principal objetivo é encontrar uma descrição simples para o sistema. Em particular, o modelo NARX polinomial pode ser representado como: y(k) = F l [y(k 1),, y(k n y ), (3) u(k 1), u(k n u ), e(k 1),, e(k n e )] + Ξ(k), em que y(k) é a saída, u(k) é a entrada exógena, e e(k) é o sinal de ruído. Ξ(k) representa o erro de predição. n y, n u, e n e são as ordens da saída, da entrada exógena e da média móvel, respectivamente. A função F l pode representar uma grande variedade de funções, incluindo funções lineares. Neste artigo, F l é restrita a funções polinomiais não-lineares e e(k) não é considerado. 2.3 Identificação Multi-objetiva de Sistemas Para se estimar mono-objetivamente os parâmetros de um modelo NARX pelo tradicional método dos Mínimos Quadrados (MQ), é necessário expressar o modelo em forma de erro quadrático de predição, ou seja: J MQ (ˆθ) = (y Ψˆθ) T (y Ψˆθ), (4) em que y é o valor da série e Ψˆθ é o valor simulado da série, J MQ é o valor da função custo. Uma vez que o erro de predição foi expresso de forma quadrático, pode-se aplicar o MQ, que fornece um vetor de parâmetros que minimizam o erro quadrático de predição do modelo aos dados considerados para identificação. Contudo, possui o inconveniente de levar em consideração somente o erro dinâmico de predição como objetivo. É necessário uma abordagem multi-objetivo, em que outras informações também são consideradas. Essas informações podem ser, dentre outras, curva e ganho estático. Para que seja possível a incorporação de tais informações na determinação dos parâmetros do modelo, é necessário expressar tais informações como forma de erro quadrático de predição: J K (ˆθ) = (v Gˆθ) T (v Gˆθ), (5) em que v é o valor real da informação auxiliar a ser incorporada, Gˆθ seu valor estimado, e J K o valor de sua função custo. Pode-se compor uma função custo com a ponderação de todas as funções objetivo que devem ser minimizadas simultaneamente. J c (ˆθ) = w 1 J 1 + w 2 J w n J n, (6) sendo w 1 + w w n = 1, os pesos de cada função custo, J 1, J 2,, J n são os valores das funções custos referentes a cada objetivo, e J c o valor da função custo composta. Nepomuceno et al. (2007) mostraram uma forma direta, ou seja, não iterativa, de obter os
3 parâmetros (ˆθ ) que minimize a função descrita na equação 6, dado por: ˆθ = arg min = n w i (v Gˆθ) T (v Gˆθ) (7) i=1 [ n ] 1 [ n ] w i G T i G i w i G T i v i, i=1 i=1 sendo n o número de objetivos a serem levados em consideração. Variando os valores de w i, i = 1,2,, n, obtém-se a curva de soluções ótimas, soluções eficientes ou curva de Pareto (equação 7). Dessa forma, obtém-se um conjunto de vetores de parâmetros que compõem o conjunto Pareto-ótimo do modelo. Um Pareto hipotético é mostrado na Figura 1, sendo cada modelo indicado por um ponto na curva. sistema-teste. O conversor CC-CC buck(figura 3), como o próprio nome sugere, é um conversor CC-CC abaixador de tensão, que produz um valor médio de tensão na saída inferior ao valor médio de tensão de entrada. Pode ser controlado por dispositivo de comutação do tipo MOSFET ou IGBT através do controle da razão cíclica. Para o sistema estudado foi utilizando um MOSFET IRF840. A razão cíclica e definida como a razão entre o tempo que o interruptor se encontra em condução e o período de comutação. Como sinal de chaveamento, utilizou-se um sinal PRBS, com o qual se espera que o sistema apresente na saída sua dinâmica não-linear. + _ 150R Figura 3: Conversor CC-CC buck. 3 Metodologia 3.1 Detecção de Estruturas Uma Abordagem Multi-objetivo Figura 1: Fronteira Pareto-Ótimo de um Problema Bi-objetivo. Cada estrutura que compõe um modelo apresenta uma curva de Pareto distinta. Existem soluções que possuem ambos os objetivos de valores superiores que outras, como mostra a Figura 2. Essas soluções não pertencem ao conjunto Pareto-ótimo, ou seja, são soluções suplantadas, não eficientes e não devem ser inclusas no Pareto. Figura 2: Exemplo de Solução Dominada. 2.4 Conversor CC-CC Buck Um sistema eletrônico de potência conhecido como conversor CC-CC buck foi utilizado como Tem-se que para cada estrutura, obtém-se um conjunto Pareto-ótimo. Na literatura, em geral, esses Paretos são Paretos de parâmetros, sendo que cada vetor de parâmetros (cada ponto da curva de Pareto) pode ser utilizado para uma dada região de operação do sistema em questão. Contudo, neste trabalho foi obtido um Pareto de estruturas, ou seja, uma estrutura de um modelo NARX polinomial para cada região de operação do sistema em questão. Para cada estrutura, é obtido uma curva distinta de Pareto (Figura 4), que pode ser parcialmente dominada e parcialmente dominante em relação à uma outra curva de Pareto, dada por outra estrutura. Portanto, tem-se que cada estrutura modela melhor determinados pontos de operação do sistema. Vale ressaltar, que existem tanto curvas de Pareto que são suplantadas por outras, quanto curvas que dominam e são dominadas, em partes, por outras curvas de pareto (Figura 4). Sendo assim, é interessante o uso somente das partes não dominadas, do conjunto de curvas de Pareto, formando o Pareto de estruturas. Esse Pareto de estruturas pode ser ilustrado pela Figura 5. Deseja-se obter um conjunto de estruturas eficientes, ou seja, um Pareto de estruturas, de forma que cada estrutura possa ser utilizada para uma determinada aplicação, sendo a escolha de qual estrutura objetivada pela aplicação do modelo.
4 - ERR de cada regressor. Figura 4: Em preto, encontra-se a curva de Pareto obtida para uma estrutura A, em vermelho é apresentada a curva de Pareto obtida para uma estrutura B, e em azul a curva de Pareto obtida para uma estrutura C. Em verde, encontra-se a curva de Pareto obtida para uma estrutura D. 3. Para k = 1 até ζ: Estima-se os parâmetros, utilizando a técnica multi-objetivo, do modelo com os k primeiros regressores. Obtém-se a curva de Pareto para o modelo com k regressores. Elimina-se os modelos suplantados por todos os Paretos já determinados, até o presente momento. Mantém-se os modelos dominantes, que formarão o Pareto de estruturas. k = k + 1; Se k ζ, insira mais um regressor no modelo e vá ao passo 3. Senão, termine o algoritmo. Após os passos acima descritos, é obtido a curva de Pareto, composta por diferentes estruturas, por modelos cujos Paretos suplantaram outros modelos, com diferentes estruturas. Sendo assim, a norma Euclideana dos objetivos é calculada, para todos os modelos pertencentes ao conjunto pareto-ótimo. Aquele modelo que apresenta o menor valor é selecionado para representar o sistema. 4 Resultados e Discussão Figura 5: Soluções não dominadas Pareto de estruturas. Dessa forma mais de um objetivo é levado em consideração, para a obtenção da estrutura de um modelo. Vale ressaltar que outros tipos de informação também podem ser utilizados, bastando apenas que a mesma possa ser escrita como erro quadrático de predição. Para maior clareza do leitor, a técnica será apresentada em 3 etapas, a saber: 1. Escolha de máximo atraso e grau de nãolinearidade do sistema. Nesta etapa são prédeterminados os atrasos e a não-linearidade do modelo a ser obtido, de forma a limitar o espaço de busca. Nessa etapa, ζ é determinado, como sendo o número de regressores candidatos. Utilizou-se 2 como máximo atraso para entrada e saída, e também como grau de não-linearidade do modelo, como estudo de caso. 2. Os termos candidatos são classificados, conforme o algoritmo Orthogonal Least Squares - OLS, apresentado em (Aguirre et al., 1998), que leva em conta a taxa de redução de erro No presente trabalho, além dos dados dinâmicos, foram incorporados dados estáticos teóricos do conversor CC-CC buck, que podem ser dado pela equação 8 ȳ = 4 3 v d v d 3 ū (8) em que v d = 5 Volts, ū e ȳ são a entrada e saída em regime permanente do sistema. A entrada foi variada de 0 a 4 Volts, em um total de 1000 pontos. A metodologia acima apresentada foi aplicada na identificação de um modelo para o conversor CC-CC buck ( Figura 3). Os dados foram divididos em duas massas de dados distintas, sendo uma para identificação do modelo e outra para validação. O modelo obtido, apresentado pela equação 9, consiste de 10 regressores. y(k) = 2,1762y(k 1) 0,6189y(k 2) (9) 0,0910y(k 1) 2 0,8395 0,0057u(k 1)y(k 1) 0,0590u(k 2) +0,0119u(k 2)y(k 1) +0,0040u(k 1) 2 +0,0003u(k 2)u(k 1) +0,0033u(k 2) 2 ;
5 onde y é o vetor de saída e u o vetor de entrada. A Figura 6 apresenta o Pareto de estruturas, obtido pela abordagem multi-objetivo. O Pareto de estruturas apresenta modelos com 7 e com 10 regressores, preto e vermelho, respectivamente. Figura 8: Em azul, encontra-se a curva estática teórica do conversor CC-CC buck. Em vermelho, a curva estática apresentada pelo modelo com 7 regressores, ao passo que em preto encontra-se a curva estática dada pelo modelo com 10 regressores. Figura 6: Pareto de estruturas obtido pela abordagem multi-objetivo. Em vermelho, modelos com 10 regressores e em preto, modelos com 7 regressores. A Figura 7 apresenta a figura 6, com um zoom na região de separação, onde contém modelos com 7 e com 10 regressores. Tabela 1: Índices calculados para validação do modelo. Modelo RMSE RMSE MAPE estático dinâmico 7 reg. 0,4705 0,1534 0, reg. 0,4916 0,1515 0,036 Figura 7: Figura 6, quando aplicado um zoom na região que separa modelos com 7 e com 10 regressores. Já na Figura 8 encontra-se a representação estática teórica do conversor CC-CC buck e dos modelos com 7 e 10 regressores. A Tabela 1 apresenta os valores de alguns índices, calculados dentro da massa de dados de validação, no intuito de validar os modelos obtidos. No caso do RM SE estático, o índice foi obtido para a faixa estática de entrada 0 < ū < 4. Podem ser ressaltados pontos interessantes, a respeito dos resultados obtidos após a aplicação da técnica multi-objetivo para detecção de estruturas. Pela análise da curva de Pareto, pode-se observar que o modelo com 10 regressores minimiza o erro dinâmico, ao passo que o modelo com 7 regressores é o modelo que minimiza o erro estático. Isso é claramente confirmado, de acordo com os índices de validação apresentados na Tabela 1, em que o modelo com 10 regressores é melhor que o com 7 regressores, à luz dos índices calculados pelos dados dinâmicos (RM SE dinâmico e MAP E). Ressalta-se que o modelo de 7 regressores, devido à metodologia apresentada, consiste dos 7 primeiros regressores apresentados em 9 Em contrapartida, como também pode ser observado pela curva de Pareto, pelo índice RMSE estático e pela curva estática dos modelos (Figura 8), o modelo com 7 regressores é superior ao modelo com 10 regressores. Para efeito de comparação, foi obtido o modelo pela tradicional técnica de OLS, que leva em conta a taxa de redução de erro, associada ao critério de informação de Akaike (ERR+AIC ). Esta técnica gerou um modelo com 7 regressores, sendo que esse mesmo modelo encontra-se no Pareto de estruturas. Para fins de comparação, a Tabela 2 apresenta os parâmetros obtidos para ambos os modelos.
6 Tabela 2: Parâmetros referentes aos modelos mono e multi-objetivo. Parâmetro 7 regressores 10 regressores θ 1 2,1655 2,1762 θ 2-0,6178-0,6189 θ 3-0,0899-0,0910 θ 4-0,8203-0,8395 θ 5 0,0003-0,0057 θ 6-0,0253-0,0590 θ 7 0,0071 0,0119 θ 8 0,0040 θ 9 0,0003 θ 10 0,0033 Interessante observar que, devido ao fato da técnica multi-objetivo, em um primeiro momento, ordenar os termos conforme a técnica OLS - (ERR+AIC), os 7 primeiros regressores são os mesmos do modelo mono-objetivo. Outro ponto a ser ressaltado é que os valores dos parâmetros θ 8, θ 9 e θ 10, embora sejam pequenos e possam, à primeira vista, ser desprezados ou considerados espúrios, contribuem para que o modelo com 10 regressores apresente uma dinâmica mais parecida com a do sistema, quando comparado com um modelo de 7 regressores. 5 Conclusões Foi apresentada uma técnica multi-objetivo para detecção de estruturas de modelos NARX polinomiais, por meio de uma escolha inteligente dos regressores a serem utilizados. Em geral, o que se tem na literatura são técnicas mono-objetivo de detecção de estruturas, sendo que tais técnicas não levam em consideração informações que se tem a priori do sistema. É obtido, por meio da análise de curvas de Pareto, um Pareto de estruturas, por meio de uma escolha inteligente de quais regressores devem compor o modelo. Como estudo de caso, foi apresentado um conversor CC-CC do tipo buck, onde foram incorporados pontos fixos de sua curva estática. O modelo obtido pela técnica multi-objetivo mostrou-se eficiente, quando comparado a técnica OLS (ERR+AIC ), a luz de índices de erro, bem como pela análise de suas curvas de Pareto. Ademais, tem-se que a técnica considera, na etapa de determinação de estruturas, informações que se tem a priori do sistema, caracterizando o caráter inovador da técnica apresentada. Esse tipo de informação geralmente é utilizado somente na etapa de determinação dos parâmetros do modelo. Como pesquisas futuras, pretende-se fazer uma adaptação aos índices ERR e AIC, de forma que os mesmo levem em conta não somente o objetivo de minimizar o erro de predição, mas também outras características relevantes do sistema. Agradecimentos Os autores agradecem à Fapemig, CNPq, Capes e à Universidade Federal de São João del- Rei, pelo apoio financeiro. Referências Aguirre, L. A. (2007). Introdução à Identificação de Sistemas: técnicas lineares e nãolineares aplicadas a sistemas reais, Editora da UFMG. 3 a edição. Aguirre, L. A., Rodrigues, G. G. e Jácome, C. R. F. (1998). Identificação de sistemas nãolineares utilizando modelos narmax polinomiais uma revisão e novos resultados, SBA Controle & Automação 9(2): Billings, S. A. (1980). Identification of nonlinear systems - a survey, IEE Proceedings-D Control Theory and Applications 127(6): Johansen, T. A. (1996). Identification of nonlinear systems using empirical data and prior knowledge - an optimization approach, Automatica 32(3): Johansen, T. A. (2000). Multi-objective identification of FIR models, Proceedings of 12th IFAC Symposium on System Identification 2000, Santa Barbara, USA. Johansen, T. A. e Babuska, R. (2003). Multiobjective identification of Takagi-Sugeno fuzzy models, IEEE Transactions on Fuzzy Systems 11(6): Martins, S. A. M., Braga, D. C. S., Nepomuceno, E. G., Gomes, T. V. e Reis, M. L. F. (2009). Investigation of the static curve information for multiobjective system identification, Journal of Computational Interdisciplinary Sciences 1(2): Nepomuceno, E. G., Takahashi, R. H. C. e Aguirre, L. A. (2007). Multiobjective parameter estimation for non-linear systems: affine information and least-squares formulation, International Journal of Control 80(6): Yang, X., Zhang, H. e Ma, X. (2009). Modeling and stability analysis of cascade buck converters with n power stages, Mathematics and Computers in Simulation 80(3):
DETERMINAÇÃO DO NÚMERO DE TERMOS DE MODELOS POLINOMIAIS: O CRITÉRIO DE INFORMAÇÃO DE AKAIKE MULTIOBJETIVO
DETERMINAÇÃO DO NÚMERO DE TERMOS DE MODELOS POLINOMIAIS: O CRITÉRIO DE INFORMAÇÃO DE AKAIKE MULTIOBJETIVO Samir Angelo Milani Martins, Alípio Monteiro Barbosa, Erivelton Geraldo Nepomuceno GCoM Grupo de
Leia maisXXI Congresso Brasileiro de Automática - CBA2016 UFES, Vitória - ES, 3 a 7 de outubro
DISTRIBUIÇÃO UNIFORME DAS SOLUÇÕES PARETO-ÓTIMO NA IDENTIFICAÇÃO MULTIOBJETIVO DE SISTEMAS Samir Angelo Milani Martins, Erivelton Geraldo Nepomuceno GCOM - Grupo de Controle e Modelagem Departamento de
Leia maisDETECÇÃO DE ESTRUTURAS DE MODELOS ARMAX POLIOMIAIS: A TAXA DE REDUÇÃO DE ERRO MULTI-OBJETIVO (MERR) Samir Angelo Milani Martins, Erivelton Geraldo epomuceno, Márcio Falcão Santos Barroso Programa de Pós-Graduação
Leia maisCapítulo 10 - Identificação de Sistemas Não Lineares: Algoritmos
Capítulo 10 - Identificação de Sistemas Não Lineares: Algoritmos Prof. Samir Martins UFSJ-CEFET/MG Programa de Pós Graduação em Engenharia Elétrica - PPGEL São João del-rei, 16 de outubro de 2018 1 / 31
Leia maisIdentificação de Sistemas Dinâmicos com Aritmética Intervalar
Identificação de Sistemas Dinâmicos com Aritmética Intervalar Márcia L. C. Peixoto Marco T. R. Matos Wilson R. Lacerda Júnior Samir A. M. Martins Erivelton G. Nepomuceno Programa de Pós-Graduação em Engenharia
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 maisAplicação de Algoritmos Genéticos na determinação de estruturas de um modelo polinomial NARMAX
Universidade Federal de São João Del-Rei MG 26 a 28 de maio de 2010 Associação Brasileira de Métodos Computacionais em Engenharia Aplicação de Algoritmos Genéticos na determinação de estruturas de um modelo
Leia maisXIII Simpósio Brasileiro de Automação Inteligente Porto Alegre RS, 1 o 4 de Outubro de 2017
Porto Alegre RS, o 4 de Outubro de 27 IDENTIFICAÇÃO DE UM MOTOR/GERADOR CC POR MEIO DE MODELOS POLINOMIAIS AUTORREGRESSIVOS E REDES NEURAIS ARTIFICIAIS Wilson Rocha Lacerda Junior, Vinicius Martins Almeida,
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 maisXIII Simpósio Brasileiro de Automação Inteligente Porto Alegre RS, 1 o 4 de Outubro de 2017
IDENTIFICAÇÃO DE SISTEMAS DINÂMICOS COM ARITMÉTICA INTERVALAR Márcia L. C. Peixoto, Marco T. R. Matos, Wilson R. Lacerda Júnior, Samir A. M. Martins, Erivelton G. Nepomuceno Programa de Pós-Graduação em
Leia maisSystems Identification, Interval Arithmetic, Errors Propagation, Intlab toolbox.
IDENTIFICAÇÃO DE SISTEMAS DINÂMICOS COM ARITMÉTICA INTERVALAR Márcia L. C. Peixoto, Marco T. R. Matos, Wilson R. Lacerda Júnior, Samir A. M. Martins, Erivelton G. Nepomuceno Programa de Pós-Graduação em
Leia maisCapítulo 11 - Projeto de Testes e Escolha de Estruturas
Capítulo 11 - Projeto de Testes e Escolha de Estruturas Prof. Samir Martins UFSJ-CEFET/MG Programa de Pós Graduação em Engenharia Elétrica - PPGEL São João del-rei, 22 de novembro de 2016 1 / 38 Introdução
Leia maisUso de informação a priori para identificação de um processo de Neutralização de ph em Malha Fechada
Laboratório de Modelagem, Análise e Controle de Sistemas Não-Lineares Departamento de Engenharia Eletrônica Universidade Federal de Minas Gerais Av. Antônio Carlos 6627, 31270-901 Belo Horizonte, MG Brasil
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 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 Sumário 1 Introdução
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 maisProjeto de pesquisa realizado no Grupo de Automação Industrial e Controle (GAIC) da UNIJUÍ 2
ESTUDO TEÓRICO DA CONSTRUÇÃO DE MODELOS MATEMÁTICOS AUTORREGRESSIVOS E COMPARAÇÃO COM MODELOS ANALÍTICOS PARA A PREDIÇÃO DO TEMPO DE VIDA DE BATERIAS QUE ALIMENTAM DISPOSITIVOS MÓVEIS 1 Alisson Vercelino
Leia maisModelagem para previsão/estimação: uma aplicação Neuro-Fuzzy
Proceeding Series of the Brazilian Society of pplied and Computational Mathematics, Vol., N., 0. Trabalho apresentado no XXXV CNMC, Natal-RN, 0. Modelagem para previsão/estimação: uma aplicação Neuro-Fuzzy
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 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 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 maisAmanda Danielle Oliveira da Silva Dantas
UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE CENTRO DE TECNOLOGIA PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E COMPUTAÇÃO Amanda Danielle Oliveira da Silva Dantas IDENTIFICAÇÃO DE MODELOS POLINOMIAIS
Leia maisIDENTIFICAÇÃO DE SISTEMAS NÃO LINEARES USANDO O ÍNDICE MÉDIO DE COERÊNCIA
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
Leia mais2.1 Dados Experimentais e Método para Estimação dos Parâmetros
ANÁLISE COMPARATIVA DE MODELOS ANALÍTICOS CONSIDERANDO DESCARGAS CONSTANTES PARA PREDIÇÃO DO TEMPO DE VIDA DE DISPOSITIVOS MÓVEIS 1 Julia Giehl Zart 2, Livia Bittencourt Gomes 3, Douglas Joziel Bitencourt
Leia maisUtilização de Auto-Consistência como Ferramenta Auxiliar na Seleção de Estrutura de Modelos NARX Polinomiais
Laboratório de Modelagem, Análise e Controle de Sistemas Não-Lineares Departamento de Engenharia Eletrônica Universidade Federal de Minas Gerais Av. Antônio Carlos 6627, 31270-901 Belo Horizonte, MG Brasil
Leia maisarxiv: v1 [eess.sp] 21 Nov 2017
DINCON 2017 CONFERÊNCIA BRASILEIRA DE DINÂMICA, CONTROLE E APLICAÇÕES 30 de outubro a 01 de novembro de 2017 São José do Rio Preto/SP Incorporação de Incertezas Numéricas para Validação de Modelos Não
Leia maisProjeto de pesquisa realizado no Grupo de Automação Industrial e Controle (GAIC) da Unijuí. 2
COLETA DE DADOS DO TEMPO DE VIDA DE BATERIAS DE LÍTIO ÍON POLÍMERO E DETERMINAÇÃO DA ORDEM DE MODELOS ARX E ARMAX ATRAVÉS DE FUNÇÕES DE AUTOCORRELAÇÃO. 1 Joelson Lopes Da Paixão 2, Airam Sausen 3, Eduardo
Leia maisAPLICAÇÃO DE MODELOS ARX E ARMAX DA TEORIA DE IDENTIFICAÇÃO DE SISTEMAS PARA PREDIÇÃO DO TEMPO DE VIDA DE BATERIAS QUE ALIMENTAM DISPOSITIVOS MÓVEIS 1
APLICAÇÃO DE MODELOS ARX E ARMAX DA TEORIA DE IDENTIFICAÇÃO DE SISTEMAS PARA PREDIÇÃO DO TEMPO DE VIDA DE BATERIAS QUE ALIMENTAM DISPOSITIVOS MÓVEIS 1 Joelson Lopes Da Paixão 2, Airam Teresa Zago Romcy
Leia maisDETECÇÃO DE FALHA EM MOTORES DE INDUÇÃO TRIFÁSICOS POR MEIO DE INSTRUMENTO VIRTUAL
DETECÇÃO DE FALHA EM MOTORES DE INDUÇÃO TRIFÁSICOS POR MEIO DE INSTRUMENTO VIRTUAL ANA PAULA L. SANTOS*, LÍVIA DE FÁTIMA SILVA MENDES*, MÁRCIO F. S. BARROSO*, LANE RABELO BACCARINI*, * Programa de Pós
Leia maisModelagem matemática do estimador de estados dos mínimos quadrados ponderados usando a ferramenta AMPL
https://eventos.utfpr.edu.br//sicite/sicite2017/index Modelagem matemática do estimador de estados dos mínimos quadrados ponderados usando a ferramenta AMPL RESUMO Pamela Maria Alves dos Santos pamelas@alunos.utfpr.edu.br
Leia maisModelos Auto regressivos para Representação de Sistemas com Histerese
Laboratório de Modelagem, Análise e Controle de Sistemas Não-Lineares Departamento de Engenharia Eletrônica Universidade Federal de Minas Gerais Av. Antônio Carlos 6627, 31270-901 Belo Horizonte, MG Brasil
Leia maisEstudo Comparativo de Técnicas de Controle em um Processo de Nível
1 Estudo Comparativo de Técnicas de Controle em um Processo de Nível RESUMO O controle do nível de tanques é um problema clássico e é considerado um assunto de grande importância e aplicabilidade industrial,
Leia maisConsiderações sobre a Condição Inicial na Construção do Diagrama de Bifurcação para o Mapa Logístico
Trabalho apresentado no DINCON, Natal - RN, 2015. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Considerações sobre a Condição Inicial na Construção do Diagrama de
Leia maisESTUDO E APLICAÇÃO DA LEI DE PEUKERT ESTENDIDA PARA A PREDIÇÃO DO TEMPO DE VIDA DE BATERIAS CONSIDERANDO CORRENTES VARIÁVEIS 1
ESTUDO E APLICAÇÃO DA LEI DE PEUKERT ESTENDIDA PARA A PREDIÇÃO DO TEMPO DE VIDA DE BATERIAS CONSIDERANDO CORRENTES VARIÁVEIS 1 Livia Bittencourt Gomes 2, Julia Giehl Zart 3, Douglas Joziel Bitencourt Freitas
Leia maisRedução de Ordem de Modelos NARX-OBF Utilizando Algoritmos Genéticos: Identificação de um Levitador Magnético
Trabalho apresentado no DINCON, Natal - RN, 2015. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Redução de Ordem de Modelos NARX-OBF Utilizando Algoritmos Genéticos:
Leia maisPREDIÇÃO DO TEMPO DE VIDA DE BATERIAS DE LITHIUM-ION POLYMER UTILIZANDO INTERPOLAÇÃO POLINOMIAL 1
PREDIÇÃO DO TEMPO DE VIDA DE BATERIAS DE LITHIUM-ION POLYMER UTILIZANDO INTERPOLAÇÃO POLINOMIAL 1 Rita Salete Kusiak 2, Douglas Joziel Bitencourt Freitas 3, Airam Tereza Zago Romcy Sausen 4, Paulo Sérgio
Leia maisOtimização. Conceitos Fundamentais. Paulo Henrique Ribeiro Gabriel Faculdade de Computação Universidade Federal de Uberlândia 2016/2
Otimização Conceitos Fundamentais Paulo Henrique Ribeiro Gabriel phrg@ufu.br Faculdade de Computação Universidade Federal de Uberlândia 2016/2 Paulo H. R. Gabriel (FACOM/UFU) GSI027 2016/2 1 / 30 Agradecimentos
Leia maisMétodo dos Mínimos Quadrados na Identificação de Sistemas LIT.
Método dos Mínimos Quadrados na Identificação de Sistemas LIT. ENGC65: Sistemas de Controle III Departamento de Engenharia Elétrica - DEE Universidade Federal da Bahia - UFBA 14 de abril de 2014 Sumário
Leia maisALGORITMOS EVOLUCIONÁRIOS NA IDENTIFICAÇÃO DE SISTEMAS HÍBRIDOS PWA Bruno Henrique Groenner Barbosa, Luis Antônio Aguirre, Antônio Pádua Braga Departamento de Engenharia Universidade Federal de Lavras
Leia maisIDENTIFICAÇÃO NÃO-LINEAR CAIXA-CINZA: UMA REVISÃO E NOVOS RESULTADOS
IDENTIFICAÇÃO NÃO-LINEAR CAIXA-CINZA: UMA REVISÃO E NOVOS RESULTADOS Marcelo V. Corrêa mcorrea@unilestemg.br Luis A. Aguirre aguirre@cpdee.ufmg.br Curso de Engenharia Elétrica, Centro Universitário do
Leia maisRodrigo Pereira David. Técnica de Estimação de Canal Utilizando Símbolos Pilotos em Sistemas OFDM. Dissertação de Mestrado
Rodrigo Pereira David Técnica de Estimação de Canal Utilizando Símbolos Pilotos em Sistemas OFDM Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do grau de Mestre pelo
Leia maisXIII Simpósio Brasileiro de Automação Inteligente Porto Alegre RS, 1 o 4 de Outubro de 2017
Porto Alegre RS, o 4 de Outubro de 7 SINTONIA DE CONTROLADORES PID NA ESTRUTURA DO ANFIS MODIFICADO QUE UTILIZA IDENTIFICAÇÃO VIA RESPOSTA AO DEGRAU José Kleiton Ewerton da Costa Martins, Fábio Meneghetti
Leia maisIDENTIFICAÇÃO DE UM MODELO PARA SINAIS DE ELETROMIOGRAFIA DO MOVIMENTO ÚNCO DA MÃO
IDENTIFICAÇÃO DE UM MODELO PARA SINAIS DE ELETROMIOGRAFIA DO MOVIMENTO ÚNCO DA MÃO Isabela oliveira zaparoli*¹, Victor Hugo Soares Lopes¹ ¹PPGEL Universidade Federal de São João Del Rei Resumo - O sinal
Leia maisXIII Simpósio Brasileiro de Automação Inteligente Porto Alegre RS, 1 o 4 de Outubro de 2017
ALGORITMO RECURSIVO PARA IDENTIFICAÇÃO NEBULOSA TIPO-2 DE SISTEMAS DINÂMICOS NÃO-LINEARES Anderson Pablo Freitas Evangelista, Ginalber Luiz de Oliveira Serra Universidade Federal do Maranhão Av. dos Portugueses,
Leia maisCurvas de crescimento de bovinos com coeficientes aleatórios para peso à maturidade
Curvas de crescimento de bovinos com coeficientes aleatórios para peso à maturidade Naara Negrão Pereira 4 Antonio Policarpo Souza Carneiro 4 Elisabeth Regina de Toledo 4 Paulo César Emiliano 4 Fabano
Leia maisProjeto de pesquisa realizado no Grupo de Automação Industrial e Controle (GAIC) da UNIJUÍ. 2
COLETA DE DADOS EXPERIMENTAIS DO TEMPO DE VIDA DE BATERIAS DE LÍTIO-ÍON POLÍMERO ATRAVÉS DE UMA PLATAFORMA DE TESTES E MODELAGEM DOS DADOS UTILIZANDO A TEORIA DE IDENTIFICAÇÃO DE SISTEMAS 1 Eduardo Cardoso
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 maisEtapas da Modelagem. Modelagem e Controle da Qualidade da Água Superficial Regina Kishi, 11/11/2014, Página 1
Etapas da Modelagem Modelagem e Controle da Qualidade da Água Superficial Regina Kishi, 11/11/2014, Página 1 Classificação dos modelos Medição de dados Conhecimento do processo físico Totalmente orientado
Leia maisModelagem Matemática do Tempo de Vida de Baterias de
Trabalho apresentado no DINCON, Natal - RN, 2015. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Modelagem Matemática do Tempo de Vida de Baterias de Lítio Íon Polímero
Leia mais6. Classes de Operação
56 6. Classes de Operação 6.1.Introdução Amplificadores de potência são classificados de acordo com sua classe de operação. As classes são definidas conforme o ponto de polarização, topologias do circuito
Leia maisProceeding Series of the Brazilian Society of Computational and Applied Mathematics
Trabalho apresentado no CNMAC, Gramado - RS, 2016. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Identificação Fuzzy da Dinâmica de um Sistema de uma Célula a Combustível
Leia maisMetaheurísticas para Estimação de Parâmetros na Identificação de Sistemas Não Lineares
UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE CENTRO DE TECNOLOGIA DEPARTAMENTO DE ENGENHARIA DE COMPUTAÇÃO E AUTOMAÇÃO CURSO DE ENGENHARIA MECATRÔNICA Metaheurísticas
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 maisEquivalência de Estruturas de Modelos Não Lineares
Laboratório de Modelagem, Análise e Controle de Sistemas Não Lineares Programa de Pós-Graduação em Engenharia Elétrica Universidade Federal de Minas Gerais Av. Antônio Carlos 6627, 31270-901 Belo Horizonte,
Leia maisMETODOLOGIA PARA DEPURAÇÃO OFF-LINE DE PARÂMETROS SÉRIE E SHUNT DE LINHAS DE TRANSMISSÃO ATRAVÉS DE DIVERSAS AMOSTRAS DE MEDIDAS
METODOLOGIA PARA DEPURAÇÃO OFF-LINE DE PARÂMETROS SÉRIE E SHUNT DE LINHAS DE TRANSMISSÃO ATRAVÉS DE DIVERSAS AMOSTRAS DE MEDIDAS MADELEINE ROCIO MEDRANO CASTILLO ALBERTINI Tese de Doutorado apresentada
Leia maisXIII Simpósio Brasileiro de Automação Inteligente Porto Alegre RS, 1 o 4 de Outubro de 2017
USO DE IDENTIFICAÇÃO DE SISTEMAS PARA MODELAGEM DO MOVIMENTO DA MÃO UTILIZANDO ELETROMIÓGRAFO DE BANCADA Victor Hugo Soares Lopes, Isabela Oliveira Zaparoli, Eduardo Bento Pereira Núcleo de Robótica e
Leia maisProjeto realizado junto ao Grupo de Automação Industrial e Controle (GAIC) da UNIJUÍ. 2
COLETA DE DADOS EXPERIMENTAIS DO TEMPO DE VIDA DE BATERIAS DE LÍTIO-ÍON POLÍMERO ATRAVÉS DE UMA PLATAFORMA DE TESTES E MODELAGEM DOS DADOS UTILIZANDO A TEORIA DE IDENTIFICAÇÃO DE SISTEMAS 1 Eduardo Cardoso
Leia maisAnais do IX Congresso Brasileiro de Redes Neurais / Inteligência Computacional (IX CBRN) Ouro Preto de Outubro de 2009
A INCORPORAÇÃO DO CONHECIMENTO PRÉVIO NA ESTRATÉGIA DE DECISÃO DO APRENDIZADO MULTI-OBJETIVO Talles H. Medeiros, Antônio P. Braga, Ricardo H. C. Takahashi Universidade Federal de Ouro Preto Departamento
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 maisEvento: XXV SEMINÁRIO DE INICIAÇÃO CIENTÍFICA
COLETA DE UM AMPLO CONJUNTO DE DADOS EXPERIMENTAIS DO TEMPO DE VIDA DE BATERIAS DE LÍTIO-ÍON POLÍMERO ATRAVÉS DE UMA PLATAFORMA DE TESTES E MODELAGEM MATEMÁTICA DOS DADOS UTILIZANDO MODELOS ELÉTRICOS.
Leia maisMODELAGEM MATEMÁTICA DO TEMPO DE VIDA DE BATERIAS DE LÍTIO ÍON POLÍMERO PARA DESCARGAS CONSTANTES UTILIZANDO UM MODELO HÍBRIDO 1
MODELAGEM MATEMÁTICA DO TEMPO DE VIDA DE BATERIAS DE LÍTIO ÍON POLÍMERO PARA DESCARGAS CONSTANTES UTILIZANDO UM MODELO HÍBRIDO 1 Luana Fransozi Meireles 2, Airam T. Z. R. Sausen 3, Paulo S. Sausen 4. 1
Leia maisDr. Erivelton Geraldo Nepomuceno. Brief Curriculum
Dr. Erivelton Geraldo Nepomuceno Department of Electrical Engineering Federal University of São João del-rei, Brazil Brief Curriculum General Data Name: Place of birth: Nationality: Email: Homepage: Address:
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 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 maisUSO DE REDE YAMAKAWA PARA A PREVISÃO DE CURTO PRAZO DA DEMANDA DE CARGA
USO DE REDE YAMAKAWA PARA A PREVISÃO DE CURTO PRAZO DA DEMANDA DE CARGA Mara C. S. Coelho, Dair J. Oliveira, Júlio C. G. Justino Grupo de Pesquisas em Matemática Aplicada e Computacional - GPMAC Universidade
Leia maisClassificação Hierárquica Multirrótulo Utilizando Redes Neurais Artificiais
Classificação Hierárquica Multirrótulo Utilizando Redes Neurais Artificiais Ricardo Cerri Instituto de Ciências Matemáticas e de Computação Universidade de São Paulo cerri@icmc.usp.br Roteiro Introdução
Leia maisIDENTIFICAÇÃO DE SISTEMAS NÃO-LINEARES DINÂMICOS UTILIZANDO MODELOS AUTOREGRESSIVOS APLICADO
IDENTIFICAÇÃO DE SISTEMAS NÃO-LINEARES DINÂMICOS UTILIZANDO MODELOS AUTOREGRESSIVOS APLICADO EM UM PROCESSO DE NEUTRALIZAÇÃO DE ph I.C. FRANCO 1, A. S. MOTA 1, M. R. MENEZES 1 1 Centro Universitário da
Leia maisIDENTIFICAÇÃO DE MODELO ARX SOB CRITÉRIO PACF PARA DESEMPENHO COMPORTAMENTAL DE ESTRUTURAS MEMS
IDENTIFICAÇÃO DE MODELO ARX SOB CRITÉRIO PACF PARA DESEMPENHO COMPORTAMENTAL DE ESTRUTURAS MEMS CÍCERO J. M. MOREIRA 1, MANUEL M. P. REIMBOLD 1, AIRAM T. Z. R. SAUSEN 1, MARLON V. MACHADO 1 1. Departamento
Leia maisXIII Simpósio Brasileiro de Automação Inteligente Porto Alegre RS, 1 o 4 de Outubro de 2017
Porto Alegre RS, 1 o 4 de Outubro de 217 CONSTRUÇÃO DE UM PROTÓTIPO DE HELICÓPTERO DE BAIXO CUSTO PARA ESTUDOS EM IDENTIFICAÇÃO DE SISTEMAS MARCOS ROGÉRIO FERNANDES, MÁRIO OTÁVIO FRANÇA DE OLIVEIRA, RAFAEL
Leia maisMODELOS ELÉTRICOS PARA PREDIÇÃO DO TEMPO DE VIDA DE BATERIAS DE LITHIUM ÍON POLÍMERO 1
MODELOS ELÉTRICOS PARA PREDIÇÃO DO TEMPO DE VIDA DE BATERIAS DE LITHIUM ÍON POLÍMERO 1 Marcia De Fatima Brondani 2, Airam Teresa Zago Romcy Sausen 3, Paulo Sérgio Sausen 4. 1 Projeto de Pesquisa realizado
Leia maisDESENVOLVIMENTO DE SOFTWARE DE IDENTIFICAÇÃO DE SISTEMAS NÃO LINEARES UTILIZANDO ALGORITMO DE GOLUB-HOUSEHOLDER
CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA DE MINAS GERAIS UNIDADE ARAXÁ RANGEL RESENDE ALVES DESENVOLVIMENTO DE SOFTWARE DE IDENTIFICAÇÃO DE SISTEMAS NÃO LINEARES UTILIZANDO ALGORITMO DE GOLUB-HOUSEHOLDER
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 maisPrevisão de Vazões utilizando Redes Neurais Artificiais MLP e NSRBN
Previsão de Vazões utilizando Redes Neurais Artificiais MLP e NSRBN Alan Caio Rodrigues MARQUES 1, Gelson da Cruz JUNIOR 2, Cassio Dener Noronha VINHAL 3 Escola de Engenharia Elétrica e de Computação 1
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 maisESTUDO DE COMUTAÇÃO EM UM CONVERSOR CC-CC TRIFÁSICO ISOLADO BIDIRECIONAL ALIMENTADO EM CORRENTE
ESTUDO DE COMUTAÇÃO EM UM CONVERSOR CC-CC TRIFÁSICO ISOLADO BIDIRECIONAL ALIMENTADO EM CORRENTE Antonio Daniel Miguel dos Santos 1, Gilmar Nunes dos Santos Costa 2, Herminio Miguel de Oliveira Filho 3
Leia maisEstimação da função de transferência a partir do diagrama de Bode
https://eventos.utfpr.edu.br//sicite/sicite2017/index Estimação da função de transferência a partir do diagrama de Bode RESUMO Guilherme dos Santos Correa Leite guiidm@hotmail.com Universidade Tecnológica
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 maisAVALIAÇÃO DA QUALIDADE DAS MEDIDAS EXPERIMENTAIS NAS REGIÕES DE CONFIANÇA DOS PARÂMETROS CINÉTICOS ESTIMADOS DE UM SISTEMA COM REAÇÕES EM SÉRIE
AVALIAÇÃO DA QUALIDADE DAS MEDIDAS EXPERIMENTAIS NAS REGIÕES DE CONFIANÇA DOS PARÂMETROS CINÉTICOS ESTIMADOS DE UM SISTEMA COM REAÇÕES EM SÉRIE H. ENZWEILER 1, E. B. COUTINHO 2 e M. SCHWAAB 3 1 Universidade
Leia maisXIII Simpósio Brasileiro de Automação Inteligente Porto Alegre RS, 1 o 4 de Outubro de 2017
DESENVOLVIMENTO DE UM SOFTWARE PARA IDENTIFICAÇÃO DE SISTEMAS DINÂMICOS NÃO-LINEARES UTILIZANDO UMA FUZZY WAVELET NEURAL NETWORK MODIFICADA Fábio Ricardo de Lima Souza, José Kleiton Ewerton da Costa Martins,
Leia maisMODELAGEM PARA SIMULAÇÃO EM TEMPO REAL DE UM CONVERSOR CA-CC
MODELAGEM PARA SIMULAÇÃO EM TEMPO REAL DE UM CONVERSOR CA-CC Raoni de Araújo Pegado 1 ; Karcius Marcelus Colaço Dantas 2. 1 Aluno da Universidade Federal de Campina Grande, raoni.pegado@ee.ufcg.edu.br;
Leia maisDespacho Econômico com Zonas de Operação Proibidas através de Otimização Bioinspirada
Despacho Econômico com Zonas de Operação Proibidas através de Otimização Bioinspirada Ezequiel S. Oliveira, Ivo C. Silva Junior, Leonardo W. Oliveira, Bruno H. Dias, Manuela Filgueiras Universidade Federal
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 maisIDENTIFICAÇÃO NEURAL DE UM SISTEMA DE NÍVEIS EM AMBIENTE FOUNDATION FIELDBUS Raphaela Galhardo Fernandes, Diego Rodrigo Cabral Silva, Luiz Affonso H. Guedes de Oliveira, Adriao Duarte Dória Neto Natal,
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 maisThiago Christiano Silva
Thiago Christiano Silva Conteúdo Conceitos Relevantes Problemas de Otimização Conceitos de Estabilidade e Convergência Teoremas de Lyapunov Rede Neural de Hopfield Aplicações do modelo de Hopfield Clusterização
Leia maisOrientação de Bordas em Imagens Digitais: Abordagem por Análise de Vizinhança Local
Orientação de Bordas em Imagens Digitais: Abordagem por Análise de Vizinhança Local Inês Aparecida Gasparotto Boaventura DCCE-IBILCE-UNESP Rua Cristovão Colombo, 2265 15054-000, São José do Rio Preto,
Leia maisResumo Expandido INTRODUÇÃO:
Resumo Expandido Título da Pesquisa (Português): Pesquisa Operacional aplicada ao problema de alocação de caminhões em uma mina a céu aberto. Título da Pesquisa (Inglês): Operations Research applied to
Leia maisESTIMAÇÃO DA VELOCIDADE DE DESLOCAMENTO DE UMA ESTEIRA TRANSPORTADORA UTILIZANDO REDES NEURAIS ARTIFICIAIS
ESTIMAÇÃO DA VELOCIDADE DE DESLOCAMENTO DE UMA ESTEIRA TRANSPORTADORA UTILIZANDO REDES NEURAIS ARTIFICIAIS Samuel Vieira DIAS (1); Geraldo Luis Bezerra RAMALHO (2); (1) Instituto Federal de Educação, Ciência
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 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 maisUm Algoritmo Genético Associado a uma Estratégia de Decisão Baseada em Lógica Fuzzy para Calibração Multiobjetivo de um Modelo Hidrológico
Um Algoritmo Genético Associado a uma Estratégia de Decisão Baseada em Lógica Fuzzy para Calibração Multiobjetivo de um Modelo Hidrológico Amarísio da S. Araújo 1, Haroldo F. de Campos Velho 2, Vitor C.
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 maisCapítulo 1 - Modelagem Matemática
Capítulo 1 - Modelagem Matemática Prof. Samir Martins UFSJ-CEFET/MG Programa de Pós Graduação em Engenharia Elétrica - PPGEL São João del-rei, 7 de agosto de 2018 1 / 54 Modelagem Matemática Área do conhecimento
Leia mais4 Cálculo de Equivalentes Dinâmicos
4 Cálculo de Equivalentes Dinâmicos 4.1 Introdução O crescimento do sistema de energia elétrica, o aumento do número de interligações e a sofisticação dos modelos para representação dos componentes de
Leia maisProjeto de Controle PID por Alocação de Pólos para Sistemas Dinâmicos com Atraso Puro de Tempo
Trabalho apresentado no DINCON, Natal - RN, 215. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Projeto de Controle PID por Alocação de Pólos para Sistemas Dinâmicos
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 mais5 Estudo de Caso e Resultados
5 Estudo de Caso e Resultados 5.1. Introdução Finalizado o desenvolvimento da ferramenta, é indispensável testar suas funcionalidades e a eficácia da aplicação conjunta dos seus módulos de geração de experimentos
Leia maisESTUDO E APLICAÇÃO DE MODELOS ANALÍTICOS PARA A PREDIÇÃO DO TEMPO DE VIDA DE BATERIAS QUE ALIMENTAM DISPOSITIVOS MÓVEIS 1
ESTUDO E APLICAÇÃO DE MODELOS ANALÍTICOS PARA A PREDIÇÃO DO TEMPO DE VIDA DE BATERIAS QUE ALIMENTAM DISPOSITIVOS MÓVEIS 1 Alisson Vercelino Beerbaum 2, Airam T. Z. R. Sausen 3, Eduardo Cardoso Toniazzo
Leia mais