Use este identificador para citar ou linkar para este item: http://repositorio.roca.utfpr.edu.br/jspui/handle/1/11741
Título: Identificação de sistemas a partir de modelos NARX com seleção de regressores por programação genética
Título(s) alternativo(s): NARX model systems identification with regressor selection by genetic programming
Autor(es): Zanon Filho, Artur Luiz
Alves, Luis Henrique de Oliveira
Orientador(es): Oroski, Elder
Palavras-chave: Mínimos quadrados
Modelos matemáticos
Sistemas não-lineares
Engenharia elétrica
Least squares
Mathematical models
Nonlinear systems
Electric engineering
Data do documento: 25-Nov-2018
Editor: Universidade Tecnológica Federal do Paraná
Câmpus: Curitiba
Referência: ZANON FILHO, Artur Luiz; ALVES, Luis Henrique de Oliveira. Identificação de sistemas a partir de modelos NARX com seleção de regressores por programação genética. 2018. 76 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná, Curitiba, 2018.
Resumo: Nos últimos séculos, a humanidade vem buscando aprimorar sua capacidade de modelar matematicamente sistemas desconhecidos. As técnicas de identificação de sistemas modernas surgem como resposta à crescente complexidade dos sistemas que necessitam ser modelados. A identificação pode ser realizada por meio de modelos NARX - Nonlinear AutoRegressive with eXogenous input. Essa estrutura de modelo utiliza combinações de regressores e parâmetros para representar o comportamento de sistemas com características não-lineares. Os métodos de determinação dos regressores e suas combinações dependem, muitas vezes, de processos computacionalmente pouco eficientes. Como alternativa a esses, empregou-se neste trabalho a técnica de computação evolucionária denominada Programação Genética, PG. Adicionalmente, caracterizou-se a aplicação de um operador baseado no Método dos Mínimos Quadrados, MMQ, para auxiliar o processo evolutivo. A metodologia proposta foi validada através de dois sistemas: uma planta de vazão e um levitador magnético. Apesar de um aumento no tempo de processamento da PG, a aplicação do operador de MMQ gerou uma redução na ordem de 70% no MSE - Mean Square Error - dos melhores indivíduos, em relação aos valores obtidos sem o operador. A partir dos resultados atingidos, conclui-se que a identificação de sistemas, assistida pela PG, apresentou modelos precisos para os sistemas propostos.
Abstract: For the past few centuries, humankind has searched for ways to improve its capacity to mathematically model unknown systems. Modern system identification techniques arise as a response to the increasing complexity of the systems that need to be modeled. Identification can be achieved through the use of NARX, Nonlinear AutoRegressive with eXogenous input, models. This model structure uses regressors and parameters in order to represent the behavior of systems with nonlinear characteristics. Methods of determining regressors and their combinations often depend on low efficiency computer processes. As an alternative, this paper employs an evolutionary computation technique named Genetic Programming, GP. In addition, the aplication of a Least Squares Method, LSM, operator was defined, in assistance to the evolutionary process. The algorithm was utilized to identify two systems: an industrial fluid flow plant and a magnetic levitator. In spite of an increase in the mean processing time, the use of the LSM operator produced a near 70% reduction of the Mean Square Error, MSE, of the best individuals in relation to the results without the operator. With the obtained results, it is concluded that system identification through GP exhibited precise models for the proposed systems.
URI: http://repositorio.roca.utfpr.edu.br/jspui/handle/1/11741
Aparece nas coleções:CT - Engenharia Elétrica

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
CT_COELE_2018_2_19.pdf2,86 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.