Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/29968| Título: | Identificação de sistemas não-lineares com modelo Volterra-Kautz |
| Título(s) alternativo(s): | Identification of nonlinear systems with the Volterra-Kautz model |
| Autor(es): | Serafin, Higor de Souza |
| Orientador(es): | Lazzaretti, André Eugênio |
| Palavras-chave: | Sistemas não-lineares Funções ortogonais Estimativa de parâmetros Filtros digitais (Matemática) Otimização matemática Algoritmos Nonlinear systems Functions, Orthogonal Parameter estimation Digital filters (Mathematics) Mathematical optimization Algorithms |
| Data do documento: | 12-Ago-2022 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Curitiba |
| Citação: | SERAFIN, Higor de Souza. Identificação de sistemas não-lineares com modelo Volterra-Kautz. 2022. Dissertação (Mestrado em Engenharia Elétrica e Informática Industrial) - Universidade Tecnológica Federal do Paraná, Curitiba, 2022. |
| Resumo: | Este trabalho apresenta o problema da estimação dos polos de Kautz na expansão do kernel com modelos de Volterra-Kautz. A solução ótima para os parâmetros que modelam os polos ainda está em aberto na literatura. Assim, este trabalho traz duas abordagens de otimização, uma usando o algoritmo de Levenberg-Marquardt e outra a Otimização Bayesiana para encontrar os parâmetros de Kautz. As bases de funções para os kernels são construídas por meio de uma estrutura de filtros digitais. Na validação dos algoritmos implementados são utilizados dados coletados de um sistema eletricamente acoplado e, por meio do software MATLAB®, diversos experimentos foram executados para estudar os impactos dos diferentes parâmetros de cada método empregado, também foi observado como o aumento das funções na base influenciam o modelo. Como resultado, os modelos gerados atingiram um erro médio quadrático na ordem de 10−4, enquanto que trabalhos da literatura, que utilizaram o mesmo conjunto de dados para a modelagem, atingiram um erro médio quadrático com ordem entre 10−2 e 10−3. |
| Abstract: | This work presents the problem of estimating the Kautz poles in the kernel expansion with Volterra-Kautz models. The optimal solution for the parameters that model the poles is still open in the literature. Thus, this work brings two optimization approaches, one using the Levenberg-Marquardt algorithm and the other using Bayesian Optimization to find the Kautz parameters. Function bases for kernels are built through a structure of digital filters. To validate the implemented algorithms, data collected from an electrically coupled system was used and, on the MATLAB® software, several experiments were performed to study the impacts of the different parameters of each method used, it was also observed how the increase of the functions in the base influence the model. As a result, the generated models reached a mean square error of the order of 10−4, while works in the literature, which used the same dataset for modeling, reached a mean square error in the order between 10−2 and 10−3. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/29968 |
| Aparece nas coleções: | CT - Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| identificacaosistemasvolterrakautz.pdf | 2,02 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
