Comparação de Métodos Mono-Objetivos em Identificação Caixa-Cinza
DOI:
https://doi.org/10.5540/tema.2002.03.02.0043Resumo
O uso de conhecimento a priori em identificação de sistemas como ferramenta auxiliar para a melhoria da estrutura e para a estimação de parâmetros vem se destacando nos últimos anos. Com esse propósito, o presente trabalho parte das definições gerais em identificação caixa-preta (sem uso de conhecimento a priori) e das características gerais da estrutura dos modelos NARX polinomiais para definir uma metodologia que permita usar conhecimento a priori nas etapas de escolha de estrutura e estimação de parâmetros utilizando ferramentas de otimização. Em geral, os modelos identificados fazendo-se uso de informação a priori têm um comportamento global melhor de que seus análogos obtidos por técnicas caixa-preta. Para ilustrar este fato será mostrado um exemplo utilizando-se dados medidos reais de um conversor CC–CC Buck.Referências
[1] L.A. Aguirre, “Introdução à Identificação de Sistemas - Técnicas Lineares e Não-Lineares Aplicadas a Sistemas Reais”, Editora UFMG, Belo Horizonte, 2000.
L.A. Aguirre, F. Donosco-Garcia e R. Santos-Filho, Use of a prior Information in the Identification of Global Nonlinear Models - A Case Study Using a Buck Converter, IEEE Transaction on Circuits and Systems - I: Fundamental Theory and Applications., 47, No. 7 (2000), 1081-1085.
L.A. Aguirre, G.G. Rodrigues e C.F. Jácome, Identificação de Sistemas Não- Lineares Utilizando Modelos NARMAX Polinomiais - Uma Revisão e Novos Resultados, SBA Controle & Automação, 9, No. 2 (1998), s/p.
M.F.S. Barroso, “Métodos de Otimização Mono-Objetivo Aplicados à Identifica cão Caixa-Cinza de Sistemas Não-Lineares”, Dissertação de Mestrado, PPGEE, UFMG, Belo Horizonte, MG, 2001.
M.V. Corrêa, “Identificação Caixa-Cinza de Sistemas Não-Lineares Utilizando Representações NARMAX Racionais e Polinomiais”, Tese de Doutorado, PPGEE, UFMG, Belo Horizente, MG, 2001.
Draper and Smith , “Applied Regression Analysis”, Wiley Series in Probability and Statistics, New York, 1998.
K. Murakami e D.E. Seborg, Constrained parameter estimation with applications to blending operations, Journal of Process Control, 10 (2000), 195-202.
R.K. Pearson e M. Pottmann, Gray-box identification of block-oriented nonlinear models, Journal of Process Control, 10 (2000), 301-315.
H.J.A.F. Tulleken, Grey-box Modeling and Identification Using Physical Knowledge and Basyesian Techniques, Automatica, 29, No. 2 (1993), 285-308.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Política para Periódicos de Acesso Livre
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
- Esta é uma revista de acesso aberto, o que significa que todo o conteúdo é livremente disponível gratuitamente para o usuário ou sua instituição. Os usuários estão autorizados a ler, baixar, copiar, distribuir, imprimir, pesquisar ou vincular os textos completos dos artigos, ou usá-los para qualquer outro propósito legal, sem pedir permissão prévia do editor ou do autor. Isso está de acordo com a definição de acesso aberto do BOAI.
Todo o conteúdo do periódico está licenciado sob uma Licença Creative Commons do tipo atribuição BY.