[pt] A partir da forma geral do algoritmo de adaptação, é proposto o uso de mais uma variável de projeto, denominada janela. Esta janela tem por objetivo melhorar as características de convergência de algoritmos, cujos parâmetros são partes de estruturas IIR. A introdução das janelas é justificada heuristicamente e seu desempenho é avaliado por meio de diversas simulações de identificação de sistemas. Os resultados obtidos indicam aumentos significativos na velocidade de convergência (cerca de uma ordem de grandeza mais rápido do que os algoritmos atualmente mais usados), na precisão das estimativas dos parâmetros do problema e na robustez dos novos algoritmos (menor número de pólos instáveis durante a adaptação). Estes resultados foram observados em ambientes estacionários e não estacionários, com e sem ruído de medida e com ordem de identificação suficiente ou não. / [en] From the adaptation algorithm general form it is proposed the usage of another design variable, called Window. The goal of this Window is to improve the convergence characteristics of algorithms whose parameters are parts of IIR Structures. The introduction of the Window is heuristically justified and its performance is eventuated by several system identification simulations. The results achieved suggest significant increase in the convergence speed (about one order of magnitude faster than the currently most used algorithms), in the parameter estimation precision and in the new algorithm robusteness (fewer unstable poles during adaptation). These results were observed in sationary and non-stationary environments, with and without measurement noise and with sufficient identification order or not.

[pt] A identificação de sistemas é focalizada sob o ponto de vista da aproximação estocástica. Um sistema sem memória e invariante no tempo, com função completamente desconhecida é identificado por intermédio de uma estimação, que minimiza o critério do erro médio quadrático, tomando como base um conjunto de funções pré- selecionadas e linearmente independentes. A identificação do sistema é obtida através de uma algoritmo recursivo de aproximação estocástica, que converge para o valor real dessa estimativa, com probabilidade 1 e no sentido da média quadrática. Um estudo da aceleração desse algoritmo é efetuado, comprovando a existência de uma seqüência capaz de otimizá-lo. É demonstrada a aplicação desse algoritmo para identificação de um sistema linear e invariante no tempo, entretanto a aceleração da convergência não é mais uma conseqüência do caso anterior. Ainda é apresentada uma tentativa de contornar o problema de acessibilidade dos estados, requerida pelo algoritmo de aproximação estocástica, utilizando simultaneamente à identificação dos parâmetros do sistema, os algoritmos do filtro de Kalman, para estimação dos estados / [en] The stochastic approximation approach is used for systems identification. A memoryless time-invariant system with functional form completely unknow is identified by means of an estimate based on a preselected and linearly independent set of function which minimizes the mean-square-error criterion. The system identification is obtained using a stochastic approximation recursive algorithm, which convergs to a real value of this estimate, with probability 1 and in the mean square sense. The acceleration study of this algorithm is developd by proving the existence of an optimal sequence. The application of this algorithm for a linear timevariant system identification is proved, nevertheless the convergence acceletation is not anymore a consequence of the last case. Next is presented a tentative to by-pass the problem of states accessibility, required for the stochastic approximation, using simultaneously parameters systems identification with the Kalman-filter algorithms for states estimation.

[pt] No presente trabalho faz-se inicialmente um apanhado das principais técnicas usadas na Identificação de Processos Físicos, cuja finalidade é servir de subsidio bibliográfico para outros trabalhos futuros (Cap. I, II e III). É dado ênfase aos problemas existentes na identificação de sistemas não estacionários tendo em vista a sua importância um projeto de Sistemas de Controle Auto – Adaptativos. Foi desenvolvido um método de identificação, usando a Técnica do Modelo Adaptativo (Cap. IV). Fez-se a simulação analógica do modelo adaptativo, no computador ANALAC 110 (comp. Analógico a corrente alternada) tendo em vista as facilidades permitidas pelos comandos gel, e CI dos seus integradores. Verificou-se a validade da simulação no ANALAC, testando-se a convergência do método em vários exemplos, cujos resultados são conhecidos. Os resultados são apresentados no Anexo 1. Posteriormente, estudou-se a possibilidade de tratar este mesmo problema em computador digital (IBM-1130) (Cap. IV e 3). No anexo II são apresentados os fluxogramas e programas FORTRAN, relativos a técnica digital. / [en] The subject of this paper is to give a summary of the more important techniques used in Identification of Physical Process, the purpose being that of serving as a bibliografical reference to future works (chap´s I, II and III). Special attention is given to problems of Identification in time varying systems, with the object the designing Auto-Adaptive Control Systems. Methods of Identification were developed using Adaptative Model Technique (Chap IV). Analog simulation of the adaptative model was performed on the ANALAC (Alternating Current Analog Computer) utilising the GEL and CI Integrator Modules. The simulation results were verified by testing the convergence of various examples, whose solutions are well know. The results are given in the Anex 1. In addition the feasibility of solving this same problem on a digital computer (IBM 1130) was considered (chap IV. 3). In the Anex 2, FORTRAN programs of the digital technics are presented.

[pt] Este trabalho apresenta um método recursivo de identificação dos parâmetros de um sistema linear, invariante no tempo, a tempo discreto, determinístico e monovariável. Como característica desse método pode-se destacar: O número de passos é igual ao número de parâmetros a determinar. Não há necessidade de inversões de matrizes nem de cálculos de determinantes. O sistema não precisa estar previamente relaxado; as condições iniciais podem ser diferentes de zero. A ordem pode ser determinada durante o processamento das amostras. A implementação em computadores digitais é simples. / [en] This work presents a method for on-line identification of the parameters of a linear, time-invariant, discrete time, monovariable, deterministic system. The caracteristics of the method are: number of steps equal to the number of unknown parameters. no matrices need to be inverted and no determinants need to be calculated. no system need to be previouly relaxed, the inicial conditions could be different from zero. the system order determination could be done during the sample processing. the implementation in a computer is simple.

[pt] Este trabalho trata da comparação de quatro de métodos de identificação paramétrica para sistemas dinâmicos lineares, operando em ambiente estocástico. Dos métodos envolvidos, três são de correlações, enquanto um é uma derivação do método de mínimos quadrados. Inicialmente, foi apresentado o problema de identificação de sistemas, e são discutidos aspectos estruturais ligados à ele. A seguir é apresentado um resumo de cada método e efetuada a comparação entre eles, tanto sob o ponto de vista estrutural quanto computacional. Nesta última fase, foram feitas simulações, e utilizado dados reais. / [en] This work presents a comparison of effectiveness of form parametric identification methods for linear dynamical systems operating in a stochastic environment. Three of these methods are correlation ones, and the other is derived from the least squares method. First of all, the system identification problem was introduced, and then, the structural aspects related to it were discussed. Later on, it was presented a review ot the above mentioned methods as well as a comparison between them. Such a comparison was concerned both with structural and computational aspects. This last stage uses simulated and real data.

[pt] Este trabalho descreve uma metodologia para modelagem de cargas elétricas, utilizando dados de tensão e corrente registrados durante distúrbios no sistema de potência. Estes modelos são utilizados na representação de subsistemas da rede elétrica em simulações computacionais que preveem o comportamento dinâmico do sistema de potência após perturbações em suas condições normais de operação.São apresentados resultados práticos da metodologia proposta, onde a carga é definida como um sistema cuja saída é a variação da potência consumida e a entrada é a variação da tensão, ambas medidas em barramentos de 69 kV da Companhia Hidroelétrica do São Francisco (CHESF), ponto de entrega de energia para concessionárias distribuidoras de energia do nordeste brasileiro. Estas distribuidoras são modeladas como cargas, supridas pelo sistema de transmissão da CHESF e todos os elementos consumidores de energia são agregados nestes modelos equivalentes, parametrizados para simular o maior número de contingências típicas medidas em cada um destes barramentos de carga.A técnica de estimação de parâmetros dos modelos de cargas é o Algoritmo Genético (AG) cujos resultados apresentaram precisão para a simulação de contingências de características bem distintas, caracterizando a abrangência alcançada no processo de identificação de sistemas.Ao final do trabalho são apresentadas curvas de desvios de potência ativa e reativa causadas por afundamentos de tensão, ambos registrados nos barramentos das subestações da CHESF. Estas curvas foram utilizadas para estimar os parâmetros dos modelos, obtidos individualmente para cada uma das subestações estudadas. / [en] This work describes a measurement-based load modeling methodology, using voltage and current data registered during power system disturbances. These load models are used on computational simulations for predicting power system stability after disturbances of system operational points. Practical results are presented of the proposed methodology, defining load as a system whose output is power deviation from its operational state and input is voltage sags, both measured at 69 kV bus bars of São Francisco Hydroelectric Company (CHESF), points of common coupling (PCC) between CHESF and local distribution utilities. Therefore, distribution utilities are seen as loads supplied by CHESF’s transmission system. All devices consuming power from the PCC are aggregated into an equivalent model, parameterized to simulate most typical contingencies measured by these 69kV load bars. Optimization technique used for load model parameter estimation is Genetic Algorithm (GA), showing his flexibility on implementation and good coverage and accuracy in the final results. At the end, it will be presented a set of active and reactive power curves during and after voltages sags, measured on CHESF’s substations. These curves were used as estimation data to parameterize load models for each substation chosen.

[pt] O estudo da dinâmica lateral é de grande importância para análise do comportamento de um veículo durante manobras e fundamental para a implementação de sistemas de controle de estabilidade e de trajetória em veículos autônomos. Nesse contexto, baseado em medições experimentais de um veículo militar de três eixos durante manobras de mudança dupla de faixa a diferentes velocidades, o presente trabalho apresenta métodos de identificação de sistemas para obtenção de modelos lineares por meio da ferramenta CONTSID (CONTinuous-Time System IDentification), disponível no MATLAB; de modelos não lineares baseados em Redes Neurais; e, por fim, a proposta de emprego de modelos híbridos com o intuito de minimizar o erro associado à primeira abordagem, somando-se ao modelo linear, o valor estimado do resíduo com a aplicação de redes neurais. Por se tratarem de modelos obtidos a partir de dados observados, como parâmetros de entrada e de saída do sistema, foram selecionados o ângulo do volante e a taxa de guinada do veículo, respectivamente. Com a utilização do dados observados, foi realizada a identificação das funções de transferência para cada velocidade, o que possibilitou a análise da influência dessa variável no comportamento dinâmico do sistema. Em seguida, empregou-se uma abordagem via redes neurais ao mesmo conjunto de dados, com a construção de arquiteturas distintas por meio da modificação do número de neurônios, número de camadas e função de ativação. Por fim, um modelo híbrido foi combinado utilizando-se a modelagem linear e não linear para obtenção de melhorias na resposta do modelo final estimado. De acordo com os resultados, as técnicas empregadas apresentaram viabilidade de aplicação e resultados satisfatórios, destacando-se o aprimoramento do modelo linear por meio de sua substituição pelo modelo híbrido baseado em redes neurais. Do exposto, objetiva-se destacar o potencial dos métodos apresentados de forma que, posteriormente, esses estudos possam ser aprofundados para implementação de malhas de controle veicular, com o intuito de contribuir com o aumento da segurança, melhoria do conforto e no desenvolvimento de veículos autônomos. / [en] The study of lateral dynamics is of great importance for the vehicle behavior analysis during turning maneuvers, and it is fundamental to stability or path control systems used in autonomous vehicles. In this context, based on experimental measurements of a three-axle military wheeled vehicle during double lane changes maneuvers at different speed, this work presents methods for the identification of linear models using the CONTSID (CONTinuous-Time System IDentification) toolbox, available in MATLAB; nonlinear models based on artificial neural networks; and, the application of hybrid models to reduce the error associated with the first approach, combining the linear model to the estimated error using neural networks. Since those are data-driven methods, as input and output parameters of the system, the wheel steering angle and the yaw rate of the vehicle were respectively selected. Using the CONTSID toolbox, the identification of the transfer functions for each speed was performed, making it possible to evaluate the influence of this variable in the system s dynamics behavior. Thereafter, a neural network approach was applied to the same data set, changing architecture s parameters, such as number of neurons, layers and the activation function. At last, a hybrid model approach was presented through the combination of previous linear and nonlinear approaches to improve the estimated model response. The proposed methods showed satisfatory results, highlighting the improvement in the linear model through its replacement by the hybrid model based on neural networks. Therefore, this work aims to show the potential of the methods presented, and posteriorly contribute to studies on the implementation of vehicle control systems to increase safety, improve comfort and in the development of autonomous vehicles.

[pt] Identificação paramétrica de sistemas mecânicos é uma das principais aplicações das técnicas de identificação de sistemas na Engenharia Mecânica, especificamente para a identificação de parâmetros modais de estruturas flexíveis. Um dos principais problemas na identificação é a presença de ruido nas medições. Este trabalho apresenta uma análise na presença de ruído de alguns dos métodos no domínio do tempo aplicáveis na identificação de parâmetros modais de sistemas mecânicos lineares invariantes no tempo com múltiplas entradas e múltiplas saídas (MIMO), usando como base o modelo em espaço de estados tipicamente usado em Dinâmica e Vibrações. Os algoritmos de subespaço envolvidos neste estudo destacam-se pela utilização da decomposição em valores singulares (SVD) dos dados, obtendo subespaços ortogonais dos modos associados ao sistema e dos modos associados ao ruído. Outros complicadores no processo de identificação que serão explorados neste trabalho são: flexibilidde e baixo amortecimento. Comparam-se as técnicas usando o modelo no espaço de estado da estrutura Mini- mast desenvolvida pela NASA Langley Research Center e simulações são feitas variando o nível de ruído nos dados, o amortecimento e a flexibilidade da estrutura. O problema de identificação de parâmetros estruturais (matrizes de massa, rigidez e amortecimento) também é estudado, as características e limitações dos algoritmos utilizados são analisados. Como exemplo de aplicação prática, um experimento foi realizado para identificar os parâmetros modais e estruturais de um rotor flexível e os resultados são discutidos. / [en] Parametric identification of mechanical systems is one of the main applications of the system identification techniques in Mechanical Engineering, specifically for the identification of modal parameters of flexible structures. One of the main problems in the identification is the presence of noise in the measurements. This work presents an analysis in the presence of noise of some of the time domain methods applicable in modal parameters identification of linear time-invariant mechanical systems with multiple inputs and multiple outputs (MIMO), using as base the state-space model typically used in Dynamics and Vibrations. The subspace algorithms involved in this study are distinguished for the use of the singular values decomposition (SVD) of the data, obtaining ortogonal subspaces of the modes associates to the system and of the modes associates to the noise. Other complicators in the identification process that will be explored in this work are: flexibility and low damping. The techniques are compared using the state-space model of the Mini-mast structure developed for NASA Langley Research Center and simulations are made varying the level of noise in the data, the damping and the flexibility of the structure. The problem of identification of structural parameters (mass, stiffness and damping matrices) also is studied, the characteristics and limitations of the used algorithm is analyzed. As example of practical application, an experiment was made to identify the modal parameters of a flexible rotor and the results are discussed.

[pt] A crescente demanda por sistemas de transporte autônomos e inteligentes exige o desenvolvimento de técnicas avançadas de controle e estimativa, visando garantir operações seguras e eficientes. Devido à natureza não linear da dinâmica veicular e seus fenômenos característicos, os métodos clássicos de estimativa e controle podem não alcançar resultados adequados, o que incentiva a pesquisa de novos algoritmos. Por algumas contribuições, a primeira parte deste trabalho trata de algoritmos de estimação, tanto para identificação de parâmetros invariantes no tempo, quanto para estimação de estados e parâmetros variantes no tempo. Especial destaque é dados aos algoritmos de Estimação de Estados por Horizonte Móvel (MHSE), que se apresenta como robusto e preciso, devido ao problema de otimização com restrição em que se baseia. Este algoritmo é avaliado em dinâmica longitudinal de veículos, para estimativa de deslizamento longitudinal e coeficiente de atrito pneu-estrada. Apesar de sua eficiência, o alto custo computacional torna necessária a busca por alternativas sub-ótimas, e o emprego de Redes Neurais que mapeiam os resultados da otimização é uma solução promissora, que é tratada como Estimação por Horizonte Móvel com Redes Neurais (NNMHE). O NNMHE é avaliado em uma estimativa do estado de carga (SOC) de baterias para veículos elétricos, demonstrando, através de dados experimentais, que o NNMHE emula com precisão o problema de otimização e a literatura indica sua aplicação efetiva em hardwares embarcados. Por fim, é apresentada uma contribuição sobre o controle preditivo baseado em modelo não linear (NMPC). É proposto e avaliado seu uso compondo uma nova estrutura de controle hierárquica para veículos elétricos com motores independentes nas rodas, através do qual é possível controlar adequadamente o veículo em tarefas de rastreamento de velocidade e trajetória, com reduzido esforço computacional. O controle é avaliado usando dados experimentais de pneus obtidos, que aproximam a simulação de situações reais. / [en] The rising demand of autonomous and intelligent transportation systems requires the development of advanced control and estimation techniques, aiming to ensure safety and efficient operations. Due to the nonlinear nature of vehicle dynamics and its characteristic phenomena, classical estimation and control methods may not achieve adequate results, which encourages the research of novel algorithms. By some contributions, the first part of this work deals with estimation algorithms, both for identification of time invariant parameters and for estimation of states and time varying parameters. Special emphasis is given to Moving-Horizon State Estimation (MHSE), which is presented to be robust and accurate, due to the constrained optimization problem on which it is based. This algorithm is evaluated in vehicle longitudinal dynamics, for slip and tire-road friction estimation. Despite its efficiency, the high computational cost makes it necessary to search for suboptimal alternatives, and the employ of a Neural Networks that maps the optimization results is a promising solution, which is treated as Neural Networks Moving-Horizon Estimation (NNMHE). The NNMHE is evaluated on a state-of-charge (SOC) estimation of batteries for electric vehicles, demonstrating, through experimental data, that the NNMHE emulates accurately the optimization problem, and the literature indicates its effectively application on embedded hardware. Finally, a contribution about Nonlinear Model-based Predictive Control (NMPC) is presented. It is proposed and evaluated its use compounding a novel hierarchical control framework for electric vehicles with independent in-wheel motors, through which it is possible to adequately control the vehicle on velocity and path tracking tasks, with reduced computational effort. The control is evaluated using experimental obtained tire data, which approaches the simulation to real situations.

[pt] Atuadores baseados em materiais piezelétricos apresentam características ideais para aplicações como transmissão acústica e micromanipulação. No entanto, não-linearidades inerentes a estes atuadores, como histerese e fluência, aumentam o desafio de controla-los. Além disso, a crescente necessidade de atuadores mais precisos e rápidos aliada a frequentes mudanças nas condições ambientais e operacionais agravam ainda mais o problema. Modelagens analíticas são específicas ao sistema ao qual foram feitas, o que significa que elas não são facilmente escalonáveis e eficientes para todos os tipos de sistemas. Adicionalmente, com o aumento da complexidade, os fenômenos que regem a física do sistema não são totalmente conhecidos, tornando difícil o desenvolvimento destes modelos. Este trabalho investiga esses desafios do ponto de vista da metodologia de identificação de sistemas e modelos baseados em dados para atuadores piezelétricos. A abordagem de modelagem caixa preta foi testada com dados experimentais adquiridos em um ambiente de laboratório para os estudos de caso de micromanipulação e transmissão acústica. Sinais de uso geral foram empregados como entrada de excitação do sistema de modo a acelerar a aquisição e estimação dos parâmetros. Parte dos modelos desenvolvidos foram validados com um conjunto de dados separado. Em ambos os casos foi necessário pré-processamento para otimização da quantidade de dados. Os modelos testados incluem a Média Móvel AutoRegressiva com entradas eXógenas (ARMAX), AutoRegressiva Não Linear com entradas eXógenas (NARX) com uma estrutura de rede neural artificial e Média Móvel AutoRegressiva Não Linear com entradas eXógenas (NARMAX). Os resultados mostram uma boa capacidade de prever as não-linearidades do micro manipulador e, portanto, a histerese em diferentes frequências de entrada. O sistema de transmissão acústica foi modelado com sucesso. Embora os resultados mostrem que ainda há espaço para melhorias, eles fornecem informações importantes sobre possíveis otimizações para o sistema uma vez que os modelos apresentados são uteis para janelas de predição curtas. / [en] Actuators based on piezoelectric materials have ideal characteristics for applications such as acoustic transmission and micromanipulation. However, the inherent nonlinearities of those actuators, such as hysteresis and creep, greatly increase the challenge to control such devices. Furthermore, the increasing need for more precise and faster actuators, allied with frequent changes in the environmental and operational conditions, further worsens the problem. Analytical models are application-specific, meaning that they are not easily and efficiently scalable to all systems. Also, with increased complexity, the understating of underlying phenomena is not fully documented, making it difficult to develop such models. This work investigates those challenges from the perspective of the system identification methodology and data-driven models for piezoelectric actuators. The black-box approach is tested with experimental data acquired in a laboratory setting for micromanipulator and acoustic transmission case studies. In some datasets, general-purpose signals were employed as the excitation input of the system to accelerate the data acquisition of the whole system dynamic and estimation process. Additionally, some models were validated on a separate dataset. In both cases, preprocessing was employed to optimize the amount of data. The tested models include the AutoRegressive Moving Average with eXogenous inputs (ARMAX), Nonlinear AutoRegressive with eXogenous inputs (NARX) with an artificial neural network structure, and Nonlinear AutoRegressive Moving Average with eXogenous inputs (NARMAX). The results show a good ability to predict the nonlinearities of the micromanipulator and, therefore, the hysteresis at different input frequencies. The acoustic transmission system was successfully modeled. Although the results show that there is still room for improvements, it provides insights into possible optimizations for the setup as the models here devised are useful for short prediction windows.