1 |
[en] ADAPTATION ALGORITHM OF IIR / [pt] SOBRE ALGORITMOS DE ADAPTAÇÃO IIRFERNANDO BRANDAO LOBATO CUNHA 02 May 2007 (has links)
[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.
|
2 |
[pt] IDENTIFICAÇÃO DE SISTEMAS POR APROXIMAÇÃO ESTOCÁSTICA / [en] STOCHASTIC APPROXIMATION APPROACH FOR SYSTEM IDENTIFICATIONCARLOS KUBRUSLY 16 May 2007 (has links)
[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.
|
3 |
[en] USE OF ADAPTIVE MODELS IN SYSTEM IDENTIFICATION / [pt] UTILIZAÇÃO DA TÉCNICA DE MODELO ADAPTATIVO NA IDENTIFICAÇÃO DE PROCESSOSSAMUEL LEO LEWIN 14 October 2009 (has links)
[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.
|
4 |
[en] A RECURSIVE, FAST AND GENERALIZED METHOD TO IDENTIFY THE PARAMETERS OF: A LINEAR, TIME-INVARIANT, DETERMINISTIC, DISCRETE-TIME SYSTEM / [pt] MÉTODO RECURSIVO, RÁPIDO E GENERALIZADO DE IDENTIFICAÇÃO DOS PARÂMETROS: DE UM SISTEMA LINEAR, INVARIANTE NO TEMPO, A TEMPO DISCRETO, DETERMINÍSTICO E MONOVARIÁVELDANIEL MONTEIRO BARROS 17 November 2006 (has links)
[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.
|
5 |
[en] A COMPARISON OF IDENTIFICATION METHODS WITH APPLICATION TO STATE ESTIMATION / [pt] COMPARAÇÃO DE MÉTODOS DE IDENTIFICAÇÃO COM APLICAÇÃO À PREVISÃO DE ESTADOABILIO PEREIRA DE LUCENA FILHO 25 June 2008 (has links)
[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.
|
6 |
[en] MEASUREMENT-BASED LOAD MODELING FOR DYNAMIC SIMULATIONS ON ELECTRIC POWER SYSTEMS / [pt] MODELOS DE CARGAS BASEADOS EM MEDIÇÕES PARA SIMULAÇÕES DINÂMICAS EM SISTEMAS ELÉTRICOS DE POTÊNCIAIGOR FERREIRA VISCONTI 01 October 2010 (has links)
[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.
|
7 |
[en] HYBRID MODEL IDENTIFICATION BASED ON ARTIFICIAL NEURAL NETWORKS FOR LATERAL DYNAMICS OF MILITARY VEHICLE / [pt] IDENTIFICAÇÃO DE MODELO HÍBRIDO BASEADO EM REDES NEURAIS PARA DINÂMICA LATERAL DE VEÍCULOS MILITARESCAMILA LEAO PEREIRA 19 June 2023 (has links)
[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.
|
8 |
[en] PARAMETRIC IDENTIFICATION OF MECHANICAL SYSTEMS USING SUBSPACE ALGORITHMS / [pt] IDENTIFICAÇÃO PARAMÉTRICA DE SISTEMAS MECÂNICOS USANDO ALGORITMOS DE SUBESPAÇOGERMAIN CARLOS VENERO LOZANO 22 December 2003 (has links)
[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.
|
9 |
[en] ADVANCED ESTIMATION AND CONTROL APPLIED TO VEHICLE DYNAMIC SYSTEMS / [pt] ESTIMAÇÃO E CONTROLE AVANÇADOS APLICADOS A SISTEMAS DINÂMICOS VEICULARESELIAS DIAS ROSSI LOPES 26 April 2022 (has links)
[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.
|
10 |
[pt] IDENTIFICAÇÃO NÃO LINEAR CAIXA-PRETA DE SISTEMAS PIEZOELÉTRICOS / [en] NONLINEAR BLACK-BOX IDENTIFICATION OF PIEZOELECTRIC SYSTEMSMATHEUS PATRICK SOARES BARBOSA 10 September 2021 (has links)
[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.
|
Page generated in 0.0349 seconds