Submitted by Automação e Estatística (sst@bczm.ufrn.br) on 2018-05-02T22:45:42Z No. of bitstreams: 1 PedroYochinoriGushiken_DISSERT.pdf: 3706178 bytes, checksum: dc201d9731df110652d243e6cf760cf1 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2018-05-07T21:32:10Z (GMT) No. of bitstreams: 1 PedroYochinoriGushiken_DISSERT.pdf: 3706178 bytes, checksum: dc201d9731df110652d243e6cf760cf1 (MD5) / Made available in DSpace on 2018-05-07T21:32:10Z (GMT). No. of bitstreams: 1 PedroYochinoriGushiken_DISSERT.pdf: 3706178 bytes, checksum: dc201d9731df110652d243e6cf760cf1 (MD5) Previous issue date: 2018-01-31 / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / Neste trabalho mostramos a técnica de estimação de parâmetros para plantas lineares invariantes no tempo conhecida como adaptação de segundo nível baseada em múltiplos modelos de identificação por regressão linear, tanto para o caso de uma planta de ordem 1 quanto para o caso de uma planta de ordem n onde apenas a entrada e a saída da planta estão disponíveis para medição (SISO). Propomos uma modificação na lei adaptativa da adaptação de segundo nível baseada no acúmulo de informações do transitório. Em todos os casos verificamos por simulação que as estimativas entregues pela adaptação de segundo nível convergem muito mais rapidamente para os valores corretos que as estimativas entregues por modelos de identificação individuais e que a modificação proposta aumenta a velocidade e suaviza a convergência das estimativas. Aplicamos a adaptação de segundo nível com base em modelos de identificação por regressão linear atualizados pelo método do gradiente ao problema do controle adaptativo por modelo de referência (MRAC) de uma planta SISO de ordem 1 e ao caso de uma planta de ordem n e grau relativo unitário, este caso com o gradiente normalizado. Resultados de simulação mostram que o sinal de controle gerado com adaptação de segundo nível produz melhores resultados de rastreamento do modelo de referência quando comparada aos modelos de identificação individuais. Além disso, comparamos o MRAC indireto baseado em adaptação de segundo nível ao Controle Adaptativo por Modelo de Referência e Estrutura Variável (VS-MRAC). / In this dissertation we demonstrate the concept of second level adaptation as a parameter estimation method based on multiple linear regression identification models for the case of a plant of order unity, and the case of a plant of order n with single input and output available for measurement (SISO). We propose a modified form of the adaptive law for second level adaptation based on integration of transient information. In all cases simulation studies show that the estimates reach their true values faster with second level adaptation compared to individual identification models and that the proposed modification is even faster and also smoother in this regard. We apply second level adaptation based on linear regression identification models updated through the gradient method to the problem of model reference adaptive control (MRAC) in the case of an order 1 plant and the case of an order n and relative degree one SISO plant, in this case with normalized gradient method. Simulation results show that the control signal generated with second level adaptation yields better results of model reference tracking compared to individual identification models. We also compare the indirect MRAC based on second level adaptation to the variable structure model reference adaptive control (VS-MRAC) scheme.