A validação de modelos lineares é uma etapa importante em um projeto de Identificação de Sistemas, pois a escolha correta do modelo para representar a maior parte da dinâmica do processo, dentro de um número finito de técnicas de identificação e em torno de um ponto de operação, permite o sucesso no desenvolvimento de controladores preditivos e de controladores robustos. Por tal razão, o objetivo principal desta Tese é o desenvolvimento de um método de validação de modelos lineares, tendo como ferramentas de avaliação os métodos estatísticos, avaliações dinâmicas e análise da robustez do modelo. O componente principal do sistema de validação de modelos lineares proposto é o desenvolvimento de um sistema fuzzy para análise dos resultados obtidos pelas ferramentas utilizadas na etapa de validação. O projeto de Identificação de Sistemas é baseado em dados reais de operação de uma Planta-Piloto de Neutralização de pH, localizada no Laboratório de Controle de Processos Industriais da Escola Politécnica da USP. Para verificar o resultado da validação, todos os modelos são testados em um controlador preditivo do tipo QDMC (Quadratic Dynamic Matrix Control) para seguir uma trajetória de referência. Os critérios utilizados para avaliar o desempenho do controlador QDMC, para cada modelo utilizado, foram a velocidade de resposta do controlador e o índice da mínima variabilidade da variável de processo. Os resultados mostram que a confiabilidade do sistema de validação projetado para malhas com baixa e alta não-linearidade em um processo real, foram de 85,71% e 50%, respectivamente, com relação aos índices de desempenho obtidos pelo controlador QDMC. / Linear model validation is the most important stage in System Identification Project because, the model correct selection to represent the most of process dynamic allows the success in the development of predictive and robust controllers, within identification technique finite number and around the operation point. For this reason, the development of linear model validation methods is the main objective in this Thesis, taking as a tools of assessing the statistical, dynamic and robustness methods. Fuzzy system is the main component of model linear validation system proposed to analyze the results obtained by the tools used in validation stage. System Identification project is performed through operation real data of a pH neutralization pilot plant, located at the Industrial Process Control Laboratory, IPCL, of the Escola Politécnica of the University of São Paulo, Brazil. In order to verify the validation results, all modes are used in QDMC type predictive controller, to follow a set point tracking. The criterions used to assess the QDMC controller performance were the speed response and the process variable minimum variance index, for each model used. The results show that the validation system reliability were 85.71% and 50% projected for low and high non-linearity in a real process, respectively, linking to the performance indexes obtained by the QDMC controller.

A caracterização de não linearidades em aeronaves é fundamental para a solução de problemas aeroelásticos, onde uma relação ótima entre desempenho e segurança é desejável. Sistemas aeroelásticos são inerentemente não lineares. Não linearidades podem ser admitidas no projeto, ou podem surgir a qualquer momento durante a vida útil da aeronave, afetando significativamente a resposta prevista por meios clássicos de análise linear, de forma que instabilidades catastróficas podem ocorrer antes dos limites de operação. Portanto, torna-se importante caracterizar, identificar e incluir tais efeitos não lineares no projeto e desenvolvimento de aeronaves. Neste trabalho, através da utilização de técnicas de análise de séries temporais não lineares e identificação, a não linearidade associada à folga, muito comum em superfícies de comando, é caracterizada de forma a permitir sua detecção em sinais aeroelásticos e inclusão de seus efeitos em modelos. Um modelo matemático de seção típica com folga na superfície de comando é implementado e utilizado para gerar uma base de dados confiável para testar a capacidade dos métodos de análise de séries temporais não lineares. As técnicas são aplicadas também em dados experimentais de uma asa a altos ângulos de ataque, sem um modelo matemático definido, para testar a capacidade de caracterização de comportamentos não lineares. Através de técnicas como reconstrução de espaço de estados, seções de Poincaré e determinação de invariantes, como os maiores expoentes de Lyapunov, os comportamentos e transições são classificados. Finalmente, as técnicas são aplicadas em dados experimentais de seções típicas com dois e três graus de liberdade, com folga no movimentos de torção e na superfície de comando, respectivamente. Os resultados mostram que uma folga pode gerar comportamentos similares aos apresentados por sistemas com não linearidade cúbica hardening em condições periódicas. No entanto, o comportamento subcrítico provocado pela folga, bem como a ocorrência de comportamento não linear mais complexo são características que diferenciam essas não linearidades. Em experimento com três graus de liberdade, a folga é localizada e caracterizada na superfície de comando através das técnicas propostas. Um modelo baseado em uma função aproximante para a folga é utilizado para identificar a resposta experimental e incluir a não linearidade no modelo matemático. Os resultados mostram que o modelo identificado é capaz de reproduzir a maior parte da dinâmica apresentada no experimento. / Characterization of nonlinearities in aircraft is critical to the solution of aeroelastic problems where an optimal relation between performance and safety is desirable. Aeroelastic systems are inherently nonlinear. Nonlinearities can be admitted in the project, or may arise at any time during the life of the aircraft, significantly affecting the predicted response by conventional methods of linear analysis and reducing the limits for catastrophic instabilities. Therefore, it is important to characterize, identify and include such non-linear effects to the design and development of aircraft. In this work, through nonlinear time series analysis and identification techniques, the freeplay nonlinearity, very common in control surfaces, is characterized to permit its detection in aeroelastic signals, and the inclusion of its effects in numerical models. A mathematical model of typical section with control surface freeplay nonlinearity is implemented and used to generate a reliable database to test the ability of nonlinear time series analysis methods. The techniques are also applied to experimental data of a wing at high angles of attack, without a prescribed mathematical model, to test the ability of characterizing non-linear behavior. Through techniques such as state space reconstruction, Poincaré sections and determination of system\'s invariants, as the largest Lyapunov exponents, non-linear behavior and transitions are classified. Finally, the techniques are applied to experimental data of typical sections with two and three degrees of freedom with freeplay in the torsional spring and in the control surface hinge, respectively. The results show that the freeplay may generate similar behavior to those presented by non-linear systems with cubic hardening nonlinearity under periodic conditions. However, the subcritical behavior caused by freeplay, and the occurrence of complex nonlinear behavior are features that distinguish these nonlinearities. In an experiment with three degrees of freedom, the freeplay is located in the control surface hinge and characterized by the presented techniques. A model based on an approximating function for the freeplay is used to identify the experimental response and include the nonlinearity in the mathematical model. It is shown that the identified model can reproduce the major part of the non-linear dynamics shown in the experiment.

The low complexity of IIR adaptive filters (AFs) is specially appealing to realtime applications but some drawbacks have been preventing their widespread use so far. For gradient based IIR AFs, adverse operational conditions cause convergence problems in system identification scenarios: underdamped and clustered poles, undermodelling or non-white input signals lead to error surfaces where the adaptation nearly stops on large plateaus or get stuck at sub-optimal local minima that can not be identified as such a priori. Furthermore, the non-stationarity in the input regressor brought by the filter recursivity and the approximations made by the update rules of the stochastic gradient algorithms constrain the learning step size to small values, causing slow convergence. In this work, we propose IIR performance enhancement strategies based on hybrid combinations of AFs that achieve higher convergence rates than ordinary IIR AFs while keeping the stability. / A baixa complexidade dos filtros adaptativos (FAs) IIR é atrativa para aplicações em tempo real, mas certos inconvenientes têm impedido sua ampla utilização até agora. Para os FAs baseados no gradiente descendente, condições operacionais adversas suscitam problemas de convergência em cenários de identificação de sistemas: pólos subamortecidos ou agrupados, submodelagem ou sinais correlacionados originam superfícies de erro onde a adaptação desacelera em grandes planícies ou para em mínimos locais sub-ótimos que não podem ser identificados como tais a priori. Além disso, a não-estacionaridade do regressor de entrada causada pela recursividade do filtro e as aproximações feitas pelas regras de atualização dos algoritmos de gradiente estocástico restringem o passo de aprendizado a valores pequenos, retardando a convergência. Neste trabalho, propomos estratégias de aprimoramento de desempenho baseadas em combinações híbridas e estáveis de FAs que alcançam taxas de convergências mais altas do que FAs IIR comuns.

The low complexity of IIR adaptive filters (AFs) is specially appealing to realtime applications but some drawbacks have been preventing their widespread use so far. For gradient based IIR AFs, adverse operational conditions cause convergence problems in system identification scenarios: underdamped and clustered poles, undermodelling or non-white input signals lead to error surfaces where the adaptation nearly stops on large plateaus or get stuck at sub-optimal local minima that can not be identified as such a priori. Furthermore, the non-stationarity in the input regressor brought by the filter recursivity and the approximations made by the update rules of the stochastic gradient algorithms constrain the learning step size to small values, causing slow convergence. In this work, we propose IIR performance enhancement strategies based on hybrid combinations of AFs that achieve higher convergence rates than ordinary IIR AFs while keeping the stability. / A baixa complexidade dos filtros adaptativos (FAs) IIR é atrativa para aplicações em tempo real, mas certos inconvenientes têm impedido sua ampla utilização até agora. Para os FAs baseados no gradiente descendente, condições operacionais adversas suscitam problemas de convergência em cenários de identificação de sistemas: pólos subamortecidos ou agrupados, submodelagem ou sinais correlacionados originam superfícies de erro onde a adaptação desacelera em grandes planícies ou para em mínimos locais sub-ótimos que não podem ser identificados como tais a priori. Além disso, a não-estacionaridade do regressor de entrada causada pela recursividade do filtro e as aproximações feitas pelas regras de atualização dos algoritmos de gradiente estocástico restringem o passo de aprendizado a valores pequenos, retardando a convergência. Neste trabalho, propomos estratégias de aprimoramento de desempenho baseadas em combinações híbridas e estáveis de FAs que alcançam taxas de convergências mais altas do que FAs IIR comuns.

Apresenta uma nova técnica de identificação estocástica para estruturas sujeitas a excitação ambiente utilizando um método não recursivo, a análise estatística e a transformada wavelet. A análise estatística contribui para a seleção da melhor ordem para o sistema e automação dos procedimentos computacionais. Em geral há dificuldade para a identificação de baixas freqüências. A transformada wavelet é uma ferramenta fundamental para a compressão de dados e torna possível a identificação completa incluindo baixas freqüências e modos acoplados, além de melhorar significativamente a eficiência computacional do método. É apresentado o estudo de três sistemas simulados e os resultados obtidos são comparados aos parâmetros modais teóricos. / A new form to carry out stochastic identification of structures in operational conditions using a non recursive method, the statistic analysis and the wavelet transform, is presented. The statistic analysis contributed to select the best system order and to automation of computational procedures. In general the identification of low frequencies is a difficult task. The wavelet transform is an essential tool for compression of data making possible the complete identification including low frequencies. In addition it improves the computational efficiency. The study of three simulated system is presented and the results are compared with the analytical modal parameters.

Um problema-chave envolvendo processos químicos industriais é controlar, de forma confiável, eficiente e barata, a evolução dinâmica do sistema. Numa coluna de destilação, por exemplo, o objetivo do controle é manter a composição do destilado e do produto de fundo em torno de um valor desejado. As dificuldades operacionais e o alto custo dos analisadores industriais, existentes no mercado, usados na medição da composição têm motivado o projeto de sensores virtuais (soft sensors) para que, a partir de outras medições disponíveis, seja possível inferir de maneira online os valores das variáveis desejadas. Por outro lado, as redes neurais artificiais têm sido utilizadas em diversas aplicações práticas de engenharia, sendo possível usá-las para resolver problemas industriais complexos. Elas possuem diversas características que as fazem particularmente atrativas em aplicações envolvendo sistemas multivariáveis não lineares. Nesse trabalho, um estimador dinâmico virtual baseado em redes neurais é usado para inferir a composição de etanol destilado com base na temperatura e na pressão no interior da coluna, além das vazões de refluxo, do vapor no refervedor e da alimentação. Os resultados desse estudo poderão ser utilizados no desenvolvimento de futuros projetos envolvendo sensores virtuais aplicados ao controle e à otimização de processos industriais. / A key problem involving industrial chemical processes is to control the dynamic evolution of the system in a reliable, efficient and low cost way. In a distillation column, for example, the control objective is to keep the composition of both distillate and bottom product around a desired value. The operational difficulties and high cost of concentration analyzers, used for measuring the composition, have motivated the design of virtual sensors (soft sensors). They are used, in an online way, to infer the values of the desired variables from other available measurements. On the other hand, artificial neural networks have been used for solving many practical engineering applications involving complex industrial problems. They have several features, making them particularly attractive to applications involving nonlinear multivariable systems. In this work, a virtual estimator based on a dynamic neural network is used to infer the composition of distilled ethanol. Temperature and pressure within the column, and the flows of steam and reflux are used as inputs for the neural network. The results of this study can be used to develop future projects involving virtual sensors applied in control and optimization of industrial processes.

A análise modal experimental tem contribuído de forma decisiva para caracterização e solução de problemas de engenharia, relacionados à vibração estrutural. Uma das áreas fundamentais da análise modal experimental é a identificação de sistemas, cujo objetivo é determinar as propriedades dinâmicas de uma estrutura, descritas através das freqüências naturais, fatores de amortecimento e modos de vibrar do sistema em análise. Neste trabalho é realizado um estudo sobre as técnicas paramétricas de identificação de sistemas no domínio do tempo utilizando o modelo auto-regressivo de média móvel vetorial (ARMAV) e o modelo auto-regressivo vetorial (ARV). Em ambos os modelos, os procedimentos de identificação dos parâmetros auto-regressivos, responsáveis pela dinâmica do sistema, são estimados utilizando a aproximação dos mínimos quadrados. A partir desses coeficientes um modelo em espaço de estado do sistema é construído, a fim de estimar os parâmetros modais do sistema dinâmico. A ordem do modelo ARMAV, necessária para determinar as características dinâmicas do sistema, é estimada através do critério de informação Bayesiana (BIC). Para o caso do procedimento baseado no modelo ARV, onde apenas as respostas do sistema são consideradas no processo de identificação, uma nova técnica é proposta para solucionar o problema da identificação da ordem do modelo dinâmico. Essa técnica, baseada na estabilidade das freqüências naturais estimadas em várias identificações, contribuiu também para automação do procedimento de identificação. O desempenho dos algoritmos de identificação utilizando o modelo ARMAV, e o modelo ARV juntamente com a nova metodologia desenvolvida, é verificado através de aplicações a dados provenientes de simulações numéricas e de um ensaio experimental realizado em uma placa de alumínio. / The experimental modal analysis has contribued in a decisive way to characterization and solution of engineering problems, related to structural vibration. One of the fundamental areas of the experimental modal analysis is the mechanical systems identification, whose objective is to identify the dynamic properties of a structure, described through the natural frequencies, damping ratios and mode shapes of the system in analysis. In this work a study is accomplished on the parametric techniques of systems identification in time domain using the Auto-Regressive Moving Average Vector (ARMAV) and the Auto-Regressive Vector (ARV) models. In these models, the procedures of the auto-regressive parameters identification that describes the dynamics of the system are estimated using the least square approach. Trough these coefficients a model in state space is built, in order to identify the modal parameters of the dynamic system. The order of the ARMAV model, necessary to determine the dynamic characteristics of the system, is estimated through Bayesian Information Criterion (BIC). For the procedure based on the model ARV, where only the system responses are considered in the identification process, a new technique is proposed to solve the identification problem of the order of the dynamic model. This technique, based on the stability of the natural frequencies in several identifications, also contributed to automation of the identification procedure. The performance of these identification algorithms using the ARMAV model, and the ARV model together with the new developed methodology, is verified using data from numerical simulations and from an experimental test accomplished in an aluminum plate.

Submitted by Silvana Teresinha Dornelles Studzinski (sstudzinski) on 2016-12-23T10:42:58Z No. of bitstreams: 1 Cassio Binkowski_.pdf: 1965327 bytes, checksum: 87b7380f1bab367237fb868e0de20388 (MD5) / Made available in DSpace on 2016-12-23T10:42:59Z (GMT). No. of bitstreams: 1 Cassio Binkowski_.pdf: 1965327 bytes, checksum: 87b7380f1bab367237fb868e0de20388 (MD5) Previous issue date: 2016-09-14 / Nenhuma / A identificação de sistemas está longe de ser uma tarefa nova. Sendo inicialmente proposta na metade do século XX, foi extensamente desenvolvida para sistemas lineares, devido às exigências da época relacionadas à complexidade dos sistemas e também do poder computacional, atingindo excelente resultados. No entanto, com o aumento da complexidade dos sistemas e das exigências de controle, os modelos lineares não mais conseguiam representar os sistemas em toda a faixa de operação exigida, sendo assim requerendo uma aplicação dos modelos não-lineares. Visto que todos os sistemas presentes na natureza possuem certo grau de não linearidade, é correto afirmar que um modelo não-linear é capaz de representar as dinâmicas dos sistemas de forma mais compreensiva que um modelo linear. A identificação de sistemas não lineares foi então estudada e diversos modelos foram propostos, atingindo ótimos resultados. Nesse trabalho foi realizado um estudo de dois modelos não-lineares, NARMAX e Hammerstein-Wiener, aplicando esses modelos a dois processos simulados. Foram então derivados dois algoritmos para realizar a estimação dos parâmetros dos modelos NARMAX e Hammerstein-Wiener, utilizando um estimador ortogonal, e também um algoritmo para geração de sinais de entrada multinível. Os modelos foram então estimados para os sistemas simulados, e comparados utilizando os critérios AIC, FPE, Lipschitz e de correlação cruzada de alta ordem. Os melhores resultados foram obtidos com os modelos Hammerstein-Wiener-OLS e NARMAX-OLS, ao contrário do modelo NARMAX-RLS. No entanto, devido a resultados bastante divergentes entre os modelos, pode-se concluir que essa área ainda carece de desenvolvimento de técnicas precisas para comparação e avaliação de modelos, bem como quanto à quantificação do nível de não-linearidade do sistema em questão. / The task of system identification is far from being a new one. It was initially proposed in the mid of the 20th century, and had then been extensively developed for linear systems, due to the demands of that time concerning computational power, systems complexity and control requirements. It has achieved excellent results in this approach. However, due to the rise of systems complexity and control requirements, linear models were no longer able to meet the desired accuracy and larger operating range, and therefore the usage nonlinear models were pursued. As all systems in nature are nonlinear to some extent, it is correct to state that nonlinear models can represent a whole lot more of systems’ dynamics than linear models. Nonlinear models were then studied, and several techniques were presented, being able to achieve very good results. In this work, two of the available nonlinear models were studied, namely NARMAX and Hammerstein-Wiener, applying these models in two simulated systems. Two algorithms were then derived to estimate parameters for NARMAX and Hammerstein-Wiener models using an orthogonal estimator, and also an algorithm for generating multi-level input signals. The models were then estimated to the simulated systems, and compared using the AIC, FPE, Lipschitz and high-order cross-correlation criteria. The best results were obtained for the Hammerstein-Wiener-OLS and NARMAX-OLS models, as opposed to the NARMAX-RLS model. However, due to divergent observed results between models, it can be concluded that precise methods for model comparison and validation still needs to be developed, as well as a method for nonlinearity quantification for the system in hand.

O planejamento e o funcionamento do sistema elétrico de potência se baseiam na correta parametrização e caracterização de seus elementos, pois a correta parametrização dos sistemas de proteção permite uma atuação confiável e segura. Ademais, a correta caracterização dos parâmetros de elementos como as linhas de transmissão permite calcular o carregamento ótimo para determinados trechos do sistema interconectado com relação ao fluxo de potência, permitindo um melhor planejamento para expansão e instalação de reforços, dentre outros. Desta forma, foram desenvolvidas metodologias para estimação de parâmetros de sistemas de transmissão, que se baseiam na adoção de um modelo para o sistema e utilização de um método de resolução para se obter uma resposta, ou função de transferência, para as entradas e saídas deste modelo. No entanto, a maioria dos métodos existentes na literatura técnica apresenta certas limitações com relação à presença de ruído nos sinais de medição, ou dificuldade na relação existente entre as correntes longitudinais e as medições terminais, ou imprecisão do método de resolução do sistema de equações para determinada situação. Neste trabalho, foram utilizadas técnicas diferentes para a estimação de parâmetros de uma linha diretamente das medições das correntes e tensões terminais da linha em regime, sendo possível reduzir bastante o erro de estimação, pois não é necessário nenhum método de eliminação dos ruídos das medições. Desta forma, a corrente longitudinal é considerada como equivalente à última componente de corrente terminal, e a metodologia adotada apresenta erros pequenos de estimação independente do modelo adotado. Assim, modelam-se linhas de transmissão em cascata de circuitos ?, obtendo-se as medições ruidosas oriundas desta. Por fim, utiliza-se a metodologia baseada na teoria do Filtro de Kalman Unscented para eliminação do ruído nas grandezas medidas e para estimação dos parâmetros série da linha de transmissão. Através da ferramenta computacional Simulation and model-based design (Simulink), realizam-se a obtenção das medições, inclusão de ruído aleatório a estas e cálculos computacionais para estimação dos estados e parâmetros do sistema em regime permanente. / The planning and operation of a power system are based on the correct parameterization and characterization of its elements. By a correct parameterization of protection systems, a reliable and safe operation is allowed. The correct characterization of the parameters of transmission lines allows calculating the optimum power flow for the interconnected power system, allowing a better planning for expansion and installation of reinforcements, among others. In this sense, methodologies were developed for the estimation of transmission system parameters, which are based on the adoption of a model for the system and usage of a resolution method to obtain a response, or transfer function, for the inputs and outputs of the model. However, the most of existing methods in the technical literature presents certain limitations regarding presence of noise in the measurement signals, or difficulty regarding the relationship between the longitudinal currents and the terminal measurement signals, or imprecision of the solving method for the equations system. In this work, different techniques were applied for the estimation of line parameters directly from the measurements of the terminal currents and terminal voltages of the steady state line, being possible to greatly reduce the estimation error, since no extra method of eliminating measurements noise is necessary. In this way the longitudinal current is considered as equivalent to the last terminal current component, and the adopted methodology presents small estimation errors regardless of the adopted model. Thus, transmission lines are modeled by a pi cascade and noisy measurements are obtained. Finally, the methodology is based on the Unscented Kalman Filter theory for noise elimination in the measurements and for estimation of the transmission line longitudinal parameters. By the computational tool Simulink, measurements are obtained, random noise is inserted and computational calculations for estimation of the states and parameters of the system in steady state are done.

Orientador: Samuel da Silva / Resumo: Os métodos de análise modal tradicionalmente são limitados aos sistemas vibrando em regime linear de movimento. Assim, quando as estruturas sofrem altas amplitudes de excitação ou são muito flexíveis, gerando possíveis vibrações não-lineares, estes métodos acabam perdendo a sua validade e as propriedades características. Com base nesta motivação, este trabalho apresenta um estudo detalhado para mostrar quais as limitações de se aproximar por parâmetros modais sistemas vibrando em regime de movimento não linear. Para ilustrar a formulação, assume-se uma viga engastada e livre emulando um oscilador de Duffing com não linearidade concentrada, suave e polinomial (rigidez cúbica). Observa-se que para regimes de excitação baixa, pode-se extrair parâmetros modais do modelo e ajustá-los para níveis de excitação mais altos quando se induz vibração não-linear pelo aumento do nível da amplitude de excitação. Para situações de vibração não-linear opta-se por aproximar os sinais e saídas pelo método de superfície de resposta e identificar a dependência amplitude-frequência para extração de modos normais não-lineares. Os resultados apresentados com a formulação descrita neste trabalho permitem adaptar adequadamente as ferramentas convencionais de análise modal linear para validade e aplicação direta em casos de vibração em regime não linear, quando estes ainda são considerados de fraca influência. / Abstract: Modal analysis methods have traditionally been limited to systems vibrating in linear motion regime. Thus, when the structures undergo high excitation amplitudes or are very flexible, generating possible nonlinear vibrations, these methods end up losing their validity and characteristic properties. Based on this motivation, this work presents a detailed study to show the limitations of approaching by modal parameters systems vibrating in nonlinear regime. To illustrate the formulation, a cantilever beam is assumed to emulate a Duffing oscillator with concentrated, smooth, polynomial nonlinearity (cubic stiffness). It is observed that for low excitation regimes, one can extract modal parameters from the model and adjust them to higher excitation levels when inducing nonlinear vibration by increasing the excitation amplitude level. For nonlinear vibration situations, we choose to approximate the signals and outputs by the response surface method and identify the amplitude-frequency dependence for extraction of nonlinear normal modes. The results presented with the formulation described in this work allow to adapt adequately the conventional tools of linear modal analysis for validity and direct application in cases of vibration in nonlinear regime, when they are still considered of low influence. / Mestre