Orientador: Luiz Koodi Hotta / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação cientifica / Made available in DSpace on 2018-07-27T03:24:44Z (GMT). No. of bitstreams: 1 Fukui_Pedro_M.pdf: 2415142 bytes, checksum: a466180329b9e8a150daeba721b0c8e8 (MD5) Previous issue date: 2000 / Resumo: O principal objetivo deste trabalho é propor uma metodologia para detecção e estimação de valores aberrantes em modelos de volatilidade estocástica, sejam aqueles com efeito local ou quebras estruturais do modelo. Os estudos realizados no desenvolvimento da metodologia foram baseados em métodos computacionais que uti1i7~m simulações estocásticas. As estimativas dos parâmetros foram obtidas através do método de quase-verossimilhança e o critério de BIC (Schwarz) foi utilizado para detecção das observações aberrantes. A metodologia proposta foi testada em três séries, sendo as duas primeiras simuladas, uma sem outliers e outra com outliers como terceira série foram utilizados dados reais, mais especificamente, dados diários do Índice da Bolsa de Valores de São Paulo, no período de 04 de julho de 1994 - (ínicio do Plano Real) a 7 de abril de 2000, num total de 1424 observações / Abstract: The main objective of this paper is to propose a methodology for the detection and estimation of outliers caused by local effects or structural breaks in stochastic volatility models. The studies carried out in the development of the methodology were based on computational methods using stochastic simulation. The estimates of parameters were obtained through the quasi ikelihood method and the Schwarz criteria was used for the detection of outliers. The proposed methodology was tested in three series. The first two were generated, one with outliers and another without. Real data was used as the third series, more specifically the daily São Paulo Stock Exchange index (BOVESP A) for the period nom July 04, 1994 - (beginning of Plano Real) to April 07,2000, totaling 1424 observations / Mestrado / Mestre em Estatística

Orientador : Celso Pascoli Bottura / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-13T22:59:34Z (GMT). No. of bitstreams: 1 Quirino_RogerioBastos_M.pdf: 3562441 bytes, checksum: fd580d0c82d210f732c72d7856b2b7c1 (MD5) Previous issue date: 1990 / Resumo: Neste trabalho realizamos a computacão paralela de um algoritmo para filtragem ótima de sistemas dinamicos lineares interconectados, explorando eficientemente o paralelismo natural da estrutura de cálculo hierárquico, empregando multiprogramação com o sistema operacional Unix / Abstract: In this work the computational parallelization algorithm for optimum filtering of I arge scale systems is efficiently exploiting the natural parallelism there is hierarquical calculation structure, via multiprogramming on operational system Unix / Mestrado / Mestre em Engenharia Elétrica

Orientador: Manuel de Jesus Mendes / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia de Campinas / Made available in DSpace on 2018-07-16T18:35:15Z (GMT). No. of bitstreams: 1 Tozzi_ClesioLuis_M.pdf: 2000518 bytes, checksum: 7d0f4de08f0f5b33cef8e3d057e17cb3 (MD5) Previous issue date: 1975 / Resumo: Não informado. / Abstract: Not informed. / Mestrado / Mestre em Automação

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2013. / Submitted by Albânia Cézar de Melo (albania@bce.unb.br) on 2013-08-14T12:57:54Z No. of bitstreams: 1 2013_SergioMessiasCruz.pdf: 7213334 bytes, checksum: 9b766d528b04c26ebdfe9d72d6924318 (MD5) / Approved for entry into archive by Guimaraes Jacqueline(jacqueline.guimaraes@bce.unb.br) on 2013-08-14T13:31:25Z (GMT) No. of bitstreams: 1 2013_SergioMessiasCruz.pdf: 7213334 bytes, checksum: 9b766d528b04c26ebdfe9d72d6924318 (MD5) / Made available in DSpace on 2013-08-14T13:31:25Z (GMT). No. of bitstreams: 1 2013_SergioMessiasCruz.pdf: 7213334 bytes, checksum: 9b766d528b04c26ebdfe9d72d6924318 (MD5) / Este trabalho descreve uma arquitetura de hardware para a implementação de uma versão sequencial do Filtro de Kalman Estendido (EKF, do inglês Extended Kalman Filter). Devido ao fato de que o EKF é computacionalmente intensivo, comumente ele é implementado em plataformas baseadas em PC (do inglês Personal Computer) para ser empregado em robótica móvel. Para permitir o desenvolvimento de plataformas robóticas pequenas (por exemplo, aquelas re- quisitadas em robótica móvel) condições especí cas tais como tamanho pequeno, consumo baixo de potência e capacidade de aritmética em ponto utuante são exigidos, assim como projetos de arquiteturas de hardware especí cas e adequadas. Desta maneira, a arquitetura proposta foi projetada para tarefas de auto-localização, usando operadores de aritmética de ponto utuante (em precisão simples), permitindo a fusão de dados provenientes de diferentes sensores tais como ultrassom e ladar. O sistema foi adaptado para ser aplicado em uma plataforma recon gurável, apropriada para tarefas de pesquisa, e a mesma foi testada em uma plataforma robótica Pioneer 3AT (da Mobile Robots Inc.) a m de avaliar sua funcionalidade, usando seu sistema de sen- soriamento. Para comparar o desempenho do sistema, o mesmo foi implementado em um PC, assim como pela utilização de um microprocessador embarcado na FPGA (o Nios II, da Altera). Neste trabalho, várias métricas foram utilizadas a m de avaliar o desempenho e a aplicabilidade do sistema, medindo o consumo de recursos na FPGA e seu desempenho. Devido ao fato de que este trabalho só está implementando a fase de atualização do EKF, o sistema geral foi testado assumindo que o robô está parado em uma posição previamente conhecida. ______________________________________________________________________________ ABSTRACT / This work describes a hardware architecture for implementing a sequential approach of the Extended Kalman Filter (EKF) that is suitable for mobile robotics tasks, such as self-localization, mapping, and navigation problems, especially when FPGAs (Field Programmable Gate Arrays) are used to execute this algorithm. Given that EKF is computationally intensive, commonly it is implemented in PC-based platforms to be employed on mobile robots. In order to allow the development of small robotic platforms (for instance those required in microrobotics area) speci c requirements such as small size, low-power, and oating-point arithmetic capability are demanded, as well as the design of speci c and suitable hardware architectures. Therefore, the proposed architecture has been achieved for self-localization task, using oating-point arithmetic operators (in simple precision), allowing the fusion of data coming from di erent sensors such as ultrasonic and laser range nder. The system has been adapted for achieving a recon gurable platform, suitable for research tasks, and the same has been tested in a Pioneer 3AT mobile robot platform (from Mobile Robots Inc.) for evaluating its functionality by using its local sensing system. In order to compare the performance of the system, the same localization technique has been implemented in a PC, as well as using an FPGA-embedded microprocessor (the Nios II from Altera Inc.) In this work several metrics have been used in order to evaluate the system performance and suitability, measuring both the FPGA resources consumption and performance. Given that in this work only the update phase of the EKF has been implemented the overall system has been tested assuming that the robot is stopped in a previously well-known position. ______________________________________________________________________________ RESUMEN / Este trabajo describe una arquitectura de hardware para la implementación de una versión secuencial del ltro de Kalman extendido (EKF del ingles Extended Kalman Filter). Debido al hecho de que el EKF es computacionalmente intensivo, típicamente es implementado en plataformas basadas en PC's (del ingles Personal Computer) para ser utilizado en robótica móvil. Para per- mitir el desarrollo de pequeñas plataformas robóticas(como las requeridas en robótica móvil) son exigidos condiciones especi cas como su pequeño tamaño, bajo consumo de potencia y capacidad de aritmética en punto otante, así como arquitecturas de hardware especi cas y adecuadas. De esta manera la arquitectura propuesta fue proyectada para tareas de auto-localización, usando operadores de aritmética de punto otante (en precisión simple), permitiendo la fusión de datos provenientes de diferentes sensores tales como ultrasonido y ladar. El sistema fue adaptado para aplicarlo en una plataforma recon gurable, apropiada para investigación, y la misma fue probada en una plataforma robótica denominada Pioneer 3AT (de la compañía Mobile Robots Inc.) utilizando el sistema de sensoramiento de este, con el propósito de validar su funcionalidad. Para comparar el desempeño del sistema, este fue implementado en un PC, así como en un microprocesador embarcado en una FPGA (Nios II, de Altera). En este trabajo, varias métricas fueron utilizadas con el propósito de validar el desempeño y la aplicabilidad del sistema, midiendo el consumo de recursos en la FPGA y su desempeño. Debido al hecho de que en el trabajo solo esta implementado la fase de actualizacion del EKF el sistema general fue probado asumiendo que el robot esta parado en una posición previamente conocida.

Orientador : Manuel de Jesus Mendes / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia de Campinas / Made available in DSpace on 2018-07-17T02:00:38Z (GMT). No. of bitstreams: 1 Bruno_PaulodeTarsoMartins_M.pdf: 1851397 bytes, checksum: e4163e65201b889c962b8fe6046de839 (MD5) Previous issue date: 1976 / Resumo: O problema da estimação do estado de um sistema dinâmico estocásticos, a partir de observações na saída, é de grande importância em engenharia. A partir de 1960 grandes impulso tem sido dado na solução das mais diferentes situações, encontrando-se atualmente grande serie de algoritmos de filtragem seqüencial. No presente trabalho estudam-se os quatro filtros de segunda ordem citados na literatura, analisando suas vantagens e desvantagens na aplicação a um sistema escalar; um desses algoritmos é aplicado a um problema pra tico e os resultados são comentados / Abstract: Not informed / Mestrado / Mestre em Engenharia Elétrica

Orientador: Vicente Lopes Junior / Co-orientador: Gustavo Luiz Chagas Manhães de Abreu / Banca: Michael John Brennan / Banca: Paulo José Paupitz Gonçalves / Resumo: Neste trabalho são apresentados dois métodos de identificação de modelos em espaço de estados. O primeiro, o Algoritmo de Realização de Autosistemas, (ERA), identifica matrizes de estado através da resposta do sistema ao impulso. Já o segundo, o método ERA/OKID, também estima as matrizes de estado do sistema, com uma vantagem que não se limita a resposta do sistema ao impulso, mas qualquer sinal pode ser usado como sinal de entrada. Os dois métodos foram aplicados na identificação experimental de uma viga de alumínio engastada. O sinal de entrada foi aplicado na viga através de um atuador PZT (Lead-Zirconate-Titanate) e a resposta foi medida através de um sensor PVDF (Polyvinilidene-Fluoride). Com as matrizes de estado identificadas, projetou-se um controlador para a realimentação de estados. O controle Regulador Linear Quadrático (LQR), foi utilizado pela simplicidade da formulação e fácil implementação. Para realimentar os estados não mensurados, foi projetado um observador de estados. O controle aplicado à estrutura foi capaz de atenuar as vibrações quando a mesma foi submetida a diferentes tipos de perturbações externas / Abstract: This work presents two methods of system identification of models in state space. The first method, uses Eigensystem Realization Algorithm, (ERA), for identifying the state space matrices via impulse response of the system. The second method, ERA/OKID, also identifies state space matrices, however, in this method, the input data are not limited to the impulsive response, and any signal can be used as input signal. It can be a significant advantage for practical situations. Both methods were applied for experimental identification of a cantilever aluminium beam. The input excitation in beam used white noise through a (Lead-Zirconate-Titanate) PZT actuator and the beam response was measured using a PVDF (Polyvinilidene-Fluoride) sensor. The controller was designed for state feedback using the state space matrices obtained previously. The Linear Quadratic Regulator, (LQR), was used for simplicity of design and easy implementation. A state observer was also used to feedback the unmeasured states. The controller was effective to minimize the vibrations of the structure when it was subjected to an external disturbance / Mestre

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2013-06-25T22:28:40Z (GMT). No. of bitstreams: 1 313502.pdf: 2548956 bytes, checksum: 09e3d7288119541a1642c771da8cd879 (MD5) / Um dos problemas que envolvem as soluções para a mobilidade de robôs móveis terrestres é estimar a posição do robô com precisão juntamente com a exploração do ambiente, mapeando-o corretamente (SLAM - Simultaneous Localization and Mapping - Localização e Mapeamento Simultâneo). Embora vários algoritmos tenham sido desenvolvidos nos últimos anos, exigindo uma carga de cálculo computacional cada vez maior dos robôs,, estes estão susceptíveis a um mau desempenho quando os sensores apresentam ruídos, quando há problemas nos atuadores, variáveis não modeladas ou em virtude de algum imprevisto momentâneo no ambiente. A proposta deste trabalho é programar um SLAM para robôs móveis interligando-o a uma combinação de sensores inerciais com sensores de odometria através de uma técnica de fusão de sensores conhecida como filtro de Kalman Estendido, para reduzir a incerteza na estimação da posição e melhorar o desempenho do SLAM. Por consequência, o custo computacional é reduzido. O trabalho foi estruturado iniciando por uma revisão a respeito dos conceitos básicos de sensoriamento, a fim de contextualizar o problema e apresentar as nomenclaturas e termos utilizados. A seguir foram abordadas as técnicas de fusão de dados, as representações do robô e do ambiente, as técnicas de mapeamento e exploração e as diversas técnicas de navegação que podem ser utilizadas, para ambientes conhecidos epara ambientes desconhecidos. Essas informações são importantes para um melhor entendimento do problema, de como representá-lo e de como se pode avaliar os resultados obtidos. Na sequência é apresentado o SLAM, destacando as principais técnicas e em detalhes o Grid Based FastSLAM. É demonstrado através de simulações que quanto maior as incertezas sobre a posição do robô, um número maior de partículas é necessário para manter a qualidade do mapa gerado, e como cada partícula possui um mapa associado a si, o custo computacional é consideravelmente aumentado. Outro aspecto analisado foi o impacto na escolha da covariância associada à transição de estados, propondo a utilização da covariância inerente ao cálculo da fusão de sensores como parâmetro de refinamento no SLAM.<br> / Abstract : One of the problems in solutions involving land mobile robots is the estimation of the robot position with precision and at the same time, explore the environment and mapping it correctly (SLAM - Simultaneous Localization and Mapping ). Several algorithms were developed in the last years, demanding large computational resources in robots and even so, these may have a bad performance in cases of sensors having noises, problems in actuators, not modeled variables or when there is something in the environment that wasn't expected. This dissertation proposal is to program a SLAM algorithm for mobile robots and connect it with a sensor data fusion, between odometry and inertial sensors, using the Extended Kalman Filter, achieving a reduction of the position uncertainty and improving the SLAM performance, also reducing the need of computational resources. This work begins with a revision of concepts of robot sensors, needed to understand later algorithms and nomenclatures. In the following items it is described the sensor fusion techniques, the robot localization problem, the map and robot representation alternatives, and the navigation problems for explored and non-explored environments. These information are important for a better understanding of the problem, on how represent it and how to evaluate the obtained results. After this introduction, it's described some SLAM algorithms, featuring in details the Grid Based FastSLAM. It's demonstrated by simulations that as high uncertainty about robot position, as large are the number of particles needed to maintain the generated map quality. This implies in a large computational cost, thus improving the uncertainty with sensor data fusion makes the robot work with less particles. It is also showed that choosing the right covariance in robot transition model is very important and finding a way to connect the covariance of sensor data fusion with SLAM can improve performance even more.

Made available in DSpace on 2015-07-13T12:10:15Z (GMT). No. of bitstreams: 0 Previous issue date: 2012-12-20. Added 1 bitstream(s) on 2015-07-13T12:25:33Z : No. of bitstreams: 1 000837487.pdf: 765617 bytes, checksum: c8a3f542958d69b1f4e0c325b1ee9b7b (MD5) / Neste trabalho são apresentados dois métodos de identificação de modelos em espaço de estados. O primeiro, o Algoritmo de Realização de Autosistemas, (ERA), identifica matrizes de estado através da resposta do sistema ao impulso. Já o segundo, o método ERA/OKID, também estima as matrizes de estado do sistema, com uma vantagem que não se limita a resposta do sistema ao impulso, mas qualquer sinal pode ser usado como sinal de entrada. Os dois métodos foram aplicados na identificação experimental de uma viga de alumínio engastada. O sinal de entrada foi aplicado na viga através de um atuador PZT (Lead-Zirconate-Titanate) e a resposta foi medida através de um sensor PVDF (Polyvinilidene-Fluoride). Com as matrizes de estado identificadas, projetou-se um controlador para a realimentação de estados. O controle Regulador Linear Quadrático (LQR), foi utilizado pela simplicidade da formulação e fácil implementação. Para realimentar os estados não mensurados, foi projetado um observador de estados. O controle aplicado à estrutura foi capaz de atenuar as vibrações quando a mesma foi submetida a diferentes tipos de perturbações externas / This work presents two methods of system identification of models in state space. The first method, uses Eigensystem Realization Algorithm, (ERA), for identifying the state space matrices via impulse response of the system. The second method, ERA/OKID, also identifies state space matrices, however, in this method, the input data are not limited to the impulsive response, and any signal can be used as input signal. It can be a significant advantage for practical situations. Both methods were applied for experimental identification of a cantilever aluminium beam. The input excitation in beam used white noise through a (Lead-Zirconate-Titanate) PZT actuator and the beam response was measured using a PVDF (Polyvinilidene-Fluoride) sensor. The controller was designed for state feedback using the state space matrices obtained previously. The Linear Quadratic Regulator, (LQR), was used for simplicity of design and easy implementation. A state observer was also used to feedback the unmeasured states. The controller was effective to minimize the vibrations of the structure when it was subjected to an external disturbance

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2015. / Submitted by Raquel Viana (raquelviana@bce.unb.br) on 2015-11-25T16:03:00Z No. of bitstreams: 1 2015_LuisFedericoContrerasSamame.pdf: 6902681 bytes, checksum: aee20346f689755b9973ef32bd5bea60 (MD5) / Approved for entry into archive by Marília Freitas(marilia@bce.unb.br) on 2016-01-25T13:23:41Z (GMT) No. of bitstreams: 1 2015_LuisFedericoContrerasSamame.pdf: 6902681 bytes, checksum: aee20346f689755b9973ef32bd5bea60 (MD5) / Made available in DSpace on 2016-01-25T13:23:41Z (GMT). No. of bitstreams: 1 2015_LuisFedericoContrerasSamame.pdf: 6902681 bytes, checksum: aee20346f689755b9973ef32bd5bea60 (MD5) / Este trabalho apresenta uma arquitetura em hardware para a implementação de um algoritmo probabilístico, especificamente o Filtro de Kalman Estendido (EKF) em versão sequencial, aplicado ao problema de localização em robótica móvel. Primeiro, desenvolveu-se um módulo de hardware para etapa de predição do algoritmo EKF baseada em um modelo odométrico de um robô móvel de quatro rodas deslizantes (4-SSMR). Logo, considerou-se um módulo de hardware para etapa de estimação do EKF baseada em um modelo de sistema medição usando um sensor LRF (do inglês Laser RangeFinder). Adicionalmente, um Módulo de Hardware Unificado (MHU) para o EKF foi projetado considerando as duas etapas do filtro (predição e estimação) em uma mesma arquitetura. Unidades em Ponto Flutuante (UPFs) foram usadas para operações aritméticas e trigonométricas necessárias para cada uma das equações do EKF. Para este caso, duas abordagens (módulos individuais e MHU) foram consideradas para a implementação do algoritmo EKF em um kit de desenvolvimento DE2-115da Altera (FPGA Cyclone IV, processador Nios II), aplicado à localização de uma plataforma móvel Pioneer 3AT (da companhia Mobile Robots Inc.). Finalmente, foram obtidas métricas (tempo de execução, consumo de potência e de recursos no FPGA) e comparações com outras soluções, a fim de validar o desempenho do sistema proposto e sua aplicabilidade para a área de robótica móvel. Entre os principais resultados, um tempo de execução da arquitetura em hardware do EKF de 3,08 μs foi obtido com um fator de aceleração minimo de 63 comparado com outras implementações em software. ______________________________________________________________________________________________ ABSTRACT / This manuscript presents a hardware architecture to implement a probabilistic algorithm, specifically the Extended Kalman Filter (EKF) in a sequential version, applied to the localization problem in mobile robotics. Firstly, a hardware module for the EKF prediction stage was developed based on an odometric model of a 4-SSMR (Four Wheeled Skid-Steer Mobile Robot). Then, a hardware module for the EKF estimation stage was designed based on a measurement system model, using a LRF sensor (Laser Rangefinder). Furthermore, a Unified Hardware Module (MHU) for the EKF was designed taking into account the two EKF stages (prediction and estimation) in the same architecture. Floating-Point Units (UPFs) were used for arithmetic and trigonometric operations required for each of the EKF equations. In this case, two approaches (individuals modules and MHU) were considered for the implementation of the EKF algorithm over an Altera DE2-115 board (Cyclone IV FPGA with a Nios II processor), applied to the localization of the Pioneer 3AT robot (from Mobile Robots Inc.). Finally, metrics (execution time, FPGA resources and power consumption) and comparisons have been obtained, in order to evaluate the performance and suitability of the proposed system for the mobile robots area. Among the main results, an execution time of the hardware architecture for EKF of 3,08 μs was achieved with a minimum speedup factor of 63 compared to other software implementations.

Orientador: Alcir Jose Monticelli / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-29T00:44:11Z (GMT). No. of bitstreams: 1 Mota_LiaToledoMoreira_M.pdf: 7039730 bytes, checksum: e2d2c9b3c24ee152fe47613418d16dd9 (MD5) Previous issue date: 2001 / Resumo: Este trabalho objetiva a implementação e avaliação d¿ eficiência de algoritmos computacionais referentes a métodos e técnicas de estimação dinàmica de parâmetros de um dos componentes da rede elétrica: a carga. Através desta estimação, torna-se possível avaliar, mais precisamente, a carga existente em sistemas de energia elétrica supervisionados, utilizando-se, para isto, diferentes modelos de carga. Neste trabaJho, a estimação dinâmica de parâmetros da carga é realizadaa partir de dois métodos iterativos: o Método dos Quadrados Mínimos Ponderados em uma forma recursiva e o Filtro de KaIman. Além disto, estes métodos são implementados através de três técnicas diferentes: as Técnicas do Vetor de Estados Estendido, da Estimação de EstadolParâmetros Alternada e da Estimação Dinâmica de Estado Parâmetros. São apresentados resultados que ilustram uma comparação de desempenho entre as três técnicas utilizadas / Abstract: This work is focused on the implementation and evaluation of computational algorithms related to methods and techniques for dynamic parameter estimation of one ofthe power system components: the load. This estimation allows to evaluate more precisely the supervised power system load through the use of different 10ad models. In this work the dynamic load parameters estimation is implemented using two iterative methods: the Weighted Least Squares in a recursive fonn and the KaIman Filter. Furthennore, these methods are implemented using three techniques: the Parameter Estimation by State Augmentation, the Alternate StatelParameter Estimation and the Dynamic StatelParameter Estimation. A performance comparison among the three different techniques is presented. / Mestrado / Mestre em Engenharia Elétrica