Made available in DSpace on 2014-12-17T14:55:11Z (GMT). No. of bitstreams: 1 CarlosAGF_TESE.pdf: 1739972 bytes, checksum: 7401db4e68ede642dc9d65e00bd935e6 (MD5) Previous issue date: 2012-12-21 / In this work a modification on ANFIS (Adaptive Network Based Fuzzy Inference System) structure is proposed to find a systematic method for nonlinear plants, with large operational range, identification and control, using linear local systems: models and controllers. This method is based on multiple model approach. This way, linear local models are obtained and then those models are combined by the proposed neurofuzzy structure. A metric that allows a satisfactory combination of those models is obtained after the structure training. It results on plant s global identification. A controller is projected for each local model. The global control is obtained by mixing local controllers signals. This is done by the modified ANFIS. The modification on ANFIS architecture allows the two neurofuzzy structures knowledge sharing. So the same metric obtained to combine models can be used to combine controllers. Two cases study are used to validate the new ANFIS structure. The knowledge sharing is evaluated in the second case study. It shows that just one modified ANFIS structure is necessary to combine linear models to identify, a nonlinear plant, and combine linear controllers to control this plant. The proposed method allows the usage of any identification and control techniques for local models and local controllers obtaining. It also reduces the complexity of ANFIS usage for identification and control. This work has prioritized simpler techniques for the identification and control systems to simplify the use of the method / Neste trabalho prop?e-se uma modifica??o na estrutura neurofuzzy ANFIS (Adaptive Network Based Fuzzy Inference System) para a obten??o de um m?todo sistem?tico para identifica??o e controle de plantas com ampla faixa de opera??o e n?o linearidade acentuada, a partir de t?cnicas lineares de identifica??o e controle. Este m?todo se baseia na metodologia de m?ltiplos modelos. Dessa forma, obt?m-se modelos lineares locais e esses s?o combinados pela estrutura neurofuzzy proposta. Uma m?trica que permite combinar adequadamente esses modelos ? obtida ap?s o treinamento dessa estrutura, resultando na identifica??o global da planta. Para cada um desses modelos ? projetado um controlador. O controle global ? obtido a partir da combina??o dos sinais dos controladores locais. Essa mistura ? feita pelo ANFIS modificado. A modifica??o na arquitetura do ANFIS permite o compartilhamento do conhecimento adquirido pelo treinamento da estrutura empregada na combina??o de modelos locais. Assim n?o se faz necess?rio o treinamento da estrutura empregada na mistura de controladores. Avaliaram-se as estruturas modificadas atrav?s de dois estudos de caso. Verificou-se que ? poss?vel treinar apenas um ANFIS, para a obten??o de uma m?trica que permita a combina??o adequada dos modelos lineares, v?lidos localmente, e essa estrutura, j? ajustada, pode ser aplicada na combina??o de controladores lineares, projetados para cada um dos modelos, resultando em um sistema de controle que satisfaz as especifica??es de desempenho previamente estabelecidas. O m?todo proposto possibilita a utiliza??o de quaisquer t?cnicas de identifica??o e controle para a obten??o dos modelos e controladores locais, e a redu??o da complexidade de utiliza??o do ANFIS para identifica??o e controle. Neste trabalho priorizaram-se as t?cnicas mais simples de identifica??o e controle de sistemas de forma a simplificar a utiliza??o do m?todo

Orientadores: Gilmar Barreto, Ginalber Luiz de Oliveira Serra / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-09T18:49:20Z (GMT). No. of bitstreams: 1 Godoy_AndrePereirade_M.pdf: 5878897 bytes, checksum: e24b9a4ace4612b1e7cc56ccc677932f (MD5) Previous issue date: 2007 / Resumo: Este estudo objetiva identificar e ajustar um modelo nebuloso (Fuzzy) para a predição de um passo a frente dos processos de acumulação de biomassa e de açúcar da cana-de-açúcar com índices de erro inferiores aos obtidos pelo modelo QCANE. Os processos fisiológicos de acumulação da cana-de-açúcar são estudados para determinação dos fatores mais influentes a serem tratados no procedimento de identificação do modelo. Algumas técnicas de identificação disponíveis são estudadas e experimentos computacionais são realizados para selecionar e avaliar a representação matemática e a estrutura de modelo mais dequadas. Durante o procedimento de identificação procura-se obter modelo com o menor número de parâmetros possível, que permita ao usuário compreender de forma mais clara o resultado da simulação do modelo. Para estes processos são apresentados resultados para modelos contínuos, modelos ARX e modelos nebulosos discretos. A opção pela utilização dos modelos nebulosos para estes processos deve-se a expectativa confirmada de que esta estrutura matemática obtivesse um melhor desempenho nas predições utilizando uma quantidade reduzida de parâmetros. Os resultados computacionais indicam a obtenção de respostas mais precisas e exatas para os modelos nebulosos do que para o modelo QCANE, tido como o modelo mais preciso da literatura para estimação de acumulação de biomassa e de açúcar na cana-de-açúcar, em todos os aspectos desejados para este trabalho / Abstract: The aim of this master thesis is to identify and adjust a fuzzy model for the one step ahead prediction of the process of biomass and sugar accumulation of the sugarcane with a level of errors inferior to those gotten by the QCANE model. The physiological processes of accumulation in sugar cane are studied for determination of the most influent factors to be dealt within the procedure of model identification. Some available identification techniques are studied and computer experiments are done to select and evaluate the mathematical representation and the structure of a more suitable model. During the process of identification, the search is for a model with a smaller number of parameters, that allows the user to understand in a simple, clear way, the result of the simulation of the model. To these processes results for continuous, ARX and discrete fuzzy models are presented. The option for the use of the fuzzy model for these processes is due to confirmation of the expectation that this mathematical structure could have a better performance in the prediction using a reduced amount of parameters. The computer results indicate the obtention of more accurate and precise answers to the fuzzy models than to the QCANE model considered the most precise model from the literature in biomass and sugar accumulation of the sugar cane estimation according to all the aspects set for this work / Mestrado / Automação / Mestre em Engenharia Elétrica