Made available in DSpace on 2014-12-17T14:56:05Z (GMT). No. of bitstreams: 1 PatriciaNG.pdf: 767778 bytes, checksum: 287c497d20e307221386eeee17df3f9d (MD5) Previous issue date: 2005-02-03 / This work presents a modelling and identification method for a wheeled mobile robot, including the actuator dynamics. Instead of the classic modelling approach, where the robot position coordinates (x,y) are utilized as state variables (resulting in a non linear model), the proposed discrete model is based on the travelled distance increment Delta_l. Thus, the resulting model is linear and time invariant and it can be identified through classical methods such as Recursive Least Mean Squares. This approach has a problem: Delta_l can not be directly measured. In this paper, this problem is solved using an estimate of Delta_l based on a second order polynomial approximation. Experimental data were colected and the proposed method was used to identify the model of a real robot / Esta disserta??o apresenta uma metodologia de modelagem e identifica??o para um rob? m?vel dotado de rodas. O modelo din?mico discreto proposto leva em considera??o a din?mica dos atuadores. Ao contr?rio da abordagem cl?ssica, onde as coordenadas de posi??o do rob? (x, y) s?o usadas como vari?veis de estado (o que resulta em um modelo n?o linear), o modelo discreto proposto utiliza o incremento na dist?ncia percorrida pelo rob? Delta_l. Com isto, o modelo resultante ? linear e invariante no tempo, podendo ser identificado utilizando qualquer m?todo cl?ssico, como por exemplo os m?nimos quadrados recursivos. Um problema desta abordagem ? que a vari?vel Delta_l n?o ? diretamente mensur?vel. Nesta proposta, este problema ? contornado usando uma estimativa de Delta_l calculada assumindo que o caminho percorrido durante um per?odo de amostragem pode ser aproximado por uma curva de segundo grau. O m?todo proposto ? validado atrav?s de resultados de simula??o computacional e experi?ncias pr?ticas

Made available in DSpace on 2014-12-17T14:55:56Z (GMT). No. of bitstreams: 1 EllonPM_DISSERT.pdf: 1231242 bytes, checksum: 49456bef5c0d0bfdc5bf49d689568b60 (MD5) Previous issue date: 2012-01-27 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / Several mobile robots show non-linear behavior, mainly due friction phenomena between the mechanical parts of the robot or between the robot and the ground. Linear models are efficient in some cases, but it is necessary take the robot non-linearity in consideration when precise displacement and positioning are desired. In this work a parametric model identification procedure for a mobile robot with differential drive that considers the dead-zone in the robot actuators is proposed. The method consists in dividing the system into Hammerstein systems and then uses the key-term separation principle to present the input-output relations which shows the parameters from both linear and non-linear blocks. The parameters are then simultaneously estimated through a recursive least squares algorithm. The results shows that is possible to identify the dead-zone thresholds together with the linear parameters / V?rios rob?s m?veis apresentam comportamentos n?o-lineares, principalmente ocasionados por fen?menos de atrito entre as partes mec?nicas do rob? ou entre o rob? e o solo. Modelagens puramente lineares apresentam-se eficientes em alguns casos, mas ? preciso levar em considera??o as n?o-linearidades do rob? quando se deseja movimentos ou posicionamentos precisos. Este trabalho prop?e um procedimento de identifica??o param?trica do modelo de um rob? m?vel com acionamento diferencial, no qual s?o consideradas as n?o-linearidades do tipo zona-morta presentes nos atuadores do rob?. A proposta baseia-se no modelo de Hammerstein para dividir o sistema em blocos lineares e n?o-lineares. O princ?pio da separa??o do termo chave ? utilizado para demonstrar a rela??o entre as entradas e sa?das do sistema com os par?metros tanto da parcela linear quanto da n?o-linear. Os par?metros de ambas as parcelas s?o identificados simultaneamente, atrav?s de um algoritmo de m?nimos quadrados recursivo. Os resultados mostram que ? poss?vel identificar o valor os limites da zona-morta assim como os par?metros da parcela linear do modelo do sistema

Made available in DSpace on 2014-12-17T14:56:13Z (GMT). No. of bitstreams: 1 CarlosAAP_DISSERT.pdf: 1150903 bytes, checksum: a90e625336bbabe7e96da74cb85ee7aa (MD5) Previous issue date: 2013-01-31 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / The pattern classification is one of the machine learning subareas that has the most outstanding. Among the various approaches to solve pattern classification problems, the Support Vector Machines (SVM) receive great emphasis, due to its ease of use and good generalization performance. The Least Squares formulation of SVM (LS-SVM) finds the solution by solving a set of linear equations instead of quadratic programming implemented in SVM. The LS-SVMs provide some free parameters that have to be correctly chosen to achieve satisfactory results in a given task. Despite the LS-SVMs having high performance, lots of tools have been developed to improve them, mainly the development of new classifying methods and the employment of ensembles, in other words, a combination of several classifiers. In this work, our proposal is to use an ensemble and a Genetic Algorithm (GA), search algorithm based on the evolution of species, to enhance the LSSVM classification. In the construction of this ensemble, we use a random selection of attributes of the original problem, which it splits the original problem into smaller ones where each classifier will act. So, we apply a genetic algorithm to find effective values of the LS-SVM parameters and also to find a weight vector, measuring the importance of each machine in the final classification. Finally, the final classification is obtained by a linear combination of the decision values of the LS-SVMs with the weight vector. We used several classification problems, taken as benchmarks to evaluate the performance of the algorithm and compared the results with other classifiers / A classifica??o de padr?es ? uma das sub?reas do aprendizado de m?quina que possui maior destaque. Entre as v?rias t?cnicas para resolver problemas de classifica??o de padr?es, as M?quinas de Vetor de Suporte (do ingl?s, Support Vector Machines ou SVM) recebem grande ?nfase, devido a sua facilidade de uso e boa capacidade de generaliza??o. A formula??o por M?nimos Quadrados da SVM (do ingl?s, Least Squares Support Vector Machines ou LS-SVM) encontra um hiperplano de separa??o ?tima atrav?s da solu??o de um sistema de equa??es lineares, evitando assim o uso da programa??o quadr?tica implementada na SVM. As LS-SVMs fornecem alguns par?metros livres que precisam ser corretamente selecionados para alcan?ar resultados satisfat?rios em uma determinada tarefa. Apesar das LS-SVMs possuir elevado desempenho, v?rias ferramentas tem sido desenvolvidas para aprimor?-la, principalmente o desenvolvimento de novos m?todos de classifica??o e a utiliza??o de comit?s de m?quinas, ou seja, a combina??o de v?rios classificadores. Neste trabalho, n?s propomos tanto o uso de um comit? de m?quinas quanto o uso de um Algoritmo Gen?tico (AG), algoritmo de busca baseada na evolu??o das esp?cies, para aprimorar o poder de classifica??o da LS-SVM. Na constru??o desse comit?, utilizamos uma sele??o aleat?ria de atributos do problema original, que divide o problema original em outros menores onde cada classificador do comit? vai atuar. Ent?o, aplicamos o AG para encontrar valores efetivos para os par?metros de cada LS-SVM e tamb?m encontrando um vetor de pesos, medindo a import?ncia de cada m?quina na classifica??o final. Por fim, a classifica??o final ? dada por uma combina??o linear das respostas de cada m?quina ponderadas pelos pesos. Foram utilizados v?rios problemas de classifica??o, tidos como benchmarks, para avaliar o desempenho do algoritmo e comparamos os resultados obtidos com outros classificadores

Made available in DSpace on 2014-12-17T14:56:16Z (GMT). No. of bitstreams: 1 DiegoAF_DISSERT.pdf: 1045785 bytes, checksum: 38dd893df9531c8e71f483fc22aa3802 (MD5) Previous issue date: 2012-12-18 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / This work proposes a new technique for phasor estimation applied in microprocessor numerical relays for distance protection of transmission lines, based on the recursive least squares method and called least squares modified random walking. The phasor estimation methods have compromised their performance, mainly due to the DC exponential decaying component present in fault currents. In order to reduce the influence of the DC component, a Morphological Filter (FM) was added to the method of least squares and previously applied to the process of phasor estimation. The presented method is implemented in MATLABr and its performance is compared to one-cycle Fourier technique and conventional phasor estimation, which was also based on least squares algorithm. The methods based on least squares technique used for comparison with the proposed method were: forgetting factor recursive, covariance resetting and random walking. The techniques performance analysis were carried out by means of signals synthetic and signals provided of simulations on the Alternative Transient Program (ATP). When compared to other phasor estimation methods, the proposed method showed satisfactory results, when it comes to the estimation speed, the steady state oscillation and the overshoot. Then, the presented method performance was analyzed by means of variations in the fault parameters (resistance, distance, angle of incidence and type of fault). Through this study, the results did not showed significant variations in method performance. Besides, the apparent impedance trajectory and estimated distance of the fault were analysed, and the presented method showed better results in comparison to one-cycle Fourier algorithm / Prop?e-se neste trabalho uma nova t?cnica de estima??o fasorial, a ser utilizada em rel?s num?ricos microprocessados digitais para prote??o de dist?ncia de linhas de transmiss?o, baseada no m?todo dos m?nimos quadrados recursivo, denominada m?nimos quadrados em caminhada aleat?ria modificada. Os m?todos de estima??o fasorial t?m seu desempenho comprometido devido, principalmente, ? componente DC de decaimento exponencial presente nas correntes de falta. Para reduzir a influ?ncia da componente DC, agregou-se ao m?todo de m?nimos quadrados um Filtro Morfol?gico (FM) aplicado previamente ao processo de estima??o fasorial. O m?todo apresentado foi implementado em ambiente MATLABr e o seu desempenho comparado aos m?todos convencionais de estima??o fasorial, tamb?m baseados em m?nimos quadrados, e ao algoritmo de Fourier de um ciclo. Os m?todos baseados na t?cnica de m?nimos quadrados utilizados para compara??o com o m?todo proposto foram: recursivo ponderado, com reinicializa??o da covari?ncia e caminhada aleat?ria. As an?lises de desempenho das t?cnicas foram realizadas por meio de sinais sint?ticos e sinais oriundos de simula??es no Alternative Transient Program (ATP). Em compara??o aos demais m?todos de estima??o fasorial, o m?todo proposto apresentou resultados satisfat?rios no que se refere ? velocidade de resposta, oscila??o em regime permanente e percentual de overshoot. Em seguida, o m?todo proposto teve seu desempenho analisado frente ?s varia??es nos par?metros de falta (resist?ncia, dist?ncia, ?ngulo de incid?ncia e tipo de falta). Nesse estudo, constatou-se que o m?todo n?o sofreu varia??es significativas em seus resultados. Al?m disso, analisou-se a trajet?ria da imped?ncia aparente e dist?ncia estimada da falta, ao qual o m?todo proposto apresentou melhores resultados em compara??o ao algoritmo de Fourier de um ciclo