Due to increasingly difficult threats, current air defense missile systems are pushed to the limits of their performance capabilities. In order to defend against these more stressing threats, interceptor missiles require greater maneuverability, faster response time, and increased robustness to more severe environmental conditions. One of the most critical missile system elements is the flight control system, since its time constant is typically half of the total missile system time constant. Conventional autopilot design techniques have worked well in the past, but in order to satisfy future and more stringent design specifications, new design methods are necessary. Robust control techniques (in particular, H-Infinity Control and Mu-Synthesis) and their application to the design of missile autopilots are addressed in this thesis. In addition, conventional autopilot designs are performed as comparative benchmarks. This paper reviews the missile autopilot design problem and presents descriptions of the classical and H-Infinity/Mu design methods. Missile autopilot designs considering both rigid-body dynamics and elastic-body dynamics are presented. Comparisons of the design approaches and results are also discussed. The results show that the application of robust control techniques to the design of missile autopilots can improve the performance and stability robustness characteristics of the flight control system. / Master of Science

A real-time computer algorithm to control and optimize aircraft flight profiles is described and applied to a three-dimensional minimum-time intercept mission. The proposed scheme has roots in two well-known techniques: singular perturbations and neighboring-optimal guidance. Use of singular-perturbation ideas is made in terms of the assumed trajectory-family structure. A heading/energy family of prestored point-mass-model state-Euler solutions is used as the baseline in this scheme. The next step is to generate a near-optimal guidance law that will transfer the aircraft to the vicinity of this reference family. The control commands fed to the autopilot consist of the reference controls plus correction terms which are linear combinations of the altitude and path-angle deviations from reference values, weighted by a set of precalculated gains. In this respect the proposed scheme resembles neighboring-optimal guidance. However, in contrast to the neighboring-optimal guidance scheme, the reference control and state variables as well as the feedback gains are stored as functions of energy and heading in the present approach. A detailed description of the feedback laws and of some of the mathematical tools used to construct the controller is presented. The construction of the feedback laws requires a substantial preflight computational effort, but the computation times for on-board execution of the feedback laws are very modest. Other issues relating to practical implementation are addressed as well. Numerical examples, comparing open-loop optimal and approximate feedback solutions for a sample high-performance fighter, illustrate the attractiveness of the guidance scheme. Optimal three-dimensional flight in the presence of a terrain limit is studied in some detail. / Ph. D. / incomplete_metadata

Proper Orthogonal Decomposition (POD), combined with the Method of Snapshots and Galerkin projection, is a popular method for the model order reduction of nonlinear PDEs. The POD requires the left singular vectors from the singular value decomposition (SVD) of an n-by-m "snapshot matrix" S, each column of which represents the computed state of the system at a given time. However, the direct computation of this decomposition can be computationally expensive, particularly for snapshot matrices that are too large to fit in memory. Hierarchical Approximate POD (HAPOD) (Himpe 2016) is a recent method for the approximate truncated SVD that requires only a single pass over S, is easily parallelizable, and can be computationally cheaper than direct SVD, all while guaranteeing the requested accuracy for the resulting basis. This method processes the columns of S in blocks based on a predefined rooted tree of processors, concatenating the outputs from each stage to form the inputs for the next. However, depending on the selected parameter values and the properties of S, the performance of HAPOD may be no better than that of direct SVD. In this work, we numerically explore the parameter values and snapshot matrix properties for which HAPOD is computationally advantageous over the full SVD and compare its performance to that of a parallelized incremental SVD method (Brand 2002, Brand 2003, and Arrighi2015). In particular, in addition to the two major processor tree structures detailed in the initial publication of HAPOD (Himpe2016), we explore the viability of a new structure designed with an MPI implementation in mind. / Master of Science / Singular Value Decomposition (SVD) provides a way to represent numeric data that breaks the data up into its most important components, as well as measuring how significant each part is. This decomposition is widely used to assist in finding patterns in data and making decisions accordingly, or to obtain simple, yet accurate, representations of complex physical processes. Examples of useful data to decompose include the velocity of water flowing past an obstacle in a river, a large collection of images, or user ratings for a large number of movies. However, computing the SVD directly can be computationally expensive, and usually requires repeated access to the entire dataset. As these data sets can be very large, up to hundreds of gigabytes or even several terabytes, storing all of the data in memory at once may be infeasible. Thus, repeated access to the entire dataset requires that the files be read repeatedly from the hard disk, which can make the required computations exceptionally slow. Fortunately, for many applications, only the most important parts of the data are needed, and the rest can be discarded. As a result, several methods have surfaced that can pick out the most important parts of the data while accessing the original data only once, piece by piece, and can be much faster than computing the SVD directly. In addition, the recent bottleneck in individual computer processor speeds has motivated a need for methods that can efficiently run on a large number of processors in parallel. Hierarchical Approximate POD (HAPOD) [1] is a recently-developed method that can efficiently pick out the most important parts of the data while only accessing the original data once, and which is very easy to run in parallel. However, depending on a user-defined algorithm parameter (weight), HAPOD may return more information than is needed to satisfy the requested accuracy, which determines how much data can be discarded. It turns out that the input weights that result in less extra data also result in slower computations and the eventual need for more data to be stored in memory at once. This thesis explores how to choose this input weight to best balance the amount of extra information used with the speed of the method, and also explores how the properties of the data, such as the size of the data or the distribution of levels of significance of each part, impact the effectiveness of HAPOD.

State observers for nonlinear systems are often designed for a canonical form of this system. However, this form may possess singular points, where the vector field is not defined or a Lipschitz condition is not fulfilled. This unpleasant behavior can possibly be avoided using an embedding into a higher dimensional space. A construction of such an embedding and the corresponding inverse map is discussed for polynomial systems using methods from algebraic geometry.

[pt] Em função da predominância das fontes hidráulicas no sistema elétrico brasileiro, há uma grande incerteza na oferta futura de energia. Para lidar com a incerteza hidrológica, a política ótima de operação do sistema elétrico brasileiro é fruto de um sofisticado modelo de otimização estocástica no qual são considerados um amplo conjunto de séries sintéticas (cenários) de Energia Natural Afluente (ENA). Tradicionalmente, as séries sintéticas de ENA têm sido geradas por modelos periódicos autorregressivos PAR(p). Recentemente, o advento da energia eólica e o crescimento da sua participação no sistema elétrico brasileiro apontam para a necessidade de métodos capazes de gerar séries sintéticas de velocidade do vento. Assim, nesta tese propõe-se uma metodologia para geração de séries sintéticas baseada no uso combinado da modelagem PAR(p) e da análise espectral singular. A metodologia proposta é geral e pode ser usada na geração de séries sintéticas da ENA e da velocidade de vento. A análise espectral singular ou Singular Spectrum Analysis (SSA) é uma metodologia recente em séries temporais. Através de SSA pode-se extrair tendências ou sazonalidades bem como suavizar a série através da remoção de componentes ruidosas. SSA vem sendo aplicado com sucesso em diversas áreas do conhecimento como em Hidrologia e Economia. A Multi-channel Singular Spectrum Analysis (MSSA) é uma extensão natural do SSA quando aplicada a múltiplas séries simultaneamente. A metodologia proposta foi aplicada às séries de ENA dos quatro subsistemas elétricos (Nordeste, Norte, Sudeste/Centro-Oeste e Sul) e comparada ao modelo PAR(p) já existente. Adicionalmente, a metodologia proposta foi aplicada na geração de séries sintéticas de velocidade do vento em duas localidades situadas no Nordeste brasileiro. Os bons resultados alcançados indicam que a metodologia proposta pode ser utilizada na geração de séries sintéticas de ENA e de energia eólica consideradas nos modelos de otimização estocástica que auxiliam o planejamento da operação energética do sistema elétrico brasileiro. / [en] Due to the predominance of hydraulic sources in the Brazilian electrical system, there is a large uncertainty in future energy supply. To deal with hydrologic uncertainty, the optimal operation policy of the Brazilian electric system is the result of a sophisticated stochastic optimization where are considered a large set of synthetic series (scenarios) of Affluent Natural Energy (ENA). Traditionally, synthetic ENA series have been generated by periodic autoregressive models PAR (p). Recently, the advent of wind energy and its growth of participation in Brazilian electrical system indicate to the need for methods to generate synthetic series of wind speed. Thus, this thesis proposes a methodology for generating synthetic series based on the combined use of PAR (p) models and the Singular Spectrum Analysis (SSA). The proposed methodology is general and can be used to generate synthetic series of ENA and wind speed. SSA is a recent methodology in time series. Through SSA it can extract trends or seasonality and smoothing by removing the series of noisy components. SSA has been successfully applied in various fields of knowledge as in Hydrology and Economics. Multi-channel Singular Spectrum Analysis (MSSA) is a natural extension of the SSA when applied to multiple series simultaneously. The proposed methodology was applied to the ENA series of four electric subsystems (Northeast, North, Southeast / Midwest and South) and compared to the PAR (p) existing model. Additionally, the proposed methodology was applied to the generation of synthetic series of wind speed at two sites located in the Brazilian Northeast. The good results achieved demonstrate that the proposed methodology can be used to generate synthetic series of ENA and wind energy considered in stochastic optimization models that assist planning the operation of the Brazilian electric energy system.

Redes Bayesianas Dinâmicas (DBNs) são modelos capazes de representar um sistema dinâmico por meio de uma rede complexa que codifica as independências estatísticas condicionais entre os seus estados internos. Entre seus métodos de aprendizagem estrutural a partir de dados, o uso daqueles baseados em teoria de informação têm ganhado bastante espaço nos últimos anos, devido às suas vantages de serem livres de modelo e permitirem uma aprendizagem offline a partir de medidas em múltiplas repetições do experimento. No entanto, resta uma exploração dos paralelos entre a área de aprendizagem de DBNs e aquela interessada em realizar medidas de transferência de informação entre elementos de um sistema neural, principalmente por meio de transferência de entropia (TE). O presente trabalho busca, assim, aproximar estes dois focos de pesquisa, identificando suas equivalências e tratando de alguns dos desafios relacionados à sua implementação em identificação de sistemas neurais. Nota-se que uma das maiores dificuldades relacionadas ao uso de teoria de informação em sistemas multivariados concerne a alta dimensionalidade das funções de distribuição de probabilidade, exigindo grandes quantidades de dados observados simultaneamente. Não obstante, a aplicação de DBNs e transferência de entropia em sistemas de tempo contínuo também envolve considerações sobre a discretização dos sistemas no tempo, o que implica na necessidade de relaxamento da suposição da propriedade de Markov de primeira ordem (presente na definição de DBNs), e leva, assim, à proposta de redes Bayesianas dinâmicas de altas ordens (HO-DBNs). Além de realizar uma revisão das principais propostas para a solução destas dificuldades, o trabalho primeiramente propõe que, sob a suposição de um sistema com elementos se comportando de forma igual, os valores das medidas baseadas em teoria de informação com baixa dimensionalidade podem ser utilizados para a aprendizagem de estruturas de rede. Isso é mostrado a partir do uso de informação mútua par a par para a aprendizagem de redes Bayesianas simuladas com distribuições de probabilidade condicional fixas. No que concerne o uso de HO-DBNs, também se propõe um algoritmo baseado em otimização por enxame de partículas (PSO) para percorrer o espaço de busca de estruturas de HO-DBNs de forma mais eficiente. Em seguida, duas aplicações de modelagem de DBNs com uso de teoria de informação são exploradas na área de sistemas neurais, tendo em vista a obtenção de conhecimento acerca de conectividade funcional e até uma aplicação futura em engenharia bioinspirada. Os desafios apresentados anteriormente são, assim, exemplificados, junto com algumas propostas de solução. A primeira área diz respeito à elicitação de conectividade funcional entre as sub-áreas do hipocampo, no cérebro humano, a partir de dados de ressonância magnética funcional (fMRI) de alta resolução. A partir de uma análise seed-to-voxel em grupo, regiões de interesse (ROIs) são identificadas e um modelo inicial de DBN é proposto, que é coerente com alguns estudos já feitos na literatura. A segunda área de aplicação concerne a conectividade neural do sistema neuromotor do gafanhoto, a partir de gravações intracelulares de potencial sináptico em neurônios sensores, motores e interneurônios, sob estimulação com um fórceps no órgão femoral cordotonal (FeCO). Embora um modelo completo de DBN ainda não seja possível devido à ausência de gravações simultâneas suficientes, os atrasos de transferência de entropia entre o estímulo e a resposta nos neurônios motores são obtidos e integrados a partir de uma análise Bayesiana, dado também um pré-processamento com análise de espectro singular (SSA) que, ao remover a não-estacionariedade do sinal (que se deve a fatores extrínsecos ao sistema), aumentou consideravelmente a quantidade de amostras disponíveis. Tais resultados, ao ajudar a reduzir o espaço de busca de DBNs, também servem para direcionar futuros experimentos e pesquisas na área. / Dynamic Bayesian Networks (DBNs) are models capable of representing a dynamical system by means of a complex network which codifies statistical conditional independencies between their internal states. Among their strucutural learning methods based on data, the use of ones based on information theory are gaining ground in recent years, due to their advantages of being model-free and permitting offline learning from multiple repetitions of an experiment. However, there still remains an exploration of the parallels between the areas of DBN structure learning and those interested in obtaining measures of information transfer between elements of neural systems, mainly through transfer entropy (TE). Thus, the current work seeks to approximate these two foci of research by identifying some of their equivalences and challenges related to their usage in neural systems identification. It is noted that one of the main difficulties related to the use of information theory in multivariate neural systems concerns the high dimensionality of the probability distribution functions, requiring thus great quantities of data observed simultaneously. Furthermore, the application of DBNs and transfer entropy on continuous time systems also involves considerations about their discretization on time, which implies the necessity of relaxing the first order Markov property (instrinsinc to the definition of DBNs), and thus leads to the proposal of high-order dynamic Bayesian networks (HO-DBNs). Besides performing a review on the main proposals for solving these difficulties, this work first proposes that, under the supposition of a system with elements behaving in a similar way, the values of information theory based measures with low dimensions can be employed for learning network structures. This is shown with the use of pairwise mutual information for learning simulated Bayesian networks with fixed conditional probability distributions. And concerning the use of HO-DBNs, an algorithm based on PSO is proposed in order to pass through their search space more efficiently. Next, two applications of DBN modeling with information theory are explored in the field of neural systems, in view of obtaining knowledge about functional connectivity and even of a future application of bioinspired engineering. The challenged presented earlier are then exemplified along with some proposals of solutions. The first field regards the elicitation of functional connectivity between hippocampal subfields on the human brain based of high resolution fMRI data. Starting from a seed-to-voxel group analysis, regions of interest (ROIs) are identified and an initial DBN model is proposed, which is coherent with some studies already conducted in the literature. The second field of application concerns the neural connectivity between the neuromotor system of the locust, based on intracellular synaptic potential recordings on sensory neurons, interneurons and motor neurons under stimulation by a forceps in the femoral chordotonal organ (FeCO). Although a complete DBN model is still not possible due to the absence of sufficient and simultaneous recordings, the transfer entropy delays between stimulus and responses on the motor neuros are obtained and integrated by a Bayesian analysis, given also a pre-processing based on Singular Spectrum Analysis (SSA) which, by removing the nonstationarity characteristics of the signal (which are due to extrinsic factors on the system), considerably increased the number of available samples for learning. Such results, by helping to reduce the search space of DBNs, also direct further experiments and studies on this field.

As equações do modelo bidimensional de veículos autônomos subaquáticos fornecem um exemplo de sistema de controle não linear com o qual podemos ilustrar propriedades da teoria de controle ótimo. Apresentamos, sistematicamente, como os conceitos de formalismo hamiltoniano e teoria de Lie aparecem de forma natural neste contexto. Para tanto, estudamos brevemente o Princípio do Máximo de Pontryagin e discutimos características de sistemas afins. Tratamos com cuidado do Fenômeno Fuller, fornecendo critérios para decidir quando ele está ou não presente em junções, utilizando para isso uma linguagem algébrica. Apresentamos uma abordagem numérica para tratar problemas de controle ótimo e finalizamos com a aplicação dos resultados ao modelo bidimensional de veículo autônomo subaquático. / The equations of the two-dimensional model for autonomous underwater vehicles provide an example of a nonlinear control system which illustrates properties of optimal control theory. We present, systematically, how the concepts of the Hamiltonian formalism and the Lie theory naturally appear in this context. For this purpose, we briefly study the Pontryagin\'s Maximum Principle and discuss features of affine systems. We treat carefully the Fuller Phenomenon, providing criteria to detect its presence at junctions with an algebraic notation. We present a numerical approach to treat optimal control problems and we conclude with an application of the results in the bidimesional model of autonomous underwater vehicle.

Made available in DSpace on 2016-04-27T18:47:24Z (GMT). No. of bitstreams: 1 Patricia Gimenes Branco.pdf: 2463016 bytes, checksum: d3ca20aa76336b1d870b8e9b333aab63 (MD5) Previous issue date: 2007-09-28 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The global society is undergoing deep changes in its social, economic, political and cultural structure. In this context, the quest for the understanding of the reality of the world and, in particular, the building of sense for life and existence, has been many times undertaken by the human beings. The contemporaneity with an increasingly complex time has defying many individuals to work for the construction and perfecting of their own manhood, that occurs throughout the life cycle. The humanization of the being, in all phases of life, assumes the education experience as a singular development process, wherein each individual must be fully served in his specificities, recognized in his abilities, understood in his difficulties, so that his rights are respected and valued. An expressive number of elder people have been received, in the last years, by several higher education institutions in Brazil. In the city of São Paulo, in particular, there are a large number of institutions that develop social-educational programs intended to that public, in order to assure the possibility of learning along life and experiencing inter-generation relationships at the old age. This qualitative approach research aimed at understanding the meanings of the singular experience of aging of ten older women that attend to an educational program developed by a private higher education institution in the city of São Paulo, considering the reasons for their entrance, their expectations as to the proposals and dynamics of the program, type of participation and the perception of the interviewed participants on the living with the colleagues and the most significant lessons learned along this process. Through the analysis of the data collected in individual interviews, we could find that aging is a dynamic, singular, complex and heterogeneous process that does not involve only difficulties and painful losses, but also important acquisitions that help older women to re-code their own perception that they have built about old age and the aging process. The learning of recognizing their vulnerabilities and limitations, resulting from the decline caused by the aging process, the development of their self-esteem and the valuation of dignity, resulting from the experiences of this permanent education program and the construction of friendship bonds were, undoubtedly, the best conquests for these women. Considering that aging is a singular process, the development is continuous, permitting new learning and opportunities for change / A sociedade global vive profundas transformações em sua estrutura social, econômica, política e cultural. Neste contexto, a busca da compreensão sobre a realidade mundial e, principalmente, a construção de sentidos para a vida e existência, tem sido muitas vezes empreendida pelo humano. A contemporaneidade como um tempo de complexidade crescente, vem desafiando muitos indivíduos a trabalharem pela construção e aperfeiçoamento de sua própria humanidade, que ocorre por todo o ciclo de vida. A humanização do ser, em todas as fases da vida, supõe a vivência da educação como um processo de desenvolvimento singular, onde cada indivíduo deve ser plenamente atendido em suas especificidades, reconhecido em suas habilidades, compreendido em suas dificuldades, de modo que seus direitos sejam respeitos e valorizados. Um expressivo contingente de pessoas idosas vem sendo acolhido nos últimos anos por diversas instituições de educação superior no Brasil. Na cidade de São Paulo, em especial, há um grande número de instituições que desenvolvem programas sócio-educacionais destinados a este público, a fim de garantir a possibilidade de aprendizagem ao longo da vida e da vivência de relacionamentos intergeracionais na velhice. Esta pesquisa, de abordagem qualitativa, objetivou compreender os significados da experiência singular do envelhecimento de dez mulheres idosas que freqüentam um programa de educação desenvolvido por uma instituição de educação superior privada da cidade de São Paulo, considerando as razões do seu ingresso, suas expectativas em relação às propostas e dinâmicas do programa, tipo de participação e as percepções das entrevistadas sobre a convivência com as colegas e as aprendizagens mais significativas construídas ao longo desse processo. Através da análise dos dados coletados em entrevistas individuais, pudemos constatar que o envelhecimento é um processo dinâmico, singular, complexo e heterogêneo, que não envolve apenas dificuldades e perdas dolorosas, mas também aquisições importantes que auxiliam as mulheres idosas a recodificarem a própria percepção que construíram sobre a velhice e o processo de envelhecimento. O aprendizado do reconhecimento das suas vulnerabilidades e limitações, resultantes do declínio causado pelo processo de senescência, o desenvolvimento da sua auto-estima e da valorização da dignidade, resultantes das vivências nesse programa de educação permanente e a construção de vínculos de amizade foram, sem dúvida, as maiores conquistas para essas mulheres. Considerando que o envelhecimento se constitui em processo singular, o desenvolvimento é contínuo, possibilitando novas aprendizagens e oportunidades de mudanças

As equações do modelo bidimensional de veículos autônomos subaquáticos fornecem um exemplo de sistema de controle não linear com o qual podemos ilustrar propriedades da teoria de controle ótimo. Apresentamos, sistematicamente, como os conceitos de formalismo hamiltoniano e teoria de Lie aparecem de forma natural neste contexto. Para tanto, estudamos brevemente o Princípio do Máximo de Pontryagin e discutimos características de sistemas afins. Tratamos com cuidado do Fenômeno Fuller, fornecendo critérios para decidir quando ele está ou não presente em junções, utilizando para isso uma linguagem algébrica. Apresentamos uma abordagem numérica para tratar problemas de controle ótimo e finalizamos com a aplicação dos resultados ao modelo bidimensional de veículo autônomo subaquático. / The equations of the two-dimensional model for autonomous underwater vehicles provide an example of a nonlinear control system which illustrates properties of optimal control theory. We present, systematically, how the concepts of the Hamiltonian formalism and the Lie theory naturally appear in this context. For this purpose, we briefly study the Pontryagin\'s Maximum Principle and discuss features of affine systems. We treat carefully the Fuller Phenomenon, providing criteria to detect its presence at junctions with an algebraic notation. We present a numerical approach to treat optimal control problems and we conclude with an application of the results in the bidimesional model of autonomous underwater vehicle.

O objetivo central desta dissertação é apresentar as folheações infinitesimalmente polares, fornecendo uma demonstração para o teorema que as caracteriza. Seguimos a abordagem original encontrada em Lytchak e Thorbergsson [25], de 2010. Diretamente da definição e do teorema principal obtem-se dois exemplos: folheações polares e folheações riemannianas singulares de codimensão 1 ou 2. Dedicamos especial atenção a um terceiro exemplo: folheações sem pontos horizontalmente conjugados. A demonstração deste resultado utiliza resultados obtidos anteriormente pelos mesmos autores em 2007, Lytchak e Thorbergsson [24]. Abordamos também, brevemente, as implicações do teorema caracterizador (que é um resultado local) sobre o quociente global de uma folheação infinitesimalmente polar. Variedades com folheações infinitesimalmente polares podem ser encaradas como um objeto que apresenta aspectos clássicos do teorema do toro maximal para grupos de Lie compactos, em um contexto mais amplo. / The present work aims at introducing infinitesimally polar foliations -- as defined by Lytchak and Thorbergsson [25] -- providing a proof for the classification theorem. Polar foliations and low codimension singular Riemannian foliations are two immediate examples. A third example is given by foliations without horizontally conjugate points. The proof of this assertion relies on previous results established by the same authors in Lytchak and Thorbergsson [24]. The classification theorem for infinitesimally polar foliations is a local result; we also derive from it some global consequences on the quotient space of such foliations. Infinitesimally polar foliations may be regarded as a generalised setting where one can find characteristic features from the maximal torus theorem for compact Lie groups.