Submitted by Geandra Rodrigues (geandrar@gmail.com) on 2018-01-11T17:29:03Z No. of bitstreams: 1 exuperrybarroscosta.pdf: 14654639 bytes, checksum: f25579d82da6242e77a04745322538ad (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2018-01-23T13:44:17Z (GMT) No. of bitstreams: 1 exuperrybarroscosta.pdf: 14654639 bytes, checksum: f25579d82da6242e77a04745322538ad (MD5) / Made available in DSpace on 2018-01-23T13:44:17Z (GMT). No. of bitstreams: 1 exuperrybarroscosta.pdf: 14654639 bytes, checksum: f25579d82da6242e77a04745322538ad (MD5) Previous issue date: 2017-09-15 / O presente trabalho propõe uma nova metodologia de Geração de Sinal Sub-Ótimo de Excitação e Estimação Ótima de Parâmetros de sistemas não lineares. É proposto que a avaliação de cada sinal deva considerar, entre outros fatores, a diferença entre os parâmetros reais da planta e os obtidos pela estimação. Entretanto esta métrica não é trivial de ser obtida uma vez que os valores reais são desconhecidos. Para tanto é adotada a hipótese de que, se um sistema real puder ser razoavelmente aproximado por uma caixa branca, é possível utilizar este modelo como referência para indicar o impacto de um sinal sobre a estimação paramétrica. Desta forma, é utilizada uma metodologia de otimização dividida em dois níveis: (i) Nível Interno; para um dado sinal de excitação um método de otimização não linear busca o conjunto ótimo de parâmetros que minimiza o erro entre os sinais de saída do modelos original e do de referência. (ii) No nível externo um método de otimização baseado em meta-heurística é responsável por encontrar o melhor sinal de excitação com base na função custo composta de uma soma ponderada de métricas que consideram o erro entre os sinais de saída do modelo otimizado e do de referência, a diferença quadrática entre seus parâmetros, e o custo em relação ao tempo e espaço necessários para executar o experimento. Portanto, a aplicação da metodologia proposta vem suprir a necessidade de estimar sistemas não lineares apropriadamente, encontrando um conjunto de parâmetros capaz de generalizar o comportamento do sistema real, através de um sinal de excitação que cumpra requisitos práticos do processo. A eficácia da metodologia proposta é analisada em detalhes através de resultados obtidos utilizando sistemas de fluídos, sistemas caóticos e de robótica móvel, tanto sobre rodas quanto subaquática. / The present work proposes a novel methodology for Sub-Optimal Excitation Signal Generation and Optimal Parameter Estimation of nonlinear systems. It is proposed that the evaluation of each signal must to take into account, among other factors, the difference between real system parameters and the obtained by estimation. However, this metric is not trivially obtained once the real parameters values are unknown. To do so it is adopted the hypothesis that, if the system can be fairly approximate by a white box model, it is possible to use this model as a benchmark to indicate the impact of a signal on a parametric estimation. In this way, the method uses an optimization methodology divided into two levels: (i) Inner Level; For a given excitation signal a nonlinear optimization method searches for the optimal set of parameters that minimizes the error between the output signals of the original and the benchmark models. (ii) At the outer level, an optimization method based on metaheuristics is responsible for finding the best excitation signal, based on the cost function composed of a weighted sum of metrics, that considers the error between the output signals of the optimized model and the benchmark, the quadratic difference between its parameters, and the cost in relation to the time and space required to execute the experiment. Thus, the application of the proposed methodology comes to supply the need to estimate nonlinear systems appropriately, finding a set of parameters capable of generalizing the behavior of the real system, through an excitation signal that fulfills practical requirements of the process. The proposed methodology is analyzed in detail through results obtained using fluid systems, chaotic systems and mobile robotics, both wheeled and underwater.