Orientador : Luis Gimeno Latre / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica / Made available in DSpace on 2018-07-14T03:02:58Z (GMT). No. of bitstreams: 1 Amaral_WagnerCaradorido_D.pdf: 5239443 bytes, checksum: 2e4407b7d2881740be7b02c563588a28 (MD5) Previous issue date: 1980 / Resumo: Neste trabalho são analisados algoritmos de identificação para sistemas com múltiplas entradas e múltiplas saídas (MIMO).É feita uma generalização dos métodos da matriz estendida e dos mínimos quadrados generalizados para sistemas MIMO, considerando-se um modelo autoregressivo e média-móvel (ARMA) para o ruído. Utilizando a estrutura ARMA para o ruído obtem-se também o estimador dos mínimos quadrados linearizado para sistemas MIMO. Este estimador, para o caso média-móvel, corresponde a uma generalização do método de máxima verossimilhança apresentado por Soderstrom para sistemas monovariáveis. Em todos estes algoritmos são estudadas as condições necessárias para se obter, através de uma partição no problema de estimação, estimadores com tempo de cálculo reduzido. A partir do estimador da Matriz Estendida obtem-se um novo estimador que calcula separadamente os parâmetros do processo e do ruído, com uma redução substancial no tempo de cálculo. Finalmente, ilustram-se os resultados obtidos através de exemplos numéricos simulados e de uma aplicação prática para a previsão da altura de aço, no molde de uma máquina de lingotamento contínuo / Doutorado / Doutor em Engenharia Elétrica

Orientador: Manuel de Jesus Mendes / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia de Campinas / Made available in DSpace on 2018-07-14T03:02:47Z (GMT). No. of bitstreams: 1 Amaral_WagnerCaradorido_M.pdf: 2164157 bytes, checksum: eaccaccd83d260641e08091e4a2fd992 (MD5) Previous issue date: 1976 / Resumo: Neste trabalho são analisados algoritmos de identificação para. sistemas lineares, nos parâmetros. É feita uma generalização do método dos mínimos quadrados, para os casos em que a pertubação é uma sequência de variáveis aleatórias correlatas, a fim de se obterem estimadores não polarizados. São discutidos tres diferentes tipos de modelamento do ruído e uma versão recursiva dos algorítmos de identificação, para aplicações "on-line". Além disso é apresentado um método que torna possível o estudo analítico da convergência dos algorítmos estocásticos. Finalmente, os algorítmos deduzidos são utilizados para a estimação de parâmetros de diversos processos, simulados em computador / Abstract: Not informed. / Mestrado / Mestre em Engenharia Elétrica

Dissertação (mestrado) - Pontifícia Universidade Católica do Paraná, Curitiba, 2006 / Inclui bibliografia / Este trabalho aborda o problema de análise e desenvolvimento de algoritmos para controle de sistemas de climatização que possuem apenas um atuador, como é o caso comumente encontrado em indústrias e residências. A base dos algoritmos é a estratégia de con

Orientador: Gilmar Barreto / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-12T10:12:12Z (GMT). No. of bitstreams: 1 GiraldoClavijo_David_M.pdf: 8609535 bytes, checksum: 3757243978613825c57c07d4e9b3cae4 (MD5) Previous issue date: 2008 / Resumo: Este estudo apresenta os fundamentos teóricos para modelagem de dados multivariáveis no espaço de estado através de Métodos de Subespaços para Identificação de sistemas lineares invariantes no tempo, discretos no tempo. O trabalho contém alguns conceitos básicos de sistemas dinâmicos, um pouco da história e os elementos de identificação de sistemas, modelos no espaço de estado e modelos estendidos no espaço de estado. Dois Métodos de Subespaços são analisados e tratados, o Multivariable Output-Error State-sPace (MOESP) e o Numerical algorithm for Subspace State-Space System IDentification (N4SID). Modificações nos seus algoritmos são propostas e implementadas. Experimentos com benchmarks são realizados para exemplificar o procedimento de identificação por subespaços e para avaliar os algoritmos modificados. / Abstract: This study presents the theoretical foundations of multivariable data modeling in state space by Subspace Methods for Systems Identification of linear time invariant, discrete time, systems. The work contains some basic concepts of dynamic systems, a little of history and the elements of systems identification, state space models and extended state space models. Two Subspace Methods are analyzed and applied, Multivariable Output-Error State-sPace (MOESP)and Numerical algorithm for Subspace State-Space System IDentification (N4SID). Some modifications then are proposed and implemented. Experiments with benchmarks are realized to show the procedure of Identification by subspace and to evaluate the modified algorithms. / Mestrado / Automação / Mestre em Engenharia Elétrica

Orientador: Celso Pascoli Bottura / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-04T18:33:31Z (GMT). No. of bitstreams: 1 DelRealTamariz_Annabell_D.pdf: 5783881 bytes, checksum: 21a1a2e27552398a982a934513988a24 (MD5) Previous issue date: 2005 / Resumo: Este estudo apresenta contribuições para modelagem computacional de dados multivariáveis no espaço de estado, tanto com sistemas lineares invariantes como com variantes no tempo. Propomos para modelagem determinística-estocástica de dados ruidosos, o Algoritmo MOESP_AOKI. Propomos, utilizando Redes Neurais Recorrentes multicamadas, algoritmos para resolver a Equação Algébrica de Riccati Discreta bem como a Inequação Algébrica de Riccati Discreta, via Desigualdades Matriciais Lineares. Propomos um esquema de controle adaptativo com Escalonamento de Ganhos, baseado em Redes Neurais, para sistemas multivariáveis discretos variantes no tempo, identificados pelo algoritmo MOESP_VAR, também proposto nesta tese. Em síntese, uma estrutura de controle inteligente para sistemas discretos multivariáveis variantes no tempo, através de uma abordagem que pode ser chamada ILPV (Intelligent Linear Parameter Varying), é proposta e implementada. Um controlador LPV Inteligente, para dados computacionalmente modelados pelo algoritmo MOESP_VAR, é concretizado, implementado e testado com bons resultados / Abstract: This study presents contributions for state space multivariable computational data modelling with discrete time invariant as well as with time varying linear systems. A proposal for Deterministic-Estocastica Modelling of noisy data, MOESP_AOKI Algorithm, is made. We present proposals forsolving the Discrete-Time Algebraic Riccati Equation as well as the associate Linear Matrix Inequalityusing a multilayer Recurrent Neural Network approaches. An Intelligent Linear Parameter Varying(ILPV) control approach for multivariable discrete Linear Time Varying (LTV) systems identified bythe MOESP_VAR algorithm, are both proposed. A gain scheduling adaptive control scheme based on neural networks is designed to tune on-line the optimal controllers. In synthesis, an Intelligent Linear Parameter Varying (ILPV) Control approach for multivariable discrete Linear Time Varying Systems (LTV), identified by the algorithm MOESP_VAR, is proposed. This way an Intelligent LPV Control for multivariable data computationally modeled via the MOESP_VAR algorithm is structured, implemented and tested with good results / Doutorado / Automação / Doutor em Engenharia Elétrica