Zugl.: Siegen, Univ., Diss., 2009

A identificação de sistemas é uma etapa de fundamental importância para o entendimento de dinâmicas e o projeto de controladores. Diversas técnicas de identificação de sistemas LTI são consolidadas para uso, mas ainda apresentam lacunas para identificar modelos a partir de dados corrompidos com distúrbios não medidos. Outro aspecto é que características previamente conhecidos do sistema (p.ex., resposta inversa, sobre-elevação, etc.), nem sempre podem ser incorporadas ao modelo para auxiliar na obtenção de um modelo com essas metodologias. Como proposta para suprir essas limitações, é apresentada nesse trabalho, a metodologia Splid, que considera informações previamente conhecidas sobre o sistema e promove a utilização de curvas splines de interpolação para prever o comportamento da resposta de saída de diferentes sistemas LTI a uma perturbação tipo degrau, variando a altura dos nós da spline, variável a ser encontrada pela formação de um problema de otimização. Primeiramente foram realizados testes com sistemas de dinâmica conhecida, explorando graficamente as curvas de saída frente à perturbação tipo degrau unitário, obtidas aplicando-se diferentes tipos de splines, número de nós e dos parâmetros específicos de splines, com o intuito de balizar os parâmetros do algoritmo. Em seguida, a metodologia ajustada foi aplicada para identificar plantas com dinâmica conhecida, para fins de verificação da eficácia do método. Diferentes formulações de função objetivo foram testadas na etapa de identificação e validação dos dados, verificando o efeito da minimização do quadrado da derivada do erro e comparando com a abordagem tradicional, que contempla apenas o erro quadrático. Para consolidar os estudos desenvolvidos nestas etapas, a metodologia Splid foi aplicada na identificação do modelo de uma planta real de 2 tanques com aquecimento, cujos dados apresentavam distúrbios não compensados. / System identification is one of the most important issues for understanding system dynamics and control system design. Several methods for identification of linear systems have been broadly used until now. Nevertheless, these algorithms have difficulty to identify models from data containing non-measured disturbances, a very common situation in industry, and most methods do not consider the inclusion of known system characteristics into the identification algorithm, such as overshoot or inverse response. In order to overcome these situations, the Splid methodology is proposed, which employs splines to identify linear models. The idea is to obtain splines that well represent the step response of systems with different dynamic behaviors by varying the height of the spline knots, in an optimization problem. In the first part of this work, some tests were accomplished with known systems, in order to explore the splines that could represent the system step response, by selecting the number of knots, spline parameters and knots coordinates. The next step was to apply the Splid methodology to identify the model from a data set obtained with a perturbation design with these known systems, to check the validity of the method. It was tested different formulations of objective function: it was compared the results of minimizing the square of the derivative of the error with the conventional approach, of minimizing the square of error. In order to verify the methodology, it was applied to identify the model of a laboratorial plant of two heated tanks, which contained non-measured disturbs.

A identificação de sistemas é uma etapa de fundamental importância para o entendimento de dinâmicas e o projeto de controladores. Diversas técnicas de identificação de sistemas LTI são consolidadas para uso, mas ainda apresentam lacunas para identificar modelos a partir de dados corrompidos com distúrbios não medidos. Outro aspecto é que características previamente conhecidos do sistema (p.ex., resposta inversa, sobre-elevação, etc.), nem sempre podem ser incorporadas ao modelo para auxiliar na obtenção de um modelo com essas metodologias. Como proposta para suprir essas limitações, é apresentada nesse trabalho, a metodologia Splid, que considera informações previamente conhecidas sobre o sistema e promove a utilização de curvas splines de interpolação para prever o comportamento da resposta de saída de diferentes sistemas LTI a uma perturbação tipo degrau, variando a altura dos nós da spline, variável a ser encontrada pela formação de um problema de otimização. Primeiramente foram realizados testes com sistemas de dinâmica conhecida, explorando graficamente as curvas de saída frente à perturbação tipo degrau unitário, obtidas aplicando-se diferentes tipos de splines, número de nós e dos parâmetros específicos de splines, com o intuito de balizar os parâmetros do algoritmo. Em seguida, a metodologia ajustada foi aplicada para identificar plantas com dinâmica conhecida, para fins de verificação da eficácia do método. Diferentes formulações de função objetivo foram testadas na etapa de identificação e validação dos dados, verificando o efeito da minimização do quadrado da derivada do erro e comparando com a abordagem tradicional, que contempla apenas o erro quadrático. Para consolidar os estudos desenvolvidos nestas etapas, a metodologia Splid foi aplicada na identificação do modelo de uma planta real de 2 tanques com aquecimento, cujos dados apresentavam distúrbios não compensados. / System identification is one of the most important issues for understanding system dynamics and control system design. Several methods for identification of linear systems have been broadly used until now. Nevertheless, these algorithms have difficulty to identify models from data containing non-measured disturbances, a very common situation in industry, and most methods do not consider the inclusion of known system characteristics into the identification algorithm, such as overshoot or inverse response. In order to overcome these situations, the Splid methodology is proposed, which employs splines to identify linear models. The idea is to obtain splines that well represent the step response of systems with different dynamic behaviors by varying the height of the spline knots, in an optimization problem. In the first part of this work, some tests were accomplished with known systems, in order to explore the splines that could represent the system step response, by selecting the number of knots, spline parameters and knots coordinates. The next step was to apply the Splid methodology to identify the model from a data set obtained with a perturbation design with these known systems, to check the validity of the method. It was tested different formulations of objective function: it was compared the results of minimizing the square of the derivative of the error with the conventional approach, of minimizing the square of error. In order to verify the methodology, it was applied to identify the model of a laboratorial plant of two heated tanks, which contained non-measured disturbs.

No description available.

A identificação de sistemas é uma etapa de fundamental importância para o entendimento de dinâmicas e o projeto de controladores. Diversas técnicas de identificação de sistemas LTI são consolidadas para uso, mas ainda apresentam lacunas para identificar modelos a partir de dados corrompidos com distúrbios não medidos. Outro aspecto é que características previamente conhecidos do sistema (p.ex., resposta inversa, sobre-elevação, etc.), nem sempre podem ser incorporadas ao modelo para auxiliar na obtenção de um modelo com essas metodologias. Como proposta para suprir essas limitações, é apresentada nesse trabalho, a metodologia Splid, que considera informações previamente conhecidas sobre o sistema e promove a utilização de curvas splines de interpolação para prever o comportamento da resposta de saída de diferentes sistemas LTI a uma perturbação tipo degrau, variando a altura dos nós da spline, variável a ser encontrada pela formação de um problema de otimização. Primeiramente foram realizados testes com sistemas de dinâmica conhecida, explorando graficamente as curvas de saída frente à perturbação tipo degrau unitário, obtidas aplicando-se diferentes tipos de splines, número de nós e dos parâmetros específicos de splines, com o intuito de balizar os parâmetros do algoritmo. Em seguida, a metodologia ajustada foi aplicada para identificar plantas com dinâmica conhecida, para fins de verificação da eficácia do método. Diferentes formulações de função objetivo foram testadas na etapa de identificação e validação dos dados, verificando o efeito da minimização do quadrado da derivada do erro e comparando com a abordagem tradicional, que contempla apenas o erro quadrático. Para consolidar os estudos desenvolvidos nestas etapas, a metodologia Splid foi aplicada na identificação do modelo de uma planta real de 2 tanques com aquecimento, cujos dados apresentavam distúrbios não compensados. / System identification is one of the most important issues for understanding system dynamics and control system design. Several methods for identification of linear systems have been broadly used until now. Nevertheless, these algorithms have difficulty to identify models from data containing non-measured disturbances, a very common situation in industry, and most methods do not consider the inclusion of known system characteristics into the identification algorithm, such as overshoot or inverse response. In order to overcome these situations, the Splid methodology is proposed, which employs splines to identify linear models. The idea is to obtain splines that well represent the step response of systems with different dynamic behaviors by varying the height of the spline knots, in an optimization problem. In the first part of this work, some tests were accomplished with known systems, in order to explore the splines that could represent the system step response, by selecting the number of knots, spline parameters and knots coordinates. The next step was to apply the Splid methodology to identify the model from a data set obtained with a perturbation design with these known systems, to check the validity of the method. It was tested different formulations of objective function: it was compared the results of minimizing the square of the derivative of the error with the conventional approach, of minimizing the square of error. In order to verify the methodology, it was applied to identify the model of a laboratorial plant of two heated tanks, which contained non-measured disturbs.

Bibliography: pages 214-220. / The Hilbert space spline theory of Delvos and Schempp, and the reproducing kernel theory of L. Schwartz, provide the conceptual foundation and the construction procedure for rotation-invariant splines on Euclidean spaces, splines on the circle, and splines on the sphere and harmonic outside the sphere. Spherical splines and surface splines such as multi-conic functions, Hardy's multiquadric functions, pseudo-cubic splines, and thin-plate splines, are shown to be largely as effective as least squares collocation in representing geoid heights or gravity anomalies. A pseudo-cubic spline geoid for southern Africa is given, interpolating Doppler-derived geoid heights and astro-geodetic deflections of the vertical. Quadrature rules are derived for the thin-plate spline approximation (over a circular disk, and to a planar approximation) of Stokes's formula, the formulae of Vening Meinesz, and the L₁ vertical gradient operator in the analytical continuation series solution of Molodensky's problem.

No description available.

Most of the work accomplished on surface blending is based on visual trimming. In the process of visual trimming, the unwanted portion of a surface is only hidden but not removed. Geometric trimming provides a complete mathematical description of the wanted portion of the trimming surface, and generates a new mathematical surface or sets of surface patches. The new surface is intended to resemble closely the corresponding portion of the original surface. A robust procedure is developed to geometrically trim the intersecting surfaces and blend the trimmed surface patches into one new surface. This research generates a filleting algorithm for surface blending of an aircraft fuselage shape and a wing shape at a closed trimming intersection curve, and verifies the properties of the newly created surface. In order to distinguish how well the new surface approximates the original, an error comparison tool developed in MATLAB has been employed. / Master of Science

Geometric trimming of a surface involves removal of unwanted portions of the surface and providing a new mathematical description for the trimmed patch. This entails creating a new geometry for the trimmed patch, which closely approximates the corresponding portion on the original patch. The procedure is shown to involve obtaining data points on the B-spline surface that lie within the region specified by the parameter values for the trimming curve and describing a new surface which interpolates this new set of data points. This research looks at optimizing the procedure described above by basing the choice of parameter values for the trimming curve, at points where curvature optima occur over the surface. A visualization tool kit has been developed using OpenGL, as a means to discern the difference between the two surfaces. In order to quantify and aid in minimizing the error (difference) in approximating the original surface with the trimmed patch, an error measurement tool developed in MATLAB has been employed. / Master of Science

Etude de la stabilité numérique de deux méthodes utilisées pour l'obtention de fonctions splines.