Made available in DSpace on 2016-08-17T14:53:05Z (GMT). No. of bitstreams: 1 Evandro de Carvalho Gomes.pdf: 6042842 bytes, checksum: 26caa437e6eddbd118b3278d1421a757 (MD5) Previous issue date: 2009-09-11 / In this work, we propose to analyze the controller design of a classical dc-dc converter in a different manner. Instead of the traditional mathematics transfer function analysis, we will describe the block diagram of the plant to be controlled using Space-State Averaging, decoupling the states effects one acts each other and designing the controllers individually. With this technique, we can obtain first order transfer function allowing easier synthesis and design of the involved controllers. Outcomes are compared to controllers based on K-factor approach which are entirely applicable in academy and industry environment. / Neste trabalho propomos analisar o projeto de controladores para conversores cc-cc clássicos de uma forma diferente da tradicional análise matemática da função de transferência, descrevendo o diagrama de blocos da planta a ser controlada, desacoplando os efeitos que um estado exerce sobre o outro e projetando os controladores individualmente. Com essa técnica, obtêm-se funções de transferências de primeira ordem o que permite um projeto e síntese mais fácil dos controladores envolvidos. Os resultados são comparados com os controladores baseados na abordagem do fator K, por se tratar de uma abordagem amplamente aplicada no meio acadêmico e industrial.

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 / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-22T14:33:30Z (GMT). No. of bitstreams: 1 TobarQuevedo_JohannaBelen_M.pdf: 1682152 bytes, checksum: 0de866f41b4caaf6854d460eab59e9ac (MD5) Previous issue date: 2013 / Resumo: O objetivo principal deste trabalho é propor algoritmos para identificação de series temporais e de sistemas lineares multivariáveis estocásticos variantes no tempo no espaço de estado. Para isto primeiramente investigamos fundamentos teóricos, apresentando alguns conceitos básicos de series temporais, sistemas, elementos de identificação, modelos no espaço de estado e identificação variante no tempo. Dois algoritmos são propostos, analisados e implementados, o que chamamos MOESP-AOKIVAR baseado no MOESP (Multivariable Output-Error State space) e o que chamamos AOKI-VAR baseado no algoritmo proposto por Masanao Aoki. Os algoritmos são avaliados sobre "benchmarks". Finalmente exemplos são apresentados bem como discussões sobre validação, previsão e modelagem de séries temporais e a modelagem de sistemas multivariáveis estocásticos variantes no tempo, esperando contribuir no estudo deste tipo de sinais e sistemas / Abstract: The main objective of this work is to propose algorithms for identifying non-stationary time series and multivariable time-varying linear stochastic systems in the state space. In order first to do this we investigate theoretical foundations, presenting some basic concepts of time series, systems, identification elements, models in state space and time variant identification. Two algorithms are proposed, analyzed and implemented, the one we called MOESP-AOKI-VAR based on the MOESP (Multivariable Output-Error State space) and the one we called AOKI-VAR based on the algorithm proposed by Masanao Aoki. The algorithms are evaluated on "benchmarks". Finally examples are presented as well as discussions about validation, prediction and modeling of stochastic time series and modeling of stochastic time-varying multivariable systems, hoping to contribute to the study of this type of signals and systems / Mestrado / Automação / Mestre em Engenharia Elétrica

Submitted by Marcos Pereira (marcoshenriquerios@gmail.com) on 2013-09-18T23:42:13Z No. of bitstreams: 1 Dissertacao_Marcos_Rios_final.pdf: 3400230 bytes, checksum: 55e2f8c2e2c24851639db9e8bda17832 (MD5) / Approved for entry into archive by Suzinei Teles Garcia Garcia (suzinei.garcia@fgv.br) on 2013-09-19T15:26:00Z (GMT) No. of bitstreams: 1 Dissertacao_Marcos_Rios_final.pdf: 3400230 bytes, checksum: 55e2f8c2e2c24851639db9e8bda17832 (MD5) / Made available in DSpace on 2013-09-19T15:30:35Z (GMT). No. of bitstreams: 1 Dissertacao_Marcos_Rios_final.pdf: 3400230 bytes, checksum: 55e2f8c2e2c24851639db9e8bda17832 (MD5) Previous issue date: 2013-08-27 / Esta dissertação pretende discutir a provisão de sinistros do tipo IBNR, bem como qual a melhor forma de estimar estas provisões. Para tanto, serão utilizados dados reais de uma grande seguradora Brasileira para um produto de seguro de um ramo Não Vida. Serão utilizados no cálculo o clássico método Chain Ladder e em contrapartida um modelo de Espaço de Estados e Filtro de Kalman, discutindo as flexibilidades, vantagens e desvantagens de se utilizar tal metodologia. / This master thesis discusses the claims reserve of the IBNR type, as well as the best way to estimate these provisions. For this purpose will be used the real data from a large Brazilian insurer for an insurance product from a non-life business. Will be used in calculating the classic Chain Ladder method and against this a State Space model and Kalman Filter, discussing the flexibilities, advantages and disadvantages of use such methodology.

Orientador: Celso Pascoli Bottura / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-04T15:52:49Z (GMT). No. of bitstreams: 1 TorricoCaceres_AngelFernando_D.pdf: 1145129 bytes, checksum: e5817164d343ed7c520ead7ed9865194 (MD5) Previous issue date: 2005 / Resumo: Nesta Tese, uma metodologia descentralizada de identificação linear no espaço de estado para sistemas multivariáveis estocásticos, discretos no tempo e serialmente interconectados, é proposta. A identificação do sistema global pode ser feita por meio da identificação individual dos seus subsistemas usando-se algum método de identificação de sistemas e de séries temporais multivariáveis no espaço de estado, dentre os aqui discutidos: Identificação no Espaço de Estado do Erro de Saída de Sistemas Multivariáveis (MOESP), Algoritmos Numéricos para a Identificação nos Subespaços de Sistemas no Espaço de Estado (N4SID), realização estocástica com entradas exógenas utilizando mínimos quadrados restrito, (CLS-SSI) e MOESP-AOKI. Com base nos modelos obtidos para os subsistemas, uma etodologia de controle ótimo descentralizado que explora a estrutura Bloco Triangular Inferior das matrizes do sistema é utilizada. A metodologia combinada de identificação e de controle estocásticos descentralizados, estruturada neste estudo, é aplicada a sistema interconectado de qualidade de água de rio, que motivou este trabalho / Abstract: In this thesis a decentralized methodology for linear state space identification of discrete time, serially interconnected multivariable stochastic systems is proposed. The global system identificationis achieved by means of the individual identification of its subsystems through some state space methods for identification of multivariable systems and time series, among the ones here discussed: Multivariable Output-Error State Space Identification (MOESP), Numerical Algorithms for SubspaceState Space Systems Identification (N4SID), Constrained Least-Squares State Space Identification (CLS-SSI), MOESP-AOKI. Based on the obtained subsystems models a methodology of optimal decentralized control systems that explores the matrices Lower Block Triangular structure is utilized. The combined decentralized stochastic identification and control methodology structured in this study is applied to an interconnected river water quality system, that motivated this work / Doutorado / Automação / Doutor em Engenharia Elétrica

[pt] Diferentes procedimentos têm sido propostos para a modelagem e previsão de séries temporais sendo que nos anos recentes muitos dos métodos mais importantes têm sido formulados na representação espaço de estado. A principal vantagem de tal abordagem é que se pode usar o Filtro de Kalman diretamente para, seqüencialmente, atualizar o vetor de estado. Apresentamos de forma sistemática a abordagem para a previsão de Séries Temporais não- Estacionárias formulada na representação de espaço de estado desenvolvida por P.Young. A novidade desta abordagem não está na natureza dos algoritmos recursivos, e sim na maneira como os hiperparâmetros são obtidos. Modelling and forecasting of Time Series have been approached in many different ways. Lately, the most important approaches have been formulated in a state space framework. The state space representation enables the state vector to be sequentially updated in time via the Kalman filter. In this dissertation, we present in a systematic way an approach to modelling and forecasting of non-stationary time series, formulated in state space terms, and due to P. Young. The novelty of this methodology is neither the nature fo the time series models nor the recursive algorithms, but on how the hyperparameters are estimated / [en] Modelling and forecasting of times Series have been approached in many different ways. Lately, the most important approaches have been formulated in a space framework. The state space representation enables the state vector to be sequencially updated in time via the Kalman filter. In this dissertation, we present in a systematic way an approach to modelling and forecasting of non-stationary time series, formulated in state space terms, and due to P. Young. The novelty of this methodology is neither the nature of the time series models nor the recursive algorithms, but on how the hyperparameteres are estimated

Modern design methodologies for control systems create controllers with dynamics which are of a similar order to the physical system being controlled. When these are implemented digitally as Infinite Impulse Response (HR) filters the processing requirements are extensive, in particular when high sample rates are necessary to minimise the detrimental effects of sample delay. The aim of the research was to apply signal processing techniques to facilitate the implementation of control algorithms in digital form, with the principal objective of maximising the computational efficiency, either to achieve the highest possible sample rates using a given processor, or to minimise the processor complexity for a given requirement. One of the approaches is to design a fixed point processor whose architecture is optimised to meet the computational requirements of signal processing for control, thereby maximising what can be achieved with a single processor. Hence the aim of the research was to head towards a processor architecture optimised for Control System Processing. The design of this processor is based on a unified structural form and it will be shown that controllers, represented either in state space form or as transfer functions, can be implemented using this unified structure. The structure is based on the σ-operator, which has been shown to be robust to changes in coefficients and hence require shorter coefficient wordlength to achieve a comparable performance to traditional z-operator based structures. Additionally, the σ-operator structures are also shown to have lower wordlength requirements for the internal variables. Also presented is a possible architecture for a Control System Processor and a model for the processor is developed and constructed using VHDL. This is simulated on a test bench, also designed in VHDL. The results of implementing a phase advance controller on the processor are then compared with those obtained from a MATLAB simulation.

Bayesian inference for stochastic volatility models using MCMC methods highly depends on actual parameter values in terms of sampling efficiency. While draws from the posterior utilizing the standard centered parameterization break down when the volatility of volatility parameter in the latent state equation is small, non-centered versions of the model show deficiencies for highly persistent latent variable series. The novel approach of ancillarity-sufficiency interweaving has recently been shown to aid in overcoming these issues for a broad class of multilevel models. In this paper, we demonstrate how such an interweaving strategy can be applied to stochastic volatility models in order to greatly improve sampling efficiency for all parameters and throughout the entire parameter range. Moreover, this method of "combining best of different worlds" allows for inference for parameter constellations that have previously been infeasible to estimate without the need to select a particular parameterization beforehand. / Series: Research Report Series / Department of Statistics and Mathematics

[pt] Esta tese apresenta o estudo de um modelo de espaço de estados para dados positivos, onde o processo observado é condicionalmente independente, dado um processo latente Gama Markov. O processo observado condicionado ao processo latente tem distribuição Gama. O modelo possibilita a inclusão de covariáveis,tanto através do processo latente, como do processo observado.O modelo obtido é log-linear e a estimação dos parâmetros de regressão é feita através de funções de estimação de Kalman. Os parâmetros de dispersão são estimados via estimadores de Pearson ajustados. São desenvolvidos alguns estudos de simulação e uma aplicação aos dados da série de chuva de Fortaleza, Ceará, onde são incorporados fatos estilizados da série (tendência, sazonalidade ou ciclos), bem como o efeito de variáveis explicativas (temperatura do nível do mar, pressão atmosférica, manchas solares). / [en] This thesis presents a study of a state space model for positive data where the observed process is conditionally independent given a latent process gamma Markov process. The observed process conditioned to the latent process has gamma distribution. The model facilitates the inclusion of as many covariates through the latent process as of the observed process.The obtained model is log-linear and the estimate of the regression parameters is made through Kalman estimating functions. The dispersion parameters are obtained via the adjusted Pearson estimation. Some simulation studies and an application are developed to the data of the series of rainfall of Fortaleza, Ceará, where they are incorporate stylized facts of the series (tendency, sazonalidade or cycles) are include as well as the effect of explanatory variables (temperature of the level of the sea, pressure, sunspots).

No description available.