Le travail de la thèse traite le problème de suivi de trajectoires des systèmes non linéaires incertains,dont le modèle nominal est construit à l’aide d’un système flou TS (Takagi-Sugeno) de type-2. Cedernier, exploite les modèles locaux du système obtenus par linéarisation autour de certains pointsde fonctionnement. La commande développée est basée sur les modes glissants d’ordre deux avecSuper-Twisting. Nous avons proposé deux systèmes flous type-2 adaptatifs, qui ont comme uniqueentrée la surface de glissement, pour résoudre le problème du calcul de la valeur optimale des gainsde la commande. Des résultats de simulation ont permis de comparer les performances de l’approcheproposée avec la méthode classique. Ensuite, nous avons introduit le concept de l’intégral sliding modepour imposer à priori le temps d’arrivée sur la surface de glissement. Les approches proposées sontgénéralisées aux cas des systèmes multivariables. Plusieurs résultats par simulation et implémentationen temps réel sont présentés pour illustrer les performances des approches développées / This work deals with a fuzzy tracking control design for uncertain nonlinear dynamic system withexternal disturbances and using a TS (Takagi-Sugeno) fuzzy model description. The control is basedon the Super-Twisting algorithm, which is among of second order sliding mode control. Moreover, twoadaptive fuzzy type-2 systems have been introduced to generate the two Super-Twisting signals toavoid both the chattering and the constraint on the knowledge of disturbances and uncertainties upperbounds. These adaptive fuzzy type-2 systems has only one input : the sliding surface, and one output :the optimale values of the control gains, which are hard to compute with the original algorithm.Simulation results are obtained in order to compare the performances of the proposed method tothat given by Levant. Then, we have introduced the integral sliding mode concept to impose inadvance the convergence time and the arrival on the sliding surface. The proposed approaches aregeneralized to the case of multivariable systems. Several results in simulation and in real time usinga benchmark are obtained to validate and to confirm the performances of our contributions.

本研究觀察了1992年1月20日至2003年2月28日美元兌台幣的匯率資料，分成樣本內、樣本外兩部分進行預測，此外也收集了相同時間的日圓、英鎊、港幣兌台幣的資料做比較，用Takagi-Sugeno Fuzzy﹝朱修明，2001﹞模型和Cubist決策樹模型來預測匯率。 用Takagi-Sugeno Fuzzy模型預測匯率，具有非線性模型的準確性，也兼顧了線性模型之結果簡潔易懂的特質。在變數個數少的時候，就可以達到所要求的預測準確度，此時產生的預測規則容易瞭解，歸屬度函數也易於辨別，檢定過後可知和隨機漫步模型沒有差別。 使用Cubist決策樹模型時，若產生的規則等同於隨機漫步模型，則預測準確度和隨機漫步沒有差別。但若產生出來的規則不同於隨機漫步模型時，則匯率預測準確度明顯低於隨機漫步模型。

Orientadores: Wagner Caradori do Amaral, Ricardo Jose Grabrielli Barreto Campello / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-09T14:19:44Z (GMT). No. of bitstreams: 1 Machado_JeremiasBarbosa_M.pdf: 6477617 bytes, checksum: 3f0c4fec476306e8cc05a7940894b0a0 (MD5) Previous issue date: 2007 / Resumo: o interesse na utilização de algoritmos de controle sofisticados cresce no meio industrial devido à necessidade de melhor qualidade dos produtos produzidos. Uma abordagem que vem ganhando destaque é a utilização de sistemas de controle não-linear que modelam os sistemas por meio de multimodelos lineares. Neste contexto, este trabalho apresenta a modelagem e controle de sistemas não-lineares através de controladores preditivos não-lineares que utilizam multimodelos lineares. Os controladores preditivos baseados em modelos (MBPC - Model Based Predictive Controllers) são controladores cuja principal característica é a utilização de um modelo na determinação de um conjunto de previsões de saída, e a lei de controle é calculada em função destas previsões minimizando-se uma função de custo. O desempenho deste controlador depende da qualidade do modelo utilizado para predição dos sinais de saída. A proposta do trabalho é modelar as não-linearidades do processo sob controle através de modelos fuzzy Takagi-Sugeno - TS com funções de base ortonormal - FBO nos conseqüentes das regras. As FBO's apresentam diversas características conceituais e estruturais de interesse na elaboração dos modelos utilizados nos controladores preditivos, como a ausência de realimentação de saída, o que evita a propagação de erro, além de outras que serão discutidas ao longo deste trabalho. Os parâmetros de um modelo fuzzy TS a serem determinados são os antecedentes das regras, com suas funções de pertinência, e as funções nos conseqüentes das regras, que neste trabalho dar-se-ão de forma automática, sendo os antecedentes das regras obtidos através de agrupamento fuzzy (fuzzy clustering) das amostras de entrada e saída. Para esta tarefa será utilizado o algoritmo de GustafsonKessel. A fim de determinar o número de grupos que irão compor o modelo e, por conseqüência, defil)ir o número de regras e modelos locais, utilizar-se-ão critérios que avaliam a qualidade dos agrupamentos juzzy, como Fuzzy Silhouette, Fuzzy Hipervolume, Average Partition Density e Average Within-Cluster Distance, sendo proposta a combinação dos resultados obtidos em cada um dos critérios. O controle é feito de forma que, para cada modelo local, presente no modelo fuzzy TS-FBO, tem-se um controlador atuando sobre este. As ações de controle locais são combinadas conforme a ativação de cada regra do respectivo modelo local, e a ação de controle global resultante dessa combinação é aplicada ao processo a ser controlado. A abordagem proposta apresenta vantagens estruturais na modelagem e controle de processos nãolineares, quando comparado a outras metodologias de modelagem (como modelos polinomiais NARMAX) e controle, uma vez que esta abordagem é composta de uma estrutura simples com modelos locais lineares (ou afins) formados por FBO's. Para ilustrar o que foi desenvolvido, são apresentadas, no final destes trabalho, implementações na modelagem e controle de processos não-lineares / Abstract: The use of advanced control strategies has been increased in the last years due to the needs of more accurate quality on products. An approach that seems attractive on control and modeling of the nonlinear processes is the use of multiple linear models. In this context, this work presents an altemative approach for modeling and controlling nonlinear processes through nonlinear predictive control (NMBPC) using multi-models. The main characteristic of the Model Based Predictive Controllers is the use of a model for the determination ofthe output predictions. The controllaw is derived based on these output predictions, minimizing a specified cost function. Its performance is directly related to the quality of the model predictor. Therefore, in this work, the process is modeling through Takagi-Sugeno- TS fuzzy models with orthonormal base functions - OBF - on the mIes consequents. OBF' s models present several conceptual and structural characteristics of interest on the elaboration of models predictors, such as, absence of output recursion and feedback of prediction errors, often leading to superior performances over long-range horizon predictions and natural decoupling between multiple outputs; there is no need for previous knowledge about the relevant past terms of the system signals; the representation of a stable system is assuredly stable; tolerance to unmodeled dynamics; ability to deal with time delays. The antecedents ofthe TS fuzzy models are obtained through fuzzy c1ustering ofthe input and output measures. The algorithm of Gustafson-Kessel is used to perform this task. In order to determine the number ofthe local models, clustering validity criteria such as Fuzzy Silhouette, Fuzzy Hipervolume, Average Partition Density e Average Within-Cluster Distance are used. A predictive controller is derived for local model and the global controllaw is obtained by combining each local control law, using the degree of activation of every mIe of the respective local model. The proposed approach presents structural advantages in the modeling and controlling nonlinear process, when compared to other modeling (like polynomial models-NARMAX) and controlling strategies, as this approach is constituted of a simple structure with linear local models using OBF' s. The performance of the proposed strategies is illustrated using some simulated examples / Mestrado / Automação / Mestre em Engenharia Elétrica

Orientadores: Wagner Caradori do Amaral, Ricardo Jose Gabrielli Barreto Campello / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-06T08:36:39Z (GMT). No. of bitstreams: 1 Medeiros_AndersonViniciusde_M.pdf: 896535 bytes, checksum: 48d0d75d38fcbbd0f47f7c49823806f1 (MD5) Previous issue date: 2006 / Resumo: Esta dissertação apresenta uma metodologia para a geração e otimização de modelos fuzzy Takagi-Sugeno (TS) com Funções de Base Ortonormal (FBO) para sistemas dinâmicos não lineares utilizando um algoritmo genético. Funções de base ortonormal têm sido utilizadas por proporcionarem aos modelos propriedades como ausência de recursão da saída e possibilidade de se alcançar uma razoável capacidade de representação com poucos parâmetros. Modelos fuzzy TS agregam a essas propriedades as características de interpretabilidade e facilidade de representação do conhecimento. Enfim, os algoritmos genéticos se apresentam como um método bem estabelecido na literatura na tarefa de sintonia de parâmetros de modelos fuzzy TS. Diante disso, desenvolveu-se um algoritmo genético para a otimização de duas arquiteturas, o modelo fuzzy TS FBO e sua extensão, o modelo fuzzy TS FBO Generalizado. Foram analisados modelos locais lineares e não lineares nos conseqüentes das regras fuzzy, assim como a diferença entre a estimação local e a global (utilizando o estimador de mínimos quadrados) dos parâmetros desses modelos locais. No algoritmo genético, cada arquitetura contou com uma representação cromossômica específica. Elaborou-se para ambas uma função de fitness baseada no critério de Akaike. Em relação aos operadores de reprodução, no operador de crossover aritmético foi introduzida uma alteração para a manutenção da diversidade da população e no operador de mutação gaussiana adotou-se uma distribuição variável ao longo das gerações e diferenciada para cada gene. Introduziu-se ainda um método de simplificação de soluções através de medidas de similaridade para a primeira arquitetura citada. A metodologia foi avaliada na tarefa de modelagem de dois sistemas dinâmicos não lineares: um processo de polimerização e um levitador magnético / Abstract: This work introduces a methodology for the generation and optimization of Takagi-Sugeno (TS) fuzzy models with Orthonormal Basis Functions (OBF) for nonlinear dynamic systems based on a genetic algorithm. Orthonormal basis functions have been used because they provide models with properties like absence of output feedback and the possibility to reach a reasonable approximation capability with just a few parameters. TS fuzzy models aggregate to these properties the characteristics of interpretability and easiness to knowledge representation in a linguistic manner. Genetic algorithms appear as a well-established method for tuning parameters of TS fuzzy models. In this context, it was developed a genetic algorithm for the optimization of two architectures, the OBF TS fuzzy model and its extension, the Generalized OBF TS fuzzy model. Local linear and nonlinear models in the consequent of the fuzzy rules were analyzed, as well as the difference between local and global estimation (using least squares estimation) of the parameters of these local models. Each architecture had a specific chromosome representation in the genetic algorithm. It was developed a fitness function based on the Akaike information criterion. With respect to the genetic operators, the arithmetic crossover was modified in order to maintain the population diversity and the Gaussian mutation had its distribution varied along the generations and differentiated for each gene. Besides, it was used, in the first architecture presented, a method for simplifying the solutions by using similarity measures. The whole methodology was evaluated in modeling two nonlinear dynamic systems, a polymerization process and a magnetic levitator / Mestrado / Automação / Mestre em Engenharia Elétrica

Dans cette thèse différents outils issus de l'automatique non linéaire ont été mis en œuvre et ont permis d'apporter une première solution au problème de stabilité large signal des dispositifs électriques. A l'aide de modèles flous de type Takagi-Sugeno, on a montré qu'il était possible de résoudre le problème de stabilité dans le cas de deux applications électrotechniques à savoir un hacheur contrôlé en tension et l'alimentation par l'intermédiaire un filtre d'entrée d'un dispositif électrique fonctionnant à puissance constante. Dans le cas du hacheur, la taille estimée des bassins d'attraction reste modeste. Les raisons essentielles à l'échec obtenu dans la recherche de bassin de grande taille peut résulter dans le fait que d'une part , la mise sous forme TS du système n'est pas unique et que d'autre part les matrices du sous modèle TS du système ne sont de Hurwitz que dans une gamme très restreinte de variations du rapport cyclique. Dans le cas de l'alimentation par l'intermédiaire d'un filtre d'entrée d'un dispositif fonctionnant à puissance constante, on a montré que l'utilisation d'un modèle flou de type Takagi-Sugeno permettait d'exhiber un domaine d'attraction de taille significative. On a fourni des outils permettant de borner la plage de variations des pôles du système dans un domaine donné de l'espace d'état, domaine dans lequel la stabilité du modèle TS est prouvée. L'utilisation de la D-stabilité permet de connaitre les dynamiques maximales du système. La notion de stabilité exponentielle permet de connaître les dynamiques minimales du système. L'approche utilisée pour prouver la stabilité du système en présence de variations paramétriques, pour les deux systèmes étudiés, n'autorise que des variations extrêmement faibles de la valeur du paramètre autour de sa valeur nominale / In this thesis, various tools resulting from the nonlinear automatic were implemented and made it possible to bring a first solution to the problem of large signal stability of the electric systems. Using Takagi-Sugeno fuzzy models, one showed that it was possible to in the case of solve the problem of stability two electrotechnical applications to knowing a Boost converter controlled in tension and an electric system constituted by an input filter connected to an actuator functioning at constant power. In the case of the Boost converter, the estimated size of attraction domain remains modest. The reasons essential with the failure obtained in the search for domain of big size can result in the fact that on the one hand, the setting TS fuzzy models of the system is not single and that on the other hand the matrices of local model of TS model of the system are of Hurwitz only in one very restricted range of variations of the cyclic ratio. In the case of the electric system via a filter of entry of a functioning device at constant power, one showed that the use of a Takagi-Sugeno fuzzy model allowed exhibit a attraction domain of significant size. One provided tools allowing to limit the variations of the poles of the system in a given field of the state space, domain in which the stability of model TS is proven. The use of D-stability makes it possible to know dynamic maximum system. The concept of exponential stability makes it possible to know dynamic minimal system. The approach used to prove the stability of the system in the presence of parametric variations, for the two studied systems, authorizes only extremely weak variations of the value of the parameter around its maximal value