Este trabalho propõe uma metodologia de identificação para sistemas lineares sujeitos a saltos markovianos. Dada uma sequência de observações ruidosas da variável de estados, busca-se estimá-la juntamente com os parâmetros (desconhecidos) que descrevem o sistema dinâmico no espaço de estados. Como é bem conhecido, a ltragem ótima nesta classe de sistemas tem requisitos computacionais exponencialmente crescentes em função do tamanho da amostra, e torna-se inviável na prática. Recorre-se, portanto, a um algoritmo sub-ótimo de ltragem, cujos resultados são utilizados na identificação por máxima verossimilhança segundo a metodologia apresentada. Simulações realizadas mostram boa convergência. / This paper proposes a methodology for the identification of Markov-jump linear systems. Given a sequence of noisy observations of the state variable, our objective is to estimate it along with the (unknown) parameters that drive the system in the state-space. As it is well known, the optimal ltering in this class of systems requires exponentially increasing computing power, in proportion to the sample size, and is not feasible in practice. We resort, therefore, to a sub-optimal algorithm, whose results are used for a maximum likelihood identification according to the methodology presented here. Simulations show a good convergence.

Orientadores: Pedro Luis Dias Peres, Ricardo Coração de Leão Fontoura de Oliveira / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-12T15:25:55Z (GMT). No. of bitstreams: 1 Caun_RodrigodaPonte_M.pdf: 4443460 bytes, checksum: 6ac15ef9d40ddc0d477ba44ec10f9182 (MD5) Previous issue date: 2008 / Resumo: A principal contribuição dessa dissertação é propor um método de síntese de controle preditivo por realimentação de estados para sistemas lineares discretos com parâmetros variantes no tempo e pertencentes a um politopo. As condições de síntese são formuladas usando-se funções de Lyapunov dependentes de caminho, isto é, a matriz de Lyapunov depende de maneira multi-afim dos parâmetros em seus instantes sucessivos de tempo até um instante máximo (tamanho do caminho). Essa classe de função generaliza as funções quadráticas e dependentes de maneira afim nos parâmetros. Os testes numéricos s¿ao formulados em termos de problemas de otimização baseados em desigualdades matriciais lineares, parametrizados em função do tamanho do caminho da matriz de Lyapunov, arbitrado a priori. À medida que o tamanho do caminho cresce, índices de desempenho menos conservadores são obtidos ao preço de um maior esforço computacional. Exemplos numéricos são apresentados ilustrando a eficiência do método proposto em termos do índice de desempenho e do esforço computacional demandado quando comparados com outros métodos existentes na literatura. / Abstract: The main contribution of this thesis is to propose a state-feedback model predictive control design method for discrete-time systems with time-varying parameters belonging to a polytope. The synthesis conditions are formulated using path-dependent Lyapunov functions, i.e. the Lyapunov matrix depends multi-affinely on the parameters at successive instants of time until a maximum instant (path size). This class of function generalizes quadratic and affinely parameter dependent functions. The numerical tests are provided in terms of optimization problems based on linear matrix inequalities, parametrized as a function of the path size of the Lyapunov matrix, given a priori. As the path size increases, less conservative performance indices are obtained at the price of a higher computational effort. Numerical examples are presented, illustrating the efficiency of the approach in terms of the performance index and the computational burden demanded when compared to other existing methods in the literature. / Mestrado / Automação / Mestre em Engenharia Elétrica

Este trabalho propõe uma metodologia de identificação para sistemas lineares sujeitos a saltos markovianos. Dada uma sequência de observações ruidosas da variável de estados, busca-se estimá-la juntamente com os parâmetros (desconhecidos) que descrevem o sistema dinâmico no espaço de estados. Como é bem conhecido, a ltragem ótima nesta classe de sistemas tem requisitos computacionais exponencialmente crescentes em função do tamanho da amostra, e torna-se inviável na prática. Recorre-se, portanto, a um algoritmo sub-ótimo de ltragem, cujos resultados são utilizados na identificação por máxima verossimilhança segundo a metodologia apresentada. Simulações realizadas mostram boa convergência. / This paper proposes a methodology for the identification of Markov-jump linear systems. Given a sequence of noisy observations of the state variable, our objective is to estimate it along with the (unknown) parameters that drive the system in the state-space. As it is well known, the optimal ltering in this class of systems requires exponentially increasing computing power, in proportion to the sample size, and is not feasible in practice. We resort, therefore, to a sub-optimal algorithm, whose results are used for a maximum likelihood identification according to the methodology presented here. Simulations show a good convergence.