O trabalho tem por objetivo avaliar diferentes métodos para identificar zeros na matriz de transferência de sistemas MIMO e propor um método novo baseado em análise de correlação. Estes métodos são utilizados durante a etapa de pré-identificação, a fim de se obter informações relevantes que possam ser utilizadas para se reduzir o tempo dos experimentos, diminuir a variabilidade dos parâmetros dos modelos e melhorar a eficácia dos modelos remanescentes. Estes métodos são aplicados a sistemas MIMO lineares, com dados coletados em malha aberta e em malha fechada. É avaliado o ganho obtido em relação à capacidade de predição dos modelos, a redução do tempo de identificação e o ganho de desempenho do controlador MPC que utiliza estes modelos. O trabalho conclui que a informação de zeros resulta em melhorias no tempo de identificação e no desempenho do controlador MPC. / This work aims to evaluate different methods to identify zeros in the transfer matrix of MIMO systems and to propose a new method based on correlation analysis. These methods are used during the pre-identification stage in order to identify relevant information that can be used to reduce the duration of the experiment, decrease model parameter variability and improve the accuracy of the remaining models. These methods are applied to MIMO linear systems, with data collected in open and closed-loop. The gains obtained in relation to the predictive ability of the models, the reduction of identification time and the performance gain of the MPC using these models are evaluated. This work concludes that the zero information results in improvements in identification time and in performance gain of the MPC controller.

Modelos preditivos de mercado são ferramentas importantes para tomadores de decisões no âmbito público e privado. Devido à complexidade dinâmica do mercado imobiliário, composta pela interação de dois submercados distintos (mercado de ativos imobiliários e mercado de consumo de espaço) e pela limitação de dados disponíveis, o estudo analítico de mercados imobiliários requer a modelagem paramétrica de um sistema de equações que os descrevam, seguido pela identificação dos parâmetros deste sistema utilizando dados reais de uma região. Neste trabalho, estudamos o modelo dinâmico de mercado imobiliário proposto por Wheaton (1999), criado a partir do popular modelo de quatro quadrantes de autoria de DiPasquale e Wheaton (1996). Utilizamos técnicas de identificação de sistemas para elaborar um modelo de aprendizado para o estoque imobiliário, e o implementamos em Matlab. Aplicamos o método elaborado em dados simulados, para validá-lo, e então aplicamos o mesmo método, com adaptações, em dados reais do mercado imobiliário canadense. Os resultados obtidos validam o método de identificação de sistema dinâmico quando testado em dados simulados, e corroboram o modelo de Wheaton (1999) como modelo preditivo em dados reais. Ademais, os resultados indicam que um modelo que seja capaz de entender a evolução dinâmica dos parâmetros estáticos do modelo de Wheaton (1999), poderia melhorar os resultados deste como ferramenta preditiva. / Predictive market models are important tools for decision-makers in the public and private spheres. Due to the dynamic complexity of the real estate market, consisting of the interaction of two distinct submarkets (real estate asset market and space consumption market) and the lack of real estate data, the analytical study of real estate markets requires the parametric modeling of a system of equations describing them, followed by the identification of the parameters of this system using real data from a region. In this work, we study the dynamic real estate market model proposed by Wheaton (1999), created from the popular four-quadrant model of DiPasquale e Wheaton (1996). We use system identification techniques to develop a learning model for real estate inventory data, and implement it in Matlab. We apply the method devised in simulated data to validate it, and then apply the same method with adaptations in real data of the Canadian real estate market. The results validate the dynamic system identification method when tested in simulated data, and corroborate the Wheaton (1999) model as a predictive model in real data. In addition, the results indicate that a model that is able to understand the dynamic evolution of the static parameters of the Wheaton (1999) model, could improve its results as a predictive tool.

A Identificação de Sistemas é uma das técnicas utilizadas para se obter a representação matemática de um sistema. Diversos métodos podem ser aplicados para se obter um modelo matemático através da identificação de sistemas, entre eles o método de identificação assintótico, também chamado de ASYM (Zhu, 1998). Este trabalho propõe aplicar o método de identificação assintótico em sistemas SISO para a obtenção de modelo de sistemas ditos caixa-preta e avaliar o seu desempenho buscando também o melhor detalhamento do método. Os modelos obtidos foram avaliados de acordo com sua nota calculada através do método ASYM, através da comparação do índice de ajuste fit para autovalidação e validação cruzada e pela variância dos parâmetros dos modelos. O método ASYM é exaustivamente testado para sua avaliação. Entre os testes realizados neste trabalho destacam-se dois experimentos tipo Monte-Carlo com mais de quinhentas identificações e a aplicação do método em uma planta real. Os testes comprovaram a viabilidade da aplicação do método assintótico na identificação de sistemas SISO do tipo caixa-preta com excelente desempenho para estruturas ARMAX. / System Identification is one of the techniques used to obtain the mathematical representation of a system. Several methods can be applied to obtain a mathematical model by the system identification, including the asymptotic method, also called ASYM (Zhu, 1998). This work proposes to apply the ASYM method for SISO systems identification, then obtain models of black-box systems called \"black box\" and evaluate its performance and show details of the method. The models obtained were evaluated according to their grade calculated using the ASYM method, by comparing the fit adjustment index, self-validation and cross validation and the variance of model parameters. The asymptotic method has been extensively tested to be evaluated. Among the tests in this work, two stand out such Monte Carlo experiments with more than five hundred identifications and a real plant identification. The tests proved the feasibility of applying the asymptotic method in the \"black box\" SISO systems identification with excellent performance for ARMAX structures.

Este trabalho apresenta uma extensão à formulação multivariável do método de controle baseado em dados conhecido como o Método da Referência Virtual, ou Virtual Reference Feedback Tuning (VRFT). Ao lidar com processos onde o ruído é significativo, as formulações tradicionais do VRFT, por mínimos quadrados ou variáveis instrumentais, apresentam propriedades estatísticas insatisfatórias, que acabam levando o sistema de controle em malha fechada a desempenhos muito distantes daqueles especificados pelo projetista. Portanto, visando aprimorar a qualidade destas estimativas e, consequentemente, os desempenhos em malha fechada, esta dissertação propõe a adição de regularização no método VRFT para sistemas multivariáveis. Regularização é uma ferramenta que vem sendo amplamente utilizada e desenvolvida nos últimos anos nas comunidades de Identificação de Sistemas e Machine Learning e é indicada para reduzir a alta covariância que existe nas estimativas - problema que ocorre na formulação do VRFT com variáveis instrumentais. Também, como contribuições deste trabalho destacam-se uma análise mais detalhada do problema de identificação com regularização para sistemas multivariáveis, assim como o desenvolvimento da matriz ótima de regularização para este cenário e as propriedades da nova formulação do VRFT. Para demonstrar a eficiência desta nova formulação do VRFT são desenvolvidos exemplos numéricos. / This work proposes a new extension for the multivariable formulation of the datadriven control method known as Virtual Reference Feedback Tuning. When the process to be controlled contains a significant amount of noise, the standard VRFT approach, that uses either the least squares method or the instrumental variable technique, yield estimates with very poor statistical properties, that may lead the control system to undesirible closed loop performances. Aiming to enhance these statistical properties and hence, the system’s closed loop performance, this work proposes the use of regularization on the multivariable formulation of the VRFT method. Regularization is a feature that has been widely used and researched on the System Identification and Machine Learning communities on the last few years, and it is well suited to cope the high variance issue that emerge on the VRFT method with instrumental variable. Also, a more detailed analysis on the use of regularization for identification of multivariable systems, the proof of the optimal regularization matrix and the exposure of the new regularized VRFT properties can be highlighted as novelties of this work.

The development of Advanced Driving Assistance Systems (ADAS) produces comfort and safety through the application of several control theories. One of these systems is the Adaptive Cruise Control (ACC). In this work, a distribution of two control loops of such system is developed for an embedded application to a vehicle. The vehicle model was estimated using the system identification theory. An outer loop control manages the radar data to compute a suitable cruise speed, and an inner loop control aims for the vehicle to reach the cruise speed given a desired performance. For the inner loop, it is used two different approaches of model predictive control: a finite horizon prediction control, known as MPC, and an infinite horizon prediction control, known as IHMPC. Both controllers were embedded in a microcontroller able to communicate directly with the electronic unit of the vehicle. This work validates its controllers using simulations with varying systems and practical experiments with the aid of a dynamometer. Both predictive controllers had a satisfactory performance, providing safety to the passengers. / A inclusão de sistemas avançados para assistência de direção (ADAS) tem beneficiado o conforto e segurança através da aplicação de diversas teorias de controle. Um destes sistemas é o Sistema de Controle de Cruzeiro Adaptativo. Neste trabalho, é usado uma distribuição de duas malhas de controle para uma implementação embarcada em um carro de um Controle de Cruzeiro Adaptativo. O modelo do veículo foi estimado usando a teoria de identificação de sistemas. O controle da malha externa utiliza dados de um radar para calcular uma velocidade de cruzeiro apropriada, enquanto o controle da malha interna busca o acionamento do veículo para atingir a velocidade de cruzeiro com um desempenho desejado. Para a malha interna, é utilizado duas abordagens do controle preditivo baseado em modelo: um controle com horizonte de predição finito, e um controle com horizonte de predição infinito, conhecido como IHMPC. Ambos controladores foram embarcados em um microcontrolador capaz de comunicar diretamente com a unidade eletrônica do veículo. Este trabalho valida estes controladores através de simulações com sistemas variantes e experimentos práticos com o auxílio de um dinamômetro. Ambos controladores preditivos apresentaram desempenho satisfatório, fornecendo segurança para os passageiros.

O objetivo desse trabalho foi investigar o modelo matemático para baterias de chumbo-ácido, usada em aplicações veiculares, mais adequado para a condição de descarga, que ocorre durante o teste de Cold Crank, e propor uma metodologia para identificar os parâmetros da bateria, a partir de ensaios experimentais. A simulação do teste de Cold Crank foi a motivação para o início da pesquisa. Dentre os diversos modelos pesquisados, foram selecionados aqueles que representam a dinâmica da bateria durante a descarga e que são baseados em circuitos elétricos. O modelo de Jackey foi escolhido, por possuir um circuito equivalente com adequada complexidade para o objetivo estudado. Após algumas simplificações e usando a 1ª Lei de Kirchhoff, definiu-se a equação da bateria, que calcula a tensão nos terminais para um dado valor de corrente de descarga constante. Adotaram-se ainda algumas leis de formação propostas por Jackey e uma forma alternativa para a descrição de R1. Alguns parâmetros da equação da bateria foram calculados usando a curva de tensão em aberto (OCV) em função do estado de carga (SOC), a equação da variação do estado de carga em função do tempo (SOC(t)) e o circuito simplificado para o instante inicial. Para os demais parâmetros, uma metodologia de resolução foi apresentada e implementada em ambiente MatLab®. Através da utilização de curvas de descarga experimentais e com o auxílio dos algoritmos de otimização genético e de busca local, os parâmetros desconhecidos foram estimados de forma a minimizar o erro entre os valores calculados e os valores experimentais. Por fim, foi apresentada a variação dos parâmetros em função da corrente de descarga. Com o uso das curvas que aproximam essa variação, alguns exemplos foram gerados para mostrar que os valores calculados continuam coerentes, tanto em forma quanto em escala, quando comparados com valores experimentais para outros níveis de corrente. Dessa forma, o objetivo do trabalho foi alcançado uma vez que a metodologia aplicada apresentou bons resultados mesmo com o número limitado de curvas de descarga experimentais. / The aim of this study was to investigate the most suitable lead-acid battery model, used in vehicular application, to the discharge condition which occurs during a Cold Crank test, and to propose a methodology to identify the battery parameters from experimental tests. The Cold Crank simulation was the motivation for this research. Among the various studied models, were selected those that describe the battery dynamic during a discharge process and that are based on electrical circuits. Jackey model was chosen because it has an equivalent circuit with suitable complexity to the aim. After some simplifications and using 1st Kirchhoffs Law, the battery equation was defined, which calculates the terminal voltage for a given constant discharge current. Also, it was adopted some laws proposed by Jackey and an alternative way to describe R1. Some parameters from battery equation were defined using the open circuit voltage (OCV) as function of state of charge (SOC), the equation of SOC variation as function of time and simplified circuit for the initial time. For the others parameters, a solving methodology was introduced and implemented in Matlab® environment. Usage of experimental discharge curves and with the help of genetic and local search algorithms, the unknown parameters were estimated in order to minimize the error between calculated and experimental values. Finally, it was presented the parameters variation as function of discharge current. With the use of curves that approximate this variation, some examples were generated to show that the calculated values remain consistent in both shape and range when compared to experimental values for others current levels. In this way, the aim was reached since methodology produced good results even with limited number of experimental discharge curves.

O tópico de identificação de sistemas aparece em vários ramos da ciência, com especial importância ao campo de Controle Automático. Entretanto, os problemas encontrados na construção de uma representação precisa de um sistema, como a falta de informações prévias, e as diversas decisões de projeto que devem ser tomadas para a resolução de problemas de identificação de sistemas por meios mais tradicionais, podem ser solucionados através da análise empírica do sistema. Nesse sentido, os processos Gaussianos apresentam-se como uma alternativa viável para a modelagem não-paramétrica de sistemas, trazendo a vantagem da estimação da incerteza do modelo. Para verificar o potencial dos processos Gaussianos em problemas de identificação de sistemas, foi realizada a identificação do modelo longitudinal de um veículo de grande porte, tendo alcançado um desempenho satisfatório, mesmo quando se utilizou poucos dados de treinamento. A partir do modelo aprendido, foi projetado um controlador preditivo baseado em modelo para controlar a velocidade do veículo. O controlador levou em consideração a variância da predição do modelo GP (Gaussian Process - Processos Gaussianos) em consideração durante o processo de otimização do sinal de controle. O controlador proposto alcançou um baixo erro no seguimento da referência, mesmo em situações extremas, como estradas íngremes. Entretanto, em alguns tipos de problemas, o resultado só pode ser mensurado a partir da combinação de uma sequência de ações, ou sinais de controle, aplicados ao longo da execução do processo, como é o caso do problema de direção ecológica (eco-driving). Nesses casos, estratégias que otimizem sinais de controle instantâneos podem não ser viáveis, sendo necessária a utilização de estratégias em que toda a política de controle seja otimizada de uma vez. Além disso, a avaliação do custo, ou execução de todo um episódio do processo, pode ser dispendiosa, é desejável que uma solução seja encontrada com a menor quantidade de interações possíveis com o sistema real. Uma técnica apropriada para essa situação é a Otimização Bayesiana, um algoritmo de otimização caixa-preta bastante eficiente. Porém, um dos problemas dessa solução é a incapacidade de lidar com um grande número de dimensões. Sendo assim, nesse trabalho, foi proposto o Coordinate Descent Bayesian Optimisation, um algoritmo baseado na Otimização Bayesiana, que busca o ótimo em espaços de alta dmensionalidade de maneira mais eficiente pois otimiza cada dimensão individualmente, em um esquema de descida coordenada. / The system identification topic appears in various branches of science, with particular emphasis on Automatic Control field. However, problems encountered in building an accurate representation of a system, such as lack of prior information, and the various design decisions which have to be taken to deal with system identification problems by more traditional means, can be solved through the empirical analysis of the system. In this sense, the Gaussian processes are presented as a viable alternative for non-parametric modelling systems, bringing the advantage of estimating the uncertainty of the model. To investigate the potential of Gaussian processes of system identification problems, identifying the longitudinal model of a large vehicle was performed, achieving reasonable performance even when used little training data. From the obtained model, a Model Predictive Controller was designed to control the vehicle speed. The controller took into account the variance of the GP model prediction on the control signal optimization and achieved low reference tracking error, even on hard conditions, like steep roads. However, in some kinds of problems, the observable outcome can often be described as the combined effect of an entire sequence of actions, or controls, applied throughout its execution. In these cases, strategies to optimise control policies for individual stages of the process might not be applicable, and instead the whole policy might have to be optimised at once. Also, the cost to evaluate the policy\'s performance might also be high, being desirable that a solution can be found with as few interactions with the real system as possible. One appropriate candidate is Bayesian Optimization, a very efficient black-box optimization algorithm. But one of the main problems of this solution is the inability of dealing with a large number of dimensions. For that reason, in this work it was proposed Coordinate Descent Bayesian Optimisation, an algorithm to search more efficiently over high-dimensional policy-parameter spaces with BO, by searching over each dimension individually, in a sequential coordinate descent-like scheme.

Neste trabalho são discutidos e avaliados métodos de construção de conjuntos de sinais de excitação para identificação de sistemas. Esse estudo é realizado tendo como objetivo aplicações na indústria de processos, particularmente no refino de petróleo. As restrições operacionais da indústria de refino de petróleo estão cada vez mais severas em virtude do aumento da demanda energética, qualidade de derivados, variações de preço de petróleo, concorrência no mercado de derivados e outros fatores econômicos, ambientais e de eficiência energética. Nesse cenário, é crescente o uso de técnicas de controle preditivo por modelos e, consequentemente, a demanda por identificação de plantas de processamento. As características particulares das plantas de processamento e de sua operação impõem restrições ao projeto e à aplicação de sinais de excitação. Vários métodos de construção de sinais encontrados na literatura e outros três propostos neste trabalho são avaliados e comparados com referência ao atendimento a essas restrições. Uma das principais restrições para a aplicação de sinais de excitação para identificação é relativa ao tempo disponível para excitação da planta. Assim, para o bom uso desse período, faz-se necessário garantir o sucesso de um experimento previamente à sua realização. Na literatura, encontram-se várias medidas de desempenho de sinais de excitação possíveis de serem obtidas previamente ao experimento de identificação. Neste trabalho, s~ao propostas duas novas medidas que complementam essas na avaliação dos conjuntos de sinais previamente ao experimento. A eficácia dos métodos de construção e das medidas de desempenho de sinais de excitação é avaliada por meio de simulação de identificação multivariável de duas plantas típicas de refinarias. As conclusões deste trabalho apresentam em síntese essas avaliações, como também sugestões de trabalhos futuros que visam à continuidade da pesquisa desenvolvida aqui. / In this work methods for generating sets of excitation signals for system identification are discussed and evaluated. This study is focused on applications in the process industries, particularly in oil refining. The operational constraints of the oil refining industry are becoming increasingly severe due to increased energy demand, quality of products, oil price variations,market competition and other economic, environmental and energy efficiency factors. In this scenario the use of model predictive control techniques is increasing, thus the demand for plant identification as well. The particular characteristics of the processing plants impose restrictions to the project and application of excitation signals. Various methods for generating signals accessible in the literature and three new others proposed in this work are compared with reference to these restrictions. One of the main constraints for applying excitation signals for identification is relative to the period available for excitation of the plant. Thus, for the proper use of this time interval, it is necessary to ensure the success of an experiment prior to its implementation. In the literature there are several performance measurements for evaluation of sets of excitation signals prior to the experiment. This work proposes two new measures to complement the evaluation. The effectiveness of the generating methods and performance measurements for excitation signals is evaluated by simulation of multivariable identification of two typical oil refining plants. The conclusions of this work briefly present these evaluations, as well as some suggestions of future work for the continuity of the current research.

This work presents an embedded model predictive control application to a 2-DOF Helicopter Process. The mathematical modeling of the plant is first presented along with an analysis of the linear model. Then, the incremental state-space representations used in the MPC formulation are derived. The MPC technique is then defined, along with how to rewrite the physical constraints into the problem formulation. After that, a discussion on the utilized Quadratic Programming solver is presented along with possible alternatives to it, showing some considerations on which matrices to calculate beforehand for an embedded application. Finally, system identification is performed and the experimental results are presented. / Este trabalho apresenta uma aplicação de controle preditivo embarcado em um helicóptero de bancada com dois graus de liberdade. A modelagem matemática é apresentada, junto com uma análise do modelo linear obtido. São obtidas duas representações de modelos de espaço de estados considerando a entrada incremental, que serão usadas posteriormente para a formulação do controlador. Então, é definida a técnica de controle utilizada, juntamente com a inclusão das restrições físicas da planta na formulação do problema. Após isto, é feita uma discussão sobre qual solver para a programação quadrática utilizar, junto com algumas alternativas ao solver escolhido, bem como algumas considerações sobre a aplicação embarcada. Finalmente, são apresentados os resultados da identificação de sistemas aplicadas ao protótipo, bem como os resultados experimentais obtidos.

Técnicas experimentais de identificação de sistemas de controle têm despertado interesse na indústria, devido a sua facilidade em se ajustar modelos matemáticos, facilitando a formulação e a resolução de problemas de controle de processos. É proposto o uso de uma técnica experimental de identificação de sistemas, utilizando a estrutura matemática linear ARX. Os parâmetros da estrutura matemática ARX são estimados por meio do algoritmo dos mínimos quadrados recursivo (RLS). A comunicação e a aquisição de dados de redes Fieldbus é feita através do padrão de comunicação OPC. / Experimental system identification techniques are considered interesting by industrial sector due to the simple approach to adjust mathematical models, making it easy the formulation and the solution of process control problems. In this work a computational tool is proposed, the Sintonizador, based on the experimental technic of System Identification, using the linear mathematical structure ARX (Auto-Regressive with eXogenous inputs). The ARX structure parameters are estimated by RLS (Recursive Least Square) algorithm. The data comunication and data aquisition of the fieldbus network has been done through of the OPC comunication standard.