Thesis (doctoral)--Rheinische Friedrich-Wilhelms-Universität zu Bonn. / Imprint date on cover: 1988. Bibliography: p. 146-150.

Thesis (Ph.D.)--McMaster University, 2003. / Advisor: James P. Reilly. Includes bibliographical reference (leaves 142-151). Also available via World Wide Web.

Many high-dimensional time-varying signals can be modeled as a sequence of noisy nonlinear observations of a low-dimensional dynamical process. Given high-dimensional observations and a distribution describing the dynamical process, we present a computationally inexpensive approximate algorithm for estimating the inverse of this mapping. Once this mapping is learned, we can invert it to construct a generative model for the signals. Our algorithm can be thought of as learning a manifold of images by taking into account the dynamics underlying the low-dimensional representation of these images. It also serves as a nonlinear system identification procedure that estimates the inverse of the observation function in nonlinear dynamic system. Our algorithm reduces to a generalized eigenvalue problem, so it does not suffer from the computational or local minimum issues traditionally associated with nonlinear system identification, allowing us to apply it to the problem of learning generative models for video sequences.

Biorreatores, que são explorados desde a antiguidade, são sistemas capazes de realizar a fermentação de compostos orgânicos, continuam sendo amplamente utilizados atualmente devido à diversidade de aplicações. Esses sistemas podem operar em diferentes modos de fermentação, entretanto, os mais utilizados são: fermentação contínua, semicontínua e descontínua. Esse último, juntamente com o processo de digestão anaeróbia (ausência de oxigênio), permitem que uma determinada matéria orgânica seja degradada e transformada em biogás, um dos fatores chave para geração de energia limpa. Percebe-se, portanto, que o estudo de biorreatores em modo de operação descontínuo e em processo de digestão anaeróbia é fundamental para o desenvolvimento de pesquisas relacionadas à geração de energia renovável. Para facilitar o entendimento desse processo, alguns autores propuseram estudos baseados na identificação de parâmetros em modelos não-lineares descritivos, do tipo caixa-branca, que hoje são vastamente utilizados na modelagem de biorreatores. A grande limitação dessa abordagem é que o processo de identificação de sistemas utilizando esses modelos pode ser complexo e demorado, ou, ainda, os parâmetros dos sistemas representados podem não ser identificáveis, inviabilizando o procedimento. Tentando amenizar essas dificuldades, propomos neste trabalho a utilização de modelos polinomiais NAR e NARMA do tipo caixa-preta para a modelagem de biorreatores em modo de fermentação descontínua. Modelos caixa-preta representam sistemas reais por meio de sua saída, sem informação sobre os mecanismos internos desse sistema, simplificando a identificação. Frente a esse contexto, o objetivo deste estudo é investigar a predição e, por consequência, realizar o monitoramento da produção de metano utilizando os modelos caixa-preta propostos em sistemas de biorreatores em modo descontínuo e em processo de digestão anaeróbia. Realizamos estudos que abarcam a investigação de dados simulados e de dados reais. Num primeiro momento são propostos modelos polinomiais dos tipos NAR e NARMA. A partir desses modelos são estimados os parâmetros dos sistemas simulados, com e sem ruído na saída, baseados em condições iniciais propostas na literatura, que denominamos Grupo de Controle. Posteriormente realizamos as validações desses modelos. Em seguida, passamos à etapa de investigação do domínio de validade dos modelos caixa-preta propostos, realizando um estudo em que modificamos as condições iniciais do sistema que representa biorreatores em modo de fermentação descontínua. Por fim, utilizamos dados de um experimento real para realizar o processo de estimação de parâmetros e de validação dos modelos. Os resultados mostraram que os modelos polinomiais NAR e NARMA são bastante adequados para predição de metano em biorreatores em modo de fermentação descontínua em processo de digestão anaeróbia, tanto para os dados simulados quanto para os dados reais. / Bioreactors, which are explored since antiquity, are systems that are capable of performing the fermentation of organic compounds. Nowadays, they are widely applied due to its diversity of applications. These systems can operate in different fermentation modes: continuous, fed-batch and batch. This last fermentation method along with the process of anaerobic digestion allow organic matter to be degraded and converted into biogas, which is a key factor for clean energy generation. It is thus realized that the study of bioreactors in batch mode and anaerobic digestion process is crucial to the development of research related to renewable energy generation. For a better understanding of the process, some authors have proposed studies based on parameters identification in descriptive nonlinear models, white-box models, which are widely used in bioreactors modeling. The main limitation of this approach is that the system identification procedure using these models can be complex and time-consuming, or even the parameters of the systems may not be identifiable. In order to overcome these difficulties, we propose in this work the use of black-box polynomial models for bioreactor modeling in batch mode, with NAR and NARMA model structures. Black-box models represent real systems using its output, without explicitly considering the inner mechanisms of the system, simplifying the identification procedure. Thus, the aim of this work is to investigate the prediction and monitoring methane production using the black-box models proposed using bioreactor systems in batch and anaerobic digestion process. The investigation uses numerical simulation and experimental data. At first, polynomial models of the types NAR and NARMA are proposed. The parameters from these models using simulation data with and without noise at the output, based on initial conditions proposed in the literature, are estimated. Subsequently we perform validations of these models. The next step is the study of the validity domain of the proposed black-box models, which is performed by testing many different initial conditions of the system that represents bioreactors in batch fermentation mode. Finally, we used real experimental data to perform the estimation of the parameters from the process and validation of models. The results, both simulated and experimental, indicate that the polynomial models NAR and NARMA are appropriate for prediction of methane fermentation in batch bioreactors.

A identificação de sistemas em malha fechada assume papel importante no contexto atual, já que reduz o custo operacional do processo de identificação no estágio de testes, evitando, por exemplo, a geração de produtos fora de especificação. Entretanto, requer uma série de cuidados especiais no tratamento dos dados a serem analisados para a obtenção dos modelos. Nesta dissertação um estudo acerca da identificação de sistemas monovariáveis lineares a partir de dados de operação em malha fechada, avaliando diferentes métodos e técnicas de identificação em malha fechada já consolidados é apresentado. Um novo método, recentemente proposto por Agüero (2005), o Virtual Closed Loop ouMétodo da Malha Virtual, que consiste na adição e remoção virtual de um controlador à malha analisada, de forma a filtrar a ação de controle real em um procedimento totalmente offline, é estudado em detalhes e uma adaptação é realizada na metodologia, com a simplificação do filtro virtual e forma de obtenção do modelo da malha aberta. O desenvolvimento e estudo da metodologia estão baseados em uma série de sistemas SISO distintos, com dinâmicas variáveis. Além disso, diferentes cenários com características peculiares são aplicados ao estudo, como distúrbios não medidos e ruído de medição, ilustrando de forma simples possíveis comportamentos dinâmicos encontrados em plantas industriais. / The identification of closed loop systems has taken on an important role in the current context, since it reduces the operational costs of the identification process in the testing stage, thus avoiding, for instance, the creation of non-specified products. However, it requires special care in the treatment of data to be analyzed for the obtainment of models. In this work, we present a study on the identification of linear models from closed loops operational data, evaluating different consolidated methods and techniques of closed loop identification. A new method is studied in detail in this work: the Virtual Closed Loop, which was proposed by Agüero (2005). It consists of the virtual addition and removal of a controller to the analyzed loop, so as to filter the input of the system in a completely offline procedure. It is also presented modifications on this methodology resulting in an simplification of the virtual filter and in the ways to obtain the open loop model. The development and study of this methodology are both based on different SISO systems, with variable dynamics. Other interesting characteristics, peculiar to the study, are considered in this work, as noise and dither signals. It illustrates, in a simple way, possible dynamic behavior patterns found in industrial plants.

Biorreatores, que são explorados desde a antiguidade, são sistemas capazes de realizar a fermentação de compostos orgânicos, continuam sendo amplamente utilizados atualmente devido à diversidade de aplicações. Esses sistemas podem operar em diferentes modos de fermentação, entretanto, os mais utilizados são: fermentação contínua, semicontínua e descontínua. Esse último, juntamente com o processo de digestão anaeróbia (ausência de oxigênio), permitem que uma determinada matéria orgânica seja degradada e transformada em biogás, um dos fatores chave para geração de energia limpa. Percebe-se, portanto, que o estudo de biorreatores em modo de operação descontínuo e em processo de digestão anaeróbia é fundamental para o desenvolvimento de pesquisas relacionadas à geração de energia renovável. Para facilitar o entendimento desse processo, alguns autores propuseram estudos baseados na identificação de parâmetros em modelos não-lineares descritivos, do tipo caixa-branca, que hoje são vastamente utilizados na modelagem de biorreatores. A grande limitação dessa abordagem é que o processo de identificação de sistemas utilizando esses modelos pode ser complexo e demorado, ou, ainda, os parâmetros dos sistemas representados podem não ser identificáveis, inviabilizando o procedimento. Tentando amenizar essas dificuldades, propomos neste trabalho a utilização de modelos polinomiais NAR e NARMA do tipo caixa-preta para a modelagem de biorreatores em modo de fermentação descontínua. Modelos caixa-preta representam sistemas reais por meio de sua saída, sem informação sobre os mecanismos internos desse sistema, simplificando a identificação. Frente a esse contexto, o objetivo deste estudo é investigar a predição e, por consequência, realizar o monitoramento da produção de metano utilizando os modelos caixa-preta propostos em sistemas de biorreatores em modo descontínuo e em processo de digestão anaeróbia. Realizamos estudos que abarcam a investigação de dados simulados e de dados reais. Num primeiro momento são propostos modelos polinomiais dos tipos NAR e NARMA. A partir desses modelos são estimados os parâmetros dos sistemas simulados, com e sem ruído na saída, baseados em condições iniciais propostas na literatura, que denominamos Grupo de Controle. Posteriormente realizamos as validações desses modelos. Em seguida, passamos à etapa de investigação do domínio de validade dos modelos caixa-preta propostos, realizando um estudo em que modificamos as condições iniciais do sistema que representa biorreatores em modo de fermentação descontínua. Por fim, utilizamos dados de um experimento real para realizar o processo de estimação de parâmetros e de validação dos modelos. Os resultados mostraram que os modelos polinomiais NAR e NARMA são bastante adequados para predição de metano em biorreatores em modo de fermentação descontínua em processo de digestão anaeróbia, tanto para os dados simulados quanto para os dados reais. / Bioreactors, which are explored since antiquity, are systems that are capable of performing the fermentation of organic compounds. Nowadays, they are widely applied due to its diversity of applications. These systems can operate in different fermentation modes: continuous, fed-batch and batch. This last fermentation method along with the process of anaerobic digestion allow organic matter to be degraded and converted into biogas, which is a key factor for clean energy generation. It is thus realized that the study of bioreactors in batch mode and anaerobic digestion process is crucial to the development of research related to renewable energy generation. For a better understanding of the process, some authors have proposed studies based on parameters identification in descriptive nonlinear models, white-box models, which are widely used in bioreactors modeling. The main limitation of this approach is that the system identification procedure using these models can be complex and time-consuming, or even the parameters of the systems may not be identifiable. In order to overcome these difficulties, we propose in this work the use of black-box polynomial models for bioreactor modeling in batch mode, with NAR and NARMA model structures. Black-box models represent real systems using its output, without explicitly considering the inner mechanisms of the system, simplifying the identification procedure. Thus, the aim of this work is to investigate the prediction and monitoring methane production using the black-box models proposed using bioreactor systems in batch and anaerobic digestion process. The investigation uses numerical simulation and experimental data. At first, polynomial models of the types NAR and NARMA are proposed. The parameters from these models using simulation data with and without noise at the output, based on initial conditions proposed in the literature, are estimated. Subsequently we perform validations of these models. The next step is the study of the validity domain of the proposed black-box models, which is performed by testing many different initial conditions of the system that represents bioreactors in batch fermentation mode. Finally, we used real experimental data to perform the estimation of the parameters from the process and validation of models. The results, both simulated and experimental, indicate that the polynomial models NAR and NARMA are appropriate for prediction of methane fermentation in batch bioreactors.

[pt] A partir da forma geral do algoritmo de adaptação, é proposto o uso de mais uma variável de projeto, denominada janela. Esta janela tem por objetivo melhorar as características de convergência de algoritmos, cujos parâmetros são partes de estruturas IIR. A introdução das janelas é justificada heuristicamente e seu desempenho é avaliado por meio de diversas simulações de identificação de sistemas. Os resultados obtidos indicam aumentos significativos na velocidade de convergência (cerca de uma ordem de grandeza mais rápido do que os algoritmos atualmente mais usados), na precisão das estimativas dos parâmetros do problema e na robustez dos novos algoritmos (menor número de pólos instáveis durante a adaptação). Estes resultados foram observados em ambientes estacionários e não estacionários, com e sem ruído de medida e com ordem de identificação suficiente ou não. / [en] From the adaptation algorithm general form it is proposed the usage of another design variable, called Window. The goal of this Window is to improve the convergence characteristics of algorithms whose parameters are parts of IIR Structures. The introduction of the Window is heuristically justified and its performance is eventuated by several system identification simulations. The results achieved suggest significant increase in the convergence speed (about one order of magnitude faster than the currently most used algorithms), in the parameter estimation precision and in the new algorithm robusteness (fewer unstable poles during adaptation). These results were observed in sationary and non-stationary environments, with and without measurement noise and with sufficient identification order or not.

A identificação de sistemas em malha fechada assume papel importante no contexto atual, já que reduz o custo operacional do processo de identificação no estágio de testes, evitando, por exemplo, a geração de produtos fora de especificação. Entretanto, requer uma série de cuidados especiais no tratamento dos dados a serem analisados para a obtenção dos modelos. Nesta dissertação um estudo acerca da identificação de sistemas monovariáveis lineares a partir de dados de operação em malha fechada, avaliando diferentes métodos e técnicas de identificação em malha fechada já consolidados é apresentado. Um novo método, recentemente proposto por Agüero (2005), o Virtual Closed Loop ouMétodo da Malha Virtual, que consiste na adição e remoção virtual de um controlador à malha analisada, de forma a filtrar a ação de controle real em um procedimento totalmente offline, é estudado em detalhes e uma adaptação é realizada na metodologia, com a simplificação do filtro virtual e forma de obtenção do modelo da malha aberta. O desenvolvimento e estudo da metodologia estão baseados em uma série de sistemas SISO distintos, com dinâmicas variáveis. Além disso, diferentes cenários com características peculiares são aplicados ao estudo, como distúrbios não medidos e ruído de medição, ilustrando de forma simples possíveis comportamentos dinâmicos encontrados em plantas industriais. / The identification of closed loop systems has taken on an important role in the current context, since it reduces the operational costs of the identification process in the testing stage, thus avoiding, for instance, the creation of non-specified products. However, it requires special care in the treatment of data to be analyzed for the obtainment of models. In this work, we present a study on the identification of linear models from closed loops operational data, evaluating different consolidated methods and techniques of closed loop identification. A new method is studied in detail in this work: the Virtual Closed Loop, which was proposed by Agüero (2005). It consists of the virtual addition and removal of a controller to the analyzed loop, so as to filter the input of the system in a completely offline procedure. It is also presented modifications on this methodology resulting in an simplification of the virtual filter and in the ways to obtain the open loop model. The development and study of this methodology are both based on different SISO systems, with variable dynamics. Other interesting characteristics, peculiar to the study, are considered in this work, as noise and dither signals. It illustrates, in a simple way, possible dynamic behavior patterns found in industrial plants.

abstract: The lack of healthy behaviors - such as physical activity and balanced diet - in modern society is responsible for a large number of diseases and high mortality rates in the world. Adaptive behavioral interventions have been suggested as a way to promote sustained behavioral changes to address these issues. These adaptive interventions can be modeled as closed-loop control systems, and thus applying control systems engineering and system identification principles to behavioral settings might provide a novel way of improving the quality of such interventions. Good understanding of the dynamic processes involved in behavioral experiments is a fundamental step in order to design such interventions with control systems ideas. In the present work, two different behavioral experiments were analyzed under the light of system identification principles and modelled as dynamic systems. In the first study, data gathered over the course of four days served as the basis for ARX modeling of the relationship between psychological constructs (negative affect and self-efficacy) and the intensity of physical activity. The identified models suggest that this behavioral process happens with self-regulation, and that the relationship between negative affect and self-efficacy is represented by a second order underdamped system with negative gain, while the relationship between self-efficacy and physical activity level is an overdamped second order system with positive gain. In the second study, which consisted of single-bouts of intense physical activity, the relation between a more complex set of behavioral variables was identified as a semi-physical model, with a theoretical set of system equations derived from behavioral theory. With a prescribed set of physical activity intensities, it was found that less fit participants were able to get higher increases in affective state, and that self-regulation processes are also involved in the system. / Dissertation/Thesis / Masters Thesis Chemical Engineering 2016

A identificação de sistemas em malha fechada assume papel importante no contexto atual, já que reduz o custo operacional do processo de identificação no estágio de testes, evitando, por exemplo, a geração de produtos fora de especificação. Entretanto, requer uma série de cuidados especiais no tratamento dos dados a serem analisados para a obtenção dos modelos. Nesta dissertação um estudo acerca da identificação de sistemas monovariáveis lineares a partir de dados de operação em malha fechada, avaliando diferentes métodos e técnicas de identificação em malha fechada já consolidados é apresentado. Um novo método, recentemente proposto por Agüero (2005), o Virtual Closed Loop ouMétodo da Malha Virtual, que consiste na adição e remoção virtual de um controlador à malha analisada, de forma a filtrar a ação de controle real em um procedimento totalmente offline, é estudado em detalhes e uma adaptação é realizada na metodologia, com a simplificação do filtro virtual e forma de obtenção do modelo da malha aberta. O desenvolvimento e estudo da metodologia estão baseados em uma série de sistemas SISO distintos, com dinâmicas variáveis. Além disso, diferentes cenários com características peculiares são aplicados ao estudo, como distúrbios não medidos e ruído de medição, ilustrando de forma simples possíveis comportamentos dinâmicos encontrados em plantas industriais. / The identification of closed loop systems has taken on an important role in the current context, since it reduces the operational costs of the identification process in the testing stage, thus avoiding, for instance, the creation of non-specified products. However, it requires special care in the treatment of data to be analyzed for the obtainment of models. In this work, we present a study on the identification of linear models from closed loops operational data, evaluating different consolidated methods and techniques of closed loop identification. A new method is studied in detail in this work: the Virtual Closed Loop, which was proposed by Agüero (2005). It consists of the virtual addition and removal of a controller to the analyzed loop, so as to filter the input of the system in a completely offline procedure. It is also presented modifications on this methodology resulting in an simplification of the virtual filter and in the ways to obtain the open loop model. The development and study of this methodology are both based on different SISO systems, with variable dynamics. Other interesting characteristics, peculiar to the study, are considered in this work, as noise and dither signals. It illustrates, in a simple way, possible dynamic behavior patterns found in industrial plants.