Made available in DSpace on 2014-12-17T14:55:11Z (GMT). No. of bitstreams: 1
CarlosAGF_TESE.pdf: 1739972 bytes, checksum: 7401db4e68ede642dc9d65e00bd935e6 (MD5)
Previous issue date: 2012-12-21 / In this work a modification on ANFIS (Adaptive Network Based Fuzzy Inference System) structure is proposed to find a systematic method for nonlinear plants, with large operational range, identification and control, using linear local systems: models and controllers. This method is based on multiple model approach. This way, linear local models are obtained and then those models are combined by the proposed neurofuzzy structure. A metric that allows a satisfactory combination of those models is obtained after the structure training. It results on plant s global identification.
A controller is projected for each local model. The global control is obtained by mixing local controllers signals. This is done by the modified ANFIS. The modification on ANFIS architecture allows the two neurofuzzy structures knowledge sharing. So the same metric obtained to combine models can be used to combine controllers.
Two cases study are used to validate the new ANFIS structure. The knowledge sharing is evaluated in the second case study. It shows that just one modified ANFIS structure is necessary to combine linear models to identify, a nonlinear plant, and combine linear controllers to control this plant.
The proposed method allows the usage of any identification and control techniques for local models and local controllers obtaining. It also reduces the complexity of ANFIS usage for identification and control. This work has prioritized simpler techniques for the identification and control systems to simplify the use of the method / Neste trabalho prop?e-se uma modifica??o na estrutura neurofuzzy ANFIS (Adaptive Network Based Fuzzy Inference System) para a obten??o de um m?todo sistem?tico para identifica??o e controle de plantas com ampla faixa de opera??o e n?o linearidade acentuada, a partir de t?cnicas lineares de identifica??o e controle. Este m?todo se baseia na metodologia de m?ltiplos modelos. Dessa forma, obt?m-se modelos lineares locais e esses s?o combinados pela estrutura neurofuzzy proposta. Uma m?trica que permite combinar adequadamente esses modelos ? obtida ap?s o treinamento dessa estrutura, resultando na identifica??o global da planta.
Para cada um desses modelos ? projetado um controlador. O controle global ? obtido a partir da combina??o dos sinais dos controladores locais. Essa mistura ? feita pelo ANFIS modificado. A modifica??o na arquitetura do ANFIS permite o compartilhamento do conhecimento adquirido pelo treinamento da estrutura empregada na combina??o de modelos locais. Assim n?o se faz necess?rio o treinamento da estrutura empregada na mistura de controladores.
Avaliaram-se as estruturas modificadas atrav?s de dois estudos de caso. Verificou-se que ? poss?vel treinar apenas um ANFIS, para a obten??o de uma m?trica que permita a combina??o adequada dos modelos lineares, v?lidos localmente, e essa estrutura, j? ajustada, pode ser aplicada na combina??o de controladores lineares, projetados para cada um dos modelos, resultando em um sistema de controle que satisfaz as especifica??es de desempenho previamente estabelecidas.
O m?todo proposto possibilita a utiliza??o de quaisquer t?cnicas de identifica??o e controle para a obten??o dos modelos e controladores locais, e a redu??o da complexidade de utiliza??o do ANFIS para identifica??o e controle. Neste trabalho priorizaram-se as t?cnicas mais simples de identifica??o e controle de sistemas de forma a simplificar a utiliza??o do m?todo
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufrn.br:123456789/15222 |
Date | 21 December 2012 |
Creators | Fonseca, Carlos Andr? Guerra |
Contributors | CPF:82675090468, http://lattes.cnpq.br/5473196176458886, Cavalcanti, Anderson Luiz de Oliveira, CPF:02795948443, http://lattes.cnpq.br/7224754476792019, Maitelli, Andr? Laurindo, CPF:42046637100, http://lattes.cnpq.br/0477027244297797, Casillo, Danielle Simone da Silva, CPF:02796900452, http://lattes.cnpq.br/2111858571672626, Yoneyama, Takashi, CPF:73822183849, http://lattes.cnpq.br/9201712893785499, Ara?jo, F?bio Meneghetti Ugulino de |
Publisher | Universidade Federal do Rio Grande do Norte, Programa de P?s-Gradua??o em Engenharia El?trica, UFRN, BR, Automa??o e Sistemas; Engenharia de Computa??o; Telecomunica??es |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | English |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
Format | application/pdf |
Source | reponame:Repositório Institucional da UFRN, instname:Universidade Federal do Rio Grande do Norte, instacron:UFRN |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0016 seconds