Orientador: Celso Pascoli Bottura / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-27T02:15:32Z (GMT). No. of bitstreams: 1
Alegria_ElvisOmarJara_M.pdf: 5581682 bytes, checksum: cd5b08b04c7ba4bcd505ab00e5335ffc (MD5)
Previous issue date: 2015 / Resumo: Este trabalho é sobre a identificação recursiva em tempo real das dependências parâmetro-estado em modelos de regressão de series temporais estocásticas. O descobrimento dessas dependências é útil para obter uma nova, e mais acurada, estrutura do modelo. Os métodos recursivos convencionais de estimação de parâmetros variantes no tempo, não conseguem bons resultados quando os modelos apresentam parâmetros dependentes do estado (SDP) pois eles tem comportamento altamente não linear e inclusive caótico. Nossa proposta está baseada no estudo de Peter Young para SDPs no caso Off-Line. É discutido o método que ele propõe para reduzir a entropia das séries nos modelos com SDP e para isto se apresenta umas transformações dos dados. São propostas mudanças no seu algoritmo Off-Line que o fazem mais rápido, eficiente e manejável para a implementação do modo On-Line. Finalmente, três exemplos numéricos são mostrados para validar as nossas propostas e a sua aplicação na área de detecção de falhas paramétricas. Todas as funções foram implementadas no MATLAB e conformam um toolbox para identificação de SDP em modelos de regressão / Abstract: This work is about the identification of the dependency among parameters and states in regression models of stochastic time series. The discovery of that dependency can be useful to obtain a more accurate model structure. Conventional recursive algorithms for estimation of Time Variable Parameters do not provide good results in models with state-dependent parameters (SDP) because these may have highly non-linear and even chaotic behavior. This work is based on Peter Young's studies about Off-Line SDP. Young's methods to data entropy reduction are discussed and some data transformations are proposed for this. Later, are proposed some changes on the Off-Line algorithm in order to improve its velocity, accuracy, and tractability to generate the On-Line version. Finally, three numeric examples to validate our proposal are shown. All the functions were implemented in MATLAB and conform a Toolbox to the SDP identification in regression models / Mestrado / Automação / Mestre em Engenharia Elétrica
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.unicamp.br:REPOSIP/258834 |
| Date | 27 August 2018 |
| Creators | Alegria, Elvis Omar Jara, 1986- |
| Contributors | UNIVERSIDADE ESTADUAL DE CAMPINAS, Bottura, Celso Pascoli, 1938-, Serra, Ginalber Luiz de Oliveira, Val, João Bosco Ribeiro do |
| Publisher | [s.n.], Universidade Estadual de Campinas. Faculdade de Engenharia Elétrica e de Computação, Programa de Pós-Graduação em Engenharia Elétrica |
| Source Sets | IBICT Brazilian ETDs |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | 54 f. : il., application/pdf |
| Source | reponame:Repositório Institucional da Unicamp, instname:Universidade Estadual de Campinas, instacron:UNICAMP |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0026 seconds