Submitted by Maria Aparecida (cidazen@gmail.com) on 2017-04-17T12:44:32Z
No. of bitstreams: 1
Hugo Alves Velozo.pdf: 5196080 bytes, checksum: 14e9edcc07c0256cf726b1d0f7eb9a02 (MD5) / Made available in DSpace on 2017-04-17T12:44:32Z (GMT). No. of bitstreams: 1
Hugo Alves Velozo.pdf: 5196080 bytes, checksum: 14e9edcc07c0256cf726b1d0f7eb9a02 (MD5)
Previous issue date: 2017-02-20 / CAPES / Most methods of identifcation of closed-loop dynamic systems are developed for linear
and deterministic systems. However, most closed loop systems are nonlinear dynamic systems. In addition, such systems are subject to stochastic perturbations. Considering this
problem, this work presents a methodology for the identifcation of closed loop stochastic
nonlinear systems. For this purpose, the proposed methodology uses a local approach to
identify nonlinear dynamic systems, that is, a set of Box-Jenkins local models are used
to identify the dynamics of the nonlinear system. In this work, the nonlinear system is
modeled through a Takagi-Sugeno fuzzy inference system, where the parameters of the
antecedent of the fuzzy rules are estimated with the fuzzy clustering algorithm GustafsonKessel and the consequent Box-Jenkins model parameters are estimated with the fuzzy
fuzzy RIV (Refned Instrumental Variable) and fuzzy IVARMA (Instrumental Variable
ARMA) algorithms. The proposed method is applied in the identifcation of a closed-loop
nonlinear thermal plant. / A maioria dos métodos de identifcação de sistemas dinâmicos em malha fechada são
desenvolvidos para sistemas lineares e determinísticos. Entretanto, a maioria dos sistemas operando em malha fechada são sistemas dinâmicos não lineares. Além disso, esses
sistemas estão sujeitos a perturbações de natureza estocástica. Considerando essa problemática, este trabalho apresenta uma metodologia para identifcação de sistemas não
lineares estocásticos em malha fechada. Para isso, a metodologia proposta utiliza uma
abordagem local de identifcação de sistemas dinâmicos não lineares, ou seja, um conjunto de modelos locais Box-Jenkins são utilizados para identifcar a dinâmica do sistema
não linear. Neste trabalho, o sistema não linear é modelado por meio de um sistema de
inferência fuzzy Takagi-Sugeno, onde os parâmetros do antecedente das regras fuzzy são
estimados com o algoritmo de agrupamento fuzzy Gustafson-Kessel e o parâmetros do
modelo Box-Jenkins do consequente são estimados com os algoritmos RIV (Refned Instrumental Variable) fuzzy e IVARMA (Instrumental Variable ARMA) fuzzy. O método
proposto é aplicado na identifcação de uma planta térmica não linear em malha fechada.
| Identifer | oai:union.ndltd.org:IBICT/oai:tede2:tede/1295 |
| Date | 20 February 2017 |
| Creators | VELOZO, Hugo Alves |
| Contributors | SERRA, Ginalber Luiz de Oliveira |
| Publisher | Universidade Federal do Maranhão, PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET, UFMA, Brasil, DEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCET |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Biblioteca Digital de Teses e Dissertações da UFMA, instname:Universidade Federal do Maranhão, instacron:UFMA |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.002 seconds