[pt] A identificação de sistemas é focalizada sob o ponto de
vista da aproximação estocástica.
Um sistema sem memória e invariante no tempo, com função
completamente desconhecida é identificado por intermédio
de uma estimação, que minimiza o critério do erro médio
quadrático, tomando como base um conjunto de funções pré-
selecionadas e linearmente independentes. A
identificação
do sistema é obtida através de uma algoritmo recursivo
de
aproximação estocástica, que converge para o valor real
dessa estimativa, com probabilidade 1 e no sentido da
média quadrática. Um estudo da aceleração desse
algoritmo
é efetuado, comprovando a existência de uma seqüência
capaz de otimizá-lo.
É demonstrada a aplicação desse algoritmo para
identificação de um sistema linear e invariante no
tempo,
entretanto a aceleração da convergência não é mais uma
conseqüência do caso anterior.
Ainda é apresentada uma tentativa de contornar o
problema
de acessibilidade dos estados, requerida pelo algoritmo
de
aproximação estocástica, utilizando simultaneamente à
identificação dos parâmetros do sistema, os algoritmos
do
filtro de Kalman, para estimação dos estados / [en] The stochastic approximation approach is used for systems
identification.
A memoryless time-invariant system with functional form
completely unknow is identified by means of an estimate
based on a preselected and linearly independent set of
function which minimizes the mean-square-error criterion.
The system identification is obtained using a stochastic
approximation recursive algorithm, which convergs to a
real value of this estimate, with probability 1 and in the
mean square sense. The acceleration study of this
algorithm is developd by proving the existence of an
optimal sequence.
The application of this algorithm for a linear timevariant
system identification is proved, nevertheless the
convergence acceletation is not anymore a consequence of
the last case.
Next is presented a tentative to by-pass the problem of
states accessibility, required for the stochastic
approximation, using simultaneously parameters systems
identification with the Kalman-filter algorithms for
states estimation.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:9920 |
| Date | 16 May 2007 |
| Creators | CARLOS KUBRUSLY |
| Contributors | JEAN PAUL GRAVIER |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.5202 seconds