Identificação e controle de sistemas dinâmicos utilizando uma Fuzzy Wavelet Neural Network

dc.contributor.advisorAraújo, Fábio Meneghetti Ugulino de
dc.contributor.advisorIDpt_BR
dc.contributor.authorSouza, Fábio Ricardo de Lima
dc.contributor.authorIDpt_BR
dc.contributor.referees1Maitelli, André Laurindo
dc.contributor.referees1IDpt_BR
dc.contributor.referees2Araújo Júnior, José Medeiros de
dc.contributor.referees2IDpt_BR
dc.date.accessioned2018-10-05T20:07:19Z
dc.date.available2018-10-05T20:07:19Z
dc.date.issued2018-07-03
dc.description.abstractMathematical modeling is a task of vital importance for the development of science and technology, since its objective is to obtain a mathematical description of a real phenomenon. Regardless of their nature, real systems need to be studied and their dynamics must be known in order for their functioning to take place as desired. The classical way of obtaining a mathematical representation is by analyzing the physical laws governing systems. However, in this case, in addition, they are (often) difficult or even impossible to follow this path, and a plausible alternative is the identification of systems. The identification of dynamic systems aims to obtain a mathematical representation of the dynamics of a system based on input and output data. Real dynamic systems are nonlinear. In some applications, as linear approximations are sufficient, however, when linear representations do not express a dynamic process, it is necessary to use a nonlinear model. In the last decades, as neural networks have been installed as one of the main tools for an identification of nonlinear dynamic systems, as they have characteristics that make them attractive for identification, due to nonlinearity and generalization and learning. From the possession of a model that satisfactorily represents the dynamics of a system, it can be used for applications such as control, prediction, inference, among others. The present work proposes the application of a Fuzzy Wavelet Neural Network in the identification of nonlinear dynamic systems. This hybrid technique combines the multiresolution features of the Wavelet theory with the learning ability and the generalization of the neural networks together with the ability to deal with Fuzzy logic uncertainties. The obtained model is used for the tuning of a PID controller. In the course of the work, the concepts and techniques necessary to perform identification and controller tuning will be presented. And the results obtained attest to the efficiency of the techniques used.pt_BR
dc.description.resumoA modelagem matemática é uma tarefa de vital importância para o desenvolvimento da ciência e da tecnologia, cujo objetivo é obter uma descrição matemática de um fenômeno real. Independente de sua natureza, os sistemas reais precisam ser estudados e sua dinâmica deve ser conhecida para que seu funcionamento se dê como desejado. A forma clássica de obter uma representação matemática é através da análise das relações fenomenológicas que regem os sistemas. No entanto, devido a complexidade desses é, muitas vezes, difícil ou impossível seguir por esse caminho. Uma alternativa é a identificação de sistemas. A identificação de sistemas dinâmicos tem como objetivo obter uma representação matemática do comportamento de um sistema com base em dados de entrada e saída do mesmo. Uma característica dos sistemas dinâmicos que influencia na escolha do método utilizado para a identificação é a linearidade dos mesmos. Os sistemas dinâmicos reais são não lineares, todavia, em algumas aplicações, as aproximações lineares são suficientes. Quando as representações lineares não expressam a dinâmica do processo da forma necessária, é preciso utilizar um modelo não linear. Nas últimas décadas, as redes neurais têm se estabelecido como uma das principais ferramentas para a identificação de sistemas dinâmicos não lineares, pois essas possuem características que as tornam atrativas para a identificação, como a não linearidade e a capacidade de generalização e aprendizado. De posse de um modelo que represente de forma satisfatória a dinâmica de um sistema, esse pode ser utilizado para aplicações como controle, predição, inferência, entre outros. O presente trabalho aplica uma Fuzzy Wavelet Neural Network na identificação de sistemas dinâmicos não lineares. Essa técnica híbrida combina as características de multirresolução da teoria wavelet com a capacidade de aprendizado e generalização das redes neurais e a capacidade de tratar incertezas da lógica fuzzy. O modelo obtido será utilizado para a sintonia de um controlador PID. No decorrer do trabalho, serão apresentados os conceitos e técnicas necessárias para a realização da identificação e da sintonia do controlador. Os resultados obtidos atestam a eficiência das técnicas utilizadas.pt_BR
dc.identifier.citationSOUZA, Fábio Ricardo de Lima. Identificação e controle de sistemas dinâmicos utilizando uma Fuzzy Wavelet Neural Network. 2018. 53f. Dissertação (Mestrado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2018.pt_BR
dc.identifier.urihttps://repositorio.ufrn.br/jspui/handle/123456789/25959
dc.languageporpt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.initialsUFRNpt_BR
dc.publisher.programPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃOpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectIdentificação de sistemaspt_BR
dc.subjectControlador PIDpt_BR
dc.subjectRedes Neurais Artificiaispt_BR
dc.subjectFunções Waveletpt_BR
dc.subjectFuzzy Wavelet Neural Networkpt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICApt_BR
dc.titleIdentificação e controle de sistemas dinâmicos utilizando uma Fuzzy Wavelet Neural Networkpt_BR
dc.typemasterThesispt_BR

Arquivos

Pacote Original

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
Identificaçãocontrolesistemas_Souza_2018.pdf
Tamanho:
1.59 MB
Formato:
Adobe Portable Document Format
Carregando...
Imagem de Miniatura
Baixar