Recursive Identification Approach of Multivariable Nonlinear Dynamic Systems based on Evolving Fuzzy Hammerstein Models

Santos, Jéssica Almeida dos; Serra, Ginalber Luiz de Oliveira

doi:10.1109/fuzz-ieee.2018.8491606

Cited by 2 publications

(1 citation statement)

References 16 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Identificação de sistemas não lineares com modelo multivariável de espaço de estados de Hammerstein, em que o bloco não linear é aproximado de um sistema de inferência Fuzzy TSK é abordado no trabalho [33]. Os resultados mostram a identificação on-line de um sistema dinâmico MIMO com não linearidade complexa combinada, e também em um processo de evaporação de três entradas e três saídas.…”

Section: Revisão Bibliográficaunclassified

Análise da Metodologia SOESGOPE em malha fechada para a Estimação Ótima de Parâmetros de um quadrotor

Gonçalves¹

View full text Add to dashboard Cite

Existem diversos métodos de Estimação Ótima de Parâmetros. Em identificação de sistemas é necessário um sinal de excitação rico, que excite suficientemente o sistema. Se a relação entrada/saída não for capaz de gerar informação suficiente, qualquer técnica de Estimação Ótima de Parâmetros (OPE) falhará. O processo de identificação de sistemas em malha fechada é fundamental para situações em que a planta possui não linearidades e comportamentos que são difíceis de prever e com estabilidade não garantida para malha aberta. Este trabalho apresenta uma análise da metodologia SOESGOPE para a estimação dos parâmetros de um sistema em malha fechada e a geração de sinal de excitação para o experimento. Para a identificação de sistemas não lineares em malha fechada é necessário um controlador simples que mantenha o sistema estável e que permita a passagem de frequências que sensibilizem adequadamente o sistema. A metodologia SOESGOPE é responsável pela busca de um sinal de excitação para o experimento que seja compatível com o controlador, de modo que a excitação do sinal fornecido seja suficiente para estimar os parâmetros. Para os casos em que as incertezas sobre os parâmetros dificultam o projeto do controlador, foi proposta uma nova abordagem da metodologia, visando sintonizar um controlador simples e eficiente para a estimação de parâmetros. A nova abordagem proposta busca, a partir do processo de otimização em duas camadas, um conjunto de controladores para manter o sistema estável e que seja compatível com o sinal de excitação para o processo de estimação de parâmetros. A nova abordagem da metodologia SOESGOPE apresenta resultados positivos para aplicação em VANTs, sendo seu desempenho satisfatório na estimação dos parâmetros em todos os cenários considerados. O erro obtido nas estimativas dos parâmetros chegou a diminuir até 1,5% em um dos parâmetros, na nova abordagem, o tempo de convergência do novo algoritmo chegou a reduzir na faixa de 100 segundos e a entropia dos sinais utilizados para a estimação paramétrica chegou a ter um aumento de 3,3646 quando comparado a metodologia original, garantindo que a informação para a estimação paramétrica não seja perdida quando o sinal de excitação é filtrado pelo controlador do sistema.

show abstract

Section: Revisão Bibliográficaunclassified

Análise da Metodologia SOESGOPE em malha fechada para a Estimação Ótima de Parâmetros de um quadrotor

Gonçalves¹

View full text Add to dashboard Cite

show abstract

Identification Modelling of the Hammerstein Nonlinear Systems Utilizing Adaptive Neural Fuzzy Networks and State Space Model

Zhu,

Yang,

et al. 2024

2024 IEEE 13th Data Driven Control and Learning Systems Conference (DDCLS)

View full text Add to dashboard Cite

Recursive Identification Approach of Multivariable Nonlinear Dynamic Systems based on Evolving Fuzzy Hammerstein Models

Cited by 2 publications

References 16 publications

Análise da Metodologia SOESGOPE em malha fechada para a Estimação Ótima de Parâmetros de um quadrotor

Análise da Metodologia SOESGOPE em malha fechada para a Estimação Ótima de Parâmetros de um quadrotor

Identification Modelling of the Hammerstein Nonlinear Systems Utilizing Adaptive Neural Fuzzy Networks and State Space Model

Contact Info

Product

Resources

About