IDENTIFICAÇÃO DE SISTEMAS NÃO LINEARES EM ESPAÇO DE ESTADOS UTILIZANDO REDES NEURAIS ARTIFICIAIS

Rômulo Thiago Silva da Rosa, Paulo Jefferson Dias de Oliveira Evald, Guilherme Brunel Zaffari, Paulo Lilles Jorge Drews-Jr, Silvia Silva da Costa Botelho, Rodrigo Zelir Azzolin

Resumo


A identificação de sistemas é processo fundamental para o controle e análise de um processo. O objetivo deste trabalho é apresentar um método de identificação de sistemas com única entrada e única saída utilizando uma rede neural recorrente baseada no modelo de Wiener. O processo de identificação é realizado em duas etapas: primeiramente, é definido a ordem do sistema através dos quocientes de Lipschitz e em segundo, a rede neural baseada no modelo de Wiener ajusta seus pesos para modelar as dinâmicas e não linearidades do processo. Além disso, o processo de identificação não requer conhecimento do sistema a ser modelado e apresenta os pesos em uma representação no espaço de estados. Para provar a eficácia do método, a rede foi treinada com dados de um sistema de fluídos. Obtendo assim erro quadrático médio de 19,18x10-4 com dados de validação.

Palavras-chave


Identificação de Sistemas, Sistemas Não-lineares, Redes Neurais Artificiais, Rede Neural Recorrente baseada no Modelo de Wiener, Quocientes de Lipschitz.

Texto completo:

PDF


DOI: http://dx.doi.org/10.21575/25254782rmetg2017vol2n2389

Apontamentos

  • Não há apontamentos.


Direitos autorais 2017 Rômulo Thiago Silva da Rosa, Paulo Jefferson Dias de Oliveira Evald, Guilherme Brunel Zaffari, Paulo Lilles Jorge Drews-Jr, Silvia Silva da Costa Botelho, Rodrigo Zelir Azzolin

Revista Mundi Engenharia, Tecnologia e Gestão ISSN 2525-4782

Qualis: B4 - Interdisciplinar, B5 - Geografia, B5 - Administração Pública e de Empresas, Ciências Contábeis e Turismo, B5 - Comunicação e Informação, B5 - Engenharias III

 

Bases indexadas