Maximização da correntropia por simulação com poda aplicado a detecção de estruturas e estimação de parâmetros de modelos NARX

• Ano de defesa: 2019
• Autor(a) principal: Araújo, Ícaro Bezerra Queiroz de
• Orientador(a): Araújo, Fábio Meneghetti Ugulino de
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO
• País: Brasil
• Palavras-chave em Português: Identificação de sistemas não-lineares; Modelos NARX; Seleção de estrutura; Correntropia
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
• Link de acesso: https://repositorio.ufrn.br/jspui/handle/123456789/27738

Nas últimas décadas, devido ao aumento da complexidade dos sistemas dinâmicos e incremento da demanda por desempenho, a área de identificação de sistemas tem enfatizado a utilização de modelos não lineares para representação de sistemas dinâmicos. Neste contexto, os modelos não lineares autorregressivos com entradas exógenas (NARX) são bastante utilizados devido a sua simplicidade, flexibilidade e capacidade de representação. Entretanto, tal modelo possui uma grande dependência da etapa de seleção de estrutura e os algoritmos tradicionais utilizados possuem limitações quando os dados estão contaminados de ruídos com distribuições não gaussianas. A partir das considerações feitas, nesta tese objetiva-se apresentar um novo método de identificação chamado Maximização da Correntropia por Simulação com Poda (SCMP) que utiliza alguns conceitos do aprendizado baseado na teoria da informação. Neste trabalho são apresentados conceitos básicos sobre identificação de sistemas e correntropia, alguns métodos baseados nos mínimos quadrados ortogonais e redução de erro simulado, assim como a nova metodologia proposta. O método proposto é aplicado e comparado com os métodos tradicionais em alguns estudos de caso. O primeiro experimento é composto por três sistemas dinâmicos numéricos SISO na presença de ruído bimodal. O segundo estudo de caso é um conjunto retirado de um sistema benchmark chamado Silver Box. O terceiro estudo de caso é um sistema mecânico real. Os resultados obtidos validam o desempenho do método proposto quando comparado com os outros algoritmos de detecção de estrutura e estimação de parâmetros, mostrando que o método proposto apresenta melhor desempenho e robustez na presença de ruídos com distribuição não gaussiana.