Identificação de modelos dinâmicos com incerteza de medição através de lógica fuzzy

• Main Author: Fontes, Raony Maia
• Other Authors: Fontes, Cristiano Hora
• Language: Portuguese
• Published: 2013
• Subjects: Lógica difusa; Controle de processo; Modelos matemáticos
• Online Access: http://www.repositorio.ufba.br/ri/handle/ri/13212

Submitted by LIVIA FREITAS ([e-mail]) on 2013-10-14T15:41:03Z No. of bitstreams: 1 Dissertacao.pdf: 2669792 bytes, checksum: 5e4ee38a1d42727304e0fbe3b2c02346 (MD5) === Approved for entry into archive by LIVIA FREITAS([e-mail]) on 2013-10-14T15:41:15Z (GMT) No. of bitstreams: 1 Dissertacao.pdf: 2669792 bytes, checksum: 5e4ee38a1d42727304e0fbe3b2c02346 (MD5) === Made available in DSpace on 2013-10-14T15:41:15Z (GMT). No. of bitstreams: 1 Dissertacao.pdf: 2669792 bytes, checksum: 5e4ee38a1d42727304e0fbe3b2c02346 (MD5) === Este trabalho apresenta uma metodologia para a identi fica ção de modelos dinâmicos usando logica fuzzy, que considera a inclusão da incerteza de medi ção do processo, descrito por uma fun c~ao de densidade de probabilidade, diretamente na estrutura do modelo. O modelo compreende um sistema de infer^encia fuzzy, baseado em Takagi-Sugeno e na estrutura din^amica NARX (Non linear AutoRegreesive with eXogeneus Input). As entradas e saí das são representadas na forma não-singleton e descritas por fun ções de pertinência. Para isso são avaliados alguns m étodos para a transforma ção de probabilidade em possibilidade, a transformação ótima (DUBOIS; PRADE; SANDRI, 1993) e a transforma ção truncada (MAURIS, 2000), para a representação da incerteza, que, então, são comparadas com metodologias cl ássicas descritas no GUM e GUM-S1 (Guide to the Expression of Uncertainty in Measurement e seu Suplemento n°1). O modelo identi cado, al ém de representar o comportamento dinâmico da vari ável de sa ída, e capaz de predizer o seu intervalo de abrangência ao longo do tempo, contribuindo assim para os estudos na área de avalia ção de incerteza dinâmica, uma vez que é um campo ainda pouco explorado e de grande importância para aplica ção em engenharia. Três estudos de caso foram analisados e os resultados obtidos pelo modelo fuzzy foram comparados com a simulação de Monte Carlo estendida para a avalia ção da incerteza em regime dinâmico. O sistema de inferência fuzzy apresentou bom desempenho em todos os casos analisados com um tempo de processamento at é 1 x 10³ vezes menor que a t écnica de Monte Carlo. Isto sugere que a metodologia de identi ca ção desenvolvida e vi avel em aplica ções industriais, como desenvolvimentos de analisadores virtuais, filtros e controladores. === Salvador