| Summary: | === The system identification consists of a group of techniques for dynamic system modeling. Usually, these techniques are classified according to the use or not of information presented in measured data. Generally, the system identification is composed by four parts: (i) selection of representation, (ii) structure detection, (iii) parameters estimation and (iv) model validation. The basic theory is well structured and there is considerable number of works that use this theory to develop mathematical and computational tools. Normally, the analysis of residues, that is the one step ahead error, is used for structure detection as performance index. Although this approach is still used, some works suggest that this presents an inclination to structural error. In this work, it is suggested, that these indexes are used based on simulation error and not residual. The present work intends to use a bi-objective approach to parameter estimation. The analysis of the simulation error of the model is used as performance index in the decision stage. The structure will be considered known and equal to the system. This work aims to plead, with base in simulations and mathematical analysis, that bi-objective estimators, with certain structural characteristics, such as, linearity in the parameters and convexity, are able to yield a set of models, which are statically similar. It is also possible to estimate the closest parameters to real values of the models. These estimated parameters are unbiased. The decision stage is taken into account by means of correlation techniques. Several examples in the text are used to validate the developed techniques. The characterization and the decision stage of bi-objective unbiased estimator are the main contributions of this thesis. === A identificação de sistemas compreende um conjunto de técnicas para a modelagem de sistemas dinâmicos. Essas técnicas, normalmente, são classificadas de acordo com a utilização ou não de informações contidas em dados medidos. De maneira geral, a identificação de sistemas pode ser dividida em cinco partes, destacando-se: (i) escolha de representação, (ii) detecção de estrutura, (iii) estimação de parâmetros e (iv) validação do modelo. A teoria básica encontra-se muito bem fundamentada e com um grande número de trabalhos que a utiliza como base para o desenvolvimento de ferramentas matemáticas e computacionais. A detecção de estrutura, classicamente, utiliza a análise de resíduos, ou seja, erro de um passo à frente, como índice de desempenho. Embora ainda sejam largamente utilizados, alguns trabalhos sugerem que tais ferramentas apresentem compensação a prováveis erros estruturais, ou seja, a erro na escolha dos regressores. É sugerido, a partir disso, que sejam utilizados índices baseados no erro de simulação e não residual. O presente trabalho pretende abstrair tais sugestões para o caso da estimação de parâmetros, utilizando um estimador bi-objetivo, em que a etapa de decisão utilize análise do erro de simulação do modelo como índice de desempenho. A estrutura será considerada conhecida. Este trabalho tem por objetivo argumentar, com base em simulações e análise matemática, que estimadores bi-objetivo, com certas características estruturais, tais como, linearidade nos parâmetros e convexidade, são capazes de retornar um conjunto de modelos, que apresente distribuição estatística semelhante a estimadores tradicionais. A partir disso, será demonstrado também que é possível determinar qual dos modelos apresenta valores de parâmetros mais próximo dos valores reais, ou seja, não-polarizados. Essa decisão é feita através de técnicas de correlação. Vários exemplos no decorrer do texto serão utilizados para validar as técnicas desenvolvidas. A caracterização e a tomada de decisão de estimadores bi-objetivo não-polarizados formam o conjunto de contribuições desta tese.
|
|---|
