Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufjf.br/jspui/handle/ufjf/14004
Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
accacioferreiradossantosneto.pdf2.94 MBAdobe PDFVista previa
Visualizar/Abrir
Clase: Tese
Título : Metodologia de estimação paramétrica robusta aplicada a um veículo autônomo de superfície
Autor(es): Santos Neto, Accacio Ferreira dos
Orientador: Honório, Leonardo de Mello
Co-orientador: Oliveira, Edimar José de
Miembros Examinadores: Pinto, Milena Faria
Miembros Examinadores: Bortoni, Edson da Costa
Miembros Examinadores: Oliveira, Leonardo Willer de
Miembros Examinadores: Marcato, André Luis Marques
Resumo: Sabe-se que em atividades de água corrente ou quando expostos a ventos e ondas, os Veículos Autônomos de Superfície (VASs) estão expostos aos cenários mais desafiadores. Nessas condições, o conhecimento de um modelo matemático robusto é um aspecto fundamental para o ajuste do sistema de controle. Constituindo, portanto, premissa básica para alcançar segurança e desempenho nos cenários de incertezas. E neste contexto que este trabalho apresenta uma nova metodologia de identificação a partir do uso de múltiplos sinais de identificação. Nesta perspectiva, o experimento de identificação é composto por múltiplos sinais otimizados do tipo Amplitude-modulated PseudoRandom Binary Signal (APRBS). Estes são projetados para excitar distintas amostras no torno da estimação inicial do sistema e são otimizados por uma topologia composta pelo Particle Swarm Optimization (PSO) e Método dos Pontos-Interiores (MPI). Através deste artifício busca-se ampliar a capacidade de excitação do experimento e, portanto, proporcionar a estimação de modelos paramétricos mais robustos e confiáveis. Para verificar a eficácia da metodologia, um problema de modelagem do VAS do tipo catamarã foi escolhido. Os resultados demostraram alta similaridade entre os modelos estimados e a embarcação real em todas as etapas, inclusive nos diversos testes de validação. Portanto, demonstrando a aplicabilidade do método proposto e sua capacidade de produzir modelos paramétricos mais robustos e confiáveis.
Resumen : It is known that in running water activities or when exposed to winds and waves, the Autonomous Surface Vehicles (ASVs) are exposed to the most challenging scenarios. Under these conditions, knowledge of a robust mathematical model is a fundamental aspect for adjusting the control system. Therefore, it is a basic premise to achieve safety and performance in uncertain scenarios. In this context, this work presents a new identification methodology based on the use of multiple identification signals. In this perspective, the identification experiment is composed of optimized APRBS-type signals. These are designed to excite different samples around the initial estimation of the system and are optimized by an approach composed of the Particle Swarm Optimization (PSO) and the Interior-Point Method (IPM). Through this artifice, we seek to expand the excitation capacity of the experiment and, therefore, provide the estimation of more robust and reliable parametric models. To verify the effectiveness of the methodology, a catamaran-type ASV modeling problem was chosen. The results showed high similarity between the estimated models and the real vessel at all stages, including the various validation tests. Therefore, demonstrating the applicability of the proposed method and its ability to produce more robust and reliable parametric models.
Palabras clave : Veículos autônomos de superfície
Identificação de sistemas
Projeto de sinais de identificação
Estimação paramétrica robusta
Otimização
Autonomous surface vehicles
System identification
Identification signals design
Robust parameter estimation
Optimization
CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Idioma: por
País: Brasil
Editorial : Universidade Federal de Juiz de Fora (UFJF)
Sigla de la Instituición: UFJF
Departamento: Faculdade de Engenharia
Programa: Programa de Pós-graduação em Engenharia Elétrica
Clase de Acesso: Acesso Aberto
Attribution-NonCommercial-NoDerivs 3.0 Brazil
Licenças Creative Commons: http://creativecommons.org/licenses/by-nc-nd/3.0/br/
DOI: https://doi.org/10.34019/ufjf/te/2021/00109
URI : https://repositorio.ufjf.br/jspui/handle/ufjf/14004
Fecha de publicación : 23-dic-2021
Aparece en las colecciones: Doutorado em Engenharia Elétrica (Teses)



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons