Modelos polinomiais narx obtidos através de metaheurísticas com codificação binária

Detalhes bibliográficos
Ano de defesa: 2020
Autor(a) principal: Oliveira, Ádamo Henrique Rocha de, 1989-
Orientador(a): Leandro, Gideon Villar, 1965-
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Engenharia eletrica
Engenharia Elétrica
Link de acesso: https://hdl.handle.net/1884/69027
Resumo: Orientador: Prof. Dr. Gideon Villar Leandro
id UFPR_22f5d08097aa8d48e599027c7e6e11a7
oai_identifier_str oai:acervodigital.ufpr.br:1884/69027
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str
spelling Oliveira, Ádamo Henrique Rocha de, 1989-Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Engenharia ElétricaLeandro, Gideon Villar, 1965-2021-05-26T20:35:16Z2021-05-26T20:35:16Z2020https://hdl.handle.net/1884/69027Orientador: Prof. Dr. Gideon Villar LeandroDissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia Elétrica. Defesa : Curitiba, 24/06/2020Inclui referências: p. 126-137Resumo: Dentro do contexto da identificação de sistemas, a etapa de seleção de estrutura representa uma tarefa complexa por se tratar de um problema de otimização combinatória do tipo binária. Para solucionar este problema, diversas técnicas vêm sendo aplicadas, dentre elas a seleção por meio de metaheurísticas. Entretanto, devido à grande diversidade de metaheurísticas existentes na literatura, a escolha daquela mais adequada para cumprir esta tarefa pode ser algo desafiador para o projetista. Neste trabalho, é realizada uma análise do comportamento de metaheurísticas aplicadas ao problema de seleção de estrutura, além de ser apresentado um novo método de codificação binária, chamado de Modulação em Ângulo Modificada (MAM), que tende a melhorar o desempenho das metaheurísticas neste tipo de problema. Normalmente as metaheurísticas atuam na seleção de estrutura originalmente manipulando soluções binárias ou através de associação com alguma técnica de codificação binária. Foram avaliados os desempenhos das metaheurísticas Algoritmo Genético, Evolução Diferencial e Algoritmo do Morcego aplicadas ao problema de seleção de estrutura de modelos não lineares autorregressivos com entrada externa (NARX, do inglês Nonlinear AutoRegressive with eXogenous input). O Algoritmo Genético já consiste em uma metaheurística projetada para manipular soluções binárias. A Evolução Diferencial e o Algoritmo do Morcego, por sua vez, tiveram suas versões binárias implementadas através das codificações Função de Transferência (TF), Prioridade de Maior Valor (GVP) e Modulação em Ângulo (AM). Além disso, a forma de associação entre as metaheurísticas e a codificação AM foi modificada, dando origem à codificação MAM. Dois estudos de caso foram conduzidos utilizando dados de um conversor buck e de um aquecedor elétrico. Os resultados das simulações mostram que as versões binárias da Evolução Diferencial obtidas com as codificações TF, GVP e MAM foram as que apresentaram melhores desempenho, superando o Algoritmo Genético e o Algoritmo do Morcego. Além disso, levando em conta a convergência das soluções e a capacidade de localizar bons modelos, em todos os cenários analisados o desempenho da Evolução Diferencial codificada com MAM melhorou substancialmente em relação à sua versão original codificada com AM. Os melhores modelos encontrados neste trabalho apresentaram bom desempenho ao serem aplicados métodos de validação (simulação livre e análise de resíduos) e ao serem comparados com modelos da literatura. Palavras-chave: Identificação de sistemas. Seleção de estrutura. Modelo NARX. Metaheurísticas. Codificação binária.Abstract: During a system identification procedure, structure selection represents a complex task because it is a binary combinatorial optimization problem. To solve this problem, several techniques have been applied, the metaheuristics is one of them. However, there is a great diversity of metaheuristics, thus choosing the most suitable one to perform the task is difficult for the designer. In this study, we performed a performance analysis of metaheuristics applied to a structure selection problem. In addition, we present a new binarization technique, called Modified Angle Modulation (MAM), which tends to improve the performance of metaheuristics. Usually, metaheuristics perform the structure selection taking binary solutions directly or through the association with a binarization technique. We evaluated the performances of three metaheuristic techniques, being the Genetic Algorithm, Differential Evolution and Bat Algorithm, all working at a structure selection problem for nonlinear autoregressive models with exogenous input (NARX). The Genetic Algorithm is originally a binary metaheuristics. Binary versions of the Differential Evolution and the Bat Algorithm were developed through the Transfer Function (TF), Great Value Priority (GVP) and Angle Modulation (AM) binarizations. In addition, the form of association between metaheuristics and AM binarization has been modified, originating the MAM binarization. We conducted two case studies using data from a buck converter and an electric heater. Binary versions of the Differential Evolution developed through TF, GVP and MAM binarizations performed better than the Genetic Algorithm and Bat Algorithm. Furthermore, considering the convergence of solutions and the ability to locate good models, the performance of the binary version of the Differential Evolution developed with MAM substantially improved in relation to its original version developed with AM. Finally, the best estimated models performed well not only during validation tests (free run simulation and statistical validation), but also when compared with other models available in the literature. Keywords: System identification. Structure selection. NARX models. Metaheuristics. Binarization.137 p. : il. (algumas color.).application/pdfEngenharia eletricaEngenharia ElétricaModelos polinomiais narx obtidos através de metaheurísticas com codificação bináriainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - ADAMO HENRIQUE ROCHA DE OLIVEIRA.pdfapplication/pdf12491828https://acervodigital.ufpr.br/bitstream/1884/69027/1/R%20-%20D%20-%20ADAMO%20HENRIQUE%20ROCHA%20DE%20OLIVEIRA.pdfdcd66fbeeebd6f67c8156a32d31996e4MD51open access1884/690272021-05-26 17:35:16.42open accessoai:acervodigital.ufpr.br:1884/69027Repositório InstitucionalPUBhttp://acervodigital.ufpr.br/oai/requestinformacaodigital@ufpr.bropendoar:3082021-05-26T20:35:16Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Modelos polinomiais narx obtidos através de metaheurísticas com codificação binária
title Modelos polinomiais narx obtidos através de metaheurísticas com codificação binária
spellingShingle Modelos polinomiais narx obtidos através de metaheurísticas com codificação binária
Oliveira, Ádamo Henrique Rocha de, 1989-
Engenharia eletrica
Engenharia Elétrica
title_short Modelos polinomiais narx obtidos através de metaheurísticas com codificação binária
title_full Modelos polinomiais narx obtidos através de metaheurísticas com codificação binária
title_fullStr Modelos polinomiais narx obtidos através de metaheurísticas com codificação binária
title_full_unstemmed Modelos polinomiais narx obtidos através de metaheurísticas com codificação binária
title_sort Modelos polinomiais narx obtidos através de metaheurísticas com codificação binária
author Oliveira, Ádamo Henrique Rocha de, 1989-
author_facet Oliveira, Ádamo Henrique Rocha de, 1989-
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Engenharia Elétrica
dc.contributor.author.fl_str_mv Oliveira, Ádamo Henrique Rocha de, 1989-
dc.contributor.advisor1.fl_str_mv Leandro, Gideon Villar, 1965-
contributor_str_mv Leandro, Gideon Villar, 1965-
dc.subject.por.fl_str_mv Engenharia eletrica
Engenharia Elétrica
topic Engenharia eletrica
Engenharia Elétrica
description Orientador: Prof. Dr. Gideon Villar Leandro
publishDate 2020
dc.date.issued.fl_str_mv 2020
dc.date.accessioned.fl_str_mv 2021-05-26T20:35:16Z
dc.date.available.fl_str_mv 2021-05-26T20:35:16Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/69027
url https://hdl.handle.net/1884/69027
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 137 p. : il. (algumas color.).
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/69027/1/R%20-%20D%20-%20ADAMO%20HENRIQUE%20ROCHA%20DE%20OLIVEIRA.pdf
bitstream.checksum.fl_str_mv dcd66fbeeebd6f67c8156a32d31996e4
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv informacaodigital@ufpr.br
_version_ 1847526301760487424

Registros relacionados