Optimization and learning applied to control and modeling of mechatronic systems.

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: Peixoto, Bruno Henrique Lobo Netto
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Algoritmos
Barycenter
Modelagem
Optimization
Otimização
Robótica
Source seeking
Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3139/tde-31032023-083634/
Resumo: The source seeking is a relevant topic on autonomous robotics. In a few words, it consists of seeking a scalar signal source position with only local information on base X-space. In such, the seek agent, for instance, a mobile tracking A-robot, samples by hypothesis C-class source signal -map constrained by hull (A) X. Among available seeking methods, this work utilizes the barycenter method, first presented on work [2], as a direct optimization method due to derivatives absence. The applied algorithm estimates the source yn-position and designs a suitable reference (t)-curve, hopefully towards a sufficiently close vicinity of the actual source y s-position. In case there are multiple critical points, the {d(y s , yn)}-sequence may not converge asymptotically to a sufficiently close neighborhood of zero due to its local behavior, a challenge for these garden-like optimization algorithms. This work succeeds to obtain results in direction of the source signal position. Therefore, the proposed methodology provides an alternative for source-seeking applications by defined-to-be exploration strategy by different agent seekers, source signal maps, and obstacle modeling.
id USP_30879bf3e66de18c8105dcadc9658f9a
oai_identifier_str oai:teses.usp.br:tde-31032023-083634
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Optimization and learning applied to control and modeling of mechatronic systems.Otimização e aprendizado aplicado ao controle e modelagem de sistemas mecatrônicos.AlgoritmosBarycenterModelagemOptimizationOtimizaçãoRobóticaSource seekingThe source seeking is a relevant topic on autonomous robotics. In a few words, it consists of seeking a scalar signal source position with only local information on base X-space. In such, the seek agent, for instance, a mobile tracking A-robot, samples by hypothesis C-class source signal -map constrained by hull (A) X. Among available seeking methods, this work utilizes the barycenter method, first presented on work [2], as a direct optimization method due to derivatives absence. The applied algorithm estimates the source yn-position and designs a suitable reference (t)-curve, hopefully towards a sufficiently close vicinity of the actual source y s-position. In case there are multiple critical points, the {d(y s , yn)}-sequence may not converge asymptotically to a sufficiently close neighborhood of zero due to its local behavior, a challenge for these garden-like optimization algorithms. This work succeeds to obtain results in direction of the source signal position. Therefore, the proposed methodology provides an alternative for source-seeking applications by defined-to-be exploration strategy by different agent seekers, source signal maps, and obstacle modeling.A busca da fonte de um sinal tem relevância em robótica autônoma. Seu enunciado consiste na busca estimada da y s-posição de uma fonte de sinal escalar apenas com informação local sobre sua disponibilidade no X-espaço base. Em tal situação, o agente de busca, por exemplo, um A-robô rastreador móvel, tem acesso à magnitude do -mapa sinal de C-classe (por hipótese) restrito ao (hull (A) X)-feixo do agente de busca. Esta dissertação de mestrado utiliza o método do baricentro, disponível em artigo [2], como método de otimização direta, por satisfazer critério de ausência de derivadas. O algoritmo proposto estima yn-pontos para a posição da fonte e sintetiza uma (t)-curva de referência em direção à estimativa calculada, a fim de atingir a vizinhança de um y s - ponto extremal. Caso múltiplos pontos críticos existam, a {dYs(y s , yn)}-sequência pode não convergir assintoticamente a uma vizinhança suficientemente próxima de zero devido à característica local do método de otimização aplicado, um desafio a algoritmos desta classe. Os resultados em direção à fonte do sinal escalar são satisfatórios. Portanto, a metodologia oferece uma alternativa à aplicações da busca de fonte para diferentes combinações de estratégias de exploração, por meio de agentes de busca, mapas de sinal de fonte e modelagem de obstáculos a definir.Biblioteca Digitais de Teses e Dissertações da USPPait, Felipe MiguelPeixoto, Bruno Henrique Lobo Netto2022-11-04info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/3/3139/tde-31032023-083634/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesseng2023-04-03T12:24:24Zoai:teses.usp.br:tde-31032023-083634Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212023-04-03T12:24:24Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Optimization and learning applied to control and modeling of mechatronic systems.
Otimização e aprendizado aplicado ao controle e modelagem de sistemas mecatrônicos.
title Optimization and learning applied to control and modeling of mechatronic systems.
spellingShingle Optimization and learning applied to control and modeling of mechatronic systems.
Peixoto, Bruno Henrique Lobo Netto
Algoritmos
Barycenter
Modelagem
Optimization
Otimização
Robótica
Source seeking
title_short Optimization and learning applied to control and modeling of mechatronic systems.
title_full Optimization and learning applied to control and modeling of mechatronic systems.
title_fullStr Optimization and learning applied to control and modeling of mechatronic systems.
title_full_unstemmed Optimization and learning applied to control and modeling of mechatronic systems.
title_sort Optimization and learning applied to control and modeling of mechatronic systems.
author Peixoto, Bruno Henrique Lobo Netto
author_facet Peixoto, Bruno Henrique Lobo Netto
author_role author
dc.contributor.none.fl_str_mv Pait, Felipe Miguel
dc.contributor.author.fl_str_mv Peixoto, Bruno Henrique Lobo Netto
dc.subject.por.fl_str_mv Algoritmos
Barycenter
Modelagem
Optimization
Otimização
Robótica
Source seeking
topic Algoritmos
Barycenter
Modelagem
Optimization
Otimização
Robótica
Source seeking
description The source seeking is a relevant topic on autonomous robotics. In a few words, it consists of seeking a scalar signal source position with only local information on base X-space. In such, the seek agent, for instance, a mobile tracking A-robot, samples by hypothesis C-class source signal -map constrained by hull (A) X. Among available seeking methods, this work utilizes the barycenter method, first presented on work [2], as a direct optimization method due to derivatives absence. The applied algorithm estimates the source yn-position and designs a suitable reference (t)-curve, hopefully towards a sufficiently close vicinity of the actual source y s-position. In case there are multiple critical points, the {d(y s , yn)}-sequence may not converge asymptotically to a sufficiently close neighborhood of zero due to its local behavior, a challenge for these garden-like optimization algorithms. This work succeeds to obtain results in direction of the source signal position. Therefore, the proposed methodology provides an alternative for source-seeking applications by defined-to-be exploration strategy by different agent seekers, source signal maps, and obstacle modeling.
publishDate 2022
dc.date.none.fl_str_mv 2022-11-04
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://www.teses.usp.br/teses/disponiveis/3/3139/tde-31032023-083634/
url https://www.teses.usp.br/teses/disponiveis/3/3139/tde-31032023-083634/
dc.language.iso.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815258600736555008

Registros relacionados