Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/29984
ORCID:  http://orcid.org/0000-0001-6804-9802
Document type: Tese
Access type: Acesso Aberto
Title: Novo Método de Identificação Fuzzy para Sistemas MISO e suas Aplicações
Alternate title (s): A New Fuzzy Identification Method for MISO Systems and their Applications
Author: Martins, Jefferson Beethoven
First Advisor: Yamanaka, Keiji
First coorientator: Bertone, Ana Maria Amarillo
First member of the Committee: Jafelice, Rosana Sueli da Motta
Second member of the Committee: Peretta, Igor Santos
Third member of the Committee: Calixto, Wesley Pacheco
Fourth member of the Committee: Teixeira, Edilberto Pereira
Summary: Técnicas de identificação de sistemas são essenciais para o conhecimento de fenômenos naturais e processos de diferentes origens. O principal intuito da presente pesquisa tem sido construir, teoricamente e computacionalmente, uma abordagem para lidar com sistemas de dados com várias entradas e uma saída. Duas etapas fuzzy distintas e bem definidas estão presentes no processo de identificação utilizado neste estudo: clusterização dos dados e uma inferência do tipo Takagi-Sugeno-Kang. A principal contribuição desta pesquisa é a construção dos antecedentes e dos consequentes do sistema de inferência nos quais são utilizados métodos inéditos. Uma forma de validar esta nova metodologia tem sido através de simulações com diferentes bases de dados. Os experimentos envolveram comparações com outras técnicas consolidadas como: Nonlinear Auto-Regressive with eXogenous inputs, Hammerstein-Wiener e Multilayer-Perceptron (redes neurais artificiais). A codificação tem sido feita sem a utilização de toolboxes, exceto para os testes que têm sido feitos com a rotina Compare do software Matlab, a qual utiliza medida de acurácia denominada raiz média quadrática do erro normalizada (Normalized Root Mean Square em inglês). Ao final, e como resultado das comparações, tem havido ganho de precisão na resposta e queda no esforço computacional. Como aplicação da nova técnica, têm sido realizados testes de predição de dados, com resultados promissores, além de estruturar uma nova metodologia para a interpretação de sinais provenientes de exames médicos como, por exemplo, eletroencefalogramas. Futuros trabalhos incluem a introdução da teoria dos conjuntos fuzzy do tipo 2, extensão da teoria dos conjuntos fuzzy, na dinâmica da inferência, com o objetivo de tornar ainda melhor, o desempenho da metodologia proposta.
Abstract: System identification techniques are essential for the knowledge of natural phenomena and processes from different sources. The main purpose of this research has been to build, theoretically and computationally, an approach to deal with data systems with multiple inputs and an output. Two distinct and well-defined steps are present in the identification process used in this study: data clustering and a Takagi-Sugeno-Kang type inference. The main contribution of this research is the construction of the antecedents and the consequences of the inference system in which new methods are used. One way to validate this new methodology has been through simulations with different databases. The experiments involved comparisons with other consolidated techniques such as: Nonlinear Auto-Regressive with eXogenous inputs, Hammerstein-Wiener and Multilayer-Perceptron (artificial neural networks). The coding has been done without the use of toolboxes, except for the tests, it has been done with the Compare routine of the Matlab software, which uses an accuracy measure called Normalized Root Mean Square (English). As a result of the comparisons, there has been a gain in precision in the response and a decrease in the computational effort. As an application of the new technique, data prediction tests have been carried out, with promising results, in addition to structuring a new methodology for the interpretation of signals coming from medical examinations, such as electroencephalograms. Future works include the introduction of the type-2 fuzzy set theory, an extension of the fuzzy set theory, to the inference dynamic with the objective of making the performance of the proposed methodology even better.
Keywords: Identificação Fuzzy de sistemas MISO
Fuzzy identification of MISO systems
Clusterização Fuzzy
Fuzzy clustering
Predição
Prediction
Area (s) of CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Subject: Engenharia elétrica
Language: por
Country: Brasil
Publisher: Universidade Federal de Uberlândia
Program: Programa de Pós-graduação em Engenharia Elétrica
Quote: MARTINS, Jefferson Beethoven. Novo Método de Identificação Fuzzy para Sistemas MISO e suas Aplicações. 2020. 127 f. Tese (Doutorado em Engenharia Elétrica) - Universidade Federal de Uberlândia, Uberlândia, 2020. Disponível em: http://doi.org/10.14393/ufu.te.2020.3007.
Document identifier: http://doi.org/10.14393/ufu.te.2020.3007
URI: https://repositorio.ufu.br/handle/123456789/29984
Date of defense: 17-Jul-2020
Appears in Collections:TESE - Engenharia Elétrica

Files in This Item:
File Description SizeFormat 
NovoMétodoIdentificação.pdfTese Jefferson Beethoven Martins23.06 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons