Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/32458
ORCID:  http://orcid.org/0000-0002-5588-1023
Document type: Trabalho de Conclusão de Curso
Access type: Acesso Aberto
Attribution 3.0 United States
Title: Identificação paramétrica de sistemas a partir da resposta em frequência empregando evolução diferencial
Alternate title (s): Parametric identification of systems from frequency response employing differential evolution
Author: Santos, Matheus Freitas
First Advisor: Assis, Pedro Augusto Queiroz de
First member of the Committee: Lobato, Fran Sérgio
Second member of the Committee: Gonçalves, Rogério Sales
Summary: O algoritmo de Evolução Diferencial (ED) pode ser empregado na resolução de problemas de otimização mono e multiobjetivos. No entanto, podem ocorrer estagnação e a convergência prematura para um ótimo local. Para evitar que isso ocorra, o presente trabalho propõe a introdução de dois novos operadores: O de controle de diversidade e o de busca caótica. O primeiro operador objetiva manter a diversidade na população. Já o segundo visa ampliar o espaço de busca. O algoritmo de ED com esses novos operadores foi denominado de Evolução Diferencial associado a Modelos Caóticos de Busca e Diversidade (ED-MCBD). Ambos algoritmos (ED e ED-MCBD) foram empregados na identificação de funções de transferência com atraso incerto a partir de dados da resposta em frequência. Cabe salientar que a presença de atraso incerto torna o problema de otimização envolvido na identificação não convexo, o que justifica o emprego de ED. Os resultados mostraram que, em sistemas com mínimo global bem definido, o algoritmo de ED-MCBD foi capaz de identificar funções de transferência com maior representatividade. Contudo, os novos operadores podem atrapalhar a convergência do algoritmo em sistemas com múltiplos mínimos locais. Isso ocorre devido à reinícios na população, o que gera a dependência de um número maior de gerações. Os resultados também evidenciaram que a ED-MCBD pode apresentar resultados melhores do que outras técnicas de otimização, como algoritmos genéticos e o método dos mínimos quadrados.
Abstract: The Differential Evolution (DE) algorithm can be used to solve mono and multiobjective optimization problems. However, stagnation and premature convergence to a local optimum can occur. To avoid this, the introduction of two new operators: Diversity control and chaotic search to original algorithm are proposed. The first operator aims to maintain diversity in the population. The second aims to expand the search space. The DE algorithm with these new operators was called Differential Evolution associated with Chaotic Search Models and Diversity (DE-CSMD). Both algorithms (DE and DE-CSMD) were used to identify transfer functions with uncertain delay from frequency response data. It should be noted that the presence of an uncertain delay makes the optimization problem involved in the identification non-convex, which justifies the use of DE. The results showed that, in systems with well-defined global minimum, the DE-CSMD algorithm was able to identify transfer functions with greater representation. However, new operators can hinder the convergence of the algorithm in systems with multiple local minima. This occurs due to restarts in the population, which generates the dependence of a greater number of generations. The results also showed that DE-CSMD can present better results than other optimization techniques, such as genetic algorithms and the least squares method.
Keywords: Identificação
Identification
Resposta em frequência
Frequency response
Evolução diferencial
Differential evolution
Modelo caótico de busca
Chaotic search model
Aumento de diversidade
Increased diversity
Atraso incerto
Uncertain delay
Area (s) of CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS
Language: por
Country: Brasil
Publisher: Universidade Federal de Uberlândia
Quote: SANTOS, Matheus Freitas. Identificação paramétrica de sistemas a partir da resposta em frequência empregando evolução diferencial. 2021. 47 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Mecatrônica) – Universidade Federal de Uberlândia, Uberlândia, 2021.
URI: https://repositorio.ufu.br/handle/123456789/32458
Date of defense: 25-Jun-2021
Appears in Collections:TCC - Engenharia Mecatrônica

Files in This Item:
File Description SizeFormat 
IdentificaçãoParamétricaSistemas.pdfTCC1.98 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons