Adaptação de segundo nível como técnica de estimação de parâmetros e sua aplicação ao controle adaptativo por modelo de referência
In this dissertation we demonstrate the concept of second level adaptation as a parameter estimation method based on multiple linear regression identification models for the case of a plant of order unity, and the case of a plant of order n with single input and output available for measurement (...
Αποθηκεύτηκε σε:
Κύριος συγγραφέας: | |
---|---|
Άλλοι συγγραφείς: | |
Μορφή: | Dissertação |
Γλώσσα: | por |
Έκδοση: |
Brasil
|
Θέματα: | |
Διαθέσιμο Online: | https://repositorio.ufrn.br/jspui/handle/123456789/25104 |
Ετικέτες: |
Προσθήκη ετικέτας
Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!
|
id |
ri-123456789-25104 |
---|---|
record_format |
dspace |
spelling |
ri-123456789-251042019-01-30T01:20:55Z Adaptação de segundo nível como técnica de estimação de parâmetros e sua aplicação ao controle adaptativo por modelo de referência Gushiken, Pedro Yochinori Araújo, Aldayr Dantas de Oliveira, Josenalde Barbosa de Silva Júnior, Francisco das Chagas da Estimação de parâmetros Controle adaptativo por modelo de referência Adaptação de segundo nível Controle adaptativo com múltiplos modelos Controle adaptativo com estrutura variável CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA In this dissertation we demonstrate the concept of second level adaptation as a parameter estimation method based on multiple linear regression identification models for the case of a plant of order unity, and the case of a plant of order n with single input and output available for measurement (SISO). We propose a modified form of the adaptive law for second level adaptation based on integration of transient information. In all cases simulation studies show that the estimates reach their true values faster with second level adaptation compared to individual identification models and that the proposed modification is even faster and also smoother in this regard. We apply second level adaptation based on linear regression identification models updated through the gradient method to the problem of model reference adaptive control (MRAC) in the case of an order 1 plant and the case of an order n and relative degree one SISO plant, in this case with normalized gradient method. Simulation results show that the control signal generated with second level adaptation yields better results of model reference tracking compared to individual identification models. We also compare the indirect MRAC based on second level adaptation to the variable structure model reference adaptive control (VS-MRAC) scheme. Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) Neste trabalho mostramos a técnica de estimação de parâmetros para plantas lineares invariantes no tempo conhecida como adaptação de segundo nível baseada em múltiplos modelos de identificação por regressão linear, tanto para o caso de uma planta de ordem 1 quanto para o caso de uma planta de ordem n onde apenas a entrada e a saída da planta estão disponíveis para medição (SISO). Propomos uma modificação na lei adaptativa da adaptação de segundo nível baseada no acúmulo de informações do transitório. Em todos os casos verificamos por simulação que as estimativas entregues pela adaptação de segundo nível convergem muito mais rapidamente para os valores corretos que as estimativas entregues por modelos de identificação individuais e que a modificação proposta aumenta a velocidade e suaviza a convergência das estimativas. Aplicamos a adaptação de segundo nível com base em modelos de identificação por regressão linear atualizados pelo método do gradiente ao problema do controle adaptativo por modelo de referência (MRAC) de uma planta SISO de ordem 1 e ao caso de uma planta de ordem n e grau relativo unitário, este caso com o gradiente normalizado. Resultados de simulação mostram que o sinal de controle gerado com adaptação de segundo nível produz melhores resultados de rastreamento do modelo de referência quando comparada aos modelos de identificação individuais. Além disso, comparamos o MRAC indireto baseado em adaptação de segundo nível ao Controle Adaptativo por Modelo de Referência e Estrutura Variável (VS-MRAC). 2018-05-07T21:32:10Z 2018-05-07T21:32:10Z 2018-01-31 masterThesis GUSHIKEN, Pedro Yochinori. Adaptação de segundo nível como técnica de estimação de parâmetros e sua aplicação ao controle adaptativo por modelo de referência. 2018. 145f. Dissertação (Mestrado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2018. https://repositorio.ufrn.br/jspui/handle/123456789/25104 por Acesso Aberto application/pdf Brasil UFRN PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO |
institution |
Repositório Institucional |
collection |
RI - UFRN |
language |
por |
topic |
Estimação de parâmetros Controle adaptativo por modelo de referência Adaptação de segundo nível Controle adaptativo com múltiplos modelos Controle adaptativo com estrutura variável CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
spellingShingle |
Estimação de parâmetros Controle adaptativo por modelo de referência Adaptação de segundo nível Controle adaptativo com múltiplos modelos Controle adaptativo com estrutura variável CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Gushiken, Pedro Yochinori Adaptação de segundo nível como técnica de estimação de parâmetros e sua aplicação ao controle adaptativo por modelo de referência |
description |
In this dissertation we demonstrate the concept of second level adaptation as a parameter
estimation method based on multiple linear regression identification models for the
case of a plant of order unity, and the case of a plant of order n with single input and
output available for measurement (SISO). We propose a modified form of the adaptive
law for second level adaptation based on integration of transient information. In all cases
simulation studies show that the estimates reach their true values faster with second level
adaptation compared to individual identification models and that the proposed modification
is even faster and also smoother in this regard. We apply second level adaptation
based on linear regression identification models updated through the gradient method to
the problem of model reference adaptive control (MRAC) in the case of an order 1 plant
and the case of an order n and relative degree one SISO plant, in this case with normalized
gradient method. Simulation results show that the control signal generated with second
level adaptation yields better results of model reference tracking compared to individual
identification models. We also compare the indirect MRAC based on second level adaptation
to the variable structure model reference adaptive control (VS-MRAC) scheme. |
author2 |
Araújo, Aldayr Dantas de |
author_facet |
Araújo, Aldayr Dantas de Gushiken, Pedro Yochinori |
format |
masterThesis |
author |
Gushiken, Pedro Yochinori |
author_sort |
Gushiken, Pedro Yochinori |
title |
Adaptação de segundo nível como técnica de estimação de parâmetros e sua aplicação ao controle adaptativo por modelo de referência |
title_short |
Adaptação de segundo nível como técnica de estimação de parâmetros e sua aplicação ao controle adaptativo por modelo de referência |
title_full |
Adaptação de segundo nível como técnica de estimação de parâmetros e sua aplicação ao controle adaptativo por modelo de referência |
title_fullStr |
Adaptação de segundo nível como técnica de estimação de parâmetros e sua aplicação ao controle adaptativo por modelo de referência |
title_full_unstemmed |
Adaptação de segundo nível como técnica de estimação de parâmetros e sua aplicação ao controle adaptativo por modelo de referência |
title_sort |
adaptação de segundo nível como técnica de estimação de parâmetros e sua aplicação ao controle adaptativo por modelo de referência |
publisher |
Brasil |
publishDate |
2018 |
url |
https://repositorio.ufrn.br/jspui/handle/123456789/25104 |
work_keys_str_mv |
AT gushikenpedroyochinori adaptacaodesegundonivelcomotecnicadeestimacaodeparametrosesuaaplicacaoaocontroleadaptativopormodelodereferencia |
_version_ |
1773966855393771520 |