Identificação não-linear no espaço de estados por regressão esparsa de bancada motor-gerador

SOUZA, Klarissa Carvalho de

Trabalho de Curso - Graduação - Monografia

Identificação não-linear no espaço de estados por regressão esparsa de bancada motor-gerador

Over the years, there has been an interest in identifying dynamic systems using machine learning. These tools help, for example, in understanding and extracting information from experimental data and discovering model structures kill ´eaticos. Thus, this work aims to present the models obtained of t...

ver descrição completa

Autor principal:	SOUZA, Klarissa Carvalho de
Grau:	Trabalho de Curso - Graduação - Monografia
Publicado em:	2023
Assuntos:	Otimizador SINDy Identificação não-linear Motor-gerador Optimizer Non-linear identification Motor-generator CNPQ::ENGENHARIAS
Acesso em linha:	https://bdm.ufpa.br:8443/jspui/handle/prefix/5375

id	oai:https:--bdm.ufpa.br:8443:prefix-5375
recordtype	dspace
spelling	oai:https:--bdm.ufpa.br:8443:prefix-53752025-01-22T14:52:23Z Identificação não-linear no espaço de estados por regressão esparsa de bancada motor-gerador SOUZA, Klarissa Carvalho de TEIXEIRA, Raphael Barros http://lattes.cnpq.br/4902824086591521 Otimizador SINDy Identificação não-linear Motor-gerador Optimizer Non-linear identification Motor-generator CNPQ::ENGENHARIAS Over the years, there has been an interest in identifying dynamic systems using machine learning. These tools help, for example, in understanding and extracting information from experimental data and discovering model structures kill ´eaticos. Thus, this work aims to present the models obtained of the motor-generator bench using the sparse identification method of non-generator dynamics linear (SINDy), this method has been shown to be useful in the identification of non-linear dynamics, by assuming that the equations have only a few important terms that guide the dynamics. The SINDy approach solves a sparse regression problem, eliminating the terms whose coefficients are less than a limit. The components used in the Identification processes are based on the Threshold Least Square Optimizer (STLSq). Are The models obtained in the linear and non-linear experiment through the package are presented. PySINDy. The root squared error is calculated by the NRMSE metric for each of the models. At the end of the work it is seen that the SINDy method is able to identify the model of the motor-generator bench. No decorrer dos anos, cresce a busca pela identificação de sistemas dinâmicos utilizando aprendizagem de máquina. Essas ferramentas auxiliam, por exemplo, na compreensão e extração de informações de dados experimentais e na descoberta de estruturas de modelos matemáticos. Desta forma, este trabalho tem por objetivo apresentar os modelos obtidos de uma bancada motor-gerador utilizando o método de identificação esparsa de dinâmica não-linear (SINDy), este método tem-se mostrado útil na identificação da dinâmica não-linear, ao assumir que as equações possuem apenas alguns termos importantes que regem a dinâmica. A abordagem SINDy resolve um problema de regressão esparsa, eliminando os termos cujos coeficientes são menores que um limite. Os componentes usados no processo de identificação são baseados no Otimizador Threshold Least Square (STLSq). São apresentados os modelos obtidos no experimento linear e não linear por meio do pacote PySINDy. A raiz do erro quadrático é calculada pela métrica NRMSE para cada um dos modelos. Ao final do trabalho é visto que o método SINDy é capaz de identificar o modelo da bancada motor-gerador. 2023-03-07T19:52:20Z 2023-03-07T19:52:20Z 2023-01-25 Trabalho de Curso - Graduação - Monografia SOUZA, Klarissa Carvalho de. Identificação não-linear no espaço de estados por regressão esparsa de bancada motor-gerador. Orientador: Raphael Barros Teixeira. 2023. 53 f. Trabalho de Curso (Bacharelado em Engenharia Elétrica) – Faculdade de Engenharia Elétrica, Campus Universitário de Tucuruí, Universidade Federal do Pará, Tucuruí, 2023. Disponível em: https://bdm.ufpa.br:8443/jspui/handle/prefix/5375. Acesso em:. https://bdm.ufpa.br:8443/jspui/handle/prefix/5375 Acesso Aberto Disponível na Internet via Sagitta
institution	Biblioteca Digital de Monografias - UFPA
collection	MonografiaUFPA
topic	Otimizador SINDy Identificação não-linear Motor-gerador Optimizer Non-linear identification Motor-generator CNPQ::ENGENHARIAS
spellingShingle	Otimizador SINDy Identificação não-linear Motor-gerador Optimizer Non-linear identification Motor-generator CNPQ::ENGENHARIAS SOUZA, Klarissa Carvalho de Identificação não-linear no espaço de estados por regressão esparsa de bancada motor-gerador
topic_facet	Otimizador SINDy Identificação não-linear Motor-gerador Optimizer Non-linear identification Motor-generator CNPQ::ENGENHARIAS
description	Over the years, there has been an interest in identifying dynamic systems using machine learning. These tools help, for example, in understanding and extracting information from experimental data and discovering model structures kill ´eaticos. Thus, this work aims to present the models obtained of the motor-generator bench using the sparse identification method of non-generator dynamics linear (SINDy), this method has been shown to be useful in the identification of non-linear dynamics, by assuming that the equations have only a few important terms that guide the dynamics. The SINDy approach solves a sparse regression problem, eliminating the terms whose coefficients are less than a limit. The components used in the Identification processes are based on the Threshold Least Square Optimizer (STLSq). Are The models obtained in the linear and non-linear experiment through the package are presented. PySINDy. The root squared error is calculated by the NRMSE metric for each of the models. At the end of the work it is seen that the SINDy method is able to identify the model of the motor-generator bench.
author_additional	TEIXEIRA, Raphael Barros
author_additionalStr	TEIXEIRA, Raphael Barros
format	Trabalho de Curso - Graduação - Monografia
author	SOUZA, Klarissa Carvalho de
title	Identificação não-linear no espaço de estados por regressão esparsa de bancada motor-gerador
title_short	Identificação não-linear no espaço de estados por regressão esparsa de bancada motor-gerador
title_full	Identificação não-linear no espaço de estados por regressão esparsa de bancada motor-gerador
title_fullStr	Identificação não-linear no espaço de estados por regressão esparsa de bancada motor-gerador
title_full_unstemmed	Identificação não-linear no espaço de estados por regressão esparsa de bancada motor-gerador
title_sort	identificação não-linear no espaço de estados por regressão esparsa de bancada motor-gerador
publishDate	2023
url	https://bdm.ufpa.br:8443/jspui/handle/prefix/5375
_version_	1829093181007855616
score	11.753735

Identificação não-linear no espaço de estados por regressão esparsa de bancada motor-gerador

Registros relacionados