Técnicas meta-heurísticas para seleção de polo ótimo das bases de funções ortonormais aplicadas em séries de Volterra.

Abstract

Este trabalho tem como foco a identificação de sistemas não lineares usando as séries de Volterra em conjunto com as Funções de Base Ortonormal (FBO) para representação dos modelos. Os modelos de Volterra são parametrizados por funções multidimensionais, os kernels. Tais modelos não possuem realimentação na saída, o que é uma grande vantagem, uma vez que outros tipos de representação realimentam o erro de saída do sistema. O problema de não haver realimentação do sinal de saída é que a quantidade de parâmetros a serem estimados costuma ser grande. Para contornar essa situação, descreve-se cada kernel por meio de uma expansão em FBO. O modelo resultante é conhecido como FBO-Volterra. O objetivo é determinar os polos que parametrizam as FBO, de modo a reduzir o número de termos a utilizar em cada base. Para tanto, são expostos métodos de otimização meta-heurísticos responsáveis pela seleção adequada desses polos e subsequente determinação dos parâmetros do modelo. São utilizados os conhecidos algoritmos meta-heurísticos Simulated Annealing, Algoritmo Genético (mono e multiobjetivo) e Otimização por enxame de Partículas (PSO) na identificação de um sistema de aquecimento com dissipação variável. Um estudo comparativo do desempenho das diferentes técnicas meta-heurísticas aplicadas ao problema de identificação de sistemas é realizado, em que é possível constatar o melhor desempenho do algoritmo genético multiojetivo para o problema proposto.