Proposals for discretization and identification on the state space of linear parameter varying (LPV) MIMO stochastic systems

Autor: Jorge Andres Puerto Acosta
Přispěvatelé: Bottura, Celso Pascoli, 1938, Pellanda, Paulo César, Goes, Luiz Carlos Sandoval, Oliveira, Ricardo Coração de Leão Fontoura de, Giesbrecht, Mateus, Universidade Estadual de Campinas. Faculdade de Engenharia Elétrica e de Computação, Programa de Pós-Graduação em Engenharia Elétrica, UNIVERSIDADE ESTADUAL DE CAMPINAS
Jazyk: portugalština
Rok vydání: 2019
Předmět:
Zdroj: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
Popis: Orientador: Celso Pascoli Bottura Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação Resumo: A busca de métodos e algorítmos eficientes para identificação de sistemas multivariáveis LPV tem avançado sobretudo para o caso de identificação determinística, isto em parte porque a complexidade na modelagem experimental de sistemas, a partir de dados LPV, tende a aumentar quando se trata do caso estocástico. Neste trabalho propomos métodos e algoritmos para identificação no espaço de estado de sistemas LPV multivariáveis estocásticos, baseados em extensões da teoria de realização estocástica mínima de Akaike. Nos métodos ICCALPV e 3C2ILPV aqui propostos, estendemos o método de identificação LTI por análise de correlação canônica condicional de Katayama/Larimore para sistemas LPV estocásticos e usamos aproximações sucessivas para obter o modelo LPV afim aos parâmetros. Para os métodos K2SIDLPV e 3CKLPV também aqui propostos, as kernelizações da análise de correlação canônica KCCA, e da análise de correlação canônica condicional K3CA são também elaboradas. No método ICCALPV a KCCA é usada para estender a teoria de realização de séries temporais estocásticas de Akaike e obter a identificação do modelo LPV. No método 3CKLPV usamos a K3CA para identificar o modelo LPV com entradas exógenas. Um segundo objetivo alcançado, a partir dos conceitos de transformação conforme e de transformação fracionaria linear (LFT), permite uma estrutura generalizada de representação de sistemas lineares e não lineares, tais como: sistemas em malha aberta, em malha fechada, variantes no tempo, não lineares, incertos e LPV. Explorando a estrutura generalizada e a LFT apresentamos propostas de discretização de sistemas LPV multivariáveis contínuos, salientando a discretização com períodos de amostragem variantes no tempo ou incertos, acionados por eventos no controle em rede. Neste trabalho validamos e comparamos nossas propostas para identificação no espaço de estado de sistemas LPV multivariáveis estocásticos: ICCALPV, 3C2ILPV, K2SIDLPV e 3CKLPV com o método PSBID de identificação LPV, obtendo bons resultados, tanto em tempos de processamento como em acuidade, conforme mostrado nos exemplos Abstract: The search for efficient algorithms and methods for multivariable LPV system identification has advanced mainly for the case of deterministic identification, partially due to the complexity increase tendency for modeling systems from LPV data for the stochastic case. In this work, methods, and algorithms for state space identification of multivariable LPV stochastic systems based on extensions of the minimal stochastic realization theory of Akaike are proposed. For the methods ICCALPV and 3C2ILPV here proposed, we extend the conditional canonical correlation identification method for LTI systems of Katayama/Larimore to stochastic LPV systems and use successive approximations to obtain the LPV model with affine parameter dependence. For the K2SIDLPV and 3CKLPV methods, also here proposed, the kernelizations of the canonical correlation analysis KCCA and of the conditional canonical correlation analysis K3CA are also elaborated. For the K2SIDLPV algorithm, the KCCA is used to extend the Akaike¿s stochastic time series realization theory and to obtain the LPV model identification. For the 3CKLPV algorithm the K3CA is used to identify the LPV model with exogenous inputs. A second achieved objective, based on the conformal mapping and linear fractional transformation (LFT) concepts, allows a generalized framework representation (GFR) for linear and nonlinear systems such as open loop, closed loop, time varying, nonlinear, uncertain, LPV. Exploring the GFR and the LFT representation, we present proposals for the discretization of continuous of LPV dynamic systems, specially for the discretization of uncertain or time varying sampling period, event triggered in network control. In this work the comparisons and validations of our proposals for multivariable stochastic state space LPV dynamic systems identification: ICCALPV, 3C2ILPV, K2SIDLPV and 3CKLPV with the PSBID LPV model identification method, presented good results both for elapsed time as for accuracy, as shown through examples Doutorado Automação Doutor em Engenharia Elétrica CAPES
Databáze: OpenAIRE
Externí odkaz: