Controle preditivo nao linear atraves de redes neurais artificiais e uma aplicacao sobre um estudo de caso.

• Processo: 07/58694-7
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de fevereiro de 2008
• Data de Término da vigência: 31 de janeiro de 2009
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Paulo Marcelo Tasinaffo
• Beneficiário: Dafne Guisard de Oliveira
• Instituição Sede: Instituto Tecnológico de Aeronáutica (ITA). Ministério da Defesa (Brasil). São José dos Campos , SP, Brasil
• Assunto(s): Controle preditivo Filtros de Kalman Pêndulo invertido Redes neurais (computação)
• Palavra(s)-Chave do Pesquisador: Aprendizado Supervisionado | Controle Preditivo | Filtro De Kalman | Pendulo Invertido | Redes Neurais Artificiais | Sistema Dinamico Nao Linear

Resumo

Redes neurais artificiais abrem novas possibilidades de soluções de controle de sistemas. Uma rede feedforward do tipo multi-camadas de perceptrons pode aproximar arbitrariamente bem uma função contínua e isto faz dela um interpolador universal de funções. Esta capacidade de representação de redes neurais feedforward pode ser aproveitada, para se propor, desenvolver e testar novas formas de representação de sistemas dinâmicos, talvez mais ricas que as metodologias clássicas - já consolidadas pelo uso - mas ineficientes quando o sistema dinâmico é não-linear. Sua subseqüente aplicação em teoria de controle não-linear pode delinear - resumidamente - o que se pretende desenvolver neste trabalho de iniciação científica. Na literatura encontram-se três metodologias de controle neural para sistemas dinâmicos não-Lineares: - metodologia tradicional (e.g., Narendra e Parthasarathy, 1990; Hunt et al, 1992; Narendra, 1996) é comum ela ser realizada pelo critério de entradas atrasadas ou metodologia NARMA; - a metodologia de se inserir a rede feedforward dentro de uma estrutura de integrador numérico de equações diferenciais ordinárias, onde a rede neural necessita somente aprender a função de derivadas instantâneas do sistema dinâmico autônomo (Wang e Lin, 1998; Rios Neto, 2001). - utilizar o teorema do valor médio e desenvolver o integrador numérico de Euler com função de derivadas médias e não mais a função de derivadas instantâneas (Tasinaffo e Rios Neto, 2003). É interessante observar que tanto a função de derivadas instantâneas como a função de derivadas médias pode ser obtida não somente por uma única arquitetura de rede neural artificial; e, assim, qualquer das redes backpropagation, RBF ou Wavelets poderão ser empregadas para tal propósito. Neste projeto de iniciação científica as metodologias para a representação de sistemas dinâmicos não-lineares através de redes neurais artificiais serão utilizadas para resolver problema de controle preditivo não-linear como por exemplo o controle invertido. (AU)