UNIVERSIDADE FEDERAL DA BAHIA

PRÓ-REITORIA DE ENSINO DE GRADUAÇÃO

Coordenação Acadêmica
Núcleo de Currículos e Programas

PLANO DE ENSINO-APRENDIZAGEM DE COMPONENTE CURRICULAR - SEMESTRAL

IDENTIFICAÇÃO

CÓDIGO NOME DEPARTAMENTO OU EQUIVALENTE

ENGA70 Modelagem e Identificação de Sistemas Dinâmicos Departamento de Engenharia Elétrica

CARGA HORÁRIA (estudante) MODALIDADE PRÉ-REQUISITO (POR CURSO)

T P T/P PE E TOTAL

68h --- --- --- --- 68h Disciplina ENGC33 – Sinais e Sistemas II

CARGA HORÁRIA (docente) MÓDULO

SEMESTRE LETIVO DE APLICAÇÃO
T P T/P PE E TOTAL T P T/P PE E

68h --- --- --- --- 68h 68h 2018-1

EMENTA
Introdução à modelagem matemática de sistemas dinâmicos. Tipos de modelos e representação matemática de sistemas
dinâmicos. Técnicas de modelagem para sistemas complexos. Técnicas de redução de modelos. Procedimentos de
Identificação de Sistemas. Métodos de identificação não paramétricos no domínio do tempo e da freqüência. Métodos de
identificação paramétricos. Estimação de parâmetros. Estimação de estados: observadores determinísticos e estocásticos.
Aplicação: escolha do critério de identificação; seleção da estrutura do modelo; validação do modelo.

OBJETIVOS
Ao final no curso a (o) estudante deverá estar capacitada (o):
• Compreender os conceitos básicos de modelagem e identificação de sistemas dinâmicos.
• Utilizar ferramentas matemáticas para modelagem de sistemas dinâmicos.
• Utilizar ferramentas matemáticas para identificação de sistemas dinâmicos considerando a escolha do critério de
identificação; seleção da estrutura do modelo e validação do modelo.

CONTEÚDO PROGRAMÁTICO

1. Introdução à modelagem matemática de sistemas dinâmicos

ü Introdução à identificação de sistemas.
ü Modelagem e identificação. Conceitos básicos.

2. Fundamentos básicos sobre identificação de sistemas dinâmicos

ü Modelagem pela física
ü Estimação de parâmetros. Simulação de modelos.
ü Descrição de sistemas: modelos contínuos e discretos.

3. Representações lineares.
ü Introdução. Funções de transferência.
ü Resposta temporal. Resposta em frequência.
ü Representação no espaço de estados. Representações em tempo discreto.

4. Métodos de identificação determinísticos no domínio do tempo e na frequência.

ü Introdução
ü Casos de 1ª ordem. 2ª ordem com pouco amortecimento.
ü Identificação em malha fechada.
ü Convolução. Domínio da frequência.

5. Métodos de identificação não paramétricos no domínio do tempo e na frequência.

ü Introdução.
ü Funções de correlação.
ü Sinais aleatórios e pseudoaleatórios.
 ü Efeito do ruído no domínio da frequência.

6. Estimador de mínimos quadrados.

ü Introdução. Sistemas de equações.
ü O método do MQ.
ü Propriedades do estimador MQ.
ü Métodos de predição do erro.

7. Filtro de Kalman.
ü Introdução. Conceitos básicos relativos ao FK.
ü Filtro de Kalman dicreto.
ü Filtro de Kalman estendido.

8. Aplicação.
ü Escolha do critério de identificação.
ü Seleção da estrutura do modelo.
ü Validação do modelo

METODOLOGIA
Aulas teóricas expositivas e/ou trabalhos e/ou seminários e/ou palestras e/ou exercícios de aplicação e/ou atividades práticas
de simulação ou em laboratório. Como recurso didático será utilizado o quadro negro com auxílio de ferramentas
computacionais do tipo projetor multimídia e uso eventual de software de simulação MATLAB.

Atividades extraclasses (Resolução CAE 1/2016)

C.H. Total do componente: 68h C.H. a ser compensada (9%): 6h
Descrição da(s) atividade(s) didática(s): Exercícios em software de simulação: simulação de equação a diferenças (2h),
simulação de sistemas dinâmicos (2h), implementação técnicas de identificação (2h).
Produção do estudante: Discussão dos resultados em sala de aula.
AVALIAÇÃO DA APRENDIZAGEM
A avaliação será realizada de forma continuada considerando-se a presença e participação nas atividades propostas, bem
como avaliações quantitativas (com possível atribuição de nota) através de provas escritas e/ou trabalhos a serem realizados
individualmente e/ou em equipe.

Conforme o Regulamento Geral de Ensino de Graduação e Pós-Graduação (REG-PG) será considerado aprovado o estudante
que cumprir a frequência mínima de setenta e cinco por cento (75%) às aulas e às atividades e obtiver nota igual ou superior
a 5,0 (cinco vírgula zero) na média ponderada das seguintes avaliações: 0,3*Prova1 + 0,3*[(Tr1+Tr2+Tr3)/3] +
0,4*[(Tr4+Tr5+Tr6)/3].
BIBLIOGRAFIA
BIBLIOGRAFIA BÁSICA
[1] LJUNG, L. (1999). System Identification – Theory for the user. 2a edição. PTR Prentice Hall.
[2] AGUIRRE, L.A. (2015). Introdução à identificação de sistemas – técnicas lineares e não lineares. 4ª edição. Editora
UFMG.
[3] COELHO, A.A.R. e COELHO, L.S. (2015). Identificação de sistemas dinâmicos lineares. 2ª edição. Editora UFSC.

Complementares:
[4] NORTON, J.P. (1986). An Introduction to Identification. Academic Press.
[5] AGUIRRE, L.A. (ed) (2007). Enciclopédia de Automática. Vol. 3, Editora Blucher.
[6] SODERSTROM, T. e SOITA, P. (1989). System Identification. Prentice Hall.

Docentes Responsáveis no semestre ________:

Nome: _______________________________________________ Assinatura: _____________________________________

Nome: _______________________________________________ Assinatura: _____________________________________

Aprovado em reunião de Departamento (ou equivalente) em ___/___/___ _________________________________

Assinatura do Chefe de Departamento

(ou equivalente)
ANEXO 1 - CRONOGRAMA DAS AULAS – 2018-1

CÓDIGO NOME DEPARTAMENTO OU EQUIVALENTE

ENGA70 Modelagem e Identificação de Sistemas Dinâmicos Departamento de Engenharia Elétrica

CARGA HORÁRIA (estudante) MODALIDADE PRÉ-REQUISITO (POR CURSO)

T P T/P PE E TOTAL

68h --- --- --- --- 68h Disciplina ENGC33 – Sinais e Sistemas II

AULA DIA ASSUNTO

AULA 1 03/abril Apresentação da disciplina. Introdução a identificação de sistemas.
AULA 2 05/abril Modelagem e identificação – conceitos básicos.
AULA 3 10/abril Modelagem pela física. Estimação de parâmetros. Simulação de modelos.
AULA 4 12/abril Representações lineares – introdução, funções de transferência, respostas.
AULA 5 17/abril Representações lineares – espaço de estados e tempo discreto.
AULA 6 19/abril Métodos determinísticos – modelos de 1ª ordem
AULA 7 24/abril Métodos determinísticos – modelos de 2ª ordem
AULA 8 26/abril Métodos determinísticos – resposta em frequência
AULA 9 03/maio Métodos determinísticos – convolução e resposta impulsiva. Trabalhos 01 e 02
AULA 10 08/maio Exercícios e discussão
AULA 11 10/maio Processos estocásticos
AULA 12 15/maio Métodos não paramétricos – Introdução efeito do ruído
AULA 13 17/maio Funções de correlação p/ identificação. Trabalho 03. Entrevista e Entrega trabalhos 1 e 2
AULA 14 22/maio Sinais aleatórios e pseudoaleatórios – exercício.
AULA 15 24/maio Estimador de mínimos quadrados (MQ)
AULA 16 29/maio O método do MQ
AULA 17 05/junho Propriedades do estimador MQ. Métodos de predição do erro.
AULA 18 07/junho Estimador de mínimos quadrados recursivo (MQR)
AULA 19 12/junho MQR – desenvolvimento do método
AULA 20 14/junho MQR – aplicações e discussão
AULA 21 19/junho Estimação de processos variantes no tempo. Trabalhos 04 e 05
AULA 22 21/junho Prova 01. Entrevista e Entrega trabalho 3
AULA 23 26/junho Filtro de Kalman (FK). Introdução.
AULA 24 28/junho Conceitos básicos do FK e desenvolvimento.
AULA 25 03/julho Implementação do FK – parte I
AULA 26 05/julho Implementação do FK – parte II. Trabalho 06
AULA 27 10/julho Férias programadas
AULA 28 12/julho Férias programadas
AULA 29 17/julho Férias programadas
AULA 30 19/julho Férias programadas
AULA 31 24/julho Identificação de sistemas – Redes Neurais
AULA 32 26/julho Aplicação: escolha do critério e seleção da estrutura do modelo
AULA 33 31/julho Aplicação: validação do modelo. Entrevista e Entrega trabalhos 4, 5 e 6