Escolar Documentos
Profissional Documentos
Cultura Documentos
Resumo—A estimação e identificação de sistemas é que tentam relacionar as observações com algum
uma aplicação recorrente nas mais diversas áreas da padrão [2]
engenharia. Esta área é responsável por tratar o problema
de modelagem matemática de sistemas dinâmicos baseado II. S ISTEMAS D IN ÂMICOS
em dados observados a partir do sistema. Uma importante
justificativa para tal estudo é a necessidade da existência Em termos gerais, um sistema é um objeto onde
de um modelo para o desenvolvimento de um controle as mais diversas variáveis interagem e produzem
eficiente do sistema. Este artigo resgatará o conceito de sinais observáveis [2]. Os sinais observados são os
sistema dinâmico, discutindo alguns tipos de modelos e objetos de interesse e são usualmente chamados
suas aplicabilidades além de discorrer a cerca dos pro- de saı́das. Além disso, estı́mulos externos também
cedimentos de identificação de sistemas e demonstrar um
problema arquétipo utilizando modelos ARX e o método
afetam o sistema, e, aqueles que são manipulados
dos Mı́nimos Quadrados. pelo observador são denominados de entrada, os
demais, são chamados de perturbações.
Palavras-chave—estimação, identificação de sistemas,
A Figura 1 ilustra o diagrama de blocos de um
modelos matemáticos, sistemas dinâmicos.
sistema simples, considerando suas entradas e saı́da.
Este tipo de estrutura orientada a sistemas auxilia
I. I NTRODUÇ ÃO diversos campos de estudos a solucionar muitos
problemas [2].
ÁREA de identificação de sistemas recorre a
A métodos estatı́sticos para construção de mode-
los matemáticos de sistemas dinâmicos observáveis.
Este estudo deve compreender conjuntos de ex-
perimentos que reproduzam de maneira eficiente o
sistema, isto porque, a modelagem é uma abstração
de um processo verdadeiro a fim de caracterizar o
seu comportamento [1].
Eykhoff [1] introduz o conceito de “aspectos Fig. 1. Diagrama de blocos sistema dinâmico com saı́da y, entrada
essenciais” e define modelo como sendo uma u, perturbação mensurável v e perturbação não-mensurável w.
representação simplificada dos aspectos essenciais
de um sistema existente (ou um sistema a ser con- Os sistemas dinâmicos não são necessari-
struı́do), que apresenta o conhecimento do sistema amente de natureza fı́sica, podendo ser sis-
numa forma utilizável. temas econômicos, sistemas biológicos, sistemas
Neste contexto, um modelo matemático dinâmico de informação, sistemas ecológicos, sistemas de
é uma descrição matemática do comportamento trânsito, etc [1]. Porém, alguns dos sistemas que
dinâmico de um sistema ou processo, e pode ser mais interessam à engenharia elétrica são:
descrito no domı́nio do tempo ou da frequência. • sistemas mecânicos;
com nı́vel de formalidade variando de acordo com O conceito de sistema será ilustrado em uma
o princı́pio utilizado, e com caracterı́sticas básicas sequência de exemplos.
Milena Marinho Arruda participa do Programa de Pós- A. Casa com Aquecedor Solar
graduação de Engenharia Elétrica, Universidade Federal
de Campina Grande, Campina Grande, PB, Brasil. e-mail: Em uma casa com aquecedor solar conforme
milena.arruda@ee.ufcg.edu.br. ilustrado na Figura 2(a), o sistema opera de tal
2
ϕ = [−y(t − 1)... − y(t − n)u(t − 1)...u(t − m)]T . Uma vez que os vetores ϕ(t) são definidos, a
solução da equação (9) pode ser calculada com o
Portanto, a equação (2) pode ser reescrita como:
apoio de modernos softwares de solução numérica
y(t) = ϕ(t)T θ. (3) como o M ATLAB.
A fim de enfatizar que o cálculo de y(t) a
partir dos valores passados de fato depende dos C. Qualidade da Estimativa
parâmetros em θ, a relação equacionada em (3) será
definida por: Os modelos que apresentam a estrutura da
equação (4) que são lineares em θ são chamados
yb(t|θ) = ϕ(t)T θ. (4) de regressores lineares. O vetorϕ(t) é chamado de
vetor de regressão e os seus componentes são os
B. Método dos Mı́nimos Quadrados regressores.
Agora suponha que dado um sistema onde não Um modelo construı́do a partir dos valores ob-
são conhecidos os valores do parâmetro em θ, mas servados pode diferir do modelo teórico do sistema,
que foram gravadas as entradas e saı́das durante o uma vez que as perturbações estão presentes nas
intervalo 1 ≤ t ≤ N : medições. Portanto, se considerarmos um caso sim-
ples como o modelo de Resposta ao Impulso Finita
Z N = u(1), ..., u(N ), y(1), ..., y(N ). (5) (FIR), no qual n = 0, a equação (4) pode ser
O Método dos Mı́nimos Quadrados procura pelo reescrita considerando um ruı́do branco aditivo e(t)
elemento do conjunto Z N que minimiza a diferença com média nula e variância λ. Assim:
entre y(t) e yb(t|θ):
y(t) = ϕT (t)θ0 + e(t) (10)
min VN (θ, Z N ), (6)
θ Substituindo (10) em (9) com o intuito de deter-
onde, minar o erro de estimativa
PNdevido àsT perturbações,
N e considerando R(N ) = t=1 ϕ(t)ϕ (t) obtém-se:
N 1 X
VN (θ, Z ) = (y(t) − yb(t|θ))2 " N #
N t=1 X
N
θbN = θ0 + R(N )−1 ϕ(t)e(t) (11)
1 X t=1
= (y(t) − ϕ(t)T θ)2 .
N t=1
Desde que u(t) e, consequentemente, ϕ(t), são
O valor de θ que minimiza a equação (6) é: variáveis determinı́sticas, R(N ) será uma matriz
também determinı́stica. Além disso, com base nas
θbN = arg min VN (θ, Z N ). (7) caracterı́sticas de ruı́do branco de e(t) determina-se
θ
Visto que VN é função do quadrado de θ, o que o valor esperado de θbN é zero. E, portanto, a
mı́nimo valor de VN (θ, Z N ) pode ser calculado por: matriz de covariância do parâmetro de estimativa é
definida como:
d
VN (θ, Z N ) = 0 T
dθ PN = E θbN θbN
N
2 X = λR(N )−1 , (12)
= ϕ(t)(y(t) − ϕT (t)θ).
N t=1
e considera o fato de que e(t) é uma sequência
Reescrevendo, de variáveis independentes correlacionada apenas
N
X N
X consigo mesma, isto é, Ee(t)e(s) = λδ(t − s).
ϕ(t)y(t) = ϕ(t)ϕT (t)θ. (8) O cálculo da matriz de covariância do estimador
t=1 t=1 θN é computado a partir das propriedades de R(N ),
b
Assim, que depende das entradas do sistema, e também do
" N
#−1 N
nı́vel de ruı́do λ. Definindo
X X
T 1
θbN = ϕ(t)ϕ (t) ϕ(t)y(t). (9)
R = lim R(N ),
t=1 t=1 N →∞ N
5
calcula-se a matriz de covariância do estimador é, fazer essas escolhas de modo que os dados
como: se tornem maximamente informativos. Em alguns
−1 −1
λR casos é possı́vel fazer a matriz R pequeno, em
PN = . (13)
N outros, o usuário é capaz de interferir e alterar o
Pode-se aferir a partir da equação (13) que a experimento, neste caso, o observador deve usar os
entrada do sistema pode ser manipulada de forma a dados de operação normal do sistema [2].
−1
minimizar R e a covariância:
• decai a uma taxa de
1
; B. Conjunto de modelos
N
• é proporcional a relação sinal/ruı́do. Ou seja, éUm conjunto com modelos candidatos a
proporcional à variância do ruı́do λ e inversa-
representação do sistema é obtido por especificação
mente proporcional à potência de entrada; dentre o conjunto total de modelos a fim de observar
• depende apenas das suas propriedades de apenas um. Isto é, sem dúvida, o mais importante
variância e covariância. e, ao mesmo tempo, a decisão mais difı́cil dentre
os procedimentos de identificação do sistema [2]. É
V. O P ROCESSO DE I DENTIFICAÇ ÃO DE neste momento em que o conhecimento e a intuição
S ISTEMAS de engenharia são combinados com propriedades
formais dos modelos matemáticos.
Essencialmente, o procedimento de construção de
Às vezes, o conjunto modelo é obtido após mod-
um modelo segue três etapas [2]:
elagem cuidadosa. Em seguida, um modelo com al-
1) Determinação de um conjunto de dados Z N guns parâmetros fı́sicos desconhecidos é construı́do
conforme (5); a partir de leis fı́sicas básicas e outras relações bem
2) Um conjunto de candidatos a modelos; estabelecidas. Entretanto, em outros casos podem
3) Critério de avaliação dos modelos seleciona- ser empregues modelos lineares padrão, sem re-
dos, VN (θ, Z N ). ferência para o fundo fı́sico.
A Figura 5 exibe, sucintamente, o processo de Conjuntos modelos cujos parâmetros são basi-
identificação de sistemas. camente visto como artifı́cios para ajustar o con-
junto dos dados e não refletem considerações fı́sicas
no sistema, é chamado black-box. Já os conjuntos
modelo com parâmetros ajustáveis à interpretação
fı́sica é chamado de gray-box [1].
De um modo geral, uma estrutura de modelo é um
mapeamento com parâmetros de entradas e saı́das
passadas para o espaço das saı́das do modelo.
D. Validação do modelo
A. Registro de dados Após resolução das três etapas descritas, tem-se,
Os dados de entrada e saı́da são, por vezes, um modelo especı́fico correspondente ao conjunto
gravado durante um projeto especı́fico de experi- que melhor descreve os dados de acordo com o
mento de identificação, no qual, o usuário, deter- critério escolhido. O modelo é continuamente tes-
mina quais os sinais podem ser medidos e quando tado a fim de verificar se o mesmo é suficientemente
deve medi-los podendo escolher, também, os sinais bom, isto é, se é válido para a sua finalidade. Tais
de entrada. O objetivo com o design experimental testes são conhecidos como validação do modelo.
6
R EFER ÊNCIAS
[1] D. CHINARRO e C. GLACIER System Identification Tech-
niques. Springer International Publishing Switzaeland, 2014.
[2] L. LJUNG System Identification: Theory for the User, 2sc ed.
Liköping University, Suécia. Prentice Hall, 1999.
[3] L. LJUNG Practical Issues of System Identification. Liköping
University, Sweden. EOLSS, 2007.