XINFORMAÇÕES SOBRE DIREITOS AUTORAIS
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital
Título: IDENTIFICAÇÃO NÃO LINEAR HÍBRIDA DE SISTEMAS MECÂNICOS COM MODELOS FÍSICOS E DE APRENDIZADO DE MÁQUINA Autor: DANIEL HENRIQUE BRAZ DE SOUSA
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):
HELON VICENTE HULTMANN AYALA - ORIENTADOR
Nº do Conteudo: 62550
Catalogação: 16/05/2023 Idioma(s): INGLÊS - ESTADOS UNIDOS
Tipo: TEXTO Subtipo: TESE
Natureza: PUBLICAÇÃO ACADÊMICA
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=62550@1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=62550@2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.62550
Resumo:
Título: IDENTIFICAÇÃO NÃO LINEAR HÍBRIDA DE SISTEMAS MECÂNICOS COM MODELOS FÍSICOS E DE APRENDIZADO DE MÁQUINA Autor: DANIEL HENRIQUE BRAZ DE SOUSA
Nº do Conteudo: 62550
Catalogação: 16/05/2023 Idioma(s): INGLÊS - ESTADOS UNIDOS
Tipo: TEXTO Subtipo: TESE
Natureza: PUBLICAÇÃO ACADÊMICA
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=62550@1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=62550@2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.62550
Resumo:
Existe uma crescente demanda por modelos dinâmicos precisos, parte
impulsionada pelo paradigma da indústria 4.0 que introduz, dentre outros, o
conceito de gêmeo digital no qual modelos dinâmicos possuem um papel importante. Idealmente, um modelo dinâmico apresenta um compromisso entre
complexidade e precisão, enquanto proporciona informações sobre a física do
sistema. Para melhorar a precisão de um modelo mantendo a interpretabilidade, a abordagem usual é modelar matematicamente todas não-linearidades,
o que leva a um modelo muito complexo. Outra abordagem envolve identificação caixa-preta, uma abordagem onde um modelo matemático é ajustado para
descrever a relação de entrada e saída do sistema, a qual pode fornecer um
modelo preciso, porém não interpretável. Os avanços na capacidade de processamento computacional permitiram o florescimento da area de aprendizado de
máquinas, a qual tem mostrado resultados interessantes em diferentes campos
do conhecimento. Uma dessas aplicações é em identificação caixa-preta, onde
o aprendizado de máquinas tem sido empregado com sucesso na modelagem de
sistemas não-lineares, o que tem inspirado pesquisas sobre o tema. Apesar dos
modelos baseados em aprendizado de máquina apresentarem elevada precisão,
o que é suficiente para diversas aplicações, eles não são interpretáveis. Dessa
forma, visando obter modelos que possuem ambas as características de precisão
e interpretabilidade, enquanto mantém um compromisso com a complexidade,
esta tese propõe uma metodologia de identificação híbrida que combina um
modelo fenomenológico caixa cinza com um modelo caixa preta baseado em
redes neurais artificiais. A metodologia proposta é aplicada em três casos de
estudo de sistemas não lineares com dados experimentais, a saber, a dinâmica
vertical de um veículo, um atuador com junta flexível baseado em elastômero
e um sistema de posicionamento eletromecânico. Os resultados mostram que
o modelo híbrido proposto é até 60 por cento mais preciso enquanto proporciona a
interpretabilidade física do sistema, sem aumentar significativamente a complexidade do modelo.
Descrição | Arquivo |
NA ÍNTEGRA |