Logo PUC-Rio Logo Maxwell
TRABALHOS DE FIM DE CURSO @PUC-Rio
Consulta aos Conteúdos
Estatística
Título: COMPARAÇÃO DE MÉTODOS LINEARES E NÃO-LINEARES PARA IDENTIFICAÇÃO DE SISTEMAS COM MATERIAIS PIEZOELÉTRICOS E TRANSMISSÃO ACÚSTICA
Autor(es): DANIEL PEREIRA DA COSTA
Colaborador(es): HELON VICENTE HULTMANN AYALA - Orientador
Catalogação: 13/DEZ/2019 Língua(s): PORTUGUÊS - BRASIL
Tipo: TEXTO Subtipo: TRABALHO DE FIM DE CURSO
Notas: [pt] 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.
[en] All data contained in the documents are the sole responsibility of the authors. The data used in the descriptions of the documents are in conformity with the systems of the administration of PUC-Rio.
Referência(s): [pt] https://www.maxwell.vrac.puc-rio.br/projetosEspeciais/TFCs/consultas/conteudo.php?strSecao=resultado&nrSeq=46365@1
[en] https://www.maxwell.vrac.puc-rio.br/projetosEspeciais/TFCs/consultas/conteudo.php?strSecao=resultado&nrSeq=46365@2
DOI: https://doi.org/10.17771/PUCRio.acad.46365
Resumo:
Materiais piezoelétricos são materiais capazes de produzir uma corrente elétrica quando submetidos a um estresse mecânico. Por outro lado, esses materiais são fisicamente deformados quando um campo elétrico é aplicado sobre eles. Nesse trabalho, os piezoelétricos são usados para a aquisição de dados através de um túnel acústico e assim aplicar técnicas de identificação de sistemas para o processo de modelagem do sistema. Este trabalho tem como objetivo a identificação de um sistema de transmissão acústica através de métodos de identificação de sistemas caixa-preta. Em especifico, são usados os modelos lineares AutoRegressive with eXogenous inputs (ARX) e AutoRegressive Moving Average with eXogenous inputs (ARMAX) e modelos baseados em redes neurais do tipo Nonlinear AutoRegressive with eXogenous inputs (NARX). Esse projeto engloba todas as etapas de um processo de identificação de sistemas, desde a aquisição dos dados até a obtenção dos resultados. Os resultados obtidos são comparados com o modelo ARX e com o modelo ARMAX. A conclusão da predição mostra que o melhor resultado se obteve com o modelo ARMAX.
Descrição: Arquivo:   
NA ÍNTEGRA PDF