IDENTIFICAÇÃO, SINTONIA E CONTROLE COM PSO MATRICIAL UTILIZANDO MODELOS NÃO LINEARES
APLICADOS A SISTEMAS REAIS
identificação, PSO, otimização
Recentemente diversas tecnicas de computação evolucionarias tem sido utilizadas
em áreas como estimação de parâmetros de processos dinâmicos lineares e não lineares
ou ate sujeitos a incertezas. Isso motiva a utilização de algoritmos como o otimizador por
nuvem de partculas (PSO) nas referidas areas do conhecimento. Porém, pouco se sabe sobre
a convergência desse algoritmo e, principalmente, as analises e estudos realizados têm
se concentrado em resultados experimentais. Por isso, e objetivo deste trabalho propor
uma nova estrutura para o PSO que permita melhor analisar a convergência do algoritmo
de maneira analtica, vericando o comportamento dos autovalores. Para isso, o PSO e
reestruturado para assumir uma forma matricial e reformulado como um sistema linear
por partes. As partes serão analisadas de forma separada e sera proposta a inserção de um
fator de esquecimento que garante que a parte mais signicativa deste sistema possua autovalores
dentro do ciclo de raio unitario. Tambem sera realizada a análise da convergência
do algoritmo como um todo, utilizando um criterio de convergência quase certa, aplicável
a sistemas chaveados. Na sequência, serão realizados testes experimentais de maneira a
vericar o comportamento dos autovalores apos a inserção do fator de esquecimento. Posteriormente,
os algoritmos de identicação de parâmetros tradicionais serão combinados
com o PSO matricial, de maneira a tornar os resultados da identicação tão bons ou melhores
que a identicação, apenas com o PSO ou, apenas com os algoritmos tradicionais.
Os resultados mostram a convergência das partculas em uma região delimitada e que as
funções obtidas, apos a combinação do algoritmo PSO matricial com os algoritmos convencionais,
apresentam maior generalização para o sistema apresentado. As conclusões a
que se chega e que a hibridização, apesar de limitar a busca por uma partcula mais apta
do PSO, permite um desempenho mnimo para o algoritmo e ainda possibilita melhorar
o resultado obtido com os algoritmos tradicionais, permitindo a representação do sistema
aproximado em quantidades maiores de frequências.