Identificação de sistemas; Inteligência artificial; Modelos baseados em redes neurais; Lógica fuzzy tipo-2 intervalar; Rede neuro-fuzzy intervalar tipo-2 modificada (MIT2FNN)

A identificação de sistemas é uma área de estudo da engenharia que busca encontrar modelos precisos e de baixo custo para descrever o comportamento dos sistemas. Esses modelos podem ser utilizados para prever o comportamento futuro, realizar simulações, ajustar parâmetros e otimizar o desempenho dos sistemas.

A dificuldade na identificação de sistemas está na escolha adequada da estrutura do modelo, no número de parâmetros e no método de estimação. Diversas técnicas são uti- lizadas, como redes neurais, inteligência artificial e multimodelos polinomiais, para lidar com a complexidade das não-linearidades e obter modelos precisos.

A tese proposta tem como objetivo desenvolver uma técnica de identificação de sis- temas que utilize informações de entrada/saída para obter um modelo válido, preciso, robusto e eficiente. A estratégia proposta combina a lógica fuzzy tipo-2 intervalar com a capacidade de treinamento de redes neurais. A ideia é obter uma estrutura generali- zada que permita a seleção e combinação de modelos locais para aproximar ou prever o comportamento do sistema.

Os resultados foram obtidos utilizando três estudos de caso: a equação temporal caó- tica Mackey-Glass, um sistema de fornalhas e um sistema de tanques multisseção. Os resultados da rede proposta para a aproximação e previsão desses sistemas foram com- parados com técnicas da literatura, e a rede neuro-fuzzy intervalar tipo-2 modificada (MIT2FNN) apresentou valores de MSE menores do que as demais técnicas.