Introdução à Identificação de Sistemas e Estimação de Parâmetros

Sigla: PPGEM512

Área de Concentração / Linha de Pesquisa: Ciências Mecânicas / Sistemas Mecânicos Aplicados

Créditos: 4

Carga horária: 60h

Tipo: Optativa

Objetivo: Possibilitar ao aluno desenvolver e aplicar ferramentas para obtenção de modelos matemáticos e estimação de parâmetros a partir de observações (medidas) através das técnicas de identificação de sistemas e filtragem de Kalman, fundamentais para tratamento de sistemas dinâmicos com incertezas de modelagem e de medição.

Ementa:

1. Conceitos básicos sobre Modelagem, Identificação de Sistemas e Estimação;
2. Modelos de processos e de perturbações;
3. Sinais de excitação normalmente empregados;
4. Métodos não-paramétricos de identificação;
5. Projeto de experimentos de identificação paramétrica;
6. Estruturas de modelos de sistemas lineares invariantes no tempo;
7. Validação de modelos;
8. Observadores de ordem completa e reduzida;
9. Fundamentos da Teoria de Probabilidades: Definição Axiomática, Variáveis Aleatórias, Funções Densidade e Distribuição.
10. Estimação de Parâmetros: Critérios de Otimização, Mínimos Quadrados, forma de Kalman.
11. Filtros de Forma (Shaping Filters) e Filtros de Kalman Lineares;
12. Filtros Linearizados de Kalman e Filtros Estendidos de Kalman. Ruido adaptativo; Estimação Simultânea de estado e parâmetros.
13. Problemas de Controle Linear-Quadrático-Gaussiano (LQG).

Bibliografia:

• AGUIRRE, L. A. Introdução à identificação de sistemas - técnicas lineares e não-lineares aplicadas a sistemas reais. 4.ed., Belo Horizonte, Editora UFMG, 2014.
• SIMON, D. Optimal state estimation: Kalman, H1 and nonlinear approaches. Nova Jersey: John Wiley & Sons, 2018.
• COELHO, A. A. R.; DOS SANTOS COELHO, L. Identificação de sistemas dinâmicos lineares. Editora da UFSC, 2016.
• LJUNG, L. System identification: theory for the user. 2.ed. Englewood Cliffs, Prentice Hall, 1999.
• ISERMANN, R.; MÜNCHHOF, M. Identification of dynamic systems: an introduction with applications. Springer Science & Business Media, 2010.
• SÖDERSTRÖM, T.; STOICA, P. System identification. Hemel Hempstead, U.K. Prentice Hall International, 1989.
• VERHAEGEN, M; VERDULT, V. Filtering and system identification: a least squares approach. Cambridge university press, 2007.
• MAYBECK, P.S. Stochastic Models, Estimation and Control, Vol. I,II e III. Academic Press, 1979 (vol.I) e 1982 (vol.II e III).
• JAZWINSKI. A. H. Stochastic Processes and Filtering Theory. Academic Press, 1970.
• LUENBERGER, D.G. Introduction to dynamic systems; theory, models, and applications. John Wiley and Sons, Nova York, 1979.
• NORTON, J.P. An introduction to identification. London, Academic Press, 1986.