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:

Bibliografia básica

• ZORZI, M. Lectures on System Identification. 307p. 2a Ed. 2025.
• TANGIRALA, A. K. Principles of System Identification: Theory and Practice. Boca Raton: CRC Press. 2018.
• SIMON, D. Optimal state estimation: Kalman, H1 and nonlinear approaches. Nova Jersey: John Wiley & Sons. 2018.

Bibliografia Complementar

• AGUIRRE, L. A. Introdução à identificação de sistemas - técnicas lineares e não-lineares aplicadas a sistemas reais. 4.ed., Belo Horizonte: Editora UFMG. 2014.
• COELHO, A. A. R.; DOS SANTOS COELHO, L. Identificação de sistemas dinâmicos lineares. Florianópolis: Editora da UFSC. 2016.
• ISERMANN, R.; MÜNCHHOF, M. Identification of dynamic systems: an introduction with applications. Springer Science & Business Media. 2010.
• VERHAEGEN, M; VERDULT, V. Filtering and system identification: a least squares approach. Cambridge university press. 2007.
• JAZWINSKI. A. H. Stochastic Processes and Filtering Theory. Dover Publications. 2007.