Universidade de Brasília - UnB Departamento de Engenharia Elétrica	Prof. Adolfo Bauchspiess Control and Automation - Electrical Engineering	Lab. de Automação e Robótica e-Mail: adolfobs AT ene unb br

A disciplina “Identificação de Sistemas Dinâmicos” oferecida no 2024.1 pelo Departamento de Engenharia Elétrica da UnB tem como proposta apresentar os principais métodos de obtenção de modelos de sistemas dinâmicos tendo em vista o subseqüente projeto de controladores. Modelagem física (“caixa branca”) será revista e identificação dinâmica (“caixa preta”) de sistemas lineares e não-lineares serão apresentadas. Áreas de aplicação são, entre outras, o controle de processos, a automação predial e a robótica.

Datas Importantes:
   Provas: P1ISD 9/5, P2ISD 27/6.
   Experimentos Computacionais:
      Exp1ISD   9/5, Identificação de processo não linear em diferentes pontos de operação
      Exp2ISD   4/6, Identificação recursiva
      Exp3ISD 27/6, Identificação utilizando Filtro de Kalman Estentido.
   Apresentação Projeto Pesquisa em dupla: 4/7.

Links Conteúdo Específico:
   ISD_Complementos   Sim_Dyn_Models  FiltroKalman    Equilibrium Points    SubSpace   IdGrey   IdNLin_Alex da Rosa

Links Complementares
   Nonlinear System  Identification Benchmarks
   Profa_Ninoska_UFRJ_2009 Modelagem_Determinística (Sundaresan e outros)
   McEvoy, 2003, MatLab Adventures in Bifurcations & Chaos (ABC++) - The Chua Circuit

ENE0260 - Identificação de Sistemas Dinâmicos

Ementa:

Introdução, Noções de Processos Estocásticos, Revisão de Modelos, Identificação de Sistemas Lineares, Identificação de Sistemas Não-Lineares, Projeto de Experimentos de Identificação, Laboratório.

Programa:

Tipos de Sistemas e Modelos
Sistemas Dinâmicos Contínuos Lineares
Sistemas Discretos
Sistemas Não-Lineares
Sistemas Invariantes no Tempo
Sistemas com Parâmetros Distribuídos

Noções de processos estocásticos

Variáveis aleatórias
Função densidade de probabilidade
Estatística de 1ª e 2ª ordens
Sequencias de variáveis aleatórias
Função de auto-correlação e correlação cruzada
Processos estocáticos: definição, análise espectral

Revisão de modelos

Representações de Modelos via Equações Diferenciais, Função de Transferência, Espaço de Estados
Sistemas Elétricos, Mecânicos, Fluidos e Térmicos
Linearização de Modelos no Ponto de Operação
Não-Linearidade
Ciclo-Limite
Sinais de perturbações mensuráveis e não mensuráveis

Identificação de sistemas lineares

Modelos Paramétricos: FIR, OE, AR, ARX, ARMA, ARMAX, BJ, FBO.
Métodos de Estimação: Mínimos Quadrados Não-Recursivo e Recursivo
Determinação da Ordem do Modelo
Validação do Model
Modelos Não-Paramétricos: Identificação no Domínio do Tempo e da Frequência
Exemplos de Identificação de Sistemas

Identificação de sistemas não-lineares

Modelos Paramétricos: NFIR, NOE, NARX, NARMA, NARMAX, NFBO, Wiener, Hammerstein
Algoritmos para Otimização Numérica de Parâmetros: Métodos do Gradiente e Gradiente Conjugado

Identificação de processos

Avaliação
  2 Testes de avaliação da parte teórica P1ISD, P2ISD
  3 Experimentos Computacionais Exp1ISD, Exp2ISD e Exp3ISD
  1 Projeto de pesquisa "prática", com identificação "real", desenvolvido em dupla. Apresentação de Artigo no padrão IEEE, min. 3 e max. 6 páginas.

Relatório - Experimentos Computacionais:
   O relatório dos Experimentos Computacionais deverá conter todas as informações necessárias à reprodução do experimento.
   Visando padronizar a correção, o seguinte formato de relatório é obrigatório: ModeloISD.doc.

A correção do relatório leva em conta os seguintes aspectos:
   - todos os procedimentos solicitados foram seguidos (40%),
   - os resultados são apresentados de forma e concisa e clara: gráficos, tabelas etc., conforme ModeloISD.doc (30%),
   - a interpretação dos resultados é correta e reflete/abrange os objetivos do exercício (30%),
   - pontualidade - o atraso será penalizado com 0,2 pontos por dia útil.

Projeto de Pesquisa
A avaliação da pesquisa considera os seguintes aspectos:

• Pesquisa bibliográfica – deve refletir o “estado da arte” (10%),
• Relevância e originalidade do tema abordado (10%),
• Implementação computacional e Resultados obtidos (25%),
• Redação: clareza, uso de gráficos, tabelas, equações. número de páginas (25%),
• Apresentação oral: qualidade dos slides, vocabulário, domínio do assunto (30%).

Nota: {2*Soma(PISD) + Soma(ExpISD)+3*Pq}

Referências Bibliográficas:

1) Luis Antonio Aguirre, L.A. (2015): Introdução à Identificação de Sistemas, 4a ed, Editora UFMG.

2)  Lennart Ljung (1999): System Identification - Theory For the User, 2nd ed, PTR Prentice Hall.

3) Karel Keesman (2011): System Identification: An Introduction, Springer

4) Landau, I.D; Zito, G. (2006): Digital Control Systems; Design, Identification and Implementation, Springer.

5) Rolf Isermann & Marco Münchhof (2011): Identfification of Dynamic Systmes - An Introduction wiht Applications, Springer.

6) MatLab - System Identification Toolbox, Control System Toolbox.

7) www.periodicos.capes.gov.br - (acesso fora da UnB através de proxy – conta ...@unb.br)