???iracessibilidade???
???inicioConteudo???

Banca de DEFESA: ALEX NEWMAN VELOSO DOS SANTOS

2018-06-22 11:26:12.778

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: ALEX NEWMAN VELOSO DOS SANTOS
DATA: 26/06/2018
HORA: 09:00
LOCAL: Laboratório INOVTEC
TÍTULO: Coeficientes de Correlação Como Métrica de Avaliação das Estratégias de Controle Inteligente FEL e MNFEL
PALAVRAS-CHAVES: Métricas de Controle Inteligente. Coeficiente de Spearman. Feedback- Error-Learning. Multi-Network-Feedback-Error-Learning.
PÁGINAS: 89
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Matemática da Computação
ESPECIALIDADE: Modelos Analíticos e de Simulação
RESUMO: Sistemas de controle têm sido largamente utilizados nas mais diversas áreas: plantas industriais, robótica, medicina etc. Assim sendo, novas técnicas são frequentemente su- geridas para melhorar esses sistemas. Feedback-Error-Learning (FEL) é uma estratégia de controle inteligente que emprega uma rede neural ao lado de um controle convencio- nal, por exemplo um Proporcional-Integral-Derivativo (PID) que é um dos mais usados na indústria. Um melhor controle é obtido com FEL a partir da aquisição do modelo inverso ou da compensação pela não-linearidade. Adicionalmente, tem-se a estratégia Multi-Network-Feedback-Error-Learning (MNFEL), que é baseada na FEL e utiliza múlti- plas redes neurais, que pode melhorar mais o controle. Os trabalhos que utilizam FEL e MNFEL presumem que a adição das redes neurais irá melhorar o controle, no entanto, não existem muitos trabalhos que contabilizem o grau de contribuição da rede no sistema de controle. Uma pesquisa anterior propôs uma métrica baseada no Coeficiente de Correlação de Pearson (CP). Entretanto, essa métrica assume algumas condições de funcionamento que podem não ser garantidas nos sistemas de controle. Este trabalho visa propor duas abordagens baseadas no Coeficiente de Spearman (CS) e CP. A metodologia de avaliação é dividida em duas fases. A primeira fase determina o comportamento esperado do CS a partir da análise da correlação inicial entre o erro quadrático da planta e o controlador convencional, sendo essa antes do uso das estratégias FEL e MNFEL. A segunda fase avalia o comportamento do coeficiente durante o treinamento das redes. Duas plantas industriais foram utilizadas neste trabalho: Forno de Pelotização e Serpentina de Refrigeração. Os resultados mostraram que: i) a abordagem do trabalho anterior, isto é usando o CP, pode induzir a conclusões precipitadas sobre o sistema em análise; ii) a abordagem proposta, usando CS, demonstrou – em ambas as plantas – o grau de contribuição das rede durante a melhoria do sistema de controle; iii) o CS – durante o treinamento das redes neurais – pode antecipar que o uso dessas redes não irá melhorar substancialmente o controle do sistema. Assim sendo, constata-se que a métrica proposta é capaz de avaliar a contribuição das redes neurais para melhoria do controle, assim como indica que essas redes podem não contribuir no sistema de controle.
MEMBROS DA BANCA:
Presidente - 1091306 - ALEXANDRE CESAR MUNIZ DE OLIVEIRA
Interno - 2044484 - AREOLINO DE ALMEIDA NETO
Interno - 2319041 - PAULO ROGERIO DE ALMEIDA RIBEIRO
Externo à Instituição - RENAN LIMA PEREIRA - ITA

???fimConteudo???