Defesa Pública da Tese de Doutorado do Mestre em Engenharia Elétrica Emerson Christ Boeira
Data: 06/03/2023 – segunda-feira
Horário: 09h00min
A defesa será realizada através da plataforma Mconf com acesso pelo link: https://mconf.ufrgs.br/webconf/bancas-diego-eckhard
Banca Examinadora:
Prof. Dr. Luis Antonio Aguirre – PPGEE – UFMG (Relator)
Prof. Dr. Alexandre Sanfelici Bazanella – PPGEE – UFRGS
Prof. Dr. Erivelton Geraldo Nepomuceno – Departamento de Engenharia Elétrica – Universidade Federal de São João Del-Rei
Presidente da Banca: Prof. Dr. Diego Eckhard – PPGEE – UFRGS
Título: “CONTRIBUIÇÕES PARA O USO DE REGULARIZAÇÃO EM TÉCNICAS DE IDENTIFICAÇÃO DE SISTEMAS”
Resumo:
“A partir de trabalhos recentes e inovadores da área de aprendizado de máquina, uma ferramenta matemática conhecida como regularização ganhou notoriedade para o contexto de identificação de sistemas, principalmente devido a novas metodologias para a estimação da matriz de regularização, relacionadas a informações a priori sobre o sistema, e a resultados promissores exibidos em trabalhos que empregam tal ferramenta, os quais atingem modelos mais precisos comparados às técnicas clássicas de identificação. Neste sentido, este trabalho apresenta contribuições que exploram o uso dessa ferramenta de regularização para estender técnicas de identificação de sistemas com ruído colorido na saída, identificação de sistemas com erros nas variáveis e controle baseado em dados. No âmbito de identificação de sistemas com ruído colorido na saída, este trabalho apresenta o método dos mínimos quadrados ponderados regularizados, assim como a dedução de matrizes ótimas de regularização e ponderação para este cenário. No contexto de identificação com erros nas variáveis, o trabalho apresenta uma análise de propriedades estatísticas da técnica de estimação por variáveis instrumentais e usa a ferramenta de regularização para minimizar um critério relacionado ao erro médio quadrático das estimativas. No contexto de controle baseado em dados, o desenvolvimento para sistemas com erros nas variáveis é estendido para o método da referência virtual, com as particularidades e interpretações voltadas para controle.
Palavras-chave: Identificação de Sistemas, Regularização, Sistemas com Erros nas Variáveis, Controle Baseado em Dados, Virtual Reference Feedback Tuning.”
