Identificação de Sistemas Dinâmicos Não Lineares Multivariáveis com Redes de Estado de Eco

Abstract

Este artigo apresenta um método de identificação baseado em redes de estado de eco para sistemas dinâmicos não lineres multivariáveis. A rede de estado de eco é uma rede neural recorrente, capaz de modelar dinâmicas não lineares, utilizando algoritmos de treinamento computacionalmente eficientes. Uma arquitetura de rede de estado de eco para identificação de sistemas e o processo para criação e ajuste dos hiperparâmetros do modelo são propostos. O método proposto e avaliado por meio de um processo de neutralização de pH simulado e uma bancada real de avaliação de compressores de refrigeração. Em ambos os casos, a estratégia para identificação de sistemas proposta apresentou melhores resultados que os métodos de comparação, que foram modelos lineares, modelos Hammerstein e máquinas de aprendizado extremo. Os resultados demonstraram que a estratégia proposta pode ser usada diretamente para obtenção de modelos multivariáveis não lineares utilizando um algoritmo de treinamento computacionalmente eficiente.