Identificação não linear no espaço de estados de motor-gerador via regressão esparsa

Abstract

Este trabalho estuda a aplicação da técnica SINDy na identificação de modelos lineares e não lineares, no espaço de estados, de um sistema motor-gerador. A partir de dados coletados de sinais de entrada e saída do sistema são gerados termos polinomiais que concorrem na composição da estrutura das equações de estado. O problema de identificação é formulado a partir de uma estratégia de regressão esparsa que busca selecionar os termos mais relevantes para cada equação e os seus parâmetros. A implementação mostra bom desempenho local, em termos da métrica da normalização do erro médio quadrático (NRMSE), dos modelos lineares. São identificados ainda modelos não lineares a partir de sinais que excursionam o sistema em uma ampla faixa de operação. Estes modelos demonstram um desempenho crescente com o grau da não linearidade e o limiar de seleção dos termos polinomiais, atingindo ajuste de até 98,7% para não linearidades de quinta ordem, demonstrando a relevância da estratégia.