Metodologia para Projeto de Filtro de Kalman Baseado em Modelo Fuzzy Tipo-2 Intervalar Evolutivo

Daiana Caroline dos Santos Gomes; Ginalber Luiz de Oliveira Serra

doi:10.20906/sbai.v1i1.2744

Daiana Caroline dos Santos Gomes Universidade Federal do Maranhão, São Luís, Maranhão
Ginalber Luiz de Oliveira Serra Instituto Federal de Educação, Ciência e Tecnologia do Maranhão, São Luís, Maranhão

DOI: https://doi.org/10.20906/sbai.v1i1.2744

Keywords: Systems identification, Kalman filtering, Evolving interval type-2 fuzzy model, Recursive parametric estimation, Fuzzy systems

Abstract

Neste artigo é proposta uma metodologia para o projeto de filtros de Kalman fuzzy usando modelos fuzzy tipo-2 intervalares evolutivos, no domínio do tempo discreto, via dados experimentais. A metodologia adotada consiste no particionamento evolutivo dos dados experimentais por meio de uma versão fuzzy tipo-2 do algoritmo eTS (evolving TakagiSugeno) para definição de regiões de operação intervalares associadas ao comportamento e incerteza dos dados experimentais. A estimação paramétrica recursiva dos submodelos lineares locais no espaço de estados é realizada a partir do algoritmo Observer/Kalman Filter Identification (OKID) fuzzy tipo-2 intervalar, considerando as incertezas estimadas pelo particionamento dos dados experimentais. A adaptação da estrutura empregada para o filtro de Kalman fuzzy tipo-2 intervalar evolutivo proposto torna a metodologia proposta adequada para problemas com dinâmica incerta e não-estacionária. Resultados experimentais e análise comparativa demonstram a eficiência e aplicabilidade da metodologia proposta quando aplicada ao rastreamento e previsão em tempo real da dinâmica de propagação do novo Coronavírus 2019 (COVID-19) no Brasil.