English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Este trabalho propõem um algoritmo genético aplicado ao problema de identificação de plantas não-lineares, de fase não-mínima ou plantas lineares de ordem superior. O algoritmo proposto tem como objetivo encontrar um modelo linear na forma de pólos e zeros e de ordem reduzida, que melhor represente a planta real, a partir dos sinais de entrada e saída. Uma proposta inovadora para a representação dos indivíduos e função de ''fitness'' foi desenvolvida neste trabalho. Esta função de fitness representa o compromisso entre os erros de polarização e variância do modelo estimado. Já a representação proposta divide o espaço de busca em dois subespaços: um destinado à busca de pólos e zeros de natureza real e outro com a finalidade de se encontrar os pólos e zeros complexos. Resultados de simulação são utilizados para ilustrar o desempenho do estimador genético desenvolvido. This work proposes a genetic algorithm (GA) to solve process estimation problems when the real process presents high orders polynomials (complexity model) or non-linearities, non-minimum phase behavior, etc. The algorithm finds the best linear model in the pole and zero form to represent the real plant using its input and output signals. A new chromosome representation was introduced and a new ''fitness'' function based on the tradeoff bias x variance was developed. To validate this genetic estimator, simulations studies were done and the GA performance was compared with one obtained by use of the traditional least square estimation method

Identificação genética de modelos por pólos e zeros baseada no compromisso entre os erros de polarização e variância