Modelagem de um sistema massa-mola usando método de subespaços
DOI:
https://doi.org/10.5540/03.2023.010.01.0067Palavras-chave:
Sistemas Dinâmicos, Sistemas Lineares, Métodos de Subespaços, Identificação em Malha AbertaResumo
Este artigo apresenta a identificação em malha aberta de um sistema massa-mola usando método de subespaços. A aplicação de métodos SIM (Subspace Identification Methods) para identificação de sistemas dinâmicos no domínio do tempo tem demonstrado ser uma alternativa viável para obtenção de modelos que não necessitam de uma parametrização explícita, a qual, para sistemas multivariáveis, pode ser uma tarefa complexa. Nesse sentido, os resultados obtidos neste trabalho são provenientes de dados experimentais de um sistema massa-mola e os resultados demonstram que o modelo identificado captura bem a dinâmica do sistema.
Downloads
Referências
R. D. Al-Dabbagh et al. “System Identification and Control of Robot Manipulator Based on Fuzzy Adaptive Differential Evolution Algorithm”. In: Advances in Engineering Soft-ware,Vol. 78, 2014, pp. 60–66, doi: https://doi.org/10.1016/j.advengsoft.2014.08.009.
D. Bauer. "Asymptotic properties of subspace estimators". Automatica, Vol.41, 2005, No. 3, pp. 359-376.
D. Di Ruscio. “A Bootstrap Subspace Identification Method: Comparing Methods for Closed Loop Subspace Identification by Monte Carlo Simulations”. In: Modeling, Identification and Control, Vol. 30, No. 4, 2009, pp. 203–222.
D. Di Ruscio. “Subspace System Identification of the Kalman Filter: Open and Closed Loop Systems.” In: Proc. Intl. Multi-Conf. on Engineering and Technological Innovation, 2008.
D. Di Ruscio. "Combined deterministic and stochastic system identification and realization: DSR - a subspace approach based on observations", Norwegian Society of Automatic Control, pp 193-230, 1996.
S. A. Fatima et al. "System Identification of Industrial Debutanizer Column", 9th IEEE International Conference on Control System, Computing and Engineering (IC-CSCE), Penang, Malaysia, 2019, pp. 178-183, doi: 10.1109/ICCSCE47578.2019.9068541.
J. Grauer e M. Boucher. “System Identification of Flexible Aircraft: Lessons Learned from the X-56A Phase 1 Flight Tests”. AIAA, 2020, p. 1017, doi: https://doi.org/10.2514/6.2020-1017.
E. M. Hemerly. Controle por Computador de Sistemas Dinâmicos., Edgard Blucher, 2000.
B. L. Ho and R. E. Kalman. “Editorial: Effective construction of linear state-variable models from input/output functions: Die Konstruktion von linearen Modeilen in der Darstellung durch Zustandsvariable aus den Beziehungen für Ein- und Ausgangsgrößen". In: at-Automatisierungstechnik, Vol. 14, No. 1-12, 1966, pp. 545–548. doi: https://doi.org/10.1524/auto.1966.14.112.545.
M. Jalanko et al. “Adaptive System Identification of Industrial Ethylene Splitter: A Comparison of Subspace Identification and Artificial Neural Networks”. In: Computers and Chemical Engineering, Vol. 147, 2021, p. 107240. doi: https://doi.org/10.1016/j.compchemeng.2021.107240.
R. Jategaonkar. Flight Vehicle System Identification: A Time Domain Methodology. Vol. 216, isbn: 978-1-62410-278-3.
T. Katayama. Subspace methods for system identification. Kyoto: Springer, 2005.
J. Liu et al. “A Modified Time Domain Subspace Method for Nonlinear Identification Based on Nonlinear Separation Strategy”. In: Nonlinear Dynamics, Vol. 94, doi: 10.1007/s11071-018-4505-6.
R. C. Machado. "Métodos de subespaços para identificação de sistemas em mlha fechada",144 p., Thesis of Master of Science - Instituto Tecnológico de Aeronáutica (ITA), 2013.
P. Van Overschee and B. L. R. De Moor. Subspace identification for linear systems: theory, implementations, applications. Leuven: Kluwer Academic Publichers, 1996.
