No abstract

No abstract

No abstract

Resumo. Uma questão fundamental em aplicações envolvendo filtros adaptativos é que durante a atualização da estimativa do vetor de pesos por um algoritmo de otimização seja obtido um bom trade-off entre a velocidade de convergência e o erro médio quadrático no regime estacionário. Nesse sentido, visando desenvolver um algoritmo de otimização baseado em gradiente descendente estocástico com uma rápida velocidade de convergência e um pequeno erro médio quadrático no regime estacionário, é proposta uma nova versão do Normalized Least Mean Square (NLMS) com o tamanho de passo adaptado por um Sistema de Inferência Fuzzy Mamdani. Para validação do algoritmo proposto foi realizado o projeto de Controle Inverso Adaptativo Indireto (do inglês, IAIC -Indirect Adaptive Inverse Control ) para uma planta de fase não mínima na presença de um sinal de distúrbio adicionado ao sinal de controle.

No abstract

Neste artigo, é proposta uma nova metodologia de controle LQRI (Linear QuadraticRegulator with Integral Action) baseada em modelo fuzzy Takagi-Sugeno evolutivo. A metodologia de controle é dada pela obtenção de uma matriz de ganho de realimentaçãoo de estados, que garante mutualmente a otimização do funcional de otimalidade do LQRI e a alocação de autovalores em regiões circulares robustas parametrizadas em função de especicações de desempenho, utilizando uma abordagem geométrica.

In this paper, is performed the comparative analysis of performance between the direct and indirect adaptive inverse control applied to a non-minimum phase Electro-Hydraulic (EHA) system in the presence of a periodic disturbance signal. The performance of an adaptive inverse controller is influenced by the trade-off between the convergence speed and the steady-state Mean Square Error (MSE) during the update of the estimate of the weights vector. Aiming to propose a new optimization algorithm based on stochastic gradient descent, in this paper, a new version of Normalized Leat Mean Square (NLMS) algorithm with adaptive step size is proposed, with the objective of obtaining a good trade-off between convergence speed and the steady-state MSE. For this, the step size is adapted by a Mamdani Fuzzy Inference System (MFIS) as a function of the squared error and of the normalized time instant by the Min-Max method. Computational results illustrate the efficiency of the proposed optimization algorithm in the design of these two approaches of adaptive inverse control.

No abstract