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

Abstract

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.<br>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