DOI: 10.14393/ufu.di.2017.46
|View full text |Cite
|
Sign up to set email alerts
|

Aplicação de sistemas neuro-fuzzy e evolução diferencial na modelagem e controle de veículo de duas rodas

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
2
1
1

Citation Types

0
3
0
1

Publication Types

Select...
3
1

Relationship

0
4

Authors

Journals

citations
Cited by 4 publications
(4 citation statements)
references
References 0 publications
0
3
0
1
Order By: Relevance
“…Com os dados alcançados por meio da simulação já é possível projetar um novo protótipo com características em seu design diferente do atual, com alterações especificas na sua parte da frente, onde o principal objetivo será fazer estudos em um formato que não sofra tanta pressão como o atual e que seja aerodinamicamente melhor que seu antecessor, a outra alteração deve ser na traseira, pois como a atual proporciona uma turbulência do fluido ao escoar, deve-se projetar um modelo onde diminua essa turbulência e diferenças de pressões bruscas. A composição e função de cada camada do ANFIS, utilizando o método de inferência de Takagi-Sugeno (Pereira, 2017) é definida como:…”
Section: Conclusãounclassified
“…Com os dados alcançados por meio da simulação já é possível projetar um novo protótipo com características em seu design diferente do atual, com alterações especificas na sua parte da frente, onde o principal objetivo será fazer estudos em um formato que não sofra tanta pressão como o atual e que seja aerodinamicamente melhor que seu antecessor, a outra alteração deve ser na traseira, pois como a atual proporciona uma turbulência do fluido ao escoar, deve-se projetar um modelo onde diminua essa turbulência e diferenças de pressões bruscas. A composição e função de cada camada do ANFIS, utilizando o método de inferência de Takagi-Sugeno (Pereira, 2017) é definida como:…”
Section: Conclusãounclassified
“…shows a representation of DE. According to Pereira (2017), it is divided in four steps: initialization, mutation, crossover, and selection. At the initialization, the parameter values used throughout the iterations and the stop criteria for each variable are defined, i.e., each Xi,0 that contains a possible solution for the fitness function is initialized and their fitness to the objective function (fobj) is calculated.…”
Section: Differential Evolutionmentioning
confidence: 99%
“…The ANFIS has the same structure in comparison with FIS, with "fuzzification" and "defuzzification" process combined with rule based to correlate input with outputs variables, as it can be seen in Pereira et al (2017).…”
Section: Adaptive Network-based Fuzzy Inference Systemsmentioning
confidence: 99%
“…According to Pereira et al (2017), the differential evolution carries four important steps, as the Fig. 17 At the initialization of the optimization, all the useful parameters during the execution are set, also the limits of the variables of interest.…”
Section: Differential Evolutionmentioning
confidence: 99%