Por favor, use este identificador para citar o enlazar este ítem:
https://repositorio.ufpa.br/jspui/handle/2011/12284
Tipo: | Dissertação |
Fecha de publicación : | 17-dic-2019 |
Autor(es): | SILVA, Marlon John Pinheiro |
Primer Orientador: | COSTA JÚNIOR, Carlos Tavares da |
Primer Coorientador: | SILVA, Orlando Fonseca |
Título : | Estudo comparativo de técnicas de inteligência de enxame na redução da ordem de sistemas dinâmicos lineares |
Otros títulos : | Comparative study of swarm intelligence techniques in order reduction of linear dynamic systems |
metadata.dc.description.sponsorship: | FAPESPA - Fundação Amazônia de Amparo a Estudos e Pesquisas |
Citación : | SILVA, Marlon John Pinheiro. Estudo comparativo de técnicas de inteligência de enxame na redução da ordem de sistemas dinâmicos lineares. Orientador: Carlos Tavares da Costa Júnior; Coorientador: .Orlando Fonseca Silva. 2019. 130 f. Dissertação (Mestrado em Engenharia Elétrica) - Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2019. Disponível em:http://repositorio.ufpa.br:8080/jspui/handle/2011/12284 . Acesso em:. |
Resumen: | A redução de ordem de modelos tem se mostrado um problema bastante recorrente e diversas técnicas surgiram ao longo dos anos, quando, do ponto de vista do projeto de controladores, se tornou inadequada a elaboração e construção destes, visto o alto grau de redundância, que sistemas físicos reais de grande porte podem possuir. No âmbito da matemática determinística, muitos trabalhos, já consagrados na literatura, se propuseram a resolver tal problemática. Recentemente, técnicas que envolvem métodos metaheurísticos em um espaço de busca pré-determinado, utilizando Inteligência de Enxames, vêm sendo utilizados com bastante êxito e tem se mostrado uma nova ferramenta como solução. Com base neste contexto, este trabalho apresenta a compreensão do problema sob o ponto de vista da teoria de sistemas lineares; realizando um estudo comparativo entre as Inteligências de Enxames: Firefly Algorithm, enxame de partículas (PSO do inglês - Particle Swarm Optimization) e SFLA (do inglês - Shuffled Frog Leaping Algorithm). |
Resumen : | A redução de ordem de modelos tem se mostrado um problema bastante recorrente e diversas técnicas surgiram ao longo dos anos, quando, do ponto de vista do projeto de controladores, se tornou inadequada a elaboração e construção destes, visto o alto grau de redundância, que sistemas físicos reais de grande porte podem possuir. No âmbito da matemática determinística, muitos trabalhos, já consagrados na literatura, se propuseram a resolver tal problemática. Recentemente, técnicas que envolvem métodos metaheurísticos em um espaço de busca pré-determinado, utilizando Inteligência de Enxames, vêm sendo utilizados com bastante êxito e tem se mostrado uma nova ferramenta como solução. Com base neste contexto, este trabalho apresenta a compreensão do problema sob o ponto de vista da teoria de sistemas lineares; realizando um estudo comparativo entre as Inteligências de Enxames: Firefly Algorithm, enxame de partículas (PSO do inglês - Particle Swarm Optimization) e SFLA (do inglês - Shuffled Frog Leaping Algorithm). |
Palabras clave : | Metaheurísticas Inteligência de enxame Sistemas de controle Redução de ordem Metaheuristics Swarm intelligence Control systems Order reduction |
metadata.dc.subject.areadeconcentracao: | SISTEMAS DE ENERGIA ELÉTRICA |
metadata.dc.subject.linhadepesquisa: | CONTROLE E AUTOMAÇÃO |
CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
País: | Brasil |
Editorial : | Universidade Federal do Pará |
Sigla da Instituição: | UFPA |
Instituto: | Instituto de Tecnologia |
Programa: | Programa de Pós-Graduação em Engenharia Elétrica |
metadata.dc.rights: | Acesso Aberto |
metadata.dc.source: | 1 CD-ROM |
Aparece en las colecciones: | Dissertações em Engenharia Elétrica (Mestrado) - PPGEE/ITEC |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
Dissertacao_EstudoComparativoTecnicas.pdf | 3,65 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons