Home > Autores:

Autores:


   

 

 

 
 
 
 

IA353 – Redes Neurais

Professores: Leandro N. de Castro

Fernando J. Von Zuben 
 
 
 
 
 
 

Revisão Bibliogr��fica : Identificação e Controle de Sistemas Dinâmicos usando Redes Neurais 
 
 
 
 
 
 
 
 

                      Aluna:

 

Carolina Janet Pastor Humpiri        RA: 019650

 
 
 
 
 
 
 
 

Campinas, Abril – 2003 

  1. Introdução
 

     As teorias de identificação e controle de sistemas dinâmicos, como ��reas de pesquisa multidisciplinar, t��m experimentado avanços significativos nas ��ltimas d��cadas, dando ��nfase tanto a aspectos conceituais quanto t��cnicos. A parte mais desenvolvida destas teorias diz respeito ao t��pico de sistemas lineares, sendo que importantes conceitos ou resultados te��ricos foram obtidos, em ��reas como sistemas multivari��veis, an��lise de estabilidade, controle ��timo, controle robusto e controle adaptativo. Ferramentas muito eficientes de ��lgebra linear e as equações diferenciais lineares ordin��rias podem ser empregadas na an��lise de sistemas dinâmicos (planta ou processo), desde que o sistema possa ser adequadamente descrito por uma aproximação linear. 

     Por��m, a aplicação dessas t��cnicas muitas vezes �� limitada devido ��s condições de não linearidade do sistema em questão ou do ambiente no qual ele est�� imerso. Para esses casos abordagens lineares podem não satisfazer de maneira completa os requisitos do sistema.

     Uma solução poss��vel seria o projeto (ou an��lise) de sistemas não lineares de identificação e controle. Entretanto os m��todos de projeto de sistemas não lineares são muito espec��ficos e, em alguns casos, inerentes ao processo em questão.  

     Na tentativa de propor soluções para tais problemas, diferentes arquiteturas de redes

neurais foram adotadas durante estes ��ltimos anos. O objetivo era modelar o sistema em questão de maneira mais transparente e permitir um maior dom��nio sobre a flexibilidade das estruturas resultantes.  

Por que usar Redes Neurais? 

As redes neurais artificiais possuem diversas propriedades que as fazem particularmente atrativas para aplicações a modelo e controle de sistemas não-linear. Entre estas propriedades são sua habilidade universal da aproximação, sua estrutura paralela da rede e a disponibilidade de m��todos de aprendizagem on e off-line para interconexão dos pesos.  

Autores: Johan A. K. Suykens, Joos P. L. Vandewalle, Bart L. R. De Moor

Titulo: Artificial Neural Networks for Modelling and Control of Non-Linear Systems.

Tipo de Publicação: Livro

Nro. P��ginas: 235 M��s/Ano: Maio/1996

ISBN: 0792396782

Fonte: Kluwer Academic Publishers

Palavras-Chave: Neural Network, nonlinear system control

Informações Adicionais: O livro apresenta arquiteturas classicas e novidades de rede e algoritmos de aprendizagem para modelar e controlar. Os t��picos incluem a identificação non-linear do sistema, o controle optimo neural, o projeto neural baseado modelo top-down do controle e a an��lise da estabilidade de sistemas de controle neural. Uma contribuição principal deste livro deve introduzir a teoria de NLq como uma extensão da teoria de controle moderna. 

Autores: Haykin, Jose C. Principe, James T. Lowe, Shigeru Katagiri

Titulo: Nonlinear Dynamical Systems: Feedforward Neural Network Perspectives

Tipo de Publicação: Livro

Num. P��ginas: 312 Data de publicação: 02/01/2001

Fonte: Wiley, John and Sons, Incorporated

ISBN: 0471349119

Palavras-Chave:

Informações Adicionais: Este livro trata de uma parte especializada das redes neurais que t��m aplicações no controle, em processamento de sinal e na an��lise de s��rie de tempo. 

Autores: A. K. Ku Leuven

Titulo: Artificial Neural Networks for Modeling and Control of Non-Linear Systems

Tipo de Publicação: Livro

Nro. P��ginas: 248 Data publicação: 01/01/1996

Fonte: Kluwer Academic Publishers

ISBN: 0792396782 

Autores: G. P. Liu

Titulo: Nonlinear Identification and Control: A Neural Network Approach (Advances in Industrial Control)

Tipo de Publicação: Livro

Nro. P��ginas: 256 M��s/Ano: Septembro 2001

Fonte: Springer Verlag

ISBN: 1852333421

Palavras-Chave: Nonlinear System, Neural Network. 

Autores: Ng, Gee Wah

Titulo: Application of Neural Networks to Adaptive Control of Nonlinear Systems

Tipo de Publicação: Livro

Nro. P��ginas: 224 Ano: 1997

Fonte: Research Studies Press Ltd

ISBN: 0863802141

Palavras-Chave: Neural Network, Nonlinear System control.

Informações Adicionais: Este livro investiga a habilidade de uma rede neural (NN)  para aprender como controlar (não-linear, no geral) um sistema desconhecido, usando os dados adquiridos on-line,isto �� durante o processo de tentar exercer o controle. Dois algoritmos são desenvolvidos para treinar a rede neural para aplicações real-time do controle. O primeiro algoritmo �� conhecido como aprendizado por Recursive Least Squares (LRLS) e o segundo algoritmo Integrated Gradient and Least Squares (IGLS).  

Autores: F.Von Zuben

Titulo: Redes Neurais Aplicadas ao Controle de M��quina de Indução

Tipo de Publicação: Dissertação do Mestrado

P��g/M��s/Ano: 244 p��ginas, Outubro 1993.

Fonte:Departamento de Engenharia de Computação e Automação Industrial (DCA) 
Faculdade de Engenharia El��trica e de Computação (FEEC) 
Universidade Estadual de Campinas (Unicamp), SP, Brasil 
 

Autores: Barto A. R.

Titulo: Connectionist learning for control: Na overview.

Tipo de Publicação: Artigo

M��s/Ano: Setembro 1989.

Fonte: NCOINS Technical Report. 

  1. Treinamento
 

    A Identificação de sistemas dinâmicos pode realizar de duas maneiras, com o treinamento off-line (fora de l��nea) ou com treinamento on-line (em l��nea). Muitas investigações tem-se efetuada sobre a identificação de sistemas off-line onde se usa um arquivo gerado com a historia das entradas e sa��das do sistema para treinar a rede, Embora para prop��sitos de controle adaptativo de processos não lineares, se requerem algoritmos de treinamento on-line para prover una not��vel melhoria na exatitude do sistema modelado e ajustar os parâmetros da rede de acordo ��s mudanças que ocorram no processo. 

    1. Treinamento On-line

    Autores: Roberto  C. L. Oliveira, Rosana P. O. Soares

    Titulo: Implementação no LABVIEW do esquema de controle não linear IMC em tempo real utilizando Redes Neurais Artificiais.

    Tipo de Publicação: Artigo.

    P��g.: 32-37 Ano: 2002.

    Fonte: XIV Congresso Brasileiro de Autom��tica .

    http://www.dsee.fee.unicamp.br/local/cba2002/trabalhos/374.pdf

    Palavras-Chave: Model based control, Neural Network Models; Non linear Systems; Laboratory Education.

    Informações Adicionais: Neste trabalho, o esquema de controle por modelo interno que utiliza Redes Neurais Artificiais, tanto para implementar o modelo do processo a ser controlado como para implementar o controlador, foi utilizado para controlar uma planta teste em tempo real, com modelo de segunda ordem e não linearidade tipo zona morta. Foram utilizadas Redes Neurais Diretas Multicamadas treinadas no ambiente MatLab /Simulink atrav��s do algoritmo de retropropagação do erro. A implementação do sistema de controle em tempo real foi realizada atrav��s do software LabView. 

    Autores: Ivan Gabrijel, Andrej Dobnikar

    Titulo: On-line identification and reconstruction of finite automata with generalized recurrent neural networks

    Tipo de Publicação: Artigo

    Vol.: 16 Nro.: 1 P��g.: 101-120 M��s/Ano: Janeiro/2003

    Fonte: Elsevier Science Ltd

     doi:10.1016/S0893-6080(02)00221-6 

    Palavras-Chave: Recurrent neural networks; System identification; Finite automata; Supervised learning; On-line learning; On-line rule extraction

    Informações Adicionais: Neste artigo o autômatos finitos são tratados como sistemas dinâmicos discretos gerais do viewpoint da teoria dos sistemas.  

      Autores:Liu, Guoping P; Kadirkamanathan, Visakan; Billings, Steve A

      Titulo: On-line identification of nonlinear systems using Volterra polynomial basis function neural networks

      Tipo de Publicação: Artigo

      Vol: 11 Nro: 9 P��g: 1645-1657 M��s/Ano: Dec 1998.

      Fonte: Neural Networks

      Palavras-Chave: Nonlinear control systems; Identification (control systems); Polynomials; Learning algorithms; Learning systems; Least squares approximations; Convergence of numerical methods; Error analysis; Lyapunov methods; Computer simulation

      Informações Adicionais: Um esquema on-line da identificação usando a redes neurais polinomial da função da base de Volterra (VPBF) �� considerado para sistemas de controle não-lineares. Isto compreende um procedimento de seleção da estrutura e um algoritmo de aprendizagem do peso recursivo. O algoritmo Least-Squares ortogonal �� introduzido para a seleção off-line da estrutura e a t��cnica crescente da rede �� usada para a seleção em linha da estrutura.  
       

      1. Identificação e controle
        1. Identificação de sistemas dinâmicos. 
       

        Definição. Identificação compreende a obtenção de modelos matem��ticos (estruturas e parâmetros) do comportamento de sistemas dinâmicos. Envolve o uso de t��cnicas de modelagem f��sica (leis de Newton, Kirkhoff, Maxwell) e experimental como por exemplo, m��nimos quadrados, variância m��nima, vari��vel instrumental, entre outras. 

        A identificação de plantas ou sistemas desconhecidos, �� um t��pico extensamente estudado na teoria de controle cl��ssico. Diversos m��todos e algoritmos para a identificação de sistemas tem sido estudados desde 1960 e muitos procedimentos h�� sido propostos e muitos usados na identificação de sistemas lineares, Embora sua aplicabilidade para a identificação de sistemas não lineares ��s muito limitada. Por esta razão e por as vantagens que apresenta as redes neurais para a representação de modelos não  lineares, h�� motivado a muitos investigadores a realizar estudos sobre identificação de sistemas dinâmicos por atrav��s de redes neurais. 

          1. Modelos de Redes Neurais utilizadas em Identificação e Controle
       

          Um dos principais pontos que deve ser abordado no projeto da rede neural �� o modelo de rede a ser utilizado. Diversos modelos de redes neurais artificiais podem ser aplicados em problemas de identificação e controle de sistemas dinâmicos.  

            Autores:Charaf, Hassan; Vajk, Istvan

            Titulo: New structure for nonlinear system identification using neural networks

            Tipo de Publicação: Artigo

            Vol: 42 Nro: 2 P��g: 175-192

            Fonte: Periodica Polytechnica, Electrical Engineering

            Palavras-Chave: Identification (control systems); Control nonlinearities; Control system analysis; Neural networks; Computer simulation; Mathematical models; Error analysis; Mathematical operators; Approximation theory

            Informações Adicionais: Este trabalho demonstra a diferença entre o deslocamento e o modelo do delta e verifica a efic��cia da estrutura da transformação do delta. 

            Autores: Michael C. Nechyba and Yangsheng Xu

            Titulo: Neural Network Approach to Control System Identification with Variable Activation Functions.

            Tipo de Publicação: Artigo.

            Ano: 1994.

            Fonte: The Robotics Institute Carnegie Mellon University

            http://www.mil.ufl.edu/~nechyba/cv/papers/isic1994.pdf

            Palavras-Chave:

            Informações Adicionais: Neste Artigo, examina-se o potencial de uma arquitetura de aprendizagem eficiente da rede neural aos problemas da identificação e do controle do sistema. A arquitetura de aprendizagem da cascata permite que as unidades diferentes tenham funções diferentes da ativação, tendo por resultado mais rapidamente a aprendizagem. 

            Autores: S. Chen, S. Billings, and P. Grant.

            Titulo: Non-linear system identification using neural networks.

            Tipo de Publicação: Artigo

            Vol: 51 Nro.: 06 P��g.: 1191—1214 Ano: 1990

            Fonte: International Journal of Control.

            Palavras-Chave: Non-linear system identification, neural networks. 

            Autores: T. Yamada, T. Yabuta

            Titulo: Dynamic system identification using neural networks.

            Tipo de Publicação: Artigo.

            Vol: 23 P��g.: 204-211 M��s/Ano: Jan./Feb. 1993.

            Fonte: IEEE Transactions on Systems Man, And Cybernetics 

            Autores: O. Ravn, N. K. Poulsen, Peter M. Norgaard, Lars K. Hansen

            Titulo: Neural Networks for Modelling and Control of Dynamic Systems

            Tipo de Publicação: Livro

            Numero p��ginas: 246 M��s/Ano: Março/2000.

            Fonte: Springer Verlag;

            http://www.amazon.com/exec/obidos/tg/detail/-/1852332271/102-4862660-5085743?vi=glance

            Palavras-Chave: Neural Networks, Dynamic Systems.

            Informações Adicionais:

            ISBN: 1852332271 

            Autores: Cornelius T. Leondes

            Titulo: Neural Network Systems Techniques and Applications: Control and Dynamic Systems

            Tipo de Publicação: Livro

            Num. P��ginas : 438 Data da publicação: 12/01/1997

            Fonte: Morgan Kaufmann Publishers

            ISBN: 0124438679

            Palavras-Chave: Neural Network, Dynamic system.

            Informações Adicionais: O livro enfatiza estruturas da rede neural para conseguir sistemas pr��ticos e eficazes e fornece muitos exemplos. O controle e os sistemas dinâmicos cobrem os t��picos importantes da arquitetura baseada do sistema da rede neural da ativação função ortogonal altamente eficaz, redes neural Recurrentes MLP para sintetizar e implementar um controle linear on-line, controle adapt��vel de sistemas dinâmicos não-lineares desconhecidos.  

            Autores: Chen, Tianping

            Titulo: Unified approach for neural network-like approximation of non-linear functionals

            Tipo de Publicação: Artigo

            Vol: 11 Nro: 6 P��g: 981-983 M��s/Ano: Aug 1998

            Fonte: Neural Networks

            Palavras-Chave: Approximation theory; Theorem proving; Set theory; Nonlinear control systems; Identification (control systems)

            Informações Adicionais: Neste artigo, se da uma aproximação universal a aproximação functionais não linear chamados mapas de input-output para arquiteruras parecidas a rede neural. 

            Autores: Johansen, Tor A; Foss, Bjarne A

            Titulo: Semi-empirical modeling of non-linear dynamic systems through identification of operating regimes and local models.

            Tipo de Publicação: Artigo

            P��g: 105-126 Ano: 1995.

            Fonte: Neural network engineering in dynamic control systems (A97-10989 01-63), Berlin, Springer-Verlag

            Palavras-Chave: *DYNAMICAL SYSTEMS; *NONLINEAR CONTROL; *SEMIEMPIRICAL EQUATIONS; *SYSTEM IDENTIFICATION; MATHEMATICAL MODELS; STATE VECTORS; NEURAL NETS 

              1. Modelos em Backpropagation.
         

            Autores: Pedro J. Zufiria

            Titulo: Aprendizaje em redes neuronales para identificaci��n y control de sistemas din��micos  não lineares.

            Tipo de Publicação: XIV CEDYA/IV Congresso de Matem��tica Aplicada, 18-22 Septiembre 1995

            N��mero de p��ginas: 10.

            Fonte: ftp://ftp-ma1.upc.es/pub/cedya/comunicaciones/zufiria.ps

            Palavras-Chave:

            Informações Adicionais: Trabalho que modela o aprendizagem em redes neurais artificiais para a identificação e controle de sistemas dinâmicos não lineares mediante a Rede  backpropagation  dinâmico. 

            Autores: Paucar Casas, Vicente Leonardo; J.Rider, Marcos; França, Andre Luiz Morelato; Borda de Vuono, Evandro

            Titulo: Identificação de sistemas dinâmicos não lineares usando back-propagation com teacher forcing.

            Tipo de Publicação: Artigo

            Vol.: 1, P��g.: 385-390 Ano: 2001.

            Fonte: V Congresso Brasileiro de Redes Neurais. Rio de Janeiro, RJ, BRASIL.

            Palavras-Chave: Sistemas dinâmicos não lineares, Redes Neurais. 

            Autores: Bruno G. Faria, Ronaldo T. Duarte, Josu�� Jr. G. Ramos, Ely C. Paiva.

            Titulo: Estudo Prospectivo sobre a Utilização de Redes Neurais na identificação do Modelo dinâmico de um dirig��vel Rob��tico.

            Tipo de Publicação: Artigo

            M��s/Ano: 6/2002

            Fonte: XIV Congresso Brasileiro de Autom��tica 

            http://www.dsee.fee.unicamp.br/local/cba2002/data/trabalhos/587.pdf

            Palavras-Chave: System identification; Neural Networks; Dynamic modelling; Aircraft control; Autonomous vehicles; Flight control.

            Informações Adicionais: Esse artigo trata mais especificamente da definição da metodologia e do ensaio de identificação a partir de dados fornecidos pelo pr��prio modelo matem��tico anal��tico utilizando-se redes neurais perceptron multi-camadas (MLPS) com entradas atrasadas no tempo. 

            Autores: T L Seng; M Khalid; R Yusof 

            Titulo:  Adaptive General Regression Neural Network for Modelling of Dynamic Plants.

            Tipo de Publicação: Artigo

            Vol: 213 P��g.: 275 – 287 Ano: 1999

            Fonte: Proceedings of the I MECH E Part I Journal of Systems & Control Engineering

            DOI: 10.1243/0959651991540142

            Palavras-Chave: general regression neural network (GRNN); modelling; dynamic process; adaptation; system identification

            Informações Adicionais: Este Artigo propõe um esquema geral integrado da adaptação da rede neural da regressão (GRNN) para modelar uma planta dinâmica. Neste trabalho, a an��lise dos efeitos de alguns dos parâmetros da adaptação que envolvem uma planta non-linear �� investigada tamb��m.  

            Autores: Q. M. Zhu

            Titulo: A back propagation algorithm to estimate the parameters of non-linear dynamic rational models

            Tipo de Publicação: Artigo

            Vol: 27 Nro.: 3 P��g.: 169-187 M��s/Ano: Março/2003

            Fonte: Elsevier Science Inc

            Palavras-Chave: Non-linear rational models; Model structure detection; Parameter estimation; Back propagation computation.

            Informações Adicionais: Neste estudo um parâmetro de estimação do algoritmo do erro back-propagation(BP) �� derivado para uma classe de modelos racionais dinâmicos non-linear. 

            Autores: Tsypkin, Yakov Z; Mason, Julian D; Avedyan, Edouard D; Warwick, Kevin; Levin, Ilya K

            Titulo: Neural networks for identification of nonlinear systems under random piecewise polynomial disturbances

            Tipo de Publicação: Artigo

            Vol.: 10, Nro.:. 2, P��g.: 303-312 M��s/Ano: Março 1999.

            Fonte: IEEE Transactions on Neural Networks [IEEE TRANS NEURAL NETWORKS].

            Palavras-Chave: Nonlinear control systems; Identification (control systems); Polynomials; Piecewise linear techniques; Mathematical models; Random processes.

            Informações Adicionais: O problema da identificação de um sistema dinâmico não-linear �� considerado. Uma rede neural de duas-camada �� usada para a solução do problema. 

            Autores:Gupta, Pramod; Sinha, Naresh K

            Titulo: Improved approach for nonlinear system identification using neural networks

            Tipo de Publicação: Artigo

            Vol.: 336 Nro. 4 P��g.: 721-734 Ano:1999.

            Fonte: J FRANKLIN INST

            Palavras-Chave: Neural networks; Identification (control systems); Backpropagation; Learning algorithms; Convergence of numerical methods; Computer simulation; Mathematical models; Control nonlinearities

            Informações Adicionais:

            Neste trabalho, apresenta-se uma melhoria ao algoritmo do Back-propagation baseado no uso de um parâmetro de aprendizagem independente, da taxa adaptativa para cada peso com função não-linear adapt��vel.  

            Autores:Patra, Jagdish C; Pal, Ranendra N; Chatterji, BN; Panda, Ganapati

            Titulo: Identification of nonlinear dynamic systems using functional link artificial neural networks

            Tipo de Publicação: Artigo

            Vol.: 29 Nro.: 2 P��g.: 254-262 M��s/Ano: Abril 1999.

            Fonte: IEEE Transactions on Systems, Man, and Cybernetics. Part B: Cybernetics

            Palavras-Chave:Feedforward neural networks; Backpropagation; Algorithms; Data structures; Control nonlinearities; Computational complexity; Identification (control systems); Multilayer neural networks

            Informações Adicionais: Neste artigo, apresenta-se a uma substituição a estrutura de ANN chamada ligação funcional ANN (FLANN) para a identificação dinâmica não-linear do sistema usando o algoritmo popular Back-propagation. No contraste a feed-forward de ANN, isto ��, um perceptron Multicamada (MLP), o FLANN �� basicamente uma ��nica estrutura da camada em que a não-liniaridade �� introduzido realçando o teste padrão da entrada com expansão funcional não-linear. 

              1. Modelos em Redes Neurais com Funções de Ativação de Base Radial.
         

            Autores: Warwick, Kevin; Kambhampati, Chandrasekhar; Mason, Julian; Parks, Patrick

            Titulo: Dynamic systems in neural networks

            Tipo de Publicação: Artigo

            P��g: 27-41Ano: 1995

            Fonte: Neural network engineering in dynamic control systems (A97-10989 01-63), Berlin, Springer-Verlag

            Palavras-Chave: *DYNAMICAL SYSTEMS; *NEURAL NETS; *DYNAMIC CONTROL; *MACHINE LEARNING; SYSTEM IDENTIFICATION; FUNCTIONS (MATHEMATICS); ALGORITHMS

            Informações Adicionais: O uso de redes neural para o controle adapt��vel de sistemas dinâmicos �� considerado. A ��nfase �� dada �� rede neural radial da função da base (RBF) e ao problema da seleção do centro da função da base e do seu efeito nas propriedades da estabilidade de um sistema de controle adapt��vel closed-loop. Implementa-se para este trabalho uma Rede Neural de tipo RBF. 

            Autores: Zhang, Youmin; Li, X R

            Titulo: Hybrid training of RBF networks with application to nonlinear systems identification

            Tipo de Publicação: Artigo

            Vol/Num/P��g/Ano: Vol. 1 (A97-28766 07-63).

            Fonte: Piscataway, NJ, Institute of Electrical and Electronics Engineers, Piscataway, NJ, Institute of Electrical and Electronics Engineers.

            Palavras-Chave: *MACHINE LEARNING; *NONLINEAR SYSTEMS; *SYSTEM IDENTIFICATION; *NEURAL NETS; *FEEDFORWARD CONTROL; WHITE NOISE; RANDOM NOISE; FACTORIZATION 
             

            Autores: L. Yan ; N. Sundararajan ; P. Saratchandran

            Titulo: Nonlinear System Identification Using Lyapunov Based Fully Tuned Dynamic RBF Networks

            Tipo de Publicação: Artigo

            Vol: 12 Nro.: 3 P��g: 291 – 303 Ano: 2000

            Fonte: Neural Processing Letters

            Palavras-Chave: Growing and Pruning (GAP); Lyapunov stability theory; neural network; nonlinear dynamic system; Radial Basis Function (RBF) network; stable identification.

            Informações Adicionais: Este Artigo apresenta um esquema est��vel, em linha (on-line) da identificação para o sistema dinâmico não-linear multivariable. A rede radial gaussian crescente da função da base (GRBF), com todos seus parâmetros que são adapt��veis, �� usada para aproximar um sistema não-linear desconhecido.  

              1. Modelos em Redes Neurais Recorrentes.
         

            Autores: Xiaoou Li , Wen Yu

            Titulo: Dynamic system identification via recurrent multilayer perceptrons

            Tipo de Publicação: Artigo

            Vol: 147 Nro.: 1-4 P��g.: 45-63 Ano: 2002

            Fonte: Elsevier Science Inc.

            Palavras-Chave: System identification; Function approximation; Recurrent multilayer perceptrons

            Informações Adicionais: Neste artigo, o Perceptron Multicamadas Recurrentes (RMLP) são propostos para identificar sistemas não-lineares. Usando o teorema da aproximação da função para o Perceptrons Multicamada (MLP), conclui-se que RMLP pode aproximar todo o sistema dinâmico em qualquer grau de exatidão. Por meio de a Lyapunov-como a an��lise, um algoritmo de aprendizagem est��vel para RMLP �� determinado.  

            Autores: F.Von Zuben e M.L.de Andrade Netto

            Titulo: Identificação em Sistemas Dinâmicos não-lineares Utilizando Redes Neurais Recorrentes e Estudo do Comportamento de convergencias do Processo de Treinamento Associado

            Tipo de Publicação: Artigo

            Fonte: X Congresso Brasileiro de Automatica, (1994). 
             

              1. Modelos em Redes Neurais de Kohonen. 
         

            Autores: Guilherme de Alencar Barreto, Aluizio Fausto Ribeiro Ara��jo

            Titulo: Identificação e Controle de Sistemas Dinâmicos usando a Rede Auto-organizavel de Kohonen.

            Tipo de Publicação: Artigo

            M��s/Ano: 6/2002

            Fonte: XIV Congresso Brasileiro de Automação

            http://www.dsee.fee.unicamp.br/local/cba2002/data/trabalhos/293.pdf

            Palavras-Chave: Identificação sistemas dinâmicos, Redes Neurais.

            Informações Adicionais: proposta de uma t��cnica não supervisionada de modelagem neural, chamada mem��ria associativa temporal via quantização vetorial (MATQV). 

              1. Modelos em Redes Elman e de Jordan.
         

            Autores: Pham, DT; Karaboga, D

            Titulo: Training Elman and Jordan networks for system identification using genetic algorithms

            Tipo de Publicação: Artigo

            Vol: 13, Nro. 2, P��g.: 107-117 M��s/Ano: Abril 1999

            Fonte: Artificial Intelligence in Engineering

            Palavras-Chave: Identification (control systems); Genetic algorithms; Feedforward neural networks; Feedback control; Efficiency; Optimization

            Informações Adicionais: Dos redes neurais recurrentes bem-conhecidas são a Rede Elman e a Rede Jordan. Recentemente, modificações tem sido feitas para essa redes para facilitar sua aplicações na identificação de sistemas dinâmicos. Neste trabalho descreve o uso de algoritmos gen��ticos para treinar as redes Elman e Jordan para a identificação de sistemas dinâmicos. 

              1. Modelo em Redes Neurais Dinâmica.
         

            Autores: A. Yazdizadeh and K. Khorasani

            Titulo: Adaptive time delay neural network structures for nonlinear system identification

            Tipo de Publicação: Artigo

            Vol: 47 Nro. 1-4 P��g.: 207-204 M��s/Ano: Agosto 2002.

              Fonte: Elsevier Science B.V

            doi:10.1016/S0925-2312(01)00589-6

            Palavras-Chave: Dynamic neural networks; Nonlinear systems; System identification

            Informações Adicionais: Neste artigo, motivado pelo Redes Neurais adaptativo com atraso no tempo (ATDNN), quatro estruturas são desenvolvidas para a identificação de classes diferentes dos sistemas não-lineares expressados na representação na entrada-saida. Os resultados da simulação demonstram que as estruturas propostas de ATDNN são completamente eficazes em identificar uma classe geral de sistemas não-lineares.  

            Autores: Poznyak, A S; Sanchez, E N

            Titulo: Nonlinear system identification and trajectory tracking using dynamic neural networks

            Tipo de Publicação: Artigo

            Vol/Num/P��g/Ano: Vol. 1 (A97-28766 07-63), 1996, p. 955-960.

            Fonte: Institute of Electrical and Electronics Engineers, Conference on Decision and Control, 35th, Kobe, Japan, Dec. 11-13, 1996.

            Palavras-Chave: *NONLINEAR SYSTEMS; *SYSTEM IDENTIFICATION; *TRAJECTORY CONTROL; *NEURAL NETS; LIAPUNOV FUNCTIONS; RICCATI EQUATION

            Informações Adicionais: Analisa-se a identificação não-linear e a trajet��ria que seguem usando uma rede neural dinâmica, com a mesma dimensão do espaço do estado que o sistema. 

              1. Modelos em Redes Neurais Regressivos
         

            Autores: T L Seng; M Khalid; R Yusof&hairsp.

            Titulo: Adaptive General Regression Neural Network for Modelling of Dynamic Plants

            Tipo de Publicação: Artigo

            Vol: 213 P��g: 275 – 287 Ano: 1999

            Fonte: Proceedings of the I MECH E Part I Journal of Systems & Control Engineering

            DOI: 10.1243/0959651991540142

            Palavras-Chave: general regression neural network (GRNN); modelling; dynamic process; adaptation; system identification

            Informações Adicionais: Este Artigo propõe um esquema integrado Rede Neural regressão geral (GRNN) para modelar dinâmico da planta.  

              1. Modelos em Redes Neurais H��bridos
                1. Modelos em Redes Neurais e Algoritmos Gen��ticos.
         

            Autores: Hintz, KJ; Zhang, Z; Duane, D

            Titulo: Evolving Neural Networks for Nonlinear Control

            Tipo de Publicação: Artigo

            Fonte: Performer: George Mason Univ., Fairfax, VA. 30 Sep 1996. 66p. Report: AFOSRTR-96-0518

            Palavras-Chave:Neural nets; Algorithms; Control; Optimization; Production; Regulators; Nonlinear systems; Errors; Weight; Tuning; Pattern recognition; Logarithm functions; Amplitude modulation

            Informações Adicionais: Uma aproximação para criar as Redes Neural Recurrentes amorfas (ARNN) usando os algoritmos gen��ticos (GA) chamado 2pGA foi desenvolvida e mostrada para ser eficaz em evoluir redes neural para o controle e a estabilização das plantas lineares e não-lineares.  

            Autores: Pham, DT; Karaboga, D

            Titulo: Training Elman and Jordan networks for system identification using genetic algorithms

            Tipo de Publicação: Artigo

            Vol: 13, Nro. 2, P��g.: 107-117 M��s/Ano: Abril 1999

            Fonte: Artificial Intelligence in Engineering

            Palavras-Chave: Identification (control systems); Genetic algorithms; Feedforward neural networks; Feedback control; Efficiency; Optimization

            Informações Adicionais: Dos redes neurais recurrentes bem-conhecidas são a Rede Elman e a Rede Jordan. Recentemente, modificações tem sido feitas para essa redes para facilitar sua aplicações na identificação de sistemas dinâmicos. Neste trabalho descreve o uso de algoritmos gen��ticos para treinar as redes Elman e Jordan para a identificação de sistemas dinâmicos. 

                1. Modelos em Redes Neurais e Sistemas Fuzzy
         

            Autores: by Jeffrey T. Spooner, Manfredi Maggiore, Ra��l Ord��ñez, Kevin M. Passino.

            Titulo: Stable Adaptive Control and Estimation for Nonlinear Systems: Neural and Fuzzy Approximator Techniques

            Tipo de Publicação: Livro

            Nro. P��ginas: 550 Data publicação: 15/11/2001.

            Fonte: John Wiley & Sons

            ISBN: 0471415464

            Palavras-Chave: Neural Network, nonlinear system control.

            Informações Adicionais: Duas aproximações ��teis ao controle de sistemas não-lineares são trazidas juntas para estudantes e praticante na necessidade da informação de fundo. O texto apresenta uma metodologia do controle que possa ser verificada com rigor matem��tico ao possuir a flexibilidade associada com as aproximações inteligentes do controle. Os exemplos demonstram como a metodologia pode ser aplicada aos sistemas on-line tais como o controle do motor, o controle do avião, a automatização industrial, e outros sistemas não-lineares. 

            Autores: Oliver Nelles

            Titulo: Nonlinear System Identification: From Classical Approaches to Neural Networks and Fuzzy Models

            Tipo de Publicação: Livro

            M��s/Ano: Dezembro/2000.

            Fonte: Springer Verlag

            ISBN: 3540673695

            Palavras-Chave: Neural Network, System Identification.

            Informações Adicionais: O livro cobre as mais comunes e importantes aproximações para a identificação de sistemas est��ticas e dinâmicas não linear. A ��nfase �� posta sobre os m��todos modernos baseados em redes neurais e em sistemas fuzzy sem negligenciar as aproximações cl��ssicas. 

                1. Modelos em Redes Neurais e Neurocomputacionais
         
         

                 Autores: Clodoaldo Aparecido de Moraes Lima

            Titulo: Emprego de Teoria de Agentes no Desenvolvimento de Dispositivos Neurocomputacionais H��bridos e Aplicação ao Controle e Identificação de Sistemas Dinâmicos

            Tipo de Publicação: tese.

            Numero P��ginas: 280 M��s/Ano: Fevereiro/2000.

            Fonte: Departamento de Engenharia de Computação e Automação Industrial (DCA) 
            Faculdade de Engenharia El��trica e de Computação (FEEC) 
            Universidade Estadual de Campinas (Unicamp), SP, Brasil

            http://www.dca.fee.unicamp.br/~vonzuben/research/moraes_mest.html

            Palavras-Chave: redes neurais artificiais, dispositivos neucomputacionais, sistemas multiagentes,identificação e controle de sistemas dinâmicos.

            Informações Adicionais: O objetivo deste trabalho foi analisar e sintetizar dispositivos neurocomputacionais h��bridos, a serem comparados com estruturas de processamento alternativas e aplicados em identificação e controle de sistemas dinâmicos. 
             

            1. Controle de sistemas dinâmicos.
           

            Definição. Controle �� o processo de fazer com que uma dada vari��vel de um sistema dinâmico se comporte de maneira desejada. A linha de controle pode ser subdividida em função do tipo de controlador e do sistema dinâmico em linear ou não-linear, determin��stico ou estoc��stico, adaptativo, robusto, ca��tico, entre outras. 

            O controle de sistemas �� um assunto que desperta grande interesse dos pesquisadores. T��cnicas de controle cl��ssica controladores proporcionais, PD, PID) são baseados em modelos linearizados dos sistemas f��sicos, o que representa perda de informações, muitas vezes são importantes para o funcionamento da planta com altos n��veis de exig��ncia. Atualmente a utilização do denominado controle inteligente tem aberto uma nova perspectiva no tratamento de sistemas nãolineares e no projeto de seus controladores. Muitos trabalhos foram desenvolvidos seguindo esta linha de pesquisa na tentativa de desenvolver um controle mais vers��til e robusto. 
             

            O Neurocontrole �� um dinâmico campo de investigação que nos ��ltimos anos t��m atra��do uma consideravel atenção na comunidade cient��fica e de engenharia de controle. Em  recentes anos, h�� havido um incremento na aplicação das Redes Neurais na Identificação da dinâmica (modelado), predição e controle de sistemas complexos. As redes neurais se caracterizam por sua habilidade de aprender dos exemplos em lugar de ter que se programar num sentido convencional. Seu uso possibilita que a dinâmica de sistemas complexos seja modelada e um controle exato seja logrado a trav��s do treinamento, sem ter informação a priori sobre os parâmetros do sistema  

            Autores: Tomas Hrycej

            Titulo: Neurocontrol : Towards an Industrial Control Methodology

            Tipo de Publicação: Livro

            M��s/Ano: Agosto/1997

            Fonte: John Wiley & Sons

            ISBN: 0471176281

            Palavras-Chave: Neurocontrol

            Informações Adicionais: Presents a unified framework for neural-network based control techniques. Links neurocontrol with the concepts of classical control theory, describes the steps necessary to implement a working algorithm, and provides information necessary to develop competitive applications of industrial size and complexity. Emphasizes the most critical issues encountered by control system engineers. 

            Autores: H. Tolle, E. Ersu

            Titulo: Neurocontrol: Learning Control Systems Inspired by Neuronal Architectures and Human Problem Solving Strategies

            Tipo de Publicação: Livro

            Nro. P��ginas: 211 M��s/Ano: Abril 1992

            Fonte: Springer Verlag

            ASIN: 0387550577

            Palavras-Chave: Neurocontrol 

            Autores: Nard��nio A. Martins, Maycol de Alencar

            Titulo: Projeto de um Controlador Neural Adaptativo para Robôs Manipuladores no espaço de Juntas.

            Tipo de Publicação: Artigo

            P��g: 43-48

            Fonte: XI Congresso Brasileiro de Autom��tica, Natal – RN 2 a 5 setembro de 2002.

            http://www.dsee.fee.unicamp.br/local/cba2002/trabalhos/322.pdf

            Palavras-Chave: Controle adaptativo, rede neural, robô manipulador, espaço de juntas.

            Informações Adicionais: Este artigo apresenta o projeto de um controlador neural adaptativo para robôs manipuladores no espaço de juntas. O desenvolvimento do controlador �� baseado numa t��cnica de modelagem de redes neurais, na qual não h�� necessidade de avaliação do modelo dinâmico inverso e nem do tempo necess��rio para o processo de treinamento. Este controlador mostra que, se são usadas redes de função de base radial gaussiana, �� assegurada a adaptação uniformemente est��vel e �� realizado o seguimento assint��tico da trajet��ria. Simulações num��ricas são fornecidas para mostrar o desempenho do controlador proposto. 

              1. T��cnicas de neuro-controle baseadas em dinâmica invertida.

             

            Muitas das aplicações de controle utilizando redes neurais, tamb��m denominadas Nero-controle, foram projetadas para conduzir �� determinação da dinâmica inversa do sistema. 

                1. Controle neuro-controle baseadas em aprendizado por m��mica.

                Aprendizado por m��mica �� um aspecto essencial de muitos sistemas biol��gicos. O m��todo a ser considerado aqui para desenvolver um controlador neural envolve a tentativa de copiar um controlador humano. 

                      Autores: Adriana de C. Drummond, Kleyton C. de Oliveira e Adolfo Bauchspiess

                      Titulo: Estudo do Controle de P��ndulo Inverso sobre Carro utilizando Rede Neural de Base Radial

                      Tipo de Publicação: Artigo

                      P��g.: 320-325,  Data : Julho 20-22, 1999.

                      Fonte: Proceedings of the IV Brazilian Conference on Neural Networks - IV Congresso Brasileiro de Redes Neurais

                         http://www.ele.ita.br/cnrn/artigos-4cbrn/4cbrn_074.pdf 

                      Palavras-Chave: Redes Neurais, sistemas dinâmico Controle.

                      Informações Adicionais: Este artigo apresenta resultado de uma rede neural artifical de base radial para controlar um pendulo inverso.  

                        Autores: Shouling He

                        Titulo: Neural Adaptive Control of nonlinear multivariable systems with application to a class of inverted pendulums.

                        Tipo de Publicação: Artigo

                        Vol: 12 Nro: 5 P��g: 411-424 Ano: 2002

                        Fonte: International Journal of Neural Systems,

                        Palavras-Chave: Neural networks; control; nonlinear systems 

                          1. Controle neural direito-inverso.
                     

                          Autores: Carlos Andrey Maia, Peterson Resende

                          Titulo: Um controlador Neural Gain Sceduling para planta não-lineares.

                          Tipo de Publicação: Artigo

                          Vol/Num/P��g/Ano: Vol: 9 Nro.:  3 / 6 / Set., Out., Nov. e Dezembro de 1998

                          Fonte: SBA Controle & Automação

                          http://www.fee.unicamp.br/revista_sba/vol9/v9a156.pdf

                          Palavras-Chave: Redes Neurais, Controle não-linear, Linearização, Gain Scheduling.

                          Informações Adicionais:

                          Este artigo apresenta uma t��cnica de projeto de controlador neural via gain scheduling para plantas não lineares. Em um primeiro est��gio, um modelo neural �� identificado para representar a planta não-linear em sua faixa dinâmica de operação. Em seguida, o modelo neural obtido �� utilizado para determinar proximações lineares em torno de v��rios pontos de operação da planta e os correspondentes controladores lineares são projetados. Finalmente, treina-se o controlador neural gain scheduling nestes pontos de operação de forma a representar os diversos controladores lineares. Simulações são apresentadas mostrando que a t��cnica descrita pode ser aplicada a uma ampla classe de sistemas dinâmicos não-lineares. 
                           

                                1. Controle preditivo baseado em modelo neural
                           

                                O controle preditivo �� uma metodologia de controle avançado que ha alcançado na atualidade uma grande aceitação industrial, essencialmente devido a que permite enfrentar problemas de controle de sistemas que apresentam uma dinâmica complexa tales como os sistemas multivari��veis e não lineares. A sua vez constitui uma metodologia que integra diversas disciplinas tais como o controle ��timo, o controle multivariavel, o controle adaptativo e o controle com restrições. 
                                 

                                Autores:Yu, Wen; Poznyak, Alexander S; Sanchez, Edgar N

                                Titulo: Neural adaptive control of two-link manipulator with sliding mode compensation

                                Tipo de Publicação: Artigo

                                Vol: 4 P��g.: 3122-3127 Ano: 1999

                                Fonte: The 1999 IEEE International Conference on Robotics and Automation

                                Palavras-Chave: Manipulators; Adaptive control systems; Linearization; Robustness (control systems); Identification (control systems); Errors

                                Informações Adicionais: Neste trabalho desenvolve-se um Neuro-controlador para manipuladores do robô. Uma rede neural dinâmica simples �� usada estimar os manipuladores desconhecidos do robô, o controlador direto do linearização �� derivada então atrav��s deste Neuro-identificador. 
                                 

                                    Autores: A A Peligrad; E Zhou; D Morton; L Li

                                    Titulo: System identification and predictive control of laser marking of ceramic materials using artificial neural networks

                                    Tipo de Publicação: Artigo

                                    Vol: 216 P��g.: 181 – 190 Ano: 2002

                                    Fonte: Proceedings of the I MECH E Part I Journal of Systems & Control Engineering

                                    DOI: 10.1243/0959651021541543

                                    Palavras-Chave: NEURAL NETWORK; CONTROL SYSTEM; LASER MARKING; CLAY TILES; SYSTEM IDENTIFICATION; NON-LINEAR DYNAMIC SYSTEMS

                                    Informações Adicionais: O marking do laser de materiais cerâmicos �� um processo non-linear multivariable. O controle on-line do processo requer a compreensão da dinâmica do sistema e da interação do parâmetro. Neste trabalho, o controle inverso direto (DIC) e o controle predictive non-linear (NPC) foram aplicados baseado em redes neural artificiais. 

                                    Autores: M. Lazar; O. Pastravanu

                                    Titulo: A neural predictive controller for non-linear systems

                                    Tipo de Publicação: Artigo

                                    Vol: 60 Nro: 3 P��g: 315 – 324 Ano:2002

                                    Fonte: Mathematics and Computers in Simulation

                                    Palavras-Chave: Control architectures; Predictive control; Neural control; Non-linear system identification; Neural network models; Neural predictors

                                    Informações Adicionais: O Desenho e a implementação são estudados para um controle  preditivo baseado em redes neural significado governar a dinâmica de processos não linear. 
                                     

                                1. Comparações com t��cnicas de Redes neurais na Identificação e controle.
                                 
                                 

                                  Autores: Erives, Hector; Thompson, Wiley

                                  Titulo: A comparative analysis of two evolved neural networks used for the identification and control of a nonlinear plant

                                  Tipo de Publicação: Artigo

                                  Vol/Num/P��g/Ano: (SPIE Proceedings. Vol. 3068), 1997, p. 366-373

                                  Fonte: Signal processing, sensor fusion, and target recognition VI; Proceedings of the Conference, Orlando, FL, Apr. 21-24, 1997 (A97-39676 10-63), Bellingham, WA, Society of Photo-Optical Instrumentation Engineers

                                  Palavras-Chave: *NEURAL NETS; *PLANTS (CONTROL THEORY); *SYSTEM IDENTIFICATION; *CONTROL SYSTEMS DESIGN; FEEDFORWARD CONTROL; GENETIC ALGORITHMS

                                  Informações Adicionais: Este trabalho apresenta uma an��lise comparativa de duas redes neural evolu��das para o controle. A aproximação apresentou em usos deste trabalho um algoritmo gen��tico (GA) evoluir a estrutura e um algoritmo da descida da gradiente para ajustar os pesos na rede. Uma an��lise da evolução de RBFNs e de MFNs por meio de um GA �� examinada em detalhe.  

                                    Autores: Jos�� Augusto Dantas de Rezende1

                                    Titulo: Um Estudo Comparativo Entre Diferentes T��cnicas de Otimização do Treinamento de Neurocontroladores

                                    Tipo de Publicação: Artigo

                                    Vol/Num/P��g/Ano: pp. 209-214, July 20-22, 1999 - ITA, São Jos�� dos Campos - SP - Brazil

                                    Fonte: IV Congresso Brasileiro de Redes Neurais

                                    http://www.ele.ita.br/cnrn/artigos-4cbrn/4cbrn_044.pdf  
                                     

                                    1. Aplicações

                                      Não somente a utilização das Redes neurais vem sendo exclusividade nas ��reas de engenharia, existe outras ��reas como a Biologia por exemplo, esta implementando Redes Neurais para a Identificação e Controle de sistemas dinâmicos propios. 

                                        1. Bio-engenharia e Farmacologia.
                                       

                                        Autores:Boddy, Lynne; Wilkins, Malcolm F; Morris, Colin W

                                        Titulo: Effects of missing data on neural network identification of biological taxa: RBF network discrimination of phytoplankton from flow cytometry data

                                        Tipo de Publicação: Artigo

                                        Conferencia: The 1998 Artificial Networks in Engineering Conference, ANNIE, St.Louis, MO, USA, 11/01-04/98

                                        Vol: 8 P��g: 655-660 Ano: 1998

                                        Fonte: INTELL ENG SYST ARTIF NEURAL NETWORKS.

                                        Palavras-Chave: Identification (control systems); Functions; Algae; Parameter estimation; Learning systems; Maximum likelihood estimation; Data structures 

                                        Autores: Morris, Colin W; Boddy, Lynne

                                        Titulo: Partitioned RBF networks for identification of biological taxa: discrimination of phytoplankton from flow cytometry data

                                        Tipo de Publicação: Artigo

                                        Vol: 8 P��g: 637-642 Ano: 1998

                                        Fonte: The 1998 Artificial Networks in Engineering Conference, ANNIE, St.Louis, MO, USA, 11/01-04/98

                                        Palavras-Chave: Functions; Identification (control systems); Algae; Learning systems

                                        Informações Adicionais: Neste artigo apresenta uma t��cnica para fortemente dividir o problema em redes pequenas da identificação cada um da identificação respons��vel para uma ��nica esp��cie. As sa��das destes podem ser combinadas ou por meio de uma rede mais adicional ou em casos simples ' por um vencedor faz exame de toda as estrat��gias 

                                             Autores: Peter Lada

                                          Titulo: Neural Network Dynamic System Identification and its Applications in Pharmacology.

                                             Tipo de Publicação: proposta de dissertação de tese.

                                             M��s/Ano: October / 2000.

                                             Fonte: http://ci.uofl.edu/pbox/

                                             Palavras-Chave: Neural Network Dynamic, System Identification.

                                          Informações Adicionais: Nesta dissertação de doutorado, aplica Perceptron de M��ltiplas Camadas para a identificação de sistemas e Redes Neurais Recurrentes para aproximação de efeito de uma droga na ��rea de pharmaco-dinâmica. 
                                           

                                          1. Engenharia El��trica e Comunicações.
                                         

                                          Autores: Lu, Baiquan; Hirasawa, Kotaro; Murata, Junichi; Hu, Jinglu

                                          Titulo: New learning method using prior information of neural networks

                                          Tipo de Publicação: Artigo

                                          Vol: 4, Nro: 1, P��g: 29-35 Ano: 1999

                                          Fonte: Research Reports on Information Science and Electrical Engineering of Kyushu University

                                          Palavras-Chave: Learning systems; Identification (control systems); Computational methods; Computer simulation

                                          Informações Adicionais: Neste artigo, apresenta-se um m��todo de aprendizagem novo usando a informação pr��via para redes neural da tr��s-camada. 

                                          Autores: Chen, Zengqiang; He, Jiangfeng; Yuan, Zhuzhi

                                          Titulo: Adaptive identification and control scheme using radial basis function networks

                                          Tipo de Publicação: Artigo

                                          Vol: 10 Nro: 1 P��g: 54-61 Ano: 1999

                                          Fonte: JOURNAL OF SYSTEMS ENGINEERING AND ELECTRONICS, BEIJING, (CHINA)

                                          Palavras-Chave: Radial basis function networks; Recursive least squares algorithms; Adaptive fuzzy generalized learning vector quantization (AFGLVQ)

                                          Informações Adicionais: Neste de papel, a identificação e o controle adaptativo de sistemas dinâmicos não-lineares são investigados usando as redes radiais da função da base (RBF). 

                                          Autores: Kenneth Hunt, George Irwin, Kevin Warwick

                                          Titulo: Neural Network Engineering in Dynamic Control Systems (Advances in Industrial Control)

                                          Tipo de Publicação: Livro

                                          Nro. P��ginas: 278 M��s/Ano: June 1995.

                                          Fonte: Springer Verlag

                                          Palavras-Chave: Dynamic Control Systems, Neural Network.

                                          Informações Adicionais: Este estudo avalia o ��ltimo modelo na ��rea de redes neural da engenharia. As contribuições examinam maneiras de melhorar a engenharia envolvida na rede neural que modela e controlam-nas, de modo que o poder te��rico de sistemas de aprendizagem possa ser aproveitado para aplicações pr��ticas. 

                                          Autores: D. Xu ; F.F. Yap ; X. Han ; G.L. Wen

                                          Titulo: Identification of Spring-Force Factors of Suspension Systems Using Progressive Neural Network on a Validated Computer Model.

                                          Tipo de Publicação: Artigo.

                                          Vol: 11 Nro.: 1 P��g.: 55 – 74 .

                                          Fonte: Inverse Problems in Engineering

                                          Palavras-Chave: Neural Network, Systems Dymanics.

                                          Informações Adicionais: Neste artigo, uma t��cnica progressiva da rede neural da novela (NN) �� sugerida para determinar os fatores da suspensão baseados na resposta dinâmica (deslocamento) das estrada-rodas.  

                                          Autores: Fernando Mendes, Lourdes Mattos

                                          Titulo: Redes Neurais - Aplicações em Controle

                                          Tipo de Publicação: Livro

                                          Vol/Num/P��g/Ano: 400 pag

                                          Editora: Visual Books

                                          ISBN: 8575020056

                                          N��vel: B��sico

                                          Palavras-Chave: Identificação de Sistemas Dinâmicos por RNA

                                          Informações Adicionais:

                                          Apresenta-se na quinta parte, aplicações em Identificação e Controle bem como em Sistemas Especialistas 

                                          Autores: J��s de Jesus Fiais Cerqueira.

                                          Titulo: Identificação de Sistemas Dinâmicos Usando Redes Neurais Artificiais: Uma Aplicação a Manipuladores Rob��ticos.

                                          Tipo de Publicação: XIV CEDYA/IV Congresso de Matem��tica Aplicada, 18-22 Septiembre 1995

                                          Vol/Num/P��g/Ano: 10.

                                          Fonte: ftp://ftp-ma1.upc.es/pub/cedya/comunicaciones/zufiria.ps

                                          Palavras-Chave:

                                          Informações Adicionais: Trabalho que modela o aprendizagem em redes neurais artificiais 

                                          Autores: Altamiro V. Da Silveira Jr. Elder M. Hemerly

                                          Titulo: Controle de Robôs Moveis em coordenadas retangulares via Rede Neural.

                                          Tipo de Publicação: Artigo.

                                          P��g.: 1266-1272.

                                          Fonte: XIV Congresso Brasileiro de Autom��tica.

                                          http://www.dsee.fee.unicamp.br/local/cba2002/data/trabalhos/584.pdf

                                          Palavras-Chave: Nonlinear system; RNA; robot navigation; tracking.

                                          Informações Adicionais: Neste trabalho �� proposta a utilização de uma Rede Neural Artificial (RNA) para controle de robôs m��veis com acionamento diferencial e cinem��tica descrita em coordenadas retangulares. É considerado o modelo dinâmico de Yamamoto e usado o segundo m��todo de Lyapunov na obtenção de leis de adaptação para os pesos da rede. A prova de estabilidade do sistema de controle �� apresentada e resultados de simulação são discutidos. 

                                          1. Engenharia Mecânica.
                                         

                                          Autores: Billings, SA; Zheng, GL

                                          Titulo: Qualitative validation of radial basis function networks

                                          Tipo de Publicação: Artigo

                                          Vol: 13 Nro: 2 P��g: 335-349 Ano: 1999.

                                          Fonte: MECH SYST SIGNAL PROCESS

                                          Palavras-Chave: Identification (control systems); Nonlinear control systems; Control system analysis; Algorithms; State space methods; Least squares approximations

                                          Informações Adicionais: O algoritmo least-squares orthogonal (OLS) �� usado para treinar uma rede radial da função da base e a rede treinada �� analisado usando a pilha que traça a estrutura. Nesta maneira, as propriedades dinâmicas da rede treinada podem qualitativamente ser comparadas com as aquelas do sistema original 

                                          Autores: Song, Dongwoo; Li, CJames

                                          Titulo: Modeling of piezo actuator's nonlinear and frequency dependent dynamics

                                          Tipo de Publicação: Artigo

                                          Vol: 9 Nro: 4 P��g: 391-410 Ano: 1999.

                                          Fonte: Mechatronics

                                          Palavras-Chave: Piezoelectric devices; Mathematical models; Identification (control systems); Machining; Neural networks; Calibration; Natural frequencies

                                          Informações Adicionais: Este artigo descreve um modelo h��brido da histerese que integrado cl��ssico o modelo de Preisach e uma rede neural.  

                                          1. Engenharia Ambiental
                                         

                                          Autores: Belanche, Lluis A; Valdes, Julio J; Comas, Joaquim; Roda, Ignasi R; Poch, Manel

                                          Titulo: Towards a model of input-output behaviour of wastewater treatment plants using soft computing techniques

                                          Tipo de Publicação: Artigo

                                          Vol: 14 Nro: 5 P��g: 409-419 Ano: 1999.

                                          Fonte: ENVIR MODELL SOFTWARE

                                          Palavras-Chave: Mathematical models; Process control; Industrial plants; Computer aided engineering; Neural networks; Environmental engineering; Identification (control systems); Fuzzy sets; Decision making; Problem solving

                                          Informações Adicionais: Neste trabalho, uma aproximação atrav��s das t��cnicas computando macias �� procurada, no detalhe, experimentando com as redes neural retraso no tempo heterog��neas fuzzy para caracterizar a variação do tempo de vari��veis que parte. 

                                          1. Aeroespacial.
                                         

                                          Autores: Amin, S M; Gerhart, Volker; Rodin, Ervin Y

                                          Titulo: System identification via artificial neural networks - Applications to on-line aircraft parameter estimation

                                          Tipo de Publicação: Artigo

                                          Numero Relatorio : AIAA Paper 97-5612; SAE Paper 975612

                                          Fonte: AIAA and SAE, 1997 World Aviation Congress, Anaheim, CA, Oct. 13-16, 1997

                                          Palavras-Chave:*SYSTEM IDENTIFICATION; *NEURAL NETS; *PARAMETER IDENTIFICATION; *STATE ESTIMATION; *AIRCRAFT STABILITY; *ON-LINE SYSTEMS; FLIGHT CONTROL; DYNAMICAL SYSTEMS; OPTIMIZATION; MACHINE LEARNING 

                                          Autores: Kottapalli, Sesi

                                          Titulo: Identification and control of rotorcraft hub loads using neural networks

                                          Tipo de Publicação: Artigo

                                          Vol/Num/P��g/Ano: Vol. 2 (A97-29247 07-01), Alexandria, VA, American Helicopter Society, 1997, p. 1387-1406

                                          Fonte: American Helicopter Society, Annual Forum, 53rd, Virginia Beach, VA, Apr. 29-May 1, 1997, Proceedings.

                                          Palavras-Chave: *ROTORCRAFT AIRCRAFT; *AIRCRAFT CONTROL; *HUBS; *NEURAL NETS; *SYSTEM IDENTIFICATION; SISO (CONTROL SYSTEMS); SENSITIVITY; TRANSFER FUNCTIONS

                                          Informações Adicionais: O objetivo do estudo foi desenvolver um controlador baseado robusto da rede neural para minimizar cargas vibrat��rias do cubo. Duas redes neurais foram usadas no procedimento que requer um modelo da planta (usando Redes neurais de tipo RBF) e rede neural invertido para um modelo do controle (usando Redes Neurais de BackPropagation) 
                                           


Search more related documents:Autores:
Download Document:Autores:

Set Home | Add to Favorites

All Rights Reserved Powered by Free Document Search and Download

Copyright © 2011
This site does not host pdf,doc,ppt,xls,rtf,txt files all document are the property of their respective owners. complaint#nuokui.com
TOP