2024-03-28T17:49:24Zhttps://www.tdx.cat/oai/requestoai:www.tdx.cat:10803/59552020-05-18T11:27:18Zcom_10803_183col_10803_195
TDX (Tesis Doctorals en Xarxa)
author
Griñó Cubero, Robert
authoremail
roberto.grino@upc.edu
authoremailshow
false
director
Torras, Carme
codirector
Cembrano Gennari, Gabriela
2011-04-12T15:02:08Z
2009-10-26
1997-10-24
9788469273418
http://www.tdx.cat/TDX-0220109-094343http://hdl.handle.net/10803/5955
B.45900-2009
El presente trabajo de tesis doctoral propone una clase de modelos, con estructura de red neuronal con dinámica aditiva evolucionando en tiempo continuo, para la identificación de sistemas dinámicos.<br/><br/>Para la clase de modelos propuesta se efectúa, utilizando herramientas del dominio frecuencial, un estudio de estabilidad absoluta obteniéndose una serie de condiciones suficientes para esta en función de los parámetros del modelo.<br/><br/>Asimismo, se desarrollan dos métodos de adaptación de parámetros para llevar a cabo la identificación en línea:<br/><br/>uno basado en técnicas de gradiente y análisis de sensibilidad, y el otro en técnicas de control óptimo e inmersión invariante.<br/><br/>La generación de los modelos y los algoritmos de adaptación se efectúa automáticamente mediante el uso de técnicas de cálculo simbólico, lo cual permite iterar de forma rápida en el proceso de identificación. Tanto los modelos como los algoritmos de adaptación de parámetros han sido probados frente a plantas dotadas de funciones no lineales estándar y frente a un conjunto de datos reales. Asimismo, se han evaluado sus prestaciones en comparación a la identificación de estos mismos casos mediante modelos neuronales estáticos, que constituyen, actualmente, una técnica tan establecida que permite su uso como marco de referencia.<br/><br/>El trabajo de tesis se ha realizado bajo una óptica unificadora entre la teoría de control y la teoría de redes neuronales. Se ha puesto especial énfasis en tratar con herramientas y visión de la teoría de control las redes neuronales que se usan, desde el punto de vista de control, para identificar un sistema y, desde el punto de vista de la neurociencia, para aprender un determinado comportamiento. En particular, la clase de modelos de identificación se formula de forma compacta usando productos de Kronecker, técnica habitual en teoría de sistemas y el estudio de estabilidad de los modelos.
spa
identificació de sistemes
enginyeria de control
models neuronals
automàtica
Contribución a la identificación de sistemas dinámicos mediate métodos conexionistas
info:eu-repo/semantics/doctoralThesis info:eu-repo/semantics/publishedVersion
URL
https://www.tdx.cat/bitstream/10803/5955/1/TRGC1de1.pdf
File
MD5
f9ec45826c667e1db8988078a45125f0
7894078
application/pdf
TRGC1de1.pdf
URL
https://www.tdx.cat/bitstream/10803/5955/2/TRGC1de1.pdf.txt
File
MD5
fed0aec447c49cd892440502c2e50233
190267
text/plain
TRGC1de1.pdf.txt