SINTESE AUTOMÁTICA DE MODELOS NARX POLINOMIAIS IMPLEMENTADA NA IDENTIFICAÇÃO DE SISTEMAS NÃO-LINEARES
Nos últimos anos, tem havido uma onda crescente na implementação de geradores termoelétricos para os mais diversos fins. Embora estes dispositivos não são tão eficientes quanto desejado, podem ser implementados para o aproveitamento da energia térmica em assuntos que envolvem conceitos da Internet das coisas (do termo em Inglês IoT Internet of Things) e a ativação de redes de sensores de baixo consumo energético. No entanto, modelos apropriados para este tipo de geradores precisam ser construídos de forma a projetar adequadamente o sistema eletrônico associado. Metodologias de modelagem clássicas podem ser usadas para esta finalidade, mas a tarefa pode tornar-se tediosa e ainda o desempenho do modelo pode estar muito abaixo do desejado. Contudo, recentes pesquisas na areia da computação evolutiva, permitiram a formulação de novas alternativas de estimação de modelos simplificados, que conseguem reproduzir os comportamentos de fenômenos que outrora eram difíceis de serem explicados mediante o uso das técnicas de modelagem convencionais. Este trabalho visa estabelecer uma nova metodologia para determinar as equações que governam os dispositivos termoelétricos, partindo de um conjunto de dados de Entrada/Saída. Um dos componentes da metodologia envolve conceitos de Programação Genética baseados em Regressão Simbólica, uma vez que se pretende selecionar entre milhares de estruturas não somente àquela mais simples, mas também seu conjunto parâmetros correspondente. Os modelos resultantes são do tipo não-lineares auto-regressivos com entradas externas (NARX do termo em Inglês Nonlinear Auto-Regressive with eXogenous Inputs) no tempo discreto, obtidos com base na evolução temporal das variáveis de estado. Para conferir o potencial da metodologia proposta, são apresentados vários modelos distintos para o mesmo sistema sob análise, que conseguem reproduzir todas as dinâmicas do sistema, na sua forma original.