Controle e filtragem para sistemas lineares discretos incertos sujeitos a saltos Markovianos

Página do item simplificado
dc.contributorTerra, Marco Henrique
dc.creatorCerri, João Paulo
dc.date2013-06-21
dc.date2013-08-30
dc.date.accessioned2017-11-15T11:22:00Z
dc.date.available2017-11-15T11:22:00Z
dc.date.issued2017-11-15
dc.descriptionEsta tese de doutorado aborda os projetos robustos de controle e estimativa de estados para Sistemas Lineares sujeitos a Saltos Markovianos (SLSM) de tempo discreto sob a influência de incertezas paramétricas. Esses projetos são desenvolvidos por meio de extensões dos critérios quadráticos clássicos para SLSM nominais. Os critérios de custo quadrático para os SLSM incertos são formulados na forma de problemas de otimização min-max que permitem encontrar a melhor solução para o pior caso de incerteza (máxima influência de incerteza). Os projetos robustos correspondem às soluções ótimas obtidas por meio da combinação dos métodos de funções penalidade e mínimos quadrados regularizados robustos. Duas situações são investigadas: regular e estimar os estados quando os modos de operações são observados; e estimar os estados sob a hipótese de desconhecimento da cadeia de Markov. Estruturalmente, o regulador e as estimativas de estados assemelham-se às respectivas versões nominais. A recursividade é estabelecida em termos de equações de Riccati sem a necessidade de ajuste de parâmetros auxiliares e dependente apenas das matrizes de parâmetros e ponderações conhecidas.
dc.descriptionThis thesis deals with recursive robust designs of control and state estimates for discretetime Markovian Jump Linear Systems (MJLS) subject to parametric uncertainties. The designs are developed considering extensions of the standard quadratic cost criteria for MJLS without uncertainties. The quadratic cost criteria for uncertain MJLS are formulated in the form of min-max optimization problems to get the best solution for the worst uncertainty case. The optimal robust schemes correspond to the optimal solution obtained by the combination of penalty function and robust regularized least-squares methods. Two cases are investigated: to control and estimate the states when the operation modes are observed; and, to estimate the states when the Markov chain is unobserved. The optimal robust LQR and Kalman-type state estimates resemble the respective nominal versions. The recursiveness is established by Riccati equations in terms of parameter and weighting matrices previously known and without extra offline computations.
dc.formatapplication/pdf
dc.identifierhttp://www.teses.usp.br/teses/disponiveis/18/18153/tde-26082013-133045/
dc.identifierdoi:10.11606/T.18.2013.tde-26082013-133045
dc.identifier.urihttp://repositorio.eesc.usp.br/handle/RIEESC/3866
dc.languagept
dc.publisherBiblioteca Digital de Teses e Dissertações da USP
dc.publisherUniversidade de São Paulo
dc.publisherEscola de Engenharia de São Carlos
dc.rightsLiberar o conteúdo para acesso público.
dc.subjectCadeia de Markov
dc.subjectRobustez
dc.subjectMínimos quadrados
dc.subjectSistemas lineares
dc.subjectFunção penalidade
dc.subjectFiltragem
dc.subjectEquação de Riccati
dc.subjectControle
dc.subjectFiltering
dc.subjectRobustness
dc.subjectControl
dc.subjectRiccati equation
dc.subjectPenalty function
dc.subjectMarkov chain
dc.subjectLeast squares
dc.subjectLinear system
dc.titleControle e filtragem para sistemas lineares discretos incertos sujeitos a saltos Markovianos
dc.titleControl and filtering for uncertain discrete-time Markovian jump linear systems
dc.typeTese de Doutorado
Arquivos
Coleções
Teses e Dissertações (BDTD USP)