Tesis
Identificación de sistemas mediante cómputo evolutivo.
Fecha
2016-12-13Registro en:
Soto Quintero, Oriol. Tesis (Maestría en ciencias en sistemas digitales). Tijuana, B.C., Instituto Politécnico Nacional, SEPI, Citedi, 2009, 109 pàginas.
Autor
Soto Quintero, Oriol
Institución
Resumen
La identificación de sistemas ha sido ampliamente estudiada y diversos métodos se han
desarrollado para la obtención de modelos, tanto lineales como no lineales. Una de las mayores limitaciones que presentan las técnicas actuales es que en muchas ocasiones se busca representar cualquier sistema dinámico con un modelo lineal cuando los sistemas físicos son no lineales por naturaleza, una representación no lineal requiere de una complejidad computacional mucho mayor que la que tiene un modelo lineal. Por lo que el modelo lineal no alcanza a representar con suficiente fidelidad al sistema real. Encontrar un equilibrio entre complejidad computacional y representatividad ha sido cuestión de estudio e investigación. Con el desarrollo de nuevas técnicas y métodos en el cómputo evolutivo surge el interés por la búsqueda de nuevos nichos de aplicación, tratando de aprovechar la capacidad y flexibilidad que dichos métodos ofrecen, es así que la propuesta de este trabajo es presentar una aplicación novedosa para un método evolutivo de reciente desarrollo y buscar así abrir el camino para promover la utilización de éste y otros
métodos de una forma más generalizada. En el trabajo se explora una herramienta alternativa en la identificación de sistemas, la utilización de cómputo evolutivo para la estimación de parámetros en un modelo paramétrico, y de esta forma alcanzar el equilibrio entre complejidad y representatividad, logrando que un modelo lineal dé mejores resultados que los obtenidos por métodos tradicionales. El método utilizado como herramienta principal es el llamado “Modelo Evolutivo Humano” (HEM, por sus siglas en inglés), desarrollado por el Dr. Oscar Montiel y por el Dr. Oscar Castillo, un sistema inteligente capaz de inferir los parámetros más adecuados para llevar a cabo la evolución. El método es capaz de manejar incertidumbre en el conocimiento, así como imitar algunos procesos mentales humanos como la intuición, lo que lo hace especialmente adecuado para encontrar los coeficientes que producirán un modelo lo más aproximado al sistema real que se pueda. Se presenta el procedimiento seguido para la obtención de un modelo
paramétrico, que va desde la captura de datos hasta el cálculo de los parámetros, incluyendo una exposición a detalle de cada paso del procedimiento. También se presentan resultados experimentales y análisis comparativos para comprobar la validez del método propuesto.
__________________________________
System identification has been widely studied and many methods have been developed in order to obtain models, both linear and non linear. One of the greater limitations that current techniques have shown is that physical systems are non linear by nature, however a non linear representation requires a greater computational complexity than a linear model. The problem is that often the linear model cannot represent the real system good enough. Finding a balance between computational complexity and representativeness has been a matter of study and research. With the development of novel techniques and methods in evolutionary computation comes the interest for the search of new applications that take advantage of the capacity and flexibility that these methods have, it is the purpose of the present work to show a novel application for a newly developed evolutionary method, seeking to promote the usage of this and other methods in a more generalized way. The current thesis explores an alternate tool in system identification, the use of evolutionary computation to estimate the parameters of a parametric model, and in this way achieve the balance between complexity and representativeness making that a linear model gives better results that the ones obtained by traditional methods. The method used as the main tool for this is called “Human Evolutionary Model” (HEM), developed by Dr. Oscar Montiel and Dr. Oscar Castillo, an intelligent system able to infer the best parameters in order to achieve evolution. This method has the ability to handle uncertain knowledge, and it’s
also designed to simulate some mental processes such as intuition, what makes it especially suited to find the coefficients that will result in a model as approximate to the real system as possible. The procedure followed to obtain a parametric model is presented, from data acquisition to parameter estimation, including a more detailed explanation of each step of the procedure. Experimental results and comparative analysis to validate the proposed method are also presented.