Dissertação
The application of learning techniques to improve control of surface vehicles EVALUATED
Esta tese investiga a aplicação de técnicas de inteligência artificial (IA) para ajuste fino em tempo real de modelos de controlo em veículos de superfície, com foco em hidrofólios. Inicialmente, dois modelos não lineares foram desenvolvidos com o objetivo de gerar os dados de referência para o treino dos módulos de IA. O primeiro é um modelo mais simples que representa um barco convencional, enquanto o segundo é um modelo mais complexo para identificação, que retrata a dinâmica elaborada de um hidrofólio. A partir dos dados gerados pelos dois modelos básicos, foram testados e comparados três métodos de aprendizagem para identificação. O primeiro método de aprendizagem emprega a Identificação de Sistemas Dinâmicos Não Lineares Esparsos (SINDy) para identificar tanto o modelo simples como o modelo mais complexo com o hidrofólio. O segundo consiste no uso de redes neuronais para a identificação do modelo complexo, revelando o seu potencial de aplicação numa estrutura de aprendizagem por reforço. Por último, este trabalho mostrou que, ao integrar o filtro de Kalman estendido e as redes neuronais recorrentes (LSTM, GRU e Vanilla RNN), é possível refinar, em tempo real, modelos de hidrofólios identificados previamente com Backpropagation Through Time. Em geral, esta pesquisa compara e descreve informações importantes sobre o uso de técnicas de aprendizagem, incluindo SINDy, redes neuronais feed-forward e redes neuronais recorrentes, com o objetivo de melhorar o desempenho da malha de controlo e identificação para modelos de veículos de superfície.
outubro 25, 2023, 13:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Associado
