Dissertação

{en_GB=Human Operator Identification in the LPV System Framework} {} EVALUATED

{pt=A interação humana com sistemas variantes no tempo é, nos nossos dias, comum. Conduzir um carro ou pilotar uma aeronave são exemplos de tais interações Homem-máquina, onde o operador humano tem que adaptar a sua estratégia de controlo à dinâmica variante no tempo do sistema em causa. No entanto, mudanças na dinâmica de controlo do operador humano podem também ser induzidas por factores internos, nomeadamente cansaço, desconcentração ou um eventual susto. Assim sendo, é importante a procura de um método que consiga identificar estas mudanças de forma correcta e precisa. Nesta Dissertação de Mestrado, uma aplicação pioneira da teoria de Sistemas Lineares de Parâmetros Variáveis à identificação do operador humano em tarefas de seguimento de sinais variantes no tempo usando o algoritmo de identificação PBSID, é testada. Adicionalmente, duas funções de agendamento experimentais derivadas do sinal de controlo do operador humano, são testadas tendo em conta o seu desempenho na identificação do controlador humano. Uma simulação com testes \textit{offline} baseada numa experiência recente foi montada e o algoritmo PBSID foi usado para identificar o operador humano em diferentes condições de controlo. Os resultados obtidos das simulações Monte Carlo \textit{offline} demonstram boa identificação global, mas elevada sensibilidade ao ruído. Os resultados mostram ainda que uma função de agendamento experimental, obtida através da filteração com fase nula da segunda derivada do sinal de controlo do operador, consegue capturar a variação no tempo da dinâmica do operador humano, com precisão equivalente à obtida com funções de agendamento analíticas., en=Human interaction with time-varying systems is commonplace. Driving a car or piloting an aircraft are examples of such human-machine interactions, where the human operator must adapt his control strategy to the changing dynamics of the system. However, changes in control dynamics of the human operator may also be induced by internal factors, namely fatigue, boredom or even a sudden scare. Therefore, the search for a suitable method that can correctly and sharply identify these changes in the operator dynamics is of the highest importance. In this MSc. Thesis, a novel application of the Linear Parameter Varying (LPV) framework to the human operator in single-loop time-varying tracking tasks and subsequent time-varying identification with a Predictor-Based Subspace Identification (PBSID) algorithm is tested. Additionally, two experimentally-obtained Scheduling Functions, derived from the measured output of the human operator, are tested regarding their model identification performance. An offline simulation analysis based on a recent experimental study was setup and the PBSID algorithm was used to identify the human operator model in different conditions. The results obtained from offline Monte Carlo simulations show good overall model identification, but high noise realization sensitivity. The results further show the possibility of increased freedom in human operator parameter evolution over time when using the LPV framework. An experimental Scheduling Function obtained from zero-phase filtering the second derivative of the human operator output signal was found to capture the time-variation in human operator dynamics, with equivalent accuracy as obtained with analytical Scheduling Functions.}
{pt=Operador humano, Sistemas Lineares de Parâmetros Variáveis, PBSID, Identificação de sistemas, en=Human operator, Linear Parameter Varying Systems, PBSID, System Identification}

Novembro 18, 2016, 14:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

José Raul Carreira Azinheira

Departamento de Engenharia Mecânica (DEM)

Professor Auxiliar