PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA (PPGEE)
UNIVERSIDADE FEDERAL DA PARAÍBA
- Phone
-
(83)32167857
News
Banca de DEFESA: ROMULO NAVEGA VIEIRA
Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: ROMULO NAVEGA VIEIRA
DATA: 06/12/2021
HORA: 14:00
LOCAL: Videoconferência
TÍTULO: Modelo para Estimação do Estado de Carga e Saúde de Baterias de Lítio-Íon Baseado em Redes Neurais com Função de Custo em Correntropia
PALAVRAS-CHAVES: Identificação de Sistemas Dinâmicos, Estado de Carga e Saúde, Baterias, Função de Custo, Correntropia, Outliers.
PÁGINAS: 91
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Elétrica
RESUMO: O grande interesse na identificação de sistemas dinâmicos não-lineares deve-se, principalmente,
ao fato de que uma grande quantidade dos sistemas reais são complexos e precisam
ter suas linearidades consideradas para que seus modelos possam ser utilizados com sucesso
em aplicações, por exemplo, de controle, predição, inferência, entre outros. Um exemplo
de um sistema dinâmico não-linear é a bateria. Compreender o envelhecimento da bateria
é um processo complexo, pois muitos fatores, desde as condições ambientais às condições
operacionais de uso, interagem para gerar diferentes efeitos de envelhecimento e degradação.
O presente trabalho analisa a aplicação das Redes Neurais Artificiais na identificação de
indicadores de desempenho e saúde em baterias. Normalmente, o aprendizado dessas redes
é realizado através de algum método baseado em gradiente, tendo o erro médio quadrático
como função de custo. Este trabalho analisa a substituição dessa tradicional função de
custo por uma medida da similaridade da Teoria da Informação, a Correntropia. Esta
medida de similaridade permite que momentos estatísticos de ordem superior possam ser
considerados durante o processo de treinamento. Devido a este fato, ela se torna mais
apropriada para distribuições de erro não gaussianas e faz com que o treinamento apresente
menor sensibilidade à presença de outliers. Para avaliar esta substituição, modelos RNAs
são obtidos na identificação de dois estudos de caso: o Estado de Carga (SoC) e Estado
de Saúde (SoH) das baterias. Os resultados demonstram que a utilização da correntropia,
como função de custo no algoritmo de retropropagação de erro, torna o procedimento de
identificação utilizando Redes Neurais mais robusto à outliers, bem como minimiza os erros
de estimação do modelo. Os resultados preliminares mostram que o SoC e o SoH foram
estimados de forma satisfatória sob todas as diferentes condições de operação consideradas
neste trabalho, com média do Erro Médio Relativo Percentual de 0.246% para o SoC e
0.01746% para o SoH.
MEMBROS DA BANCA:
Interno - 1783447 - EULER CASSIO TAVARES DE MACEDO
Externo à Instituição - IVANOVITCH MEDEIROS DANTAS DA SILVA
Presidente - 1972280 - JUAN MOISES MAURICIO VILLANUEVA