Baixe o app para aproveitar ainda mais
Prévia do material em texto
Tito Luís M. Santos Método dos Mı́nimos Quadrados Recursivos. ENGC65: Sistemas de Controle III Departamento de Engenharia Elétrica - DEE Universidade Federal da Bahia - UFBA 23 de abril de 2014 Tito Luís M. Santos Sumário 1 Introdução 2 Mı́nimos quadrados recursivo 3 Considerações Revelantes Tito Luís M. Santos Sumário 1 Introdução 2 Mı́nimos quadrados recursivo 3 Considerações Revelantes Tito Luís M. Santos Introdução Problema Original Considere o modelo de regressão linear: y(k) = φ(k)T θ + e(k) ŷ(k) = φ(k)T θ com φ(k)T = [−y(k − 1) ... − y(k − na) u(k − d − 1) ... u(k − d − nb − 1)] θ T = [a1 ... ana ... b0 ... bnb]. Problema: min ||Y − Ŷ ||2 com Y T = [y(0) y(1) ... y(m)] Ŷ T = [φT (0)θ φT (1)θ ... φT (m)θ] A cada instante, uma nova medida, y(k) pode ser adquirida. Tito Luís M. Santos Introdução Problema Original Considere o modelo de regressão linear: y(k) = φ(k)T θ + e(k) ŷ(k) = φ(k)T θ com φ(k)T = [−y(k − 1) ... − y(k − na) u(k − d − 1) ... u(k − d − nb − 1)] θ T = [a1 ... ana ... b0 ... bnb]. Problema: min ||Y − Ŷ ||2 com Y T = [y(0) y(1) ... y(m)] Ŷ T = [φT (0)θ φT (1)θ ... φT (m)θ] É possı́vel obter uma nova estimativa para θ̂ a cada instante? Tito Luís M. Santos Sumário 1 Introdução 2 Mı́nimos quadrados recursivo 3 Considerações Revelantes Tito Luís M. Santos Mı́nimos quadrados recursivo Problema Neste caso, o problema depende do instante k: min ||Y (k)− Φ(k)θ||2 com Φ(k) = φ(0)T φ(1)T ... φ(k)T . A solução é dada por: θ̂(k) = [Φ(k)TΦ(k)]−1Φ(k)T Y (k). A matriz Φ(k) cresce com o crescimento do tempo. Tito Luís M. Santos Mı́nimos quadrados recursivo Problema Considerando o mesmo problema: min ||Y (k)− Φ(k)θ||2 com Φ(k) = [ Φ(k − 1) φ(k)T ] . assim como Y (k)T = [Y (k − 1)T y(k)] A solução é dada por: θ̂(k) = [Φ(k)TΦ(k)]−1Φ(k)T Y (k) = [ [Φ(k − 1)T φ(k)] [ Φ(k − 1) φ(k)T ]] −1 [ Φ(k − 1) φ(k)T ] [ Y (k − 1) y(k) ] Tito Luís M. Santos Mı́nimos quadrados recursivo Problema Considerando o mesmo problema: min ||Y (k)− Φ(k)θ||2 com Φ(k) = [ Φ(k − 1) φ(k)T ] . assim como Y (k)T = [Y (k − 1)T y(k)] Desenvolvendo o problema chega-se a Γ(0) = [Φ(0)TΦ(0)]−1 Γ(k) = Γ(k − 1)− Γ(k − 1)φ(k)φ(k)T Γ(k − 1) 1 + φ(k)TΓ(k − 1)φ(k) θ̂(k) =θ̂(k − 1) + Γ(k)φ(k)[y(k) − φ(k − 1)θ̂(k − 1)] Tito Luís M. Santos Mı́nimos quadrados recursivo Problema Considerando o mesmo problema: min ||Y (k)− Φ(k)θ||2 com Alternativamente verifica-se Γ(0) = [Φ(0)TΦ(0)]−1 Γ(k) = Γ(k − 1)− Γ(k − 1)φ(k)φ(k)T Γ(k − 1) 1 + φ(k)TΓ(k − 1)φ(k) θ̂(k) = θ̂(k − 1) + Γ(k)φ(k)[y(k) − φ(k − 1)θ̂(k − 1)] Γ(k)φ(k) = Γ(k − 1)φ(k)− Γ(k − 1)φ(k)φ(k)T Γ(k − 1)φ(k) 1 + φ(k)T Γ(k − 1)φ(k) = Γ(k − 1)φ(k) 1 + φ(k)TΓ(k − 1)φ(k) Tito Luís M. Santos Mı́nimos quadrados recursivo Problema Considerando o mesmo problema: min ||Y (k)− Φ(k)θ||2 com Finalmente chega-se a Ω(k) = Γ(k − 1)φ(k) 1 + φ(k)T Γ(k − 1)φ(k) θ̂(k) = θ̂(k − 1) + Ω(k)[y(k)− φ(k − 1)θ̂(k − 1)] Γ(k) = Γ(k − 1)− Γ(k − 1)φ(k)φ(k)T Γ(k − 1) 1 + φ(k)T Γ(k − 1)φ(k) = ( I +Ω(k)φ(k)T ) Γ(k − 1) Tito Luís M. Santos Mı́nimos quadrados recursivo Algoritmo de estimação 1 Obtém-se y(k). 2 Compõe-se φ(k)T = [−y(k − 1) − y(k − 2) ... u(k − d − 1) u(k − d − 2) ...]. 3 Calcula-se Ω(k) = Γ(k − 1)φ(k) 1 + φ(k)TΓ(k − 1)/φ(k) . 4 Calcula-se θ̂(k) = θ̂(k − 1) + Ω(k)[y(k)− φ(k − 1)θ̂(k − 1)]. 5 Calcula-se Γ(k) = ( I − Ω(k)φ(k)T ) Γ(k − 1). Tito Luís M. Santos Mı́nimos quadrados recursivo Algoritmo com fator de esquecimento λ 1 Obtém-se y(k). 2 Compõe-se φ(k)T = [−y(k − 1) − y(k − 2) ... u(k − d − 1) u(k − d − 2) ...]. 3 Calcula-se Ω(k) = [Γ(k − 1)/λ]φ(k) 1 + φ(k)T [Γ(k − 1)/λ]φ(k) . 4 Calcula-se θ̂(k) = θ̂(k − 1) + Ω(k)[y(k)− φ(k − 1)θ̂(k − 1)]. 5 Calcula-se Γ(k) = ( I − Ω(k)φ(k)T ) Γ(k − 1)/λ. Tito Luís M. Santos Sumário 1 Introdução 2 Mı́nimos quadrados recursivo 3 Considerações Revelantes Tito Luís M. Santos Considerações Revelantes Qualidade da estimativa 1 A matriz Γ(k) chama-se de matriz de covariância. 2 Valores elevados para Γ(k) indicam estimação inadequada. 3 Valores próximos a zero indicam boa estimação. 4 O chute inicial para Γ(0) dependem do grau de confiabilidade de θ̂(0). Introdução Mínimos quadrados recursivo Considerações Revelantes
Compartilhar