18.01.2015 Views

Análise de Observabilidade e Processamento de Erros Grosseiros ...

Análise de Observabilidade e Processamento de Erros Grosseiros ...

Análise de Observabilidade e Processamento de Erros Grosseiros ...

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

5.2 Método branch and bound para i<strong>de</strong>ntificação <strong>de</strong> erros conformativos 139<br />

todas as medidas foram analisadas (2 m vetores <strong>de</strong> <strong>de</strong>cisão). Alguns <strong>de</strong>sses vetores satisfazem as<br />

restrições <strong>de</strong> otimalida<strong>de</strong> da (Eq. (5.6)), portanto, ao final da remoção das medidas com erros,<br />

o vetor d representará o sistema final que será observável e sem erros grosseiros.<br />

Nível 0<br />

Nível 1<br />

d i =0 d i =1<br />

Nível 2<br />

PSfrag replacements<br />

Nível m<br />

Nível m + 1<br />

Figura 5.1: Árvore binária genérica utilizada para i<strong>de</strong>ntificar múltiplos erros grosseiros em um<br />

sistema com m medidas<br />

A idéia central do branch and bound é explorar a árvore <strong>de</strong> <strong>de</strong>cisão <strong>de</strong> forma inteligente,<br />

sem testar todas as 2 m possibilida<strong>de</strong>s. Portanto, a exploração das características do problema<br />

é extremamente importante. Na Fig. (5.2) ilustra-se o processo <strong>de</strong> ramificação (branching). O<br />

processo <strong>de</strong> busca é o seguinte: dada uma configuração inicial, é realizado um teste usando, por<br />

exemplo, o resíduo normalizado para <strong>de</strong>tecção <strong>de</strong> erro. Dois nós <strong>de</strong> <strong>de</strong>cisão são criados, o nó<br />

sucessor-e, para a medida com erro (d 1 = 0), e o nó sucessor-c, para medida sem erro (d 1 = 1). O<br />

estado estimado da configuração em que a medida com erro foi retirada representa uma solução<br />

candidata. A melhor solução encontrada durante todo o processo <strong>de</strong> busca representa a solução<br />

incumbente. Se a solução candidata tem a possibilida<strong>de</strong> <strong>de</strong> ser melhor que a incumbente, ela<br />

é colocada em uma lista <strong>de</strong> candidatos que <strong>de</strong>vem ser explorados, se não, a busca a partir<br />

<strong>de</strong>ssa solução é encerrada. Caso uma opção melhor que a incumbente seja encontrada, a nova<br />

incumbente é atualizada e todos os nós da árvore ainda não explorados que tenha solução pior<br />

que a nova incumbente são eliminados (realiza-se o corte).<br />

Normalmente erros <strong>de</strong> medidas apresentam valores elevados <strong>de</strong> magnitu<strong>de</strong> no vetor resíduo<br />

normalizado, mesmo que não sejam os maiores. A característica que torna o branch and bound<br />

superior à simples aplicação do teste-r n , é a possibilida<strong>de</strong> <strong>de</strong> explorar opções em que a medida<br />

suspeita é consi<strong>de</strong>rada correta mesmo que o teste <strong>de</strong> <strong>de</strong>tecção tenha indicado o contrário (d 1 = 1

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!