AnÃ¡lise de Observabilidade e Processamento de Erros Grosseiros ...

More documents

Recommendations

Info

156 Busca Tabu para Identificação de Erros Conformativos Função avaliação 2 Esta função de avaliação difere da anterior com relação ao tratamento da presença de erros grosseiros. Ao invés de utilizar o teste-J(̂x) na formulação, ela considera o valor total da função J(̂x). Com essa abordagem, pretende-se dar preferência à configuração que possua o menor valor de J(̂x). Vale lembrar que o menor valor de J(̂x) não garante exatamente que a solução ótima obtida seja a causadora do erro, porém indica a configuração com maior probabilidade de ser a correta. Essa suposição se deve ao fato de que na presença de erros conformativos quando medidas corretas são retiradas erroneamente, muito provavelmente existirão resíduos de outras medidas maiores que o esperado provocado pela medida errônea, porém que não são considerados erros grosseiros por estarem abaixo do limiar de detecção. f(x) = N er + βJ(̂x) (5.9) Algoritmo busca tabu básico Na Fig. (5.10) apresenta-se o algoritmo busca tabu básico. O mesmo algoritmo é utilizado para qualquer problema de otimização combinatório, obviamente observando as características de cada problema e é justamente este ponto que determina o sucesso de qualquer algoritmo heurístico. O desempenho do método é determinado pelo conhecimento das características do problema e a capacidade de explorá-las particularizando o algoritmo 1 . 5.3.1 Redução da vizinhança utilizando o vetor resíduo normalizado A análise do vetor resíduo normalizado representa uma ferramenta importante na identificação de erros grosseiros. No processo convencional, se houver presença de múltiplos erros grosseiros não-conformativos é possível demonstrar que a medida que possui o maior resíduo normalizado é portadora de erros grosseiros. Portanto, caso um processo de eliminação sucessiva dessas medidas seja realizada, pode-se recuperar o conjunto de medidas sem erros grosseiros. Na ocorrência de erros interativos e conformativos, a aplicação dessa metodologia falha. No entanto, o resíduo normalizado ainda continua sendo uma ferramenta importante no processo de identificação. Durante a fase de análise da vizinhança, quando a configuração atual apresenta erros grosseiros, esses erros refletir-se-ão no resíduo normalizado e conseqüentemente na função objetivo. No 1 Na literatura especializada é comum observar a expressão “tayloring the algorithm”.
5.3 Busca Tabu para identificação de erros conformativos 157 1. Defina a configuração inicial 2. Defina a duração tabu 3. Defina a vizinhança 4. Defina o critério de aspiração Calcule a função de avaliação para todas a configurações da vizinhança Mova para a melhor configuração vizinha se não há restrição tabu ou mesmo sendo tabu se atender ao critério de aspiração PSfrag replacements Atualize a lista tabu Critério de parada satisfeito Não Sim Figura 5.10: Algoritmo básico de Busca Tabu
Page 1 and 2:
Universidade Estadual de Campinas F
Page 3:
RESUMO Este trabalho apresenta estu
Page 7 and 8:
AGRADECIMENTOS Agradeço ao profess
Page 9 and 10:
Sumário 1 Introdução 1 2 Anális
Page 11 and 12:
4.6.2 Recuperação de medidas atra
Page 13 and 14:
Lista de Tabelas 2.1 Linhas observ
Page 15 and 16:
5.7 Tabela com os erros mais prová
Page 17 and 18:
Lista de Figuras 1.1 Modelo de esti
Page 19:
5.6 Trajetórias da busca local e d
Page 22 and 23:
2 Introdução do modelo matemátic
Page 24 and 25:
4 Introdução Capítulo 3 são des
Page 26 and 27:
6 Análise de Observabilidade As qu
Page 28 and 29:
8 Análise de Observabilidade Algor
Page 30 and 31:
10 Análise de Observabilidade TP W
Page 32 and 33:
12 Análise de Observabilidade •
Page 34 and 35:
14 Análise de Observabilidade Algo
Page 36 and 37:
16 Análise de Observabilidade ∂J
Page 38 and 39:
18 Análise de Observabilidade 1 1
Page 40 and 41:
20 Análise de Observabilidade da m
Page 42 and 43:
22 Análise de Observabilidade por
Page 44 and 45:
24 Análise de Observabilidade de o
Page 46 and 47:
26 Análise de Observabilidade Na F
Page 48 and 49:
28 Análise de Observabilidade (a)
Page 50 and 51:
30 Análise de Observabilidade H =
Page 52 and 53:
32 Análise de Observabilidade PSfr
Page 54 and 55:
34 Análise de Observabilidade circ
Page 56 and 57:
36 Análise de Observabilidade PSfr
Page 58 and 59:
38 Análise de Observabilidade 2.6.
Page 60 and 61:
40 Análise de Observabilidade 2 1
Page 62 and 63:
42 Análise de Observabilidade ⎛
Page 64 and 65:
44 Análise de Observabilidade 2.9
Page 66 and 67:
46 Análise de Observabilidade oper
Page 68 and 69:
48 Análise de Observabilidade Tabe
Page 70 and 71:
50 Estimador de Estado Não-Linear
Page 72 and 73:
Page 74 and 75:
Page 76 and 77:
Page 78 and 79:
Page 80 and 81:
Page 82 and 83:
Page 84 and 85:
Page 86 and 87:
Page 88 and 89:
Page 90 and 91:
Tabela 3.6: Estado estimado das cha
Page 92 and 93:
Page 94 and 95:
Page 96 and 97:
Page 98 and 99:
Page 100 and 101:
Page 102 and 103:
Page 104 and 105:
Page 106 and 107:
Page 108 and 109:
Page 110 and 111:
Page 112 and 113:
Page 114 and 115:
Page 116 and 117:
Page 118 and 119:
98 Identificação e Tratamento de
Page 120 and 121:
Page 122 and 123:
Page 124 and 125:
Page 126 and 127: 106 Identificação e Tratamento de
Page 136 and 137: ¤ 116 Identificação e Tratamento
Page 156 and 157: 136 Busca Tabu para Identificação
Page 186 and 187: £¢ £ ¢ 166 Busca Tabu para Iden
Page 202 and 203: 182 Conclusões Gerais são alterad
Page 204 and 205: 184 Conclusões Gerais
Page 206 and 207: 186 Referências Bibliográficas Cl
Page 208 and 209: 188 Referências Bibliográficas Mo
Page 210 and 211: Índice Remissivo branch and bound
Page 212 and 213: 192 ÍNDICE REMISSIVO
Page 214 and 215: 194 Atualização do índice J(̂x)
Page 216 and 217: 196 Atualização do índice J(̂x)
Page 218 and 219: 198 Lema de Inversão de Matrizes
Page 220 and 221: 200 Lema de Inversão de Matrizes
Page 222 and 223: 202 Pseudoinversa de uma matriz
Page 224: 204 TRABALHOS COMPLETOS PUBLICADOS
show all

AnÃ¡lise de Observabilidade e Processamento de Erros Grosseiros ...

Create successful ePaper yourself

Delete template?

Save as template?