@MASTERSTHESIS{ 2024:250706531,
 	title = {Filtragem Adaptativa de Kalman Nebulosa Tipo-2 Intervalar Baseada em Critério de Máxima Verossimilhança},
 	year = {2024},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/6269",
 	abstract = "Nesta dissertação, uma metodologia para projeto de filtros de Kalman nebulosos tipo-2
 intervalares baseada em critério de máxima verossimilhança é proposta. A metodologia
 desenvolvida consiste em etapas offline e online. Na primeira etapa, um treinamento
 para uma base de dados inicial é realizado, enquanto que na etapa online, correções ao
 modelo são feitas a cada nova medição disponível. Para o treinamento offline, a base
 de dados é pré-processada pela versão em batelada do algoritmo de análise espectral
 singular. A base de dados resultante é então particionada pela versão nebulosa tipo-2
 intervalar do algoritmo de agrupamento de estimação em máxima verossimilhança baseada
 na análise de componentes principais. Finalizando a etapa offline, um submodelo de
 filtro de Kalman é estimado para cada partição obtida. Esta estimação é realizada por
 uma versão do algoritmo Observer/Kalman Filter Identification desenvolvida de forma a
 propiciar que cada regra ou submodelo possua sua própria ordem. Esta é definida com
 base no critério da informação de Akaike. Durante a etapa online, o modelo é corrigido
 a cada nova medição. Para isso, foi desenvolvida uma adaptação para a versão recursiva
 da análise espectral singular, na qual operações redundantes são removidas a fim de
 reduzir o tempo necessário para processar as componentes espectrais mais significativas
 da medição mais recente. O erro entre a estimativa do modelo e a atualização das
 componentes espectrais é utilizado para corrigir os submodelos através da versão recursiva
 e refinada do algoritmo Observer/Kalman Filter Identification, desenvolvida de forma
 a permitir a variação temporal na ordem do modelo. Por fim, uma modelagem acerca
 da incerteza da base de dados é desenvolvida e utilizada para adaptar o expoente de
 ponderação nebulosa utilizado no algoritmo de agrupamento, permitindo assim adaptar o
 intervalo de incerteza de acordo com a base de dados. Para validar a metodologia proposta,
 no intuito de demonstrar sua eficiência em diferentes cenários, testes computacionais e
 experimentais foram realizados. Como resultado computacional, destaca-se a previsão
 intervalar multivariável referente à posição e velocidade relativas entre satélites dispostos em
 formação PRISMA. Como resultado experimental, destacam-se o rastreamento intervalar
 da elevação e azimute de um helicóptero 2DoH, e o rastreamento e previsão intervalares
 da trajetória de um foguete de treinamento intermediário (veículo suborbital VS-30) do
 centro de lançamento em Alcântara-MA.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET},
 	note = {DEPARTAMENTO  DE ENGENHARIA DA ELETRICIDADE/CCET}
}