@MASTERSTHESIS{ 2021:1235598518, title = {Metodologia para Filtragem de Kalman Fuzzy Tipo-2 Intervalar Baseada em Modelagem Computacional das Componentes Espectrais Não-Observáveis de Dados Experimentais.}, year = {2021}, url = "https://tedebc.ufma.br/jspui/handle/tede/tede/3243", abstract = "Nesta dissertação, uma metodologia para projeto de filtros de Kalman, usando modelos fuzzy tipo-2 intervalares, no domínio do tempo discreto, via decomposição espectral de dados experimentais, é proposta. A metodologia adotada consiste na estimação paramé- trica recursiva de submodelos lineares locais, no espaço de estados, do filtro de Kalman fuzzy tipo-2 intervalar para rastreamento e previsão da dinâmica inerente aos dados experimentais, usando uma versão fuzzy tipo-2 do algoritmo Observer/Kalman Filter Identification (OKID). O particionamento dos dados experimentais é realizado pelo algoritmo de agrupamento fuzzy tipo-2 Gustafson-Kessel. Os ganhos de Kalman intervalares na proposição do consequente do filtro de Kalman fuzzy tipo-2 intervalar são atualizados de acordo com as componentes não-observáveis calculadas a partir da decomposição espectral recursiva dos dados experimentais. Resultados computacionais ilustram a eficiência da metodologia proposta, quando comparada a outras abordagens largamente citadas na literatura, para filtragem e rastreamento das variáveis de estado do atrator caótico de Lorenz em ambiente ruidoso, bem como para filtragem e rastreamento de trajetórias de referência pelas variáveis de estado do atrator caótico de Chen em ambiente ruidoso e com atrasos de tempo. Resultados experimentais ilustram a aplicabilidade da metodologia proposta para o rastreamento adaptativo e previsão em tempo real do comportamento de propagação dinâmica do novo coronavírus 2019 (COVID-19) no estado do Maranhão e Brasil.", publisher = {Universidade Federal do Maranhão}, scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET}, note = {DEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCET} }