Modelagem de sistemas dinâmicos baseada em redes neurais artificiais: uma comparação com métodos clássicos ARX e ARMAX

Abstract

Este trabalho tem como objetivo comparar técnicas de identificação de sistemas, especificamente os modelos ARX, ARMAX e uma rede neural NARX, aplicadas a uma planta simulada no Simulink, que para este trabalho foi usado o conversor Buck. A identificação foi realizada utilizando dados provenientes de variações reais no sinal de entrada, e o desempenho dos modelos foi avaliado por meio das métricas MSE e R². Testes iniciais com ruído no sinal mostraram que a planta atenua naturalmente essas perturbações, o que levou à utilização dos dados limpos para garantir uma comparação equilibrada entre os métodos. Os resultados obtidos evidenciam que os modelos lineares ARX e ARMAX representam satisfatoriamente o comportamento dinâmico observado, enquanto a rede NARX apresentou desempenho superior, alcançando menor erro e maior precisão na previsão da saída. Dessa forma, o estudo mostra que, embora métodos lineares sejam eficientes em diversas situações, abordagens não lineares baseadas em redes neurais podem oferecer maior fidelidade na identificação de sistemas, especialmente quando a dinâmica envolve características que os modelos lineares não capturam completamente.