230 likes | 407 Views
Quinto Seminário de Doutorado em Engenharia Química – 30 de Março de 2012 - PEQ - COPPE - UFRJ. Lizandro de Sousa Santos lizandro@peq.coppe.ufrj.br Orientadores: Prof. Evaristo Chalbaud Biscaia Jr . Prof. Argimiro Resende Secchi. OTIMIZAÇÃO DINÂMICA USANDO APROXIMAÇÃO
E N D
Quinto Seminário de Doutorado em Engenharia Química – 30 de Março de 2012 - PEQ - COPPE - UFRJ Lizandro de Sousa Santos lizandro@peq.coppe.ufrj.br Orientadores: Prof. Evaristo Chalbaud BiscaiaJr. Prof. Argimiro Resende Secchi OTIMIZAÇÃO DINÂMICA USANDO APROXIMAÇÃO COM BASE WAVELETS ADAPTATIVA
Otm. Din. Método Sequencial NLP solver Iterações Perfil de controle (parametrização)
Incorporação das Wavelets NLP solver NLP solver Wavelets Wavelets Perfil de controle
Análise Wavelets Considerando uma função , a sua representação no domínio wavelets será: detalhes variável de controle Produto interno vetor de detalhes em que é a resolução máxima
Análise Wavelets detalhes
Análise Wavelets Há diversas famílias de funções: Daubechies, Meyer, Biortogonais, Haar etc. Neste trabalho utiliza-se a função Haar:
Compressão: Thresholding Threshold: Métrica que define o limiar de compressão dos coeficientes de detalhes. Threshold fixo (SCHLEGEL,2004 and BINDER, 2000): Independente da malha
Compressão: Thresholding Visushrink (DONOHO, 1992): Sureshrink (DONOHO e JOHNSTONE, 1995): Estimativa do nível de ruído em cada resolução.
Cronograma 2012 – Junho/Julho – Funções de Regularização; 2012/02 – ESCAPE/Computer and Chemical Engineering; 2012/02 – Implementação no EMSO;
Conclusões Wavelets – aprimoramento da otimização; Threshold – melhora o desempenho das wavelets, análise de decomposição; Funções de Regularização