Algoritmos Multi-Objetivos para Detecção de Estruturas em Modelos NARX utilizando técnicas PEM e SEM

Este trabalho explora o problema de seleção de estrutura em modelos NARX excitados com sinais de entrada não-ideais, ou com propriedades de excitação pobres, em problemas de erro na saída. É proposto o uso de Algoritmos Genéticos Multi-objetivos em conjunto com o algoritmo de Mínimos Quadrados Estendido. Duas abordagens diferentes são usadas para estes algoritmos: a minimização do erro de predição e a minimização do erro de simulação livre, ambas utilizando a redução do número de regressores selecionados como segundo objetivo. Os resultados mostram que estas abordagens apresentam desempenhos equivalentes e que são superiores ao desempenho da técnica tradicional FROE nos problemas com entrada suave. Enquanto essas técnicas encontram o modelo ideal de 75 a 100% das execuções em simulações Monte Carlo, a técnica FROE encontra de 0 a 14%. Ademais, pelo seu menor custo computacional, aconselha-se a abordagem genética com minimização do erro de predição.