Aprimoramento de Modelos Subótimos para Identificação de Sistemas

Uma das etapas da identificação de sistemas é a determinação da estrutura do modelo, na qual são geralmente empregadas duas técnicas: a Taxa de Redução de Erro (ERR) e o Critério de Informação de Akaike (AIC). Todavia, estas são de caráter mono-objetivo, o que as leva a terem limitações, uma vez que consideram apenas os dados dinâmicos do sistema. Em virtude disto, este artigo propõe uma técnica que busca aprimorar determinados comportamentos do modelo identificado, como, por exemplo, o estático. Nesse contexto, ela foi aplicada em um modelo NARMAX polinomial de um sistema composto por um Conversor CC-CC \textit{Buck}, com a intenção de diminuir os erros estático e dinâmico do modelo. Como resultado, foi possível obter um conjunto de soluções eficientes.