An optimizationless stochastic volterra series approach for nonlinear model identification

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorUniversidade Federal do Espírito Santo (UFES)-
Autor(es): dc.contributorUniversidade Estadual Paulista (UNESP)-
Autor(es): dc.contributorUniversidade do Estado do Rio de Janeiro (UERJ)-
Autor(es): dc.creatorVillani, Luis Gustavo Giacon-
Autor(es): dc.creatorSilva, Samuel da-
Autor(es): dc.creatorCunha, Americo-
Data de aceite: dc.date.accessioned2025-08-21T19:52:19Z-
Data de disponibilização: dc.date.available2025-08-21T19:52:19Z-
Data de envio: dc.date.issued2023-03-01-
Data de envio: dc.date.issued2023-03-01-
Data de envio: dc.date.issued2022-06-01-
Fonte completa do material: dc.identifierhttp://dx.doi.org/10.1007/s40430-022-03558-z-
Fonte completa do material: dc.identifierhttp://hdl.handle.net/11449/240177-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/240177-
Descrição: dc.descriptionVolterra series is a widely used tool for identifying physical systems with polynomial nonlinearities. In this approach, the Volterra kernels expanded using Kautz functions can be identified using several techniques to optimize the filters’ poles. This methodology is very efficient when the system observations are not subject to high noise-induced variabilities (uncertainties). However, this optimization procedure may not be effective when the uncertainty level is increased since the optimal value might be susceptible to small perturbations. Seeking to overcome this weakness, the present work proposes a new stochastic method of identification based on the Volterra series, which does not solve an optimization problem. In this new approach, the Volterra kernels are described as stochastic processes. The parameters of Kautz filters are considered independent random variables so that their probability distribution captures the variabilities. The effectiveness of the new technique is tested experimentally in a nonlinear mechanical system. The results show that the identified stochastic Volterra kernels can reproduce the nonlinear dynamics characteristics and the data variability.-
Descrição: dc.descriptionCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)-
Descrição: dc.descriptionFundação de Amparo à Pesquisa do Estado do Rio de Janeiro (FAPERJ)-
Descrição: dc.descriptionFundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)-
Descrição: dc.descriptionConselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)-
Descrição: dc.descriptionDepartamento de Engenharia Mecânica Centro Tecnológico Universidade Federal do Espírito Santo – UFES, Av. Fernando Ferrari, 514, Espírito Santo-
Descrição: dc.descriptionFaculdade de Engenharia de Ilha Solteira Universidade Estadual Paulista – UNESP, Av. Brasil, 56, São Paulo-
Descrição: dc.descriptionInstituto de Matemática e Estatística Universidade do Estado do Rio de Janeiro – UERJ, R. São Francisco Xavier, 524, Rio de Janeiro-
Descrição: dc.descriptionFaculdade de Engenharia de Ilha Solteira Universidade Estadual Paulista – UNESP, Av. Brasil, 56, São Paulo-
Descrição: dc.descriptionCAPES: 001-
Descrição: dc.descriptionFAPERJ: 201.294/2021-
Descrição: dc.descriptionFAPESP: 2012/09135-3-
Descrição: dc.descriptionFAPESP: 2015/25676-2-
Descrição: dc.descriptionFAPERJ: 210.021/2018-
Descrição: dc.descriptionFAPERJ: 210.167/2019-
Descrição: dc.descriptionFAPERJ: 211.037/2019-
Descrição: dc.descriptionFAPERJ: 211.304/2015-
Descrição: dc.descriptionCNPq: 303403/2013-6-
Descrição: dc.descriptionCNPq: 306526/2019-0-
Idioma: dc.languageen-
Relação: dc.relationJournal of the Brazilian Society of Mechanical Sciences and Engineering-
???dc.source???: dc.sourceScopus-
Palavras-chave: dc.subjectNonlinear systems-
Palavras-chave: dc.subjectStochastic models-
Palavras-chave: dc.subjectStochastic Volterra series-
Palavras-chave: dc.subjectUncertain systems-
Título: dc.titleAn optimizationless stochastic volterra series approach for nonlinear model identification-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.