Use este identificador para citar ou linkar para este item:
http://www.repositorio.ufal.br/jspui/handle/123456789/12561
Tipo: | Trabalho de Conclusão de Curso |
Título: | Modelagem dinâmica de um pêndulo duplo utilizando redes neurais lagrangianas |
Autor(es): | Ferreira, Luana Júlia Nunes |
Primeiro Orientador: | Araújo, Ícaro Bezerra Queiroz de |
metadata.dc.contributor.referee1: | Almeida, Tiago Alves de |
metadata.dc.contributor.referee2: | Leite, Glauber Rodrigues |
Resumo: | O presente trabalho tem como objetivo estudar a aplicação de redes neurais na modalagem de um pêndulo duplo, um sistema dinâmico complexo e desafiador. Uma nova classe de Redes Neurais Hamiltonianas (HNN) para modelar o pêndulo duplo foi proposta, porém apresenta falha em muitos sistemas físicos que não podem ser expressos como um sistema Hamiltoniano e, por isso, foi proposto o uso de redes neurais com formulação Lagrangiana (LNN). Logo, este trabalho busca avaliar a eficácia dessa abordagem, reproduzindo o trabalho de Cranmer et al. (2020). Os resultados dessa pesquisa confirmam que a abordagem LNN foi eficaz na obtenção de soluções numéricas próximas à solução analítica. Além disso, o sistema também se mostrou sensível às condições iniciais e a análise da função de loss indicou estabilidade nos resultados após o período de treinamento. A comparação entre as velocidades e acelerações angulares provenientes da solução analítica e previstas mostrou uma relação linear e mínima interferência de outliers. O mapa de calor gerado a partir da análise do espaço de coordenadas mostrou que o modelo se comportou de forma satisfatória. |
Abstract: | This work aims to study the application of neural networks in the modeling of the double pendulum, a complex and challenging dynamic system. A new class of Hamiltonian Neural Networks (HNN) was proposed to model the double pendulum, but it fails in many physical systems that cannot be expressed as a Hamiltonian system. Therefore, the use of neural networks with Lagrangian formulation (LNN) was proposed. This work seeks to evaluate the effectiveness of this approach, using the double pendulum as a case study and reproducing the work of Cranmer et al. (2020). The results of this research confirm that the LNN approach was effective in obtaining numerical solutions close to the ideal analytical solution. Furthermore, the system also proved to be sensitive to initial conditions, and the analysis of the loss function indicated stability in the results after the training period. The comparison between real and predicted angular velocities and accelerations showed a linear relationship and minimal interference from outliers. The heat map generated from the analysis of the coordinate space showed that the model behaved satisfactorily. |
Palavras-chave: | Redes neurais (Computação) Lagrange, Funções de Sistemas dinâmicos Controle Pêndulo duplo Neural Networks (Computing) Lagrange, Functions of Dynamic systems Control Double pendulum |
CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
Idioma: | por |
País: | Brasil |
Editor: | Universidade Federal de Alagoas |
Sigla da Instituição: | UFAL |
metadata.dc.publisher.department: | Curso Engenharia da Computação |
Citação: | FERREIRA, Luana Júlia Nunes. Modelagem dinâmica de um pêndulo duplo utilizando redes neurais lagrangianas. 2023. 25 f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Computação) – Instituto de Computação, Universidade Federal de Alagoas, Maceió, 2023. |
Tipo de Acesso: | Acesso Aberto |
URI: | http://www.repositorio.ufal.br/jspui/handle/123456789/12561 |
Data do documento: | 5-mai-2023 |
Aparece nas coleções: | Trabalhos de Conclusão de Curso (TCC) - Bacharelado - ENGENHARIA DE COMPUTAÇÃO- IC |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Modelagem dinâmica de um pêndulo duplo utilizando redes neurais lagrangianas.pdf | 2.12 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.