AbstractsBiology & Animal Science

Lo que sigue es un esquema de la tesis y sus contribuciones: - Cotas explicitas para la complejidad muestral requerida. En este capítulo se estudia la complejidad muestral de métodos probabilísticos para el control de sistemas inciertos. Se aborda también el caso particular en el que el problema de diseño puede ser formulado como un problema incierto de optimización convexa. Se proporcionan cotas simples y explicitas para garantizar que las soluciones obtenidas cumplen algunas especificaciones probabilísticas pre-especificadas. - Esquemas de validación aleatoria. Se presenta una estrategia para el diseño bajo incertidumbre. Se proporciona una clase general de algoritmos secuenciales que satisfacen las especificaciones requeridas usando validación probabilística. En cada iteración del algoritmo secuencial se valida una solución candidata, en términos de un conjunto de muestras inciertas generadas aleatoriamente. - Se propone un algoritmo aleatorio secuencialmente óptimo para problemas de factibilidad robusta de LMIs. El algoritmo se basa en la solución de una secuencia de problemas de optimización semidefinidos que involucran a un pequeño número de restricciones. Se da una cota para el máximo número de iteraciones requeridas por el algoritmo. Se discuten analogías y diferencias con los métodos del gradiente y de localización. El desempeño y comportamiento del algoritmo son ilustrados en términos de un ejemplo numérico. - Detección de fallos con validación probabilística. Presentamos una estrategia general para el diseño de un bloque de detección de fallos con validación probabilística (PCV- Procesado, clasificación, validación). Se propone un esquema general de PCV, que permite diseñar un bloque de detección de fallos con validación probabilística en el porcentaje máximo de fallos no detectados (impuesto como condición de diseño) y en el porcentaje de falsas alarmas (obtenido a posteriori). En cada iteración del algoritmo secuencial, una solución candidata se valida probabilísticamente mediante un conjunto de muestras generadas aleatoriamente. Presentamos un marco general en el que la solución candidata puede violar las restricciones para un reducido número de elementos del conjunto de validación. Este esquema generalizado muestra significativas ventajas, en particular en términos de la obtención de la solución probabilística. - Aplicación a la identificación frecuencial. Identificación de una pila de combustible mediante la aplicación de algoritmos aleatorios. Se desarrolla una herramienta de ensayos en Matlab con la que evaluar baterías en el laboratorio y obtener una señal de estimulo optima para el modelado de estas, con el fin de caracterizarlas en un futuro de la manera más rápida y precisa posible, ya que se ocupa de encontrar la señal con la que se pueda conseguir la mejor aproximación del modelo eléctrico de la batería. Durante la ejecución de los experimentos se excitaran las baterías con señales constantes definidas a trozos elegidas de forma aleatorias. - Un enfoque probabilístico para…