O cálculo fracionário é considerado uma ferramenta eficaz para entender profundamente sistemas com efeito de memória ou efeito histórico. A modelagem fracionária de sistemas não lineares pode aumentar a rigidez e a complexidade do sistema, mas também fornece melhores insights. Este artigo apresenta uma estimativa dos parâmetros do modelo fractional-HARX baseado em inteligência coletiva para o modelo autoregressivo exógeno Hammerstein fracionário. Adota-se a fórmula de diferenças finitas Grünwald–Letnikov para construir o modelo fractional HARX com base no modelo HARX padrão. Para o problema de estimativa de parâmetros em modelos não lineares polinomiais de segunda e terceira ordem em cenários de múltiplos ruídos, propõe-se um esquema de projeto baseado no algoritmo de otimização da busca da enguia elétrica (EEFOA) baseado em inteligência coletiva. O modelo do sistema incorpora o princípio da separação de termos-chave para reduzir parâmetros redundantes causados por termos cruzados no vetor de informações. A eficácia do método projetado é verificada comparando-se com algoritmos heurísticos de otimização avançada, como otimização de baleia, otimização de abutre careca africano, otimizador de falcão de Harris e algoritmo de busca de répteis, confirmando a superioridade do EEFOA em convergência, robustez, estimativa de parâmetros rígidos e desvio médio. Por meio de indicadores estatísticos em múltiplos cenários de ruído, como melhores, médias, piores valores de aptidão e desvio padrão, estabelece-se ainda mais a significância estatística do EEFOA na estimativa do modelo fractional HARX.

cálculo fracionário;sistemas não lineares;busca da enguia elétrica;computação inteligente