Ο σκοπός της παρούσας διπλωματικής εργασίας είναι η δημιουργία μιας μεθόδου για την εξαγωγή αποδοτικών και ερμηνεύσιμων επενδυτικών κανόνων με χρήση μεθόδων υπολογιστικής νοημοσύνης. Οι επενδυτικοί αυτοί κανόνες εξάγονται αυτόματα από το σύστημα και υποδεικνύουν τη στρατηγική που πρέπει να ακολουθήσει ένας χρήστης. Αποκαλύπτουν το συσχετισμό των εισόδων και παρέχουν πληροφορίες για κερδοφόρες επενδυτικές στρατηγικές. Η υπολογιστική νοημοσύνη (computational intelligence) αποτελεί παρακλάδι της τεχνητής νοημοσύνης το οποίο περιλαμβάνει τον σχεδιασμό και την ανάπτυξη θεωριών και μεθόδων, βασιζόμενη στην κατανόηση της βιολογίας και της προσπάθειας για εφαρμογή σε προβλήματα του πραγματικού κόσμου. Ένα σύστημα είναι υπολογιστικά ευφυές όταν: ασχολείται μόνο με αριθμητικά (χαμηλού επιπέδου) δεδομένα, έχει συστατικά αναγνώρισης προτύπων, δεν χρησιμοποιεί γνώσεις στην μορφή της τεχνητή νοημοσύνης και επιπλέον, εμφανίζει i) υπολογιστική προσαρμοστικότητα, ii) υπολογιστική ανοχή σε σφάλματα, iii) επιτάχυνση που προσεγγίζει την ανθρώπινη, και iv) τα ποσοστά σφάλματός του προσεγγίζουν την ανθρώπινη απόδοση. Οι αλγόριθμοι της υπολογιστικής νοημοσύνης αποτελούνται από μοντέλα που εκπαιδεύονται από τα παραδείγματα με την βοήθεια ενός δασκάλου (επιβλεπόμενη μάθηση) και μοντέλα τα οποία προσαρμόζονται μόνα τους (μη επιβλεπόμενη μάθηση). Το πρόβλημα στις παρούσες προσεγγίσεις για την πρόβλεψη οικονομικών δεικτών εντοπίζεται στην μη ερμηνευσιμότητα των αποτελεσμάτων. Ενώ υπάρχουν δυνατά υπολογιστικά μοντέλα, όπως οι γενετικοί αλγόριθμοι και οι μηχανές διανυσμάτων υποστήριξης, τα αποτελέσματα τους δεν είναι ερμηνεύσιμα. Από την άλλη τα μοντέλα της ασαφούς λογικής ενώ παρουσιάζουν ερμηνεύσιμα αποτελέσματα δεν έχουν την δύναμη να παράγουν αποδοτικούς κανόνες. Το μοντέλο που προτείνεται σε αυτή την εργασία συνδυάζει τις τρεις προαναφερθείσες μεθόδους ονομάζεται ESVM-Fuzzy Inference Trader. Το προτεινόμενο μοντέλο χρησιμοποιείται για την πρόβλεψη των δεικτών DAX και FTSE 100. Τα αποτελέσματα του ESVM Fuzzy Inference Trader ξεπέρασαν σε απόδοση τις παραδοσιακές μεθόδους καθώς και μια εξελιγμένη τεχνική μηχανικής μάθησης. / The purpose of the present thesis is to develop a method for extracting efficient and interpretable investment rules, using methods of Computational Intelligence. The investment rules are automatically extracted from the system and suggest the strategy to be followed by a user. They are revealing the correlation between inputs and provide information on profitable investment strategies. Computational intelligence (CI) constitutes a subbranch of Artificial Intelligence (AI) that includes the design and development of theories and methods with a sound biological understanding alongside their application to solve real world problems. A system is computationally intelligent when it deals with only numerical (low level) data, has pattern recognition components, does not use knowledge in the AI sense and additionally when it (begins to) exhibit i) computational adaptivity, ii) computational fault tolerance, iii) speed approaching human-like turn around and iv) error rates that approximate human performance. The CI algorithms consist of models that are trained from examples with the aid of a tutor (supervised learning) and models that are self-adapted (unsupervised learning) The problem in the current approaches for predicting economic indicators is the non-interpretability of results. While there are strong computational models, such as genetic algorithms and support vector machines their results are not interpretable. On the other hand fuzzy logic models create interpretable results, but lack the power to produce efficient rules. The model proposed in this paper combines the three previous methods is called ESVM-Fuzzy Inference Trader. The proposed model is used to predict the indices DAX and FTSE 100. The results of ESVM Fuzzy Inference Trader outperformed traditional methods as well as an advanced machine learning technique.

Στην παρούσα διατριβή γίνεται μία μεθοδολογική συστηματική προσέγγιση του σχεδιασμού που βασίζεται στη χρήση τεχνικών της υπολογιστικής νοημοσύνης και στην εκμετάλλευση της προϋπάρχουσας διαθέσιμης σχεδιαστικής γνώσης. Προσδιορίζονται τα βασικά στοιχεία που οφείλει να ενσωματώνει η προτεινόμενη μεθοδολογία (αναπαράσταση και διαχείριση σχεδιαστικής γνώσης, αναζήτηση της βέλτιστης σχεδιαστικής λύσης και μάθηση και επαναχρησιμοποίηση σχεδιαστικής γνώσης), τα οποία σχηματίζουν τους πυρήνες γύρω από τους οποίους αναπτύσσονται αλγόριθμοι που βασίζονται στην χρήση τεχνικών υπολογιστικής νοημοσύνης (ασαφής λογική, τεχνητά νευρωνικά δίκτυα και γενετικοί αλγόριθμοι). Καθώς αναπτύσσεται η διατριβή, αναπτύσσεται η μαθηματική βάση για τη διατύπωση του παραμετρικού σχεδιαστικού προβλήματος και παρουσιάζεται ο συνεργατικός τρόπος βάσει του οποίου σχηματίζονται ασαφείς πίνακες δομής σχεδιασμού, βάσει των οποίων η διαθέσιμη σχεδιαστική γνώση οργανώνεται σε εύχρηστες ιεραρχικές δομές. Στη συνέχεια, εισάγεται ένα πλαίσιο ασαφούς συλλογιστικής για τη μοντελοποίηση από την πλευρά του σχεδιαστή των σχεδιαστικών στόχων/απαιτήσεων/περιορισμών υπό τη μορφή ασαφών προτιμήσεων. Προτείνεται επίσης το μέτρο της μέγιστης συνολικής ασαφούς προτίμησης ως κριτήριο βελτιστότητας των σχεδιαστικών λύσεων και προσαρμόζεται στην προτεινόμενη δομή οργάνωσης της σχεδιαστικής γνώσης. Η βέλτιστη σχεδιαστική λύση εξάγεται είτε μέσω μίας διαδικασίας βελτιστοποίησης που βασίζεται σε γενετικούς αλγόριθμους ή, εναλλακτικά, μέσω άλλων τεχνικών βελτιστοποίησης, ή χρησιμοποιώντας σχεδιασμό αναλογικής συλλογιστικής με ανάκτηση προηγούμενων σχεδιαστικών λύσεων. Οι σχεδιαστικές λύσεις είναι καταχωρημένες σε μία βάση και ανακτώνται χρησιμοποιώντας ένα εκπαιδευμένο ανταγωνιστικό τεχνητό νευρωνικό δίκτυο, το οποίο ομαδοποιεί τις λύσεις κατάλληλα και αποδίδει την ομάδα λύσεων που συγκλίνει προς τις τρέχουσες ασαφείς προτιμήσεις του σχεδιαστή. Στη διατριβή αναπτύσσονται και εισάγονται αρχιτεκτονικές, μέσω των οποίων οι διαδικασίες βελτιστοποίησης και ανάκτησης σχεδιαστικών περιπτώσεων συνδυάζονται υβριδικά, επιτυγχάνοντας αποτελέσματα ανώτερα σε ποιότητα και ταχύτητα επίτευξης σε σχέση με περιπτώσεις χρήσης μεμονωμένων (μη υβριδικών) τεχνικών. Εισάγεται επίσης μια μεθοδολογία σύμφωνα με την οποία οι σχεδιαστικές λύσεις που υπάρχουν στη βάση λύσεων χρησιμοποιούνται για τη νευρο-ασαφή προσέγγιση του αρχικού σχεδιαστικού προβλήματος και την απλοποιημένη μοντελοποίησή του. Αποδεικνύεται ότι η προσέγγιση αυτή είναι ιδιαίτερα κατάλληλη για σχεδιαστικά προβλήματα που παρουσιάζουν σημαντικό υπολογιστικό κόστος. Στα πλαίσια της συστημικής προσέγγισης για την υλοποίηση των προτεινόμενων μεθοδολογιών και αρχιτεκτονικών και για την αξιολόγηση αυτών, αναπτύχθηκε το σύστημα παραμετρικού σχεδιασμού Case-DeSC (Case-based design with Soft-Computing), το οποίο δοκιμάστηκε σε τρία διαφορετικά σχεδιαστικά προβλήματα. Τα αποτελέσματα εφαρμογής των προτεινόμενων μεθοδολογιών, οι προοπτικές εξέλιξης αυτών, καθώς και μια γενικότερη τοποθέτηση περί σχεδιασμού συνοψίζονται στο τέλος της παρούσας διατριβής. / The current Ph.D. thesis introduces a methodogical and systematic approach in order to perform engineering design by utilizing methods and techniques of computational intelligence as well as past design knowledge. Important issues and processes, such as representation and manipulation of design knowledge, extraction of optimal design solution, learning and reuse of design knowledge etc. are analytically discussed. Each one of the aforementioned elements is considered as core around which integrated algorithms are developed that combine various computational intelligence (soft-computing) techniques such as fuzzy logic, artificial neural networks and genetic algorithms. The parametric design problem is formulated on a mathematical basis, whereas the collaborative formation of fuzzy design structure matrices (DSM) is introduced as a basis on which the available design knowledge is organized in convenient hierarchical structures. Furthermore, in order to model the design objectives/requirements/constraints, a fuzzy inference framework is introduced that facilitates the expression of fuzzy preferences on various design parameters. The metric of the total maximum fuzzy preference is introduced as optimality criterion for the design solutions and then it is integrated in the proposed design knowledge organizational structure. The optimal solution is extracted either through an optimization process basically using a genetic algorithm or -alternatively- other optimization techniques, or through deploying analogical reasoning design with retrieval of past design solutions. The design solutions are preserved in a case base and they are retrieved by a trained competitive artificial neural network, which classifies the solutions into clusters and extracts the cluster that converges to the current designer’s preferences. Multiple options are provided for the extraction of optimal solutions. These options include: a) an optimization process that utilizes genetic algorithms, b) other evolutionary optimization techniques and c) analogical reasoning with retrieval of past design solutions. The design solutions are preserved in a case (solution) base and they are retrieved by a trained competitive artificial neural network that classifies the solutions into clusters and extracts the cluster that suits best to the current designer’s preferences. Architectures are developed and introduced, based on which the optimization and case-based retrieval processes are combined. This combination provides more efficient results in terms of quality and speed, if a comparison is made versus the implementation of individual (non-hybrid) techniques. Additionally, a methodology is proposed, according to which the design solutions located in the case base can be retrieved and utilized for a simplified neuro-fuzzy approximation of the initial design problem. It is proved that this approximation is suitable in case of design problems with high computational cost. In the context of a systemic approach of implementing the proposed methodologies and architectures and their evaluation, a system named Case-DeSC (Case-based design with Soft-Computing) is developed and tested against overall performance in three different design problems. The results from the implementation of the proposed methodologies, their future enhancements and evolution, as well as a general discussion about engineering design conclude the present dissertation.

Η βιομηχανία της ένδυσης εξακολουθεί να στηρίζεται σε πολύ μεγάλο βαθμό στην χειρωνακτική εργασία. Αυτό οφείλεται στο γεγονός ότι τα υφάσματα είναι σώματα που παρουσιάζουν πολύ μικρή δυσκαμψία με αποτέλεσμα να παραμορφώνονται εύκολα, ενώ παράλληλα έχουν ένα μεγάλο εύρος δομών και ιδιοτήτων που καθιστά δύσκολη την ανάπτυξη αξιόπιστων και ευέλικτων συστημάτων χειρισμού. Στη διατριβή αυτή παρουσιάζεται μία μέθοδος για τον διαχωρισμό και σύλληψη ενός τεμαχίου υφάσματος από στοίβα, βασισμένη στη ροή αέρα υπό πίεση πάνω από τη στοίβα. Η ροή ανασηκώνει το άνω τεμάχιο, ενώ η τυρβώδης φύση της ροής διαχωρίζει το τεμάχιο από τα υποκείμενά του. Αναπτύσσονται δύο συστήματα για τον αυτόνομο προσδιορισμό της τροχιάς άκρου εργασίας ρομπότ, για την πραγματοποίηση του χειρισμού της απλής απόθεσης τεμαχίου υφάσματος σε τράπεζα εργασίας. Αυτά τα συστήματα βασίζονται σε μεθόδους υπολογιστικής νοημοσύνης, και πιο συγκεκριμένα στην ασαφή λογική, χωρίς να απαιτούν τη χρήση επιπρόσθετων συσκευών ή τη γνώση πολλών μηχανικών ιδιοτήτων των υφασμάτων. Μελετάται ο χειρισμός του διπλώματος υφάσματος σε τράπεζα εργασίας και εισάγονται τρία στάδια στα οποία μπορεί να χωριστεί αυτός ο χειρισμός ώστε να μειωθεί η πολυπλοκότητα του συνολικού χειρισμού. Αναλύεται το κάθε στάδιο και παρουσιάζονται τα χαρακτηριστικά μορφής του υφάσματος που επιλέγονται για να περιγράψουν την κατάστασή του για κάθε στάδιο του χειρισμού. Εισάγεται μια μέθοδος για την εξαγωγή αυτών των χαρακτηριστικών με τη χρήση δύο αισθητήρων όρασης, η οποία βασίζεται στην αναζήτηση των χαρακτηριστικών αυτών σε συγκεκριμένες περιοχές του χώρου της εικόνας. Αυτό καθίσταται δυνατό χάρη στην βαθμονόμηση των αισθητήρων. Αναπτύσσεται μία στρατηγική για το δίπλωμα υφασμάτων βασισμένη σε ασαφή λογική με ανάδραση όρασης. Ο ασαφής ελεγκτής, πολλών εισόδων-εξόδων, εκπαιδεύεται με τη μέθοδο δοκιμής-και-σφάλματος και παρέχει τα κέρδη ενός Ρ-ελεγκτή. Το σύστημα παρουσιάζει ευελιξία και αξιοπιστία για υφάσματα που ικανοποιούν τους περιορισμούς που έχουν τεθεί. Παρουσιάζεται μία στρατηγική για τον έλεγχο του ενεργού διπλώματος όπου δύο ανεξάρτητα υποσυστήματα αναλαμβάνουν τον προσδιορισμό της κατάστασης στόχου του υφάσματος και την επίτευξη αυτού του στόχου αυξάνοντας με αυτόν τον τρόπο την ευελιξία του συστήματος. Οι μέθοδοι που αναπτύχθηκαν μπορούν να χρησιμοποιηθούν ως αφετηρία για την εισαγωγή αξιόπιστων και ευέλικτων αυτοματισμών με σκοπό την εκτέλεση των χειρισμών της βιομηχανίας ένδυσης από ρομπότ. / The apparel industry is still mainly based on manual labor. The main reason for the automation delay is the fact that fabrics are bodies that present very low bending rigidity, and as a result they are easily deformed. Fabrics also present a great variety of structures and properties. These facts deter the development of reliable and flexible robotic handling systems. In this thesis a method for the separation and capture of a piece of fabric from a stack is presented, based on air flow over the stack. The difference in static pressure, caused by the flow, lifts the upper piece of the fabric, while the turbulent nature of the flow separates it from its underlying pieces. Two systems are developed for the determination of the trajectory of the end-effector of a robot, for the realization of the simple laying task of a piece of fabric on a work table. These systems are based on soft computing, and particularly on fuzzy logic, and any additional apparatuses or the knowledge of many mechanical properties of the fabrics are not required. The task of folding a piece of fabric on a work table is investigated and three stages are introduced, in which the folding task can be decomposed in order to reduce the complexity of the robot controller development. Each stage is explained and the shape characteristics that are selected in order to describe the shape of the fabric for each stage are presented. A method for the extraction of the selected characteristics from two vision sensors is introduced, which is based on variable image segmentation. The calibration of the vision sensors is also presented. A strategy is developed for the folding of rectangular pieces of fabric based on fuzzy logic with vision feedback. The indirect fuzzy controller is trained via trial-and-error and provides the variable gains of a P-controller. The system presents flexibility and reliability for the fabrics that satisfy the restrictions that have been set. Finally, a strategy for the control of the true folding stage is presented, according to which two separate subsystems determine the target state of the fabric and lead the fabric towards that state, increasing thus the flexibility of the system. The methods that are developed in this thesis can be the stepping stone for the introduction of reliable and flexible automation schemes for the realization of some of the apparel industry tasks that are still labor intensive.

Η διπλωματική εργασία που ακολουθεί περιγράφει την διαδικασία που εφαρμόσθηκε ώστε να κατασταθεί δυνατή η τροφοδοσία ενός RL φορτίου με τάση σταθερή σε μέτρο και σε συχνότητα, από μια συστοιχία κυττάρων καυσίμου. Η πειραματική διάταξη, που κατασκευάσθηκε ώστε να πραγματοποιηθεί αυτός ο στόχος, εκτός από την πηγή (κύτταρο καυσίμου) και το φορτίο αποτελείται και από έναν ΣΡ/ΣΡ (dc/dc) μετατροπέα ανύψωσης τάσης, έναν αντιστροφέα πηγής τάσης, έναν τριφασικό μετασχηματιστή, ένα φίλτρο LC, μια συσκευή επιλογής φορτίου και τέλος την ψηφιακή κάρτα με την οποία εκτελούνται οι απαραίτητοι έλεγχοι. Όταν αναφερόμαστε σε τεχνικές ελέγχου εννοούμε αρχικά τόσο την παραγωγή παλμών με την τεχνική της ημιτονοειδούς διαμόρφωσης εύρους παλμών (Sinusoidal Pulse Width Modulation-SPWM) για την τροφοδότηση του αντιστροφέα πηγής τάσης όσο και παλμών με την τεχνική της διαμόρφωσης εύρους παλμών (Pulse Width Modulation – PWM) για τον έλεγχο του ΣΡ/ΣΡ (dc/dc) μετατροπέα ανύψωσης τάσης. Οι παλμοί αυτοί παράγονται μέσω προγράμματος που αναπτύχθηκε στην πλατφόρμα του Labview. Σε δεύτερο επίπεδο εφαρμόζεται με την βοήθεια της ψηφιακής κάρτας και του μοντέλου ο ασαφής έλεγχος που έχει ως σκοπό την σταθεροποίηση της τάσης στο φορτίο. Για να διαπιστώσουμε ότι έχουμε εξασφαλίσει απρόσκοπτη τροφοδοσία του τριφασικού φορτίου από την ενέργεια του κυττάρου καυσίμου με μια τάση με μειωμένο αρμονικό περιεχόμενο και σταθερό πλάτος και συχνότητα, πραγματοποιήσαμε βηματική αλλαγή της τιμής του φορτίου και αλλαγή της τάσης εξόδου του κυττάρου καυσίμου ώστε να διαπιστώσουμε αν όντως ο ασαφής έλεγχος αναλαμβάνει να επαναφέρει τις επιθυμητές τιμές της τάσης στο φορτίο. Η διπλωματική εργασία διαρθρώνεται με τον εξής τρόπο: Στο κεφάλαιο 1 επιχειρούμε μια σύντομη περιγραφή των ανανεώσιμων πηγών ενέργειας που κυριαρχούν στον Ελλαδικό χώρο (ηλιακή, αιολική, υδροηλεκτρική, γεωθερμική και ενέργεια από βιομάζα) ενώ αναφερόμαστε εκτενώς στην τεχνολογία των κυττάρων καυσίμου. Στο κεφάλαιο 2 γίνεται εκτενής περιγραφή των συσκευών που αποτελούν το κύκλωμα ισχύος της πειραματικής διάταξης. Το κύκλωμα ισχύος αποτελείται αρχικά από το κύτταρο καυσίμου που αποτελεί την πηγή ενέργειας, τον ΣΡ/ΣΡ (dc/dc) μετατροπέα ανύψωσης τάσης και τον αντιστροφέα πηγής τάσης. Σε δεύτερο επίπεδο υπάρχει το LC φίλτρο προς περιορισμό των αρμονικών και ο τριφασικός μετασχηματιστής που ανυψώνει το επίπεδο τάσης στο επιθυμητό επίπεδο. Τέλος, υπάρχει ο τριφασικός ζυγός στον οποίο συνδέεται το φορτίο που αποτελεί και την τερματική συσκευή της πειραματικής διάταξης. Στο κεφάλαιο 3 γίνεται μια σύγκριση των διαθέσιμων ψηφιακών μεθόδων για την υλοποίηση των απαραίτητων ελέγχων ενώ έπειτα παρουσιάζονται θεωρητικά αυτοί οι έλεγχοι. Οι διαθέσιμες ψηφιακές μέθοδοι για την πραγματοποίηση των ελέγχων είναι ο μικροεπεξεργαστής ψηφιακού σήματος (Digital Signal Processor-DSP) και οι ψηφιακές κάρτες της εταιρίας Νational Ιnstruments οι οποίες και τελικά επιλέχθηκαν. Οι απαιτούμενοι έλεγχοι που πρέπει να εφαρμοσθούν στην πειραματική μας διάταξη είναι όπως ήδη αναφέραμε η παραγωγή παλμών με τις τεχνικές της ημιτονοειδούς διαμόρφωσης εύρους παλμών (SPWM) και διαμόρφωσης εύρους παλμών (PWM) όπως και ο ασαφής έλεγχος. Στο κεφάλαιο 4 παρουσιάζονται αναλυτικά όλες οι συσκευές της πειραματικής μας διάταξης με ιδιαίτερη αναφορά σε όσες κατασκευάστηκαν στο εργαστήριο (όπως ο ΣΡ/ΣΡ (dc/dc) μετατροπέας ανύψωσης τάσης ) ενώ γίνεται και επεξήγηση διάφορων πρακτικών προβλημάτων που ανέκυψαν κατά την χρησιμοποίηση τους (για παράδειγμα με τον τριφασικό μετασχηματιστή). Στο κεφάλαιο 5 παρουσιάζεται η διαδικασία ανάπτυξης στην πλατφόρμα του Labview του προγράμματος που υλοποιεί τους απαιτούμενους ελέγχους. Πραγματοποιείται λοιπόν μια αναλυτική παρουσίαση όλων των εργαλείων και των ρυθμίσεων τους που μας επέτρεψαν να φθάσουμε στο επιθυμητό αποτέλεσμα. Τέλος, στο κεφάλαιο 6 παρουσιάζονται τα πειραματικά αποτελέσματα και παραθέτουμε τα συμπεράσματα που προέκυψαν. Πιο αναλυτικά υπάρχει παράθεση γραφημάτων και μετρήσεων για το σύνολο της πειραματικής διάταξης ενώ δίνεται ιδιαίτερη προσοχή στην ανάδειξη της λειτουργίας του ελέγχου και του τρόπου που επιδρά στην διάταξη μας. Τέλος, γίνεται μια καταγραφή πιθανών επεκτάσεων αυτής της διπλωματικής εργασίας. / The thesis that follows, describes the procedure which we followed in order to be able to supply a RL load with the power produced by a fuel cell. The load’s voltage should have constant value and frequency. The experimental configuration which was constructed to help us fulfill our goal further from the fuel cell and the RL load, includes a dc dc boost converter, a voltage source inverter, a 3phase transformer, a LC filter, a device that electronically chooses the value of the load and finally the digital card which executes all the necessary controls. When we talk about controls, we refer firstly to the production of SPWM pulses which are used in order to control the voltage source inverter and to the production of PWM pulses which are needed by the dc dc boost converter. These pulses are produced with the aid of a model developed with Labview. In addition, with the use of our digital card and the model which we developed, we are capable of applying the fuzzy logic to our experimental configuration in order to stabilize the load’s voltage. To be certain that we have ensured the smooth supply of the RL load with the power produced by the fuel cell and a voltage signal of constant value and frequency and low harmonic content, we made step changes to the load’s value and alterations to the fuel cell’s output, in order to assure that the fuzzy logic takes charge of the duty to restore the desired voltage signal to the load. The thesis is organized in the following way: In chapter 1 we make a brief description of the renewable energy sources which dominate Greece (solar, wind, hydroelectric, geothermal and biomass energy) and we present extensively the applications of fuel cells. In chapter 2 we describe on a great scale all the devices which consist the power circuit of the experimental configuration . So, the power circuit consists of the fuel cell, which is our energy source, the dc dc boost converter and the voltage source inverter. Furthermore, we have a LC filter in order to limit the total harmonic distortion and a 3 phase transformer which increase the voltage to the desired level. Finally, we have a 3 phase load which is the terminal device of the experimental configuration. In chapter 3 we compare the available digital methods for performing the desired controls and afterwards we present them theoretically. The available digital methods, in order to accomplish the controls, are the Digital Signal Processor (DSP) and the digital cards constructed by National Instruments (is our final choice). The required controls that must be performed include, as we have already mentioned, the SPWM and PWM pulses and of course the fuzzy control. In chapter 4 we present extensively all the devices of our experimental configuration with a special reference to all the devices which were constructed in our lab (like the dc dc boost converter). We make also special reference to some practical problems that we encountered when we used the previous devices (par example with the 3 phase transformer). In chapter 5 we present the procedure in order to develop the Labview model which contains all the necessary controls. Thus, we make a detailed presentation of all the tools and the settings which allowed to us to fulfill our goal. In chapter 6 we present all the experimental results and the conclusions we drew. More specifically, we present graphs and measurements for every part of the experimental configuration and we give special attention in order to give prominence to the fuzzy controller’s impact. Finally, some possible extensions of this thesis are underlined.

Στόχος της παρούσας διπλωματικής εργασίας είναι η εργαστηριακή εξομοίωση της μηχανικής ροπής που εμφανίζεται στο δρομέα μιας πραγματικής ανεμογεννήτριας με τη μέθοδο της ταχείας προτυποποίησης. Η μέθοδος αυτή παρέχει τη δυνατότητα εξομοίωσης του προς μελέτη αντικειμένου, στην προκειμένη περίπτωση της ανεμογεννήτριας, χωρίς να είναι απαραίτητες οι δοκιμές σε πραγματικό εξοπλισμό, διευκολύνει τη μελέτη της ανεμογεννήτριας σε διάφορες συνθήκες και με διαφορετικές κάθε φορά παραμέτρους, χωρίς να είναι απαραίτητη η αναμονή προκειμένου ο άνεμος να είναι κατάλληλος ώστε να κάνουμε δοκιμές στο πραγματικό σύστημα και τέλος δίνει το πλεονέκτημα της αποφυγής βλαβών του πραγματικού εξοπλισμού. Απαραίτητα στοιχεία για να επιτευχθεί ο στόχος της εργασίας είναι μια πειραματική διάταξη, στην οποία θα πραγματοποιηθούν οι δοκιμές και οι μετρήσεις, καθώς επίσης κάποια ανεμολογικά δεδομένα σε συνδυασμό με τα χαρακτηριστικά της πραγματικής ανεμογεννήτριας της οποίας τη ροπή θα εξομοιώσουμε υπό κλίμακα. Η πειραματική διάταξη μπορεί να περιγραφεί συνοπτικά από το σχήμα της Εικ.1. Χρησιμοποιώντας τα ανεμολογικά δεδομένα υπολογίστηκε η ροπή στον δρομέα της πραγματικής ανεμογεννήτριας συναρτήσει της ταχύτητας του ανέμου. Αυτή την ροπή την παρήγαμε υπό κλίμακα στο εργαστήριο, στον άξονα ενός ασύγχρονου τριφασικού κινητήρα, εφαρμόζοντας έλεγχο ροπής. Η πειραματική διάταξη που χρησιμοποιήθηκε περιλαμβάνει μια ασύγχρονη μηχανή, μια μηχανή συνεχούς ρεύματος, ένα μονοφασικό ωμικό φορτίο, έναν τριφασικό αντιστροφέα πηγής τάσης και έναν μικροεπεξεργαστή με τον οποίο υλοποιείται η διαδικασία του ελέγχου. Ο έλεγχος της ασύγχρονης μηχανής γίνεται ρυθμίζοντας την τάση εξόδου του αντιστροφέα κατά πλάτος και συχνότητα, παλμοδοτώντας κατάλληλα τα διακοπτικά στοιχεία του. Το κύκλωμα παλμοδότησης υλοποιείται μέσω του μικροεπεξεργαστή, χρησιμοποιώντας τη μέθοδο ημιτονοειδούς διαμόρφωσης εύρους παλμών (Sinusoidal Pulse Width Modulation, SPWM). Ανάλογα με την τιμή του σφάλματος της ροπής ρυθμίζονται κατάλληλα οι παράμετροι της παλμοδότησης χρησιμοποιώντας τη μέθοδο του ασαφούς ελέγχου (Fuzzy Control). Για τη μέτρηση της ροπής στον άξονα του ασύγχρονου κινητήρα, που αποτελεί το σήμα ανάδρασης του ελέγχου, χρησιμοποιήθηκε ένα ροπόμετρο. Ιδιαίτερα ενδιαφέρουσα είναι η παραγωγή του κώδικα με τον οποίο γίνεται η εξομοίωση και ο έλεγχος. Αρχικά γίνεται μοντελοποίηση του κυκλώματος στο περιβάλλον Simulink και στη συνέχεια, χρησιμοποιώντας τα κατάλληλα εργαλεία, ακολουθείται μια αυτόματη διαδικασία παραγωγής του κώδικα και εκτέλεσή του από τον μικροεπεξεργαστή (DSP). Η χρήση του μικροεπεξεργαστή προσέφερε επίσης αρκετά πλεονεκτήματα και διευκόλυνε την πειραματική διαδικασία. Χρησιμοποιώντας τον μικροεπεξεργαστή για τη διεξαγωγή του ελέγχου, αποφεύχθηκε η χρήση επιπλέον διατάξεων ελέγχου. Επίσης, οι περιφερειακές μονάδες του ήταν ιδιαίτερα χρήσιμες κατά τη δειγματοληψία των μεταβλητών ανάδρασης, κατά την παραγωγή των παλμών της SPWM αλλά και κατά την καταγραφή των δεδομένων. / The main objective of this thesis is the implementation of the mechanical torque that appears on the rotor of a real wind turbine, using the method of rapid prototyping. That method has many advantages. The main advantage is that the use of a real wind turbine was avoided and that minimized the cost of research. A second advantage is that it was not necessary to wait for convenient weather conditions in order to carry out the experiments. In addition, damages of equipment were avoided using the method of rapid prototyping In order to accomplice this objective it is necessary to have an experimental construction, which will be used for tests and measurements, as well as the use of wind speed data and the characteristics of a real wind turbine, which will be used to calculate in scale the real torque that appears on the rotor. The experimental construction is shown in Pic.2. The torque on the rotor of the real wind turbine was calculated as a function of wind speed. That torque was implemented in scale using torque control of an induction motor in the laboratory. The experimental construction includes an induction machine, a constant current machine, a single-phase resistive load, a three-phase voltage source inverter and a digital signal processor, which is used to accomplice the control procedure. The torque control of the induction machine is achieved by regulating the amplitude and the frequency of the output voltage of the inverter, using the appropriate pulses to drive the IGBTs. The microprocessor produces the pulses using the method of Sinusoidal Pulse Width Modulation (SPWM). The parameters of the pulses are proportional to the torque error and are appropriately calculated using the method of Fuzzy Control. A torque meter was used in order to measure the torque on the shaft of the induction motor, which was the feedback signal for the control procedure. The code generation is achieved using a microprocessor (DSP). Initially, a simulation model is made using the program Simulink and then, using the right tools, the code is generated and run using the microprocessor. Using the microprocessor had many advantages and made the experiment procedure easier. Initially, additional control devices were not necessary during the experiments. Also, the microprocessor peripherals were useful during the sampling of feedback signals, during the calculation of SPWM pulses and during data recording.

Στα πλαίσια της διδακτορικής διατριβής μελετήθηκε η αποτελεσματικότητα διαφόρων κυκλωμάτων ελέγχου που βασίζονται στην υπολογιστική νοημοσύνη με σκοπό την αντιμετώπιση βραχυκυκλωμάτων σε δίκτυα διασύνδεσης ανεμογεννητριών με το δίκτυο. Πιο συγκεκριμένα, τα προτεινόμενα συστήματα ελέγχου έχουν σκοπό τη διαμόρφωση κατάλληλων συνθηκών ώστε οι ανεμογεννήτριες να καταφέρουν να συνεχίσουν να είναι συνδεδεμένες στο δίκτυο κατά τη διάρκεια και αμέσως μετά τα βραχυκυκλώματα, συνεισφέροντας στη γρήγορη επαναφορά της τάσης στο Σημείο Κοινής Σύνδεσης με το Δίκτυο (ΣΚΣΔ). Στο πρώτο μέρος της διατριβής μελετήθηκε ένα προσαρμοζόμενο ασαφές σύστημα ελέγχου με σκοπό τη βελτιωμένη απόκριση Αιολικού Πάρκου (ΑΠ) με επαγωγικές γεννήτριες που τροφοδοτεί ένα ασθενές σύστημα ηλεκτρικής ενέργειας μέσω διασύνδεσης ΕΡ/ΣΡ/ΕΡ με Μετατροπείς Πηγής Τάσης (ΜΠΤ). Το σύστημα αυτό εντοπίζει τη σοβαρότητα του σφάλματος και διαμορφώνει ανάλογα την παλμοδότηση των βαλβίδων των ΜΠΤ κατά τη διάρκεια του σφάλματος. Επίσης, έχει την ιδιότητα να αυτορυθμίζεται κατά τη διάρκεια της μετασφαλματικής περιόδου, επιτυγχάνοντας εξασθένηση της ταλαντωτικής συμπεριφοράς του συστήματος που προκαλείται από τα βραχυκύκλωμα και την παραμονή των ανεμογεννητριών στο δίκτυο. Το ηλεκτρικό σύστημα που μελετήθηκε στο δεύτερο μέρος της διδακτορικής διατριβής περιλαμβάνει μια επαγωγική ανεμογεννήτρια διπλής τροφοδότησης (γνωστή με την ονομασία double-fed induction machine) η οποία τροφοδοτεί ένα δίκτυο ηλεκτρικής ενέργειας. Στη βιβλιογραφία που έχει δημοσιευθεί μέχρι σήμερα, για την αντιμετώπιση των βραχυκυκλωμάτων σε ανάλογα ηλεκτρικά συστήματα, προτείνονται διατάξεις οι οποίες βασίζονται είτε σε κατάλληλο μηχανικό εξοπλισμό όπως μπάρες βραχυκύκλωσης (crowbars) είτε σε κατάλληλο προγραμματισμό των ελεγκτών. Σε αυτό το μέρος της διατριβής προτείνεται ένα εναλλακτικό σύστημα ελέγχου που βασίζεται στον κατάλληλο προγραμματισμό των ελεγκτών, χωρίς να χρησιμοποιεί κάποιον εξοπλισμό προστασίας. Το σύστημα ελέγχου, το οποίο βασίζεται στους γενετικούς αλγορίθμους, συμβάλει στη βέλτιστη «συνεργασία» των δύο ΜΠΤ της γεννήτριας, επιτυγχάνοντας την εξασθένιση των διακυμάνσεων της τάσης στο ΣΚΣΔ και τη διατήρηση της σύνδεσης της γεννήτριας στο ηλεκτρικό δίκτυο. / This thesis studies the implementation of intelligent control techniques in the Fault Ride-Through (FRT) of grid connected Wind Turbines (WTs). The first part of the dissertation studies the issue of the fault ride-through capability of a wind farm of induction generators, which is connected to an ac grid through an HVDC link based on Voltage Sourced Converters (VSCs). This work proposes a control strategy which is implemented with adaptive fuzzy controllers and deals with every different type of fault with a corresponding appropriate action, blocking the converter valves for a time interval which depends on the severity of the fault. In addition, after the deblocking of the valves, the proposed control system activates a special controller, which alleviates the oscillations at the electrical system caused by the blocking of the valves. In this way, the overcurrents are limited, the wind turbines manage to remain connected and the ac voltage recovers quickly, as it is imposed by national grid codes. The second part of the dissertation proposes a Computational Intelligence–based control strategy, to enhance the low voltage ride-through capability of grid-connected WTs with doubly fed induction generators (DFIGs). The conventional crowbar-based systems that were initially applied in order to protect the rotor-side converter at the occurrence of grid faults, do not fulfill the recent requirement of the national GCs that the WTs should supply reactive power to the grid during and after the fault, in order to support the grid voltage. In order to conform to the above mentioned requirement, this work proposes a control scheme, which contributes to the optimal coordination of the two converters, aiming to attenuate the disturbances to the system caused by the fault and ensure system stability. Aiming to encounter the difficulties met due to the uncertainties of the system modeling and considering the non linearity of the system, the controllers were designed based on fuzzy logic and genetic algorithms, which are more efficient in such cases. By this concept the overcurrents at the rotor windings and the dc side overvoltages are effectively eliminated. In addition, the FRT requirement concerning the reactive power supply is fulfilled.

Η βιομηχανία παραγωγής ρούχων, ακόμα και σήμερα, αποτελεί ένα βιομηχανικό κλάδο όπου η αυτοματοποίηση είναι εν μέρει σχεδόν ανύπαρκτη και εν γένει σε εμβρυικό στάδιο. Ένα μεγάλο τμήμα της γραμμής παραγωγής αποτελεί το τμήμα κατά το οποίο κομμάτια υφάσματος ράβονται σε μία ραπτομηχανή. Το στάδιο της ραφής, παρόλο που είναι το μεγαλύτερο σε χρονική διάρκεια και το σημαντικότερο στην τελική ποιότητα, παραμένει σχεδόν εξολοκλήρου μία χειρονακτική εργασία. Οι ιδιαιτερότητες των υφασμάτων όπως: η πολύ μικρή αντίστασή τους σε κάμψη, οι μεγάλες παραμορφώσεις τους, η απρόβλεπτη στατική/δυναμική συμπεριφορά τους, η ανισότροπη και μη-γραμμική φύση τους και η ανομοιογένειά τους είναι οι κύριοι παράγοντες των έντονων δυσκολιών κατά τον χειρισμό τους. Η ρομποτική ραφή είναι ένα σχετικά νέο ερευνητικό πεδίο αλλά και εξαιρετικά πολύπλοκο πρόβλημα, όπου ελάχιστοι ερευνητές έχουν προσπαθήσει να προσεγγίσουν. Αυτή τη στιγμή, από όσο είναι δυνατόν να είναι γνωστόν, μόνο τρία ερευνητικά κέντρα ασχολούνται, σε διεθνή επίπεδο, ενώ το ένα από αυτά είναι η Ομάδα Ρομποτικής του Πανεπιστημίου Πατρών. Στόχος της διατριβής είναι η ανάπτυξη ενός ευέλικτου συστήματος το οποίο ενσωματώνει όλα εκείνα τα ευφυή χαρακτηριστικά ώστε να συμβάλει στη ρομποτική αυτοματοποίηση της ραφής υφασμάτων. Η επίτευξη αυτού του στόχου στηρίζεται σε μεθόδους υπολογιστικής νοημοσύνης, σε τακτικές εμπνευσμένες από τον τρόπο εργασίας του ίδιου του ανθρώπου και στην ποιοτική διαχείριση της γνώσης/δεδομένων που εμπεριέχουν ασάφεια. Ταυτόχρονα, επιτυγχάνεται ο έλεγχος της ραφής χωρίς τη χρήση αναλυτικών μοντέλων τόσο των υφασμάτων όσο και της διαδικασίας. Ο συντονισμός όλων των προηγουμένων επιτυγχάνεται από ένα ευέλικτο ευφυές ιεραρχικό σύστημα ελέγχου της διαδικασίας της ραφής. Στην παρούσα διατριβή αναπτύχθηκε ένα σύνολο νέων μεθόδων για την αυτοματοποιημένη ραφή υφασμάτων με ένα βιομηχανικό ρομπότ εφοδιασμένο με έναν αισθητήρα δύναμης και μία κλασσικού τύπου ραπτομηχανή. Η πρωτότυπη προσέγγιση που αποτελεί το πλαίσιο της διατριβής αποτελείται από ένα ιεραρχικό σύστημα εκτιμήσεων, αποφάσεων και ελέγχου της διαδικασίας ραφής. Γίνεται μία συστηματική μελέτη, καταγραφή και αξιολόγηση όλων των χειρισμών του υφάσματος, πριν και κατά τη διάρκεια της ραφής, ως προς τις απαιτήσεις τους σε συστήματα αισθητήρων αλλά και στρατηγικών ελέγχου. Αναπτύσσεται μία πρωτότυπη βάση δεδομένων και ένα έμπειρο σύστημα που ενσωματώνουν όλη αυτή την προγενέστερη γνώση και εμπειρία. Παρουσιάζεται η ιδέα της εφαρμογής μεθόδων υπολογιστικής νοημοσύνης στο επιστημονικό πεδίο της ραφής υφασμάτων και εφαρμογής μεθόδων ευφυούς ελέγχου, για την τάνυση των υφασμάτων, βασισμένες σε νευρωνικά δίκτυα οι οποίες, για πρώτη φορά, χρησιμοποιούν ποιοτικές εκτιμήσεις των ιδιοτήτων και των χαρακτηριστικών των υφασμάτων. Έτσι, εισάγεται η έννοια των λεκτικών μεταβλητών για την ποιοτική περιγραφή των ιδιοτήτων των υφασμάτων. Στο πλαίσιο αυτό, εκφράζεται για πρώτη φορά, ποιοτικά σαν ποσοστό, η έννοια της “εκτατότητας” (extensibility) των υφασμάτων, που είναι μία βασική και καθοριστική ιδιότητά τους κατά την εργασία της ραφής τους. Επίσης περιγράφεται η ανάπτυξη μιας νέας μεθόδου αυτοματοποιημένου πειραματικού προσδιορισμού της “εκτατότητας” των υφασμάτων. Η πρωτότυπη αυτή προσέγγιση εφαρμόστηκε σε μονά και διπλά υφάσματα ενώ τα πειράματα εφελκυσμού ενσωματώθηκαν “έξυπνα” στην ίδια τη ραπτομηχανή και λίγο πριν τη διαδικασία της ραφής. Παρουσιάζεται ένα ασαφές σύστημα εξαγωγής της επιθυμητής τάνυσης, κατά τη ραφή του κάθε υφάσματος, το οποίο βασίζεται στην ποιοτική εκτίμηση της “εκτατότητας” του υφάσματος και διαμορφώθηκε από την εμπειρία του έμπειρου χειριστή και την ασαφή συνεπαγωγή που κάνει αυτός ανάμεσα στην “εκτατότητα” και την επιθυμητή τάνυση. Αναπτύχθηκε μία νέα μέθοδος ελέγχου της τάνυσης του υφάσματος κατά τη ραφή του. Σε αυτή χρησιμοποιήθηκε ένας νευρωνικός ελεγκτής ευθείας τροφοδότησης για τον έλεγχο του ρομποτικού άκρου εργασίας με σκοπό τη διατήρηση της τάνυσης του υφάσματος σύμφωνα με την εκάστοτε επιθυμητή. Επιπροσθέτως, παρουσιάζεται η επέκταση της προτεινόμενης προσέγγισης, του νευρωνικού ελέγχου της τάνυσης, η οποία έδειξε τη δυνατότητα γενίκευσής της και σε άλλες παραπλήσιες εργασίες. Επίσης, καταγράφονται τα νέα ερευνητικά πεδία που ανοίγουν στο χώρο της συνεργασίας ανθρώπου-ρομπότ για τον χειρισμό υπερ-εύκαμπτων και εύκαμπτων αντικειμένων. Τελικά, παρουσιάζεται μία συστηματική εργαστηριακή εκτέλεση ραφών, σε μία μεγάλη ποικιλία τόσο μονών όσο και διπλών υφασμάτων, με ρομπότ ενώ συγκρίθηκαν αυτές με ραφές από έμπειρους. Μέσα από τις πειραματικές ραφές αναδεικνύεται, η αναζητούμενη ευελιξία του συστήματος και η ικανοποιητική απόκρισή του σε μία μεγάλη ποικιλομορφία υφασμάτων. / The clothing industry, even today, is an industry where automation is partly almost nonexistent and generally in their infancy stages. A large part of the production line is the part in which pieces of fabrics are sewn using a sewing machine. The sewing process, while being the largest in duration and the most important to the final quality of the cloths, remains almost entirely one handiwork. The specifics of fabrics like: their very little bending resistance, their large deformations, their unpredictable static / dynamic behavior, their anisotropic and non-linear nature and heterogeneity are the main factors of acute difficulties in their handling. The robotized sewing of fabrics is a relatively new research field but it is also an extremely complex problem, where few researchers have tried to investigate it. Right now, as far as can be known, only three research centers in international level are involved this field, while one of them is the Robotics Group of the University of Patras. The aim of this thesis is to develop a flexible system which incorporates all those intelligent features in order to help automate robotic sewing of fabrics. This objective is based on computational intelligence methods, in approaches inspired by the way a human works and finally in the qualitative management of the knowledge/data that involve uncertainties. Simultaneously, the sewing control is achieved without using analytical models of both the fabrics and process. The coordination, of all of the previous mentioned, is achieved by a flexible hierarchical intelligent control system of the sewing process. This thesis developed a set of new set of methods for automated sewing of fabrics using an industrial robot, equipped with a force sensor, and a conventional sewing machine. The novel approach, which composes the main framework of this thesis, consists of a hierarchical system of estimations, decisions and process control of the sewing task. It is a systematic study, of recording and evaluating all the fabric handling tasks before and during the sewing process, according to the necessary requirements in sensor systems and control strategies. An original database and an expert system incorporating all this prior knowledge and experience is developed. The idea of applying methods of computational intelligence to the scientific field of sewing fabrics is presented. Also, the application of intelligent control methods, for stretching the fabrics during the sewing, which is based on neural networks while using qualitative assessment of the properties and characteristics of fabrics, is presented. Therefore, the concept of using linguistic variables for the qualitative description of the properties of fabrics, is introduced. In this context, it is the first time where the concept of the "extensibility" of a fabric is expressed quantitatively as a percentage. This is an essential and determining property of a fabric that should be taken into account during the sewing process. Also, the development of a new method for the automated experimental determination of "extensibility" of fabrics is described. This original approach has been applied to single and double layers of fabrics, while the tensile experiments are ‘intelligently’ incorporated into the same sewing machine and just before the sewing process. A fuzzy system for determining the desired tension for each of the fabrics is presented. This system is based on a qualitative assessment of "extensibility" of each fabric and it is initialized by the experience of the experts and the fuzzy implication they make between "extensibility" and desired tension. A new method to control the tension of the fabric during the sewing is developed. A feedforward neural controller, to control the robotic gripper to maintain the tension of the fabric according to the respective desired, has been used. Additionally, an expansion of the proposed approach is presented, for the case of the neuro-control of the tension, which showed the controller’s ability of generalization to other similar tasks. Also, new research areas that have been opened in the field of human-robot cooperation for handling non-rigid and very flexible objects are stated. Finally, there is presented a systematic experimental robotic execution of seams in a wide variety of both single and double layers of fabrics, while the, produced by the robot, seams are compared with the seams produced by the experts. Through experimental phase and the results of the stitched fabrics it is highlighted the desired flexibility of the system and its satisfactory response in a wide variety of fabrics.

Αντικείµενο της διατριβής είναι η ανάπτυξη νέων µεθοδολογιών εκµάθησης και σύγκλισης των Ασαφών Γνωστικών ∆ικτύων που προτείνονται για τη βελτίωση και προσαρµογή της συµπεριφοράς τους, καθώς και για την αύξηση της απόδοσής τους, αναδεικνύοντάς τα σε αποτελεσµατικά δυναµικά συστήµατα µοντελοποίησης. Τα νέα βελτιωµένα Ασαφή Γνωστικά ∆ίκτυα, µέσω της εκµάθησης και προσαρµογής των βαρών τους, έχουν χρησιµοποιηθεί στην ιατρική σε θέµατα διάγνωσης και υποστήριξης στη λήψη απόφασης, καθώς και σε µοντέλα βιοµηχανικών συστηµάτων που αφορούν τον έλεγχο διαδικασιών, µε πολύ ικανοποιητικά αποτελέσµατα. Στη διατριβή αυτή παρουσιάζονται, αξιολογούνται και εφαρµόζονται δύο νέοι αλγόριθµοι εκµάθησης χωρίς επίβλεψη των Ασαφών Γνωστικών ∆ικτύων, οι αλγόριθµοι Active Hebbian Learning (AHL) και Nonlinear Hebbian Learning (NHL), βασισµένοι στον κλασσικό αλγόριθµό εκµάθησης χωρίς επίβλεψη τύπου Hebb των νευρωνικών δικτύων, καθώς και µια νέα προσέγγιση εκµάθησης των Ασαφών Γνωστικών ∆ικτύων βασισµένη στους εξελικτικούς αλγορίθµους και πιο συγκεκριµένα στον αλγόριθµο Βελτιστοποίησης µε Σµήνος Σωµατιδίων και στον ∆ιαφοροεξελικτικό αλγόριθµο. Οι προτεινόµενοι αλγόριθµοι AHL και NHL στηρίζουν νέες µεθοδολογίες εκµάθησης για τα ΑΓ∆ που βελτιώνουν τη λειτουργία, και την αξιοπιστία τους, και που παρέχουν στους εµπειρογνώµονες του εκάστοτε προβλήµατος που αναπτύσσουν το ΑΓ∆, την εκµάθηση των παραµέτρων για τη ρύθµιση των αιτιατών διασυνδέσεων µεταξύ των κόµβων. Αυτοί οι τύποι εκµάθησης που συνοδεύονται από την σωστή γνώση του εκάστοτε προβλήµατος-συστήµατος, συµβάλλουν στην αύξηση της απόδοσης των ΑΓ∆ και διευρύνουν τη χρήση τους. Επιπρόσθετα µε τους αλγορίθµους εκµάθησης χωρίς επίβλεψη τύπου Hebb για τα ΑΓ∆, αναπτύσσονται και προτείνονται νέες τεχνικές εκµάθησης των ΑΓ∆ βασισµένες στους εξελικτικούς αλγορίθµους. Πιο συγκεκριµένα, προτείνεται µια νέα µεθοδολογία για την εφαρµογή του εξελικτικού αλγορίθµου Βελτιστοποίησης µε Σµήνος Σωµατιδίων στην εκµάθηση των Ασαφών Γνωστικών ∆ικτύων και πιο συγκεκριµένα στον καθορισµό των βέλτιστων περιοχών τιµών των βαρών των Ασαφών Γνωστικών ∆ικτύων. Με τη µεθοδο αυτή λαµβάνεται υπόψη η γνώση των εµπειρογνωµόνων για τον σχεδιασµό του µοντέλου µε τη µορφή περιορισµών στους κόµβους που µας ενδιαφέρουν οι τιµές των καταστάσεών τους, που έχουν οριστοί ως κόµβοι έξοδοι του συστήµατος, και για τα βάρη λαµβάνονται υπόψη οι περιοχές των ασαφών συνόλων που έχουν συµφωνήσει όλοι οι εµπειρογνώµονες. Έτσι θέτoντας περιορισµούς σε όλα τα βάρη και στους κόµβους εξόδου και καθορίζοντας µια κατάλληλη αντικειµενική συνάρτηση για το εκάστοτε πρόβληµα, προκύπτουν κατάλληλοι πίνακες βαρών (appropriate weight matrices) που µπορούν να οδηγήσουν το σύστηµα σε επιθυµητές περιοχές λειτουργίας και ταυτόχρονα να ικανοποιούν τις ειδικές συνθήκες- περιορισµούς του προβλήµατος. Οι δύο νέες µέθοδοι εκµάθησης χωρίς επίβλεψη που έχουν προταθεί για τα ΑΓ∆ χρησιµοποιούνται και εφαρµόζονται µε επιτυχία σε δυο πολύπλοκα προβλήµατα από το χώρο της ιατρικής, στο πρόβληµα λήψης απόφασης στην ακτινοθεραπεία και στο πρόβληµα κατηγοριοποίησης των καρκινικών όγκων της ουροδόχου κύστης σε πραγµατικές κλινικές περιπτώσεις. Επίσης όλοι οι προτεινόµενοι αλγόριθµοι εφαρµόζονται σε µοντέλα βιοµηχανικών συστηµάτων που αφορούν τον έλεγχο διαδικασιών µε πολύ ικανοποιητικά αποτελέσµατα. Οι αλγόριθµοι αυτοί, όπως προκύπτει από την εφαρµογή τους σε συγκεκριµένα προβλήµατα, βελτιώνουν το µοντέλο του ΑΓ∆, συµβάλλουν σε ευφυέστερα συστήµατα και διευρύνουν τη δυνατότητα εφαρµογής τους σε πραγµατικά και πολύπλοκα προβλήµατα. Η κύρια συνεισφορά αυτής της διατριβής είναι η ανάπτυξη νέων µεθοδολογιών εκµάθησης και σύγκλισης των Ασαφών Γνωστικών ∆ικτύων προτείνοντας δυο νέους αλγορίθµους µη επιβλεπόµενης µάθησης τύπου Hebb, τον αλγόριθµο Active Hebbian Learning και τον αλγόριθµο Nonlinear Hebbian Learning για την προσαρµογή των βαρών των διασυνδέσεων µεταξύ των κόµβων των Ασαφών Γνωστικών ∆ικτύων, καθώς και εξελικτικούς αλγορίθµους βελτιστοποιώντας συγκεκριµένες αντικειµενικές συναρτήσεις για κάθε εξεταζόµενο πρόβληµα. Τα νέα βελτιωµένα Ασαφή Γνωστικά ∆ίκτυα µέσω των αλγορίθµων προσαρµογής των βαρών τους έχουν χρησιµοποιηθεί για την ανάπτυξη ενός ∆ιεπίπεδου Ιεραρχικού Συστήµατος για την υποστήριξη λήψης απόφασης στην ακτινοθεραπεία, για την ανάπτυξη ενός διαγνωστικού εργαλείου για την κατηγοριοποίηση του βαθµού κακοήθειας των καρκινικών όγκων της ουροδόχου κύστης, καθώς και για την επίλυση βιοµηχανικών προβληµάτων για τον έλεγχο διαδικασιών. / The main contribution of this Dissertation is the development of new learning and convergence methodologies for Fuzzy Cognitive Maps that are proposed for the improvement and adaptation of their behaviour, as well as for the increase of their performance, electing them in effective dynamic systems of modelling. The new improved Fuzzy Cognitive Maps, via the learning and adaptation of their weights, have been used in medicine for diagnosis and decision-making, as well as to alleviate the problem of the potential uncontrollable convergence to undesired states in models of industrial process control systems, with very satisfactory results. In this Dissertation are presented, validated and implemented two new learning algorithms without supervision for Fuzzy Cognitive Maps, the algorithms Active Hebbian Learning (AHL) and Nonlinear Hebbian Learning (NHL), based on the classic unsupervised Hebb-type learning algorithm of neural networks, as well as a new approach of learning for Fuzzy Cognitive Maps based on the evolutionary algorithms and more specifically on the algorithm of Particles Swarm Optimization and on the Differential Evolution algorithm. The proposed algorithms AHL and NHL support new learning methodologies for FCMs that improve their operation, efficiency and reliability, and that provide in the experts of each problem that develop the FCM, the learning of parameters for the regulation (fine-tuning) of cause-effect relationships (weights) between the concepts. These types of learning that are accompanied with the right knowledge of each problem-system, contribute in the increase of performance of FCMs and extend their use. Additionally to the unsupervised learning algorithms of Hebb-type for the FCMs, are developed and proposed new learning techniques of FCMs based on the evolutionary algorithms. More specifically, it is proposed a new learning methodology for the application of evolutionary algorithm of Particle Swarm Optimisation in the adaptation of FCMs and more concretely in the determination of the optimal regions of weight values of FCMs. With this method it is taken into consideration the experts’ knowledge for the modelling with the form of restrictions in the concepts that interest us their values, and are defined as output concepts, and for weights are received the arithmetic values of the fuzzy regions that have agreed all the experts. Thus considering restrictions in all weights and in the output concepts and determining a suitable objective function for each problem, result appropriate weight matrices that can lead the system to desirable regions of operation and simultaneously satisfy specific conditions of problem. The first two proposed methods of unsupervised learning that have been suggested for the FCMs are used and applied with success in two complicated problems in medicine, in the problem of decision-making in the radiotherapy process and in the problem of tumor characterization for urinary bladder in real clinical cases. Also all the proposed algorithms are applied in models of industrial systems that concern the control of processes with very satisfactory results. These algorithms, as it results from their application in concrete problems, improve the model of FCMs, they contribute in more intelligent systems and they extend their possibility of application in real and complex problems. The main contribution of the present Dissertation is to develop new learning and convergence methodologies for Fuzzy Cognitive Maps proposing two new unsupervised learning algorithms, the algorithm Active Hebbian Learning and the algorithm Nonlinear Hebbian Learning for the adaptation of weights of the interconnections between the concepts of Fuzzy Cognitive Maps, as well as Evolutionary Algorithms optimizing concrete objective functions for each examined problem. New improved Fuzzy Cognitive Maps via the algorithms of weight adaptation have been used for the development of an Integrated Two-level hierarchical System for the support of decision-making in the radiotherapy, for the development of a new diagnostic tool for tumour characterization of urinary bladder, as well as for the solution of industrial process control problems.

Το ερευνητικό αντικείμενο της συγκεκριμένης διατριβής αναφέρεται στην επεξεργασία έγχρωμης εικόνας με χρήση της θεωρίας γράφων, την ανάκτηση εικόνας καθώς και την οργάνωση / διαχείριση βάσεων δεδομένων με μεθόδους γραφημάτων και αναγνώρισης προτύπων, με εφαρμογή σε πολυμέσα. Τα συγκεκριμένα προβλήματα προσεγγίστηκαν διατηρώντας τη γενικότητά τους και επιλύθηκαν με βάση τα ακόλουθα σημεία: 1. Ανάπτυξη τεχνικών για την επιλογή χαρακτηριστικών από τις εικόνες βάσει χαρακτηριστικών χαμηλού επιπέδου (χρώματος και υφής), για χρήση τους σε εφαρμογές ομοιότητας και ανάκτησης εικόνας. 2. Υπολογισμός μετρικών και αποστάσεων στο χώρο των χαρακτηριστικών. 3. Μελέτη της πολυσχιδούς δομής των εικόνων μιας βάσης στο χώρο των χαρακτηριστικών. 4. Ελάττωση της διάστασης του χώρου και παραγωγή αναπαραστάσεων δύο διαστάσεων. 5. Εφαρμογή των μεθόδων αυτών σε υποκειμενικές αποστάσεις εικόνων. Η θεωρία γράφων και οι μέθοδοι αναγνώρισης προτύπων χρησιμοποιήθηκαν προκειμένου να παρουσιαστούν βέλτιστες λύσεις αφενός στο πρόβλημα της ανάκτησης εικόνων από βάσεις δεδομένων και αφετέρου στην οργάνωση και διαχείριση τέτοιων βάσεων εικόνων. Η διατριβή φέρνει πιο κοντά την επεξεργασία εικόνας με μεθόδους προερχόμενες από τη θεωρία γραφημάτων, τη στατιστική και την αναγνώριση προτύπων. Σε όλη τη διάρκεια της διατριβής, ιδιαίτερη έμφαση δόθηκε στο ζήτημα της εύρεσης του κατάλληλου συνδυασμού μεταξύ της αποτελεσματικότητας των συστημάτων και της αποδοτικότητας στα πλαίσια της εφαρμογής των προτεινόμενων αλγοριθμικών διαδικασιών. Τα αναλυτικά πειραματικά αποτελέσματα που πραγματοποιήθηκαν, αποδεικνύουν την βελτιωμένη απόδοση των προτεινόμενων μεθοδολογιών. / The subject of this doctoral thesis is related to color image processing using graph theoretic methods, image retrieval and image database management and organization in the reduced feature space, using pattern recognition analysis, with multimedia applications. The author attempted to approach the thesis subject by retaining its genericness and addressing the following points: 1. Development of techniques for extraction of image visual attributes based on low level features (color and texture information), to be used for image similarity and retrieval practices. 2. Calculation of metrics and distances in the feature space. 3. Study of the image manifolds created in the selected feature space. 4. Application of dimensionality reduction techniques and production of biplots. 5. Application of the proposed methodologies using perceptual image distances. Graph theory and pattern recognition methodologies were incorporated in order to provide novel solution to color image retrieval of image databases, as well as to image database management and organization. The current thesis brings closer image processing with graph theoretic methodologies, statistical analysis and pattern recognition. Throughout the thesis, consideration has been taken for finding the best trade off between effectiveness and efficiency when applying the proposed algorithmic procedures. The extended experimental results carried out in all stages of the projected studies reveal the enhanced performance of the proposed methodologies.