Made available in DSpace on 2014-06-11T19:30:50Z (GMT). No. of bitstreams: 0 Previous issue date: 2010-04-26Bitstream added on 2014-06-13T19:40:17Z : No. of bitstreams: 1 malange_fcv_dr_ilha.pdf: 2238559 bytes, checksum: 4603e9cf1612e9f68b0c3cf1e7a80e43 (MD5) / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / Muitos esforços têm sido despendidos para tentar sanar problemas relacionados com Qualidade da Energia Elétrica (QEE), principalmente na automação de processos e desenvolvimento de equipamentos de monitorização que possibilitem maior desempenho e confiabilidade a todo o Sistema Elétrico. Esta pesquisa apresenta um sistema eficiente de identificador/classificador automático de distúrbios chamado de Rede Neuro-Fuzzy-Wavelet. A estrutura básica dessa rede é composta por três módulos: o módulo de detecção de anomalias onde os sinais com distúrbios são identificados, o módulo de extração de características onde as formas de onda com distúrbio são analisadas, e o módulo de classificação que conta com uma rede neural ARTMAP Fuzzy, a qual indica qual o tipo de distúrbio sofrido pelo sinal. Os tipos de distúrbios incluem os isolados de curto prazo, tais como: afundamento de tensão (sag), elevação de tensão (swell), os distúrbios de longo prazo como distorção harmônica, bem como distúrbios múltiplos simultâneos como afundamento de tensão com distorção harmônica e elevação de tensão com distorção harmônica. A concepção do sistema de inferência (neural wavelet ARTMAP fuzzy) permite realizar a classificação dos referidos distúrbios de forma robusta e com grande rapidez na obtenção das soluções. Testes apontam para o alto desempenho dessa rede na detecção e classificação correta dos tipos de distúrbios de tensão analisados, 100% de acerto. A forma robusta e grande rapidez na obtenção dos resultados, possibilita sua aplicação em tempo real, visto que o esforço computacional, muito pequeno, é alocado, basicamente, na fase de treinamento. Somente uma pequena parcela de tempo computacional é necessária para a efetivação das análises. Além do mais, a metodologia proposta pode ser estendida para a realização de tarefas mais complexas... / Many efforts have been spent to solve problems related to Power Quality (PQ), principally in process automation and developing monitoring equipments that can provide more reliability and behavior for the electrical system. This research presents an efficient automatic system to identify/classify disturbs by Fuzzy Wavelet Neural Network. The basic structure of this neural network is composed of three modules such as: module for detecting anomalies where the signals with disturbs are identified, module for extracting the characteristics where the wave forms with disturbs are analyzed, and the module of classification that contains a fuzzy ARTMAP neural network that shows the type of disturbs existing in the signal. The types of disturbs include the short term isolated ones which are: voltage dip (sag), voltage increasing (swell); the long term disturbs such as harmonic distortion as well as the multiple simultaneous ones like the voltage dip with harmonic distortion and voltage increasing with harmonic distortion. The inference system (neural wavelet ARTMAP fuzzy) allows executing the classification of the cited disturbs very fast and obtaining reliable results. This neural network provides high performance when classifying and detecting the voltage disturbs very fast with about 100% of accuracy. The speed in obtaining the results allows an application in real time due to a low computational effort, which is basically in the training phase of the neural network. A little time of the computational effort is spent for the analysis. Moreover the proposed methodology can be used for realizing more complex tasks, as for example the localization of the power sources of the voltage disturbs. It is a very important contribution in the power quality, mainly to be a needy activity for solutions on the specialized literature

Submitted by JACQUELINE SANTOS CHAVES null (jac_sc@yahoo.com) on 2016-08-19T20:04:09Z No. of bitstreams: 1 Jacqueline S. Chaves.pdf: 1795331 bytes, checksum: 9c7a177018aa3a98f7cb4a90da94c904 (MD5) / Approved for entry into archive by Juliano Benedito Ferreira (julianoferreira@reitoria.unesp.br) on 2016-08-23T19:46:42Z (GMT) No. of bitstreams: 1 chaves_js_me_ilha.pdf: 1795331 bytes, checksum: 9c7a177018aa3a98f7cb4a90da94c904 (MD5) / Made available in DSpace on 2016-08-23T19:46:42Z (GMT). No. of bitstreams: 1 chaves_js_me_ilha.pdf: 1795331 bytes, checksum: 9c7a177018aa3a98f7cb4a90da94c904 (MD5) Previous issue date: 2016-07-29 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / As técnicas para o monitoramento de falhas em estruturas têm se tornado cada vez mais importantes principalmente por seus benefícios quanto à maior segurança de vida e por auxiliarem as empresas responsáveis em construir edifícios, pontes e estruturas em geral a diminuírem seus custos com a manutenção das mesmas. Deste modo, a fim de desenvolver uma forma eficiente para a identificação e caracterização de falhas estruturais, esta dissertação tem por objetivo demonstrar uma aplicação de Redes Neurais Artificiais (RNAs) como uma técnica de monitoramento da integridade estrutural (SHM) para tal problema. Através de um modelo matemático de equações diferenciais ordinárias para a representação de uma estrutura predial, será desenvolvida uma RNA ARTMAP Fuzzy por ser uma rede flexível e estável em relação à sua habilidade em se adaptar às mudanças imprevistas do ambiente externo, para identificar tais falhas. / The techniques for failures monitoring in mechanical engineering structures have become increasingly important especially for its benefits as the largest life-security and assist the responsible companies for build buildings, bridges and structures in general to lower their costs to maintenance of them. Thus, in order to develop an efficient way for the identification and characterization of structural failures, this work aims to demonstrate an application of Artificial Neural Networks (ANN) as a monitoring technique of structural health monitoring (SHM) for this problem. Through a dynamic model for the representation of a building structure, Fuzzy ARTMAP ANN will be developed to be a flexible and stable network with respect to its ability to adapt to unexpected changes in the external environment to identify such failures.

Orientador: Fábio Roberto Chavarette / Resumo: As técnicas para o monitoramento de falhas em estruturas têm se tornado cada vez mais importantes principalmente por seus benefícios quanto à maior segurança de vida e por auxiliarem as empresas responsáveis em construir edifícios, pontes e estruturas em geral a diminuírem seus custos com a manutenção das mesmas. Deste modo, a fim de desenvolver uma forma eficiente para a identificação e caracterização de falhas estruturais, esta dissertação tem por objetivo demonstrar uma aplicação de Redes Neurais Artificiais (RNAs) como uma técnica de monitoramento da integridade estrutural (SHM) para tal problema. Através de um modelo matemático de equações diferenciais ordinárias para a representação de uma estrutura predial, será desenvolvida uma RNA ARTMAP Fuzzy por ser uma rede flexível e estável em relação à sua habilidade em se adaptar às mudanças imprevistas do ambiente externo, para identificar tais falhas. / Abstract: The techniques for failures monitoring in mechanical engineering structures have become increasingly important especially for its benefits as the largest life-security and assist the responsible companies for build buildings, bridges and structures in general to lower their costs to maintenance of them. Thus, in order to develop an efficient way for the identification and characterization of structural failures, this work aims to demonstrate an application of Artificial Neural Networks (ANN) as a monitoring technique of structural health monitoring (SHM) for this problem. Through a dynamic model for the representation of a building structure, Fuzzy ARTMAP ANN will be developed to be a flexible and stable network with respect to its ability to adapt to unexpected changes in the external environment to identify such failures. / Mestre

Orientador: Anna Diva Plasencia Lotufo / Resumo: A maior inserção de tecnologias da informação nas redes de distribuição de energia elétrica vem permitindo que maiores volumes de dados de consumo sejam capturados em níveis cada vez mais detalhados, menos agregados e com maiores resoluções. Com a evolução dos mercados de energia elétrica, esses tipos de dados alcançam maior importância, uma vez que a comercialização de energia também passa a considerar estes níveis de consumo. Diversas técnicas têm sido aplicadas para previsão de cargas elétricas, como modelos estatísticos, de inteligência computacional e híbridos. Na literatura especializada é possível encontrar trabalhos que aplicam a rede neural artificial ARTMAP Fuzzy para tarefas de previsão de cargas elétricas, no entanto, a técnica ainda é pouco explorada em cenários de consumo menos agregados, e com maiores níveis de detalhe. Neste trabalho a rede ARTMAP Fuzzy é aplicada em tarefas de previsão multi-step de cargas elétricas reais com distintos níveis de agregação. Considerando o impacto do ruído sobre os previsores, sobretudo na capacidade de generalização das redes neurais artificiais, a técnica singular spectrum analysis é aplicada na tarefa de remoção de ruído. Os resultados de previsão permitiram analisar desempenho da rede ARTMAP Fuzzy, que foi comparada com outros dois previsores utilizados como benchmark, a saber, seasonal autoregressive integrated moving average e a rede neural multiLayer perceptron. A remoção de ruído permitiu melhora nos níveis de generaliz... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The increased insertion of information technologies in electricity distribution networks has allowed larger volumes of consumption data to be captured at increasingly detailed, less aggregated and higher resolution levels. With the evolution of electric energy markets, these types of data become more important, since the commercialization of energy also begins to consider these levels of consumption. Several techniques have been applied to predict electrical loads, such as statistical, computational intelligence and hybrids models. In the specialized literature it is possible to find works that apply the artificial neural network ARTMAP Fuzzy for tasks of prediction of electric charges, however, the technique is still little explored in less aggregated consumption scenarios, and with greater levels of detail. In this work the ARTMAP Fuzzy network is applied in multi-step forecasting tasks of real electric loads with different levels of aggregation. Considering the impact of noise on predictors, especially in the generalization capacity of artificial neural networks, the singular spectrum analysis technique is applied in the noise removal task. The prediction results allowed to analyze the performance of the ARTMAP Fuzzy network, which was compared with other two predictors used as benchmark, namely seasonal autoregressive integrated moving average and the multiLayer perceptron neural network. The noise removal allowed an improvement in the levels of network generalization, po... (Complete abstract click electronic access below) / Doutor

Orientador: Anna Diva Plasencia Lotufo / Resumo: A evolução dos recursos de internet levou ao crescente aumento do fluxo de dados, e por consequência, a necessidade de modelos de classificação ou previsão que suportem uma aprendizagem online. A Rede Neural ARTMAP Fuzzy tem sido utilizada nas mais diversas áreas do conhecimento, no entanto, ainda é pouco explorada em aplicações de tempo real que exigem uma aprendizagem contínua. Neste trabalho, é proposto uma Rede Neural ARTMAP Fuzzy com treinamento continuado, capaz de adquirir conhecimento ao longo da classificação ou previsão. Modificações na arquitetura e no algoritmo de aprendizagem possibilitam à rede neural ativar o treinamento sempre que necessário. Para validar o modelo proposto foram realizadas duas aplicações, uma para previsão e outra para classificação, utilizando bases de dados benchmarks e comparado com a ARTMAP Fuzzy original. Os resultados mostraram a capacidade do modelo proposto em adquirir conhecimento ao longo das amostras apresentadas de forma estável e eficiente. Assim, este estudo contribui para a evolução da rede neural ARTMAP Fuzzy e apresenta o treinamento continuado como uma alternativa eficaz para aplicações de tempo real. / Doutor

Submitted by CARLOS ROBERTO DOS SANTOS JÚNIOR null (carlos9_rsj@hotmail.com) on 2017-10-26T17:32:23Z No. of bitstreams: 1 Tese_CarlosRSantosJr_biblioteca_final.pdf: 3193090 bytes, checksum: ce950f71ef02dd650ba662b7b8eea784 (MD5) / Approved for entry into archive by Monique Sasaki (sayumi_sasaki@hotmail.com) on 2017-10-31T18:06:36Z (GMT) No. of bitstreams: 1 santosjunior_cr_dr_ilha.pdf: 3193090 bytes, checksum: ce950f71ef02dd650ba662b7b8eea784 (MD5) / Made available in DSpace on 2017-10-31T18:06:36Z (GMT). No. of bitstreams: 1 santosjunior_cr_dr_ilha.pdf: 3193090 bytes, checksum: ce950f71ef02dd650ba662b7b8eea784 (MD5) Previous issue date: 2017-09-04 / A evolução dos recursos de internet levou ao crescente aumento do fluxo de dados, e por consequência, a necessidade de modelos de classificação ou previsão que suportem uma aprendizagem online. A Rede Neural ARTMAP Fuzzy tem sido utilizada nas mais diversas áreas do conhecimento, no entanto, ainda é pouco explorada em aplicações de tempo real que exigem uma aprendizagem contínua. Neste trabalho, é proposto uma Rede Neural ARTMAP Fuzzy com treinamento continuado, capaz de adquirir conhecimento ao longo da classificação ou previsão. Modificações na arquitetura e no algoritmo de aprendizagem possibilitam à rede neural ativar o treinamento sempre que necessário. Para validar o modelo proposto foram realizadas duas aplicações, uma para previsão e outra para classificação, utilizando bases de dados benchmarks e comparado com a ARTMAP Fuzzy original. Os resultados mostraram a capacidade do modelo proposto em adquirir conhecimento ao longo das amostras apresentadas de forma estável e eficiente. Assim, este estudo contribui para a evolução da rede neural ARTMAP Fuzzy e apresenta o treinamento continuado como uma alternativa eficaz para aplicações de tempo real. / The evolution of internet resources has led to an increase in the flow of data, and consequently, the need for classification or forecasting models that support an online learning. The ARTMAP Fuzzy Neural Network has been used in several areas of knowledge, however, it is still little explored in real-time applications that require continuous learning. In this work, an ARTMAP Fuzzy Neural Network with continuous training is proposed, able to acquire knowledge along the classification or prediction. Modifications in the architecture and learning algorithm enable the neural network to activate training whenever necessary. To validate the proposed model two experiments were performed, one for forecasting and another for classification, using benchmark databases and compared with the original ARTMAP Fuzzy Neural Network. The results showed the ability of the proposed model to acquire knowledge along the presented samples in a stable and efficient way. Thus, this study contributes to the evolution of the ARTMAP Fuzzy neural network and presents the continuous training as an effective alternative to real-time applications.

Submitted by MARCOS RICARDO MÜLLER (marcos.ricardo.unesp@gmail.com) on 2018-04-23T16:13:18Z No. of bitstreams: 1 muller_mr_tese_lv.pdf: 4063915 bytes, checksum: 2bd34db37cecdea37a74a93bf0e348b5 (MD5) / Approved for entry into archive by Cristina Alexandra de Godoy null (cristina@adm.feis.unesp.br) on 2018-04-23T17:10:16Z (GMT) No. of bitstreams: 1 muller_mr_dr_ilha.pdf: 4063915 bytes, checksum: 2bd34db37cecdea37a74a93bf0e348b5 (MD5) / Made available in DSpace on 2018-04-23T17:10:16Z (GMT). No. of bitstreams: 1 muller_mr_dr_ilha.pdf: 4063915 bytes, checksum: 2bd34db37cecdea37a74a93bf0e348b5 (MD5) Previous issue date: 2018-02-26 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / A maior inserção de tecnologias da informação nas redes de distribuição de energia elétrica vem permitindo que maiores volumes de dados de consumo sejam capturados em níveis cada vez mais detalhados, menos agregados e com maiores resoluções. Com a evolução dos mercados de energia elétrica, esses tipos de dados alcançam maior importância, uma vez que a comercialização de energia também passa a considerar estes níveis de consumo. Diversas técnicas têm sido aplicadas para previsão de cargas elétricas, como modelos estatísticos, de inteligência computacional e híbridos. Na literatura especializada é possível encontrar trabalhos que aplicam a rede neural artificial ARTMAP Fuzzy para tarefas de previsão de cargas elétricas, no entanto, a técnica ainda é pouco explorada em cenários de consumo menos agregados, e com maiores níveis de detalhe. Neste trabalho a rede ARTMAP Fuzzy é aplicada em tarefas de previsão multi-step de cargas elétricas reais com distintos níveis de agregação. Considerando o impacto do ruído sobre os previsores, sobretudo na capacidade de generalização das redes neurais artificiais, a técnica singular spectrum analysis é aplicada na tarefa de remoção de ruído. Os resultados de previsão permitiram analisar desempenho da rede ARTMAP Fuzzy, que foi comparada com outros dois previsores utilizados como benchmark, a saber, seasonal autoregressive integrated moving average e a rede neural multiLayer perceptron. A remoção de ruído permitiu melhora nos níveis de generalização da rede, impactando positivamente sua capacidade preditiva. / The increased insertion of information technologies in electricity distribution networks has allowed larger volumes of consumption data to be captured at increasingly detailed, less aggregated and higher resolution levels. With the evolution of electric energy markets, these types of data become more important, since the commercialization of energy also begins to consider these levels of consumption. Several techniques have been applied to predict electrical loads, such as statistical, computational intelligence and hybrids models. In the specialized literature it is possible to find works that apply the artificial neural network ARTMAP Fuzzy for tasks of prediction of electric charges, however, the technique is still little explored in less aggregated consumption scenarios, and with greater levels of detail. In this work the ARTMAP Fuzzy network is applied in multi-step forecasting tasks of real electric loads with different levels of aggregation. Considering the impact of noise on predictors, especially in the generalization capacity of artificial neural networks, the singular spectrum analysis technique is applied in the noise removal task. The prediction results allowed to analyze the performance of the ARTMAP Fuzzy network, which was compared with other two predictors used as benchmark, namely seasonal autoregressive integrated moving average and the multiLayer perceptron neural network. The noise removal allowed an improvement in the levels of network generalization, positively impacting its predictive capacity. / 1560734

Orientador: Fábio Roberto Chavarette / Resumo: Diante da constante necessidade de avanço tecnológico na agricultura para promover o aumento da produtividade e seguranças aos indivíduos envolvidos no processo, esta pesquisa apresenta o desenvolvimento de um sistema inteligente, utilizando redes neurais artificiais, aplicado ao monitoramento e análise de falhas estruturais em um trator. Simulou-se o trator por meio de um modelo numérico, representado através de equações diferenciais, o qual gera sinais conforme se alteram os parâmetros de velocidade do trator e a distância entre as saliências no solo. Para a análise, identificação e classificação dos dados simulados computacionalmente, foi utilizado uma rede neural do tipo ARTMAP-Fuzzy, que utiliza conceitos da Teoria da Ressonância Adaptativa, cujo algoritmo foi desenvolvido utilizando o programa Matlab. A principal aplicação deste sistema é inspecionar a estrutura do trator objetivando sua melhor conservação, indicando se o mesmo encontra-se em condições normais ou em caso de falha estrutural. Caso uma falha seja detectada, é possível classificar seu tipo. Os resultados evidenciados foram obtidos por meio de média simples entre as execuções do sistema, em virtude de se elevar a veracidade das informações demonstradas. Os resultados obtidos na aplicação da rede neural ao problema especificado mostraram-se ser satisfatórios. / Abstract: Faced with the constant need for technological advancement in agriculture to promote increased productivity and security to individuals involved in the process, this research presents the development of an intelligent system using artificial neural networks applied to the structural health monitoring and analysis of failure on a tractor. The tractor was simulated by means of a numerical model built by differential equations, which generates signals according to the parameters of tractor's speed and the distance between consecutive protrusions on the ground. For the analysis, identification and classification of computationally simulated data, a artificial neural network known as ARTMAP-fuzzy was used, which uses concepts of Adaptive Resonance Theory, whose algorithm was developed using Matlab. The main application of this system is to inspect the tractor structure aiming its better conservation, indicating whether it is in normal conditions or in case of structural failure. If the fault was detected, it is possible to classify the type of failure identified. The disclosed results were obtained by simple average between the executions of the system, because to increase the accuracy of the information shown. The results obtained in the application of artificial neural network to the specified problem proved to be satisfactory. / Mestre

Orientador: Carlos Roberto Minussi / Resumo: Esta pesquisa apresenta o desenvolvimento de uma ferramenta para a detecção e classificação de curtos-circuitos em sistemas de distribuição de energia elétrica, a qual é baseada no uso combinado da análise multirresolução e rede neural ARTMAP-fuzzy. A análise multirresolução permite a identificação de singularidades nas oscilografias e a rede da família ART garante ao sistema classificador a capacidade de aprendizado contínuo de novos padrões sem perder o conhecimento previamente adquirido. Todo o processo de diagnóstico é realizado em uma única etapa, reduzindo o custo computacional da metodologia. A eficiência do sistema é verificada por uma análise direta, na qual se contabiliza a quantidade total de acertos, e por uma avaliação comparativa, a qual envolve a substituição da rede ARTMAP-fuzzy pela rede ARTMAP-Euclideana. Resultados mostram que o sistema é eficiente, sendo capaz de detectar e classificar 100% das falhas elétricas. / Abstract: This research presents the development of a tool for the detection and classification of short circuits in electric power distribution systems, which is based on the combined use of multi-resolution analysis and fuzzy ARTMAP neural network. The multiresolution analysis allows the identification of singularities in the oscillographs and the ART family network guarantees to the classifier the ability to continuously learn new patterns without losing the previously acquired knowledge. The entire diagnostic process is performed in a single step, reducing the computational effort. The efficiency of the system is verified by a direct analysis, in which the total number of hits is counted, and by a comparative evaluation, which involves the replacement of the fuzzy ARTMAP network by the Euclidean ARTMAP network. Results show that the system is efficient, being able to detect and classify 100% of the electrical faults. / Mestre

Orientador: Anna Diva Plasencia Lotufo / Resumo: Os sistemas de energia elétrica estão passando por transformações. Aos poucos, técnicas de sistemas de informação estão sendo incorporadas aos sistemas atuais de energia. Basicamente este é o conceito de smart grid. Esta incorporação visa aumentar a eficiência dos sistemas de energia elétrica, pois os diversos agentes envolvidos em todo o sistema terão à disposição informações mais completas, precisas e de forma praticamente instantânea. Como consequência, haverá um aumento significativo de dados disponíveis para serem empregados de variadas formas. Um exemplo do uso de dados é a previsão de demanda de energia elétrica. De uma forma geral, previsões servem como suporte para suprir demandas, estimar custos ou justificar investimentos futuros. No campo de previsão de demanda de cargas elétricas existem diversos modelos na literatura, a grande maioria se concentra em níveis mais agregados, que atendem a grandes consumidores em que o fornecimento de energia é feito, por exemplo, por uma subestação. Uma smart grid também coloca à disposição as informações de consumo de energia em níveis cada vez menos agregados, como uma residência ou um prédio comercial. Realizar previsões neste nível é um desafio, pois essas demandas são muito influenciadas pelo comportamento humano. Diferentemente dos níveis mais agregados, modelos de previsão para níveis menos agregados, ou desagregados, ainda são poucos. O objetivo deste trabalho é fazer a previsão de cargas elétricas não residenciais mistas ... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Electrical power systems are in transformation nowadays. Gradually, information system technology are being introduced to the energy systems. Basically, this is the concept of smart grid. This new concept aims to improve the efficiency of the energy systems, once the evolved agents will provide complete and precise information instantaneously. This way, a significant increase in data will be available to be employed in several forms. One example in using these data is electric energy demand forecasting. In general, predictions are support to provide electric load demand, estimate costs or justify future investments. Concerning electric load demand, there are several models in the literature, and the majority is concentrated in aggregated levels, attending large consumers, where, for example, the energy supply is provided by a substation. Considering the smart grid, there are consumption information in less aggregated levels as for example residences or commercial buildings. Therefore, realizing predictions in these levels (less aggregated) is a challenge, once the demand is influenced by the human behavior. The models for predicting loads in aggregated levels are common, in the contrary of less aggregated that are few. This work aims to predict short term mixed nonresidential electric loads using data from a Brazilian University. Firstly, Fuzzy ARTMAP Neural Network is chosen to execute the predictions, and afterwards a hybrid methodology containing Fuzzy ARTMAP and Square Mi... (Complete abstract click electronic access below) / Doutor