Nesta tese doutoral estudam-se formas de resolver o problema de detecção de dano em estruturas a partir da aplicação de técnicas de inteligência computacional e da resposta dinâmica da estrutura. Duas opções para a formulação do problema são consideradas. Primeiro, um problema de otimização é estabelecido a partir da minimização da diferença entre os parâmetros dinâmicos experimentais da estrutura na condição com dano e aqueles calculados utilizando um modelo de elementos finitos que representa tal condição. Diferentes técnicas metaheurísticas (algoritmos genéticos, particle swarm optimization, evolução diferencial), algumas em versões com adaptação de parâmetros, são empregadas. Estuda-se, ainda, a formulação do problema de otimização como um com múltiplos objetivos. Uma nova forma de avaliar o desempenho de uma metodologia de detecção de dano é proposta, que está baseada na capacidade da metodologia para obter um nível determinado de exatidão no cálculo da extensão do dano e na presença de falso-negativos e falso-positivos nos resultados. Segundo, aplicam-se redes neurais para determinar o mapeamento entre os parâmetros dinâmicos experimentais da condição atual da estrutura e a extensão ou posição do dano nesta. Estruturas do tipo viga e treliça foram submetidas a diferentes cenários de dano com o intuito de determinar o desempenho das metodologias propostas. Resultados mostram a habilidade de técnicas de inteligência computacional para detecção de cenários de dano com uns poucos elementos danificados; porém não é possível garantir que as metodologias terão sucesso para o 100% dos casos. Recomenda-se a utilização de técnicas de busca local para melhorar a solução encontrada pelos algoritmos globais. Finalmente, observou-se que se requer da determinação da quantidade mínima de informação a ser utilizada, uma função objetivo adequada e uma alta qualidade nas medições para garantir uma detecção de dano confiável. / This research aims at studying how to solve the damage detection problem by using computational intelligence techniques and the dynamic response of the structure. Two different ways for formulating the solution to the problem are implemented. In first place, an optimization problem is formulated as the minimization of the difference between the experimental dynamic parameters for the current structure and those from a finite element model that represent the damaged condition. Several metaheuristics (genetic algorithms, particle swarm optimization and differential evolution) are used to solve the optimization problem, where most of them present adaptive configurations. The implication of a multi-objective approach is also studied. A new scheme to determine the algorithm´s performance is proposed, which computes three error indicators concerning differences between the real and computed damage extents and the presence of false-positives and false-negatives. In second place, artificial neural networks are used to determine the mapping between the experimental dynamic parameters and either the damage extension (quantification) or the damage position (localization). Different damage scenarios were simulated in beam and truss structures to verify the performance of the proposed methodologies. Results show the ability of computational intelligence techniques to detect damage scenarios with a few damaged elements; however, it is not possible to guarantee a 100% of success. It is suggested to use local search techniques to improve the solution found by the different proposed algorithms. Three main conclusions are the followings: i) it is necessary to determine the minimum quantity of modal data that permits guarantying a reliable damage detection, ii) objective functions plays a very important role to the success of the algorithms and iii) noise prejudice the damage identification process.

Orientador: Celso Pascoli Bottura / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-11T19:05:49Z (GMT). No. of bitstreams: 1 Berci_CesarDaltoe_M.pdf: 9710523 bytes, checksum: e7e285b64dda07549cdde9aff2080573 (MD5) Previous issue date: 2008 / Resumo: O problema de se observar o estado do sistema nasce da necessidade de se controlar plantas cujo estado não se pode medir. Convencionalmente são utilizados observadores baseados em modelos dinâmicos para resolver esse problema, através da construção de estimativas do estado desconhecido. Nesta tese, é abordada uma solução alternativa para este problema. Várias propostas de observadores inteligentes, são realizadas com base em mapeamentos entre subespaços gerados pelas equações que regem a dinâmica não linear do sistema, utilizando várias técnicas de inteligência computacional, capazes de apresentar estimativas do estado do sistema dinâmico através de observadores que não apresentam um comportamento dinâmico com relação ao tempo. / Abstract: The state observer problem arises from the necessity of controlling plants whose state can not be measured. Usually dynamic model based observers are used to solve this problem, for estimating unknown state. In this thesis an alternative solution for this problem is presented. Various proposals for intelligent observers are made based on mappings between subspaces generated by the equations describing the nonlinear dynamics of the system, using various computational intelligence techniques able to present state estimates for the dynamic system through nonlinear observers that do not exhibit a dynamic behavior with respect to time. / Mestrado / Automação / Mestre em Engenharia Elétrica

Submitted by Geandra Rodrigues (geandrar@gmail.com) on 2018-01-11T16:56:36Z No. of bitstreams: 1 jonatajeffersonandrade.pdf: 3871423 bytes, checksum: e67d44781c780adff8ab0f791d6a9f1c (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2018-01-23T13:43:37Z (GMT) No. of bitstreams: 1 jonatajeffersonandrade.pdf: 3871423 bytes, checksum: e67d44781c780adff8ab0f791d6a9f1c (MD5) / Made available in DSpace on 2018-01-23T13:43:37Z (GMT). No. of bitstreams: 1 jonatajeffersonandrade.pdf: 3871423 bytes, checksum: e67d44781c780adff8ab0f791d6a9f1c (MD5) Previous issue date: 2017-09-27 / No concreto de agregado leve, a resistência à compressão e o módulo de elasticidade são as propriedades mecânicas mais importantes e consequentemente as mais comumente analisadas. A relação entre os componentes do concreto de agregado leve e suas propriedades mecânicas é altamente não linear, e o estabelecimento de um modelo de previsão abrangente de tais características é usualmente problemático. Existem trabalhos que buscam encontrar essa relação de formas empíricas. Há também trabalhos que buscam aplicar técnicas de inteligência computacional para prever essas propriedades a partir dos componentes do concreto. Prever com precisão as propriedades mecânicas do concreto de agregado leve é um problema crítico em projetos de engenharia que utilizam esse material. O objetivo desta dissertação é avaliar o desempenho de diferentes métodos de inteligência computacional para prever a módulo de elasticidade e a resistência à compressão aos 28 dias de concretos de agregados leves em função do fator água/cimento, volume de agregado leve, quantidade de cimento e densidade do agregado leve. Para a escolha da melhor configuração de cada método, foi definida uma metodologia utilizando o algoritmo de otimização PSO (Particle Swarm Optmization). Por fim, é verificada a capacidade de generalização dos métodos através do processo de validação cruzada de modo a encontrar o método que apresenta o melhor desempenho na aproximação das duas propriedades mecânicas. / In lightweight aggregate concrete, the compressive strength, the elastic modulus and specific weight are the most important properties and consequently the most commonly analyzed. The relationship between lightweight aggregate concrete components and their mechanical properties is highly nonlinear, and establishing a comprehensive predictive model of such characteristics is usually problematic. There are works that seek to find this relation of empirical forms. There are also works that seek to apply computational intelligence techniques to predict these properties from the concrete components. Accurately predicting the mechanical properties of lightweight aggregate concrete is a critical problem in engineering projects that use this material. The objective of this dissertation is to evaluate the performance of different computational intelligence methods to predict the elastic modulus and the compressive strength at 28 days of lightweight aggregates concrete as a function of water/cement factor, lightweight aggregate volume, cement quantity and density of the lightweight aggregate. In order to choose the best configuration of each method, a methodology was defined using the Particle Swarm Optmization (PSO) algorithm. Finally, the generalization of the methods through the cross validation process is verified in order to find the method that presents the best performance in the approximation of the two mechanical properties.

Observa-se nos tempos atuais um crescente interesse e demanda por novas tecnologias de sensoriamento e interação. A monitoração, com o objetivo de reconhecimento de movimentos humanos, permite oferecer serviços personalizados em diferentes áreas, dentre elas a área de cuidados médicos. Essa monitoração pode ser realizada por meio de diferentes técnicas como o uso de câmeras de vídeo, instrumentação do ambiente onde o indivíduo habita, ou pelo uso de dispositivos pessoais acoplados ao corpo. Os dispositivos acoplados ao corpo apresentam vantagens como baixo custo, uso confortável, além de muitas vezes serem despercebidos pelo usuário, diminuindo a sensação de invasão de privacidade durante a monitoração. Além disso, o dispositivo sensor pode ser facilmente acoplado ao corpo pelo próprio usuário, tornando o seu uso efetivo. Deste modo, este trabalho apresenta o desenvolvimento de um sistema que emprega técnicas de inteligência computacional e um acelerômetro facilmente acoplado ao punho do usuário para efetuar, de maneira confortável e não invasiva, o reconhecimento de movimentos básicos da rotina de uma pessoa. Aplicando máquinas de vetores de suporte para classificar os sinais e a razão discriminante de Fisher para efetuar a seleção das características mais significativas, o sistema apresentou uma taxa de sucesso em torno de 93% no reconhecimento de movimentos básicos efetuados por indivíduos monitorados. O sistema apresenta potencialidade para ser integrado a um hardware embarcado de baixo custo, responsável pelo gerenciamento da aquisição dos dados e pelo encaminhamento das informações a um sistema de monitoramento ou armazenamento. As informações providas por este sistema podem ser destinadas à promoção da saúde e bem estar do indivíduo, bem como utilizadas em diagnósticos ou monitoramento remoto de pacientes em um ambiente de vida assistida. / Nowadays it is observed a growing interest and demand for new sensing technologies and interaction. Monitoring with the objective of recognizing human movements, allows us to offer personalized services in different areas, among them healthcare. This monitoring can be performed through the use of different techniques such as the use of video cameras, living environment instrumentation, or the use of personal devices attached to the body, also known as wearable devices. These wearable devices have some advantages such as low cost, comfortable to use, and are often unnoticed by the user, reducing the feeling of privacy invasion during the monitoring. In addition, the sensing device can be easily attached to the body by the user itself, making its use effective. Thus, this work presents the development of a system that uses computational intelligence techniques and an accelerometer which is easily attached to the users wrist to perform, in a comfortable and non-invasive manner, the recognition of basic movements of a persons routine. By applying support vector machines to classify the signals and Fishers discriminant ratio to select the most significant features, the system has shown a success rate of 93% in the recognition of basic movements performed by monitored individuals. The system has the potential to be integrated into a low-cost embedded hardware, which is responsible for managing the data acquisition and routing the movement data to a remote monitoring system or storage. The information provided by the system can be designed to promote the health and wellness of the individual, as well used in diagnostics or remote patient monitoring in an ambient assisted living (AAL).

Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-03-03T18:03:20Z No. of bitstreams: 1 camilamartinssaporetti.pdf: 9003270 bytes, checksum: e53ab03d47e88504332820b3ae1956a3 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-03-06T20:17:46Z (GMT) No. of bitstreams: 1 camilamartinssaporetti.pdf: 9003270 bytes, checksum: e53ab03d47e88504332820b3ae1956a3 (MD5) / Made available in DSpace on 2017-03-06T20:17:46Z (GMT). No. of bitstreams: 1 camilamartinssaporetti.pdf: 9003270 bytes, checksum: e53ab03d47e88504332820b3ae1956a3 (MD5) Previous issue date: 2016-02-22 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Modelos preditivos de distribuição de heterogeneidades e qualidade em reservatórios de hidrocarbonetos são de fundamental importância para exploração e otimização da produção de campos de óleo e gás. As heterogeneidades são determinadas através das distintas petrofácies sedimentares, um conjunto de características petrográficas que especificam um grupo de rochas. O procedimento de identificar petrofácies geralmente é longo, o que faz com que a automatização seja necessária para agilizar o processo, e assim a análise seja concluída rapidamente. Recentemente, técnicas oriundas da área de inteligência computacional têm sido usadas para auxiliar na tomada de decisões de especialistas em diversos problemas de Geociências. O objetivo desta dissertação é avaliar o desempenho de diferentes técnicas baseadas em inteligência computacional para prever a classificação de amostras petrográficas pertencentes a uma mesma bacia sedimentar e propor o uso delas nesse tipo de problema. Para isso, desenvolveu-se um framework computacional para classificar petrofácies de acordo com seus constituintes. Os dados analisados são provenientes de três fontes distintas. A primeira base de dados é formada por amostras da região de Tibagi (PR) e a segunda da região de Dom Aquino (MS). Tais amostras são referentes a uma unidade litoestratigráfica formalizada na Bacia do Paraná como Membro Tibagi. A terceira é a junção das duas bases anteriores. A quarta por amostras do membro Mucuri da Bacia Sedimentar do Espírito Santo. A metodologia proposta envolve o uso de métodos de classificação, técnicas de validação cruzada, redução de dimensionalidade, seleção de características e o emprego de assembleia de constituintes. Os parâmetros envolvidos no ajuste dos métodos foram determinados por um processo de busca exaustiva com validação cruzada, e métricas de classificação adequadas foram usadas para avaliar e comparar os resultados. A metodologia apresentada, além de avaliar o desempenho de diversas técnicas de inteligência computacional, surge como uma alternativa para auxiliar o geólogo/especialista na determinação e caracterização das petrofácies, contribuindo para a redução do esforço no processo manual de individualização. / Predictive models of heterogeneities distribution and quality in hydrocarbon reservoirs are of fundamental importance for exploration and production optimization of oil and gas fields. The heterogeneities are determined by the different sedimentary petrofacies, a set of petrographic characteristics that specifies a group of rocks. The identification and classification of petrofacies is usually a time consuming procedure, and the use of computational methods can reduce the time and effort spent in the analysis. Recently, techniques derived from the computational intelligence research area have been used to assist in making decisions experts in several problems in Geosciences. The purpose of this dissertation is evaluating the performance of different techniques based on computational intelligence to predict the classification of petrographic samples belonging to the same sedimentary basin. A computational framework was developed to classify petrofacies according to their constituents. The data was collected from three different sources. The first database is formed by thin sections of Tibagi region (PR). The second by thin sections of Dom Aquino region (MS). Such thin sections are for a lithostratigraphic unit formalized in the Paraná Basin as Member Tibagi. The third by thin sections from the two previous databases. The fourth database is a set of thin sections from Mucuri member of the Espírito Santo sedimentary basin. The proposed method involves the use of classifiers, cross validation, dimensionality reduction, feature selection and the use of ensemble of constituents. The parameters involved in adjusting methods were determined by an exhaustive search procedure with cross-validation and classification metrics were used to evaluate and compare the results. The presented methodology evaluates the performance of several computational intelligence techniques, and arises as an alternative to assist the geologist in the determination and characterization of petrofacies, helping to reduce the effort in the process of individualization.

[pt] Esta tese associa duas técnicas de fronteira na área de Ensaios Não-Destrutivos magnéticos, que são a utilização do magnetômetro supercondutor SQUID como instrumento de medida e de Redes Neurais como ferramentas de análise dos sinais detectados. Medidas pioneiras com o SQUID foram realizadas em amostras de aço e de alumínio contendo defeitos diversos, e foram idealizados e implementados dois Sistemas Neurais, os quais utilizaram combinações de vários tipos de redes neurais para, a partir do campo magnético medido, obter informações a respeito da geometria dos defeitos, possibilitando assim estimar sua gravidade. / [en] This thesis combines two state-of-the-art techniques in the area if magnetic Nondestructive Evaluation, that is, the application of the superconducting magnetometer SQUID as the magnetic sensor, and the use of Neural Networks as analysis tools for the detected magnetic signals. Pioneering measurements using the SQUID have been made in steel and aluminum samples with various types of flaws, and two Neural Systems have been implemented, based on the combination of several neural networks algorithms. Such systems aim to, based on the measured magnetic field, obtain information about defect geometry, thus allowing the assessment of defect severity.

[pt] Esta dissertação investigou a aplicação de processos de mineração de textos a partir de técnicas de inteligência computacional e aprendizado de máquina no problema de ambigüidade de sentido de palavras. O trabalho na área de métodos de apoio à decisão teve como objetivo o desenvolvimento de técnicas capazes de automatizar os processos de desambiguação bem como a construção de um protótipo baseado na implementação de algumas dessas técnicas. Desambiguação de sentido de palavra é o processo de atribuição de um significado a uma palavra obtido por meio de informações colhidas no contexto em que ela ocorre, e um de seus objetivos é mitigar os enganos introduzidos por construções textuais ambíguas, auxiliando assim o processo de tomada de decisão. Buscou-se ainda na utilização de conceitos, ferramentas e formas de documentação considerados em trabalhos anteriores de maneira a dar continuidade ao desenvolvimento científico e deixar um legado mais facilmente reutilizável em trabalhos futuros. Atenção especial foi dada ao processo de detecção de ambigüidades e, por esse motivo, uma abordagem diferenciada foi empregada. Diferente da forma mais comum de desambiguação, onde uma máquina é treinada para desambiguar determinado termo, buscou-se no presente trabalho a nãodependência de se conhecer o termo a ser tratado e assim tornar o sistema mais robusto e genérico. Para isso, foram desenvolvidas heurísticas específicas baseadas em técnicas de inteligência computacional. Os critérios semânticos para identificação de termos ambíguos foram extraídos das técnicas de agrupamento empregadas em léxicos construídos após algum processo de normalização de termos. O protótipo, SID - Sistema Inteligente de Desambiguação - foi desenvolvido em .NET, que permite uma grande diversidade de linguagens no desenvolvimento, o que facilita o reuso do código para a continuidade da pesquisa ou a utilização das técnicas implementadas em alguma aplicação de mineração de textos. A linguagem escolhida foi o C#, pela sua robustez, facilidade e semelhança sintática com JAVA e C++, linguagens amplamente conhecidas e utilizadas pela maioria dos desenvolvedores. / [en] This dissertation investigated the application of text mining process from techniques of computing intelligence and machine learning in the problem of word sense ambiguity. The work in the methods of decision support area aimed to develop techniques capable of doing a word meaning disambiguation automatically and also to construct a prototype based on the application of such techniques. Special attention was given to the process of ambiguity detection and, for this reason, a differentiated approach was used. Unlikely the most common type of disambiguation, in which the machine is trained to do it in determined terms, the present work aimed to address the ambiguity problem without the need of knowing the meaning of the term used, and thus, to make the system more robust and generic. In order to achieve that, specific heurists were developed based on computing intelligence techniques. The semantic criteria used to identify the ambiguous terms were extracted from grouping techniques employed in lexis built after some term normalization process.

M.Ing. (Electrical and Electronic Engineering) / Dissolved Gas-in-oil analysis (DGA) is used to monitor the condition of bushings on large power transformers. There are different techniques used in determining the conditions from the data collected, but in this work the Artificial Intelligence techniques are investigated. This work investigates which gases in DGA are related to each other and which ones are important for making decisions. When the related and crucial gases are determined, the other gases are discarded thereby reducing the number of attributes in DGA. Hence a further investigation is done to see how these new datasets influence the performance of the classifiers used to classify the DGA of full attributes. The classifiers used in these experiments were Backpropagation Neural Networks (BPNN) and Support Vector Machines (SVM) whereas the Principal Component Analysis (PCA), Rough Set (RS), Incremental Granular Ranking (GR++) and Decision Trees (DT) were used to reduce the attributes of the dataset. The parameters used when training the BPNN and SVM classifiers are kept fixed to create a controlled test environment when investigating the effects of reducing the number of gases. This work further introduced a new classifier that can handle high dimension dataset and noisy dataset, Rough Neural Network (RNN). This classifier was tested when trained using the full dataset and how it is affected by reducing the number of gases used to train it. The results in these experiments showed that ethane and total combustible gases attributes are core attributes chosen by the four algorithms as gases needed for decision making. The average results of the classification performance showed that the reduction of attributes helps improve the performance of classifiers. Hence the science of transformer condition monitoring can be derived from studying the relations and patterns created by the different gases attributes in DGA. This statement is supported by the classification improvements where the RNN classifier had 99.7% classification accuracy when trained using the three attributes determined by the PCA.

Ehlers, E.M., Prof.

M.Ing. ( Electrical & Electronic Engineering Science) / Economic modelling tools have gained popularity in recent years due to the increasing need for greater knowledge to assist policy makers and economists. A number of computational intelligence approaches have been proposed for economic modelling. Most of these approaches focus on the accuracy of prediction and not much research has been allocated to investigate the interpretability of the decisions derived from these systems. This work proposes the use of computational intelligence techniques (Rough set theory (RST) and the Multi-layer perceptron (MLP) model) to model the South African economy. RST is a rule-based technique suitable for analysing vague, uncertain and imprecise data. RST extracts rules from the data to model the system. These rules are used for prediction and interpreting the decision process. The lesser the number of rules, the easier it is to interpret the model. The performance of the RST is dependent on the discretization technique employed. An equal frequency bin (EFB), Boolean reasoning (BR), entropy partition (EP) and the Naïve algorithm (NA) are used to develop an RST model. The model trained using EFB data performs better than the models trained using BR and EP. RST was used to model South Africa’s financial sector. Here, accuracy of 86.8%, 57.7%, 64.5% and 43% were achieved for EFB, BR, EP and NA respectively. This work also proposes an ensemble of rough set theory and the multi-layer perceptron model to model the South African economy wherein, a prediction of the direction of the gross domestic product is presented. This work also proposes the use of an auto-associative Neural Network to impute missing economic data. The auto-associative neural network imputed the ten variables or attributes that were used in the prediction model. These variables were: Construction contractors rating lack of skilled labour as constraint, Tertiary economic sector contribution to GDP, Income velocity of circulation of money, Total manufacturing production volume, Manufacturing firms rating lack of skilled labour as constraint, Total asset value of banking industry, Nominal unit labour cost, Total mass of Platinum Group Metals (PGMs) mined, Total revenue from sale of PGMs and the Gross Domestic Expenditure (GDE). The level of imputation accuracy achieved varied with the attribute. The accuracy ranged from 85.9% to 98.7%.