En redes de sensores el bajo consumo es una prioridad, y la búsqueda del consumo reducido impone restricciones muy fuertes en todos los bloques del nodo: sensor, procesador y unidad de comunicación. Debido a esto, el procesador no cuenta con grandes capacidades de cómputo ni de almace-namiento de datos. La localización y seguimiento de fuentes u objetos son las aplicaciones principales en redes de sensores. La limitación fundamental en la actualidad es la falta de un algoritmo de estimación que resuelva estos problemas de for-ma completa y descentralizada. Esta tesis presenta una solu-ción a este tema basada en un Filtro de Partículas. En gene-ral, los filtros de partículas no pueden implementarse directa-mente en una red de sensores por sus exigencias en términos de comunicación, memoria y procesamiento. La solución pro-puesta, el Filtro de Partículas Acotado, resuelve en forma completa todos los temas mencionados. Este filtro cumple con los requerimientos impuestos por las redes de sensores, y permite realizar la estimación utilizando medidas ruidosas de varios sensores no muy precisos, explotando la fusión de la información de varios nodos para obtener un estimado, aún cuando los modelos de los sensores presentan múltiples hipó-tesis de medida. Un elemento esencial de una red de sensores es su capacidad de cobertura espacial y capacidad de comuni-cación. Ambos factores están limitados por el consumo de potencia disponible. El Filtro de Partículas Acotado es capaz de capturar la esencia de la estimación reduciendo al mínimo la información (número de parámetros) a transmitir ó recibir, gracias al almacenamiento de variables locales. Esto es funda-mental para producir una solución al problema de localización y seguimiento, bajo restricciones reales de consumo. / Low power consumption is a priority in sensor networks, be-cause it imposes strong constrains in all node parts: sensor, processor and communication unit. Due to this, the processor has low computational and data storage capabilities.Sources and/or objects localization and tracking are the primary applications in sensor networks. A fundamental limitation nowadays is the lack of an estimation algorithm able to solve the estimation problem in a comprehensive and decentralized way. This thesis presents a solution to this issue, based on a Particle Filter. In general, particle filters cannot be implemen-ted in Sensor networks due to the requirements in terms of communication, memory and processing. The proposed solu-tion is the Bounded Particle Filter algorithm, which solves all mentioned issues in a complete way. This filter fulfills sensor networks requirements, and allows the estimation using noisy measurements, exploiting the fusion of many nodes informa-tion to produce an estimate, even with multiple hypothesis sensor models. An essential element of a sensor network is its spatial coverage and communication capacity. Both factors are limited by the available power consumption. The proposed Bounded Particle Filter can capture the essence of the esti-mation minimizing the information to transmit (number of parameters) or receive, thanks to the local storage of varia-bles. This is essential for producing a solution to the problem of tracking and localization, under realistic power constraints.

Made available in DSpace on 2018-08-02T00:03:01Z (GMT). No. of bitstreams: 1 tese_11469_ADRIANA MACHADO MALAFAIA DA MATA.pdf: 525854 bytes, checksum: 6cb593fee29b00aa8d38d9498f996ea0 (MD5) Previous issue date: 2017-07-21 / O câncer é uma doença decorrente do crescimento desordenado de células. Comumente, a quimioterapia antineoplásica é utilizada no tratamento dos cânceres mais comuns. Nesse contexto, as pesquisas têm se voltado para modelos matemáticos que descrevem o crescimento de células tumorais com a ação de um fármaco quimioterápico. Diante de uma variedade de modelos existentes na literatura para tal fim, um método para selecionar o modelo mais adequado faz-se necessário. Esta dissertação estuda modelos matemáticos de tratamento de tumores e aplica Approximate Bayesian Computation (ABC) para seleção do modelo que melhor representa os dados observados. O algoritmo ABC utilizado foi determinístico, priorizando a seleção do modelo. Ao modelo selecionado, foi aplicado o filtro de partículas SIR que permitiu aprimorar as estimativas de parâmetros. Foram estudados modelos de crescimento tumoral via equações diferenciais ordinárias e os parâmetros foram assumidos como constantes. Os modelos foram estruturados a partir de farmacocinética Bicompartimental, que permite o estudo de drogas antineoplásicas administradas por via oral. Além disso, foram utilizadas formulações de crescimento de tumores conhecidas adicionando-se o fator de influência de uma dose única de droga quimioterápica.

Ingeniero Civil Electricista / El presente trabajo explora y analiza el uso de herramientas de procesamiento de señales que son comunes en áreas de Ingeniería Eléctrica y Pronóstico y Gestión de Salud en el análisis de series de tiempo financieras. El objetivo principal de este trabajo es detectar eventos de alto riesgo en una etapa temprana. De esta forma, el algoritmo propuesto emplea la fuerte relación entre volatilidad y riesgo y detecta clusters de alta volatilidad mediante el uso de la información obtenida de los procesos de estimación a través de Filtro de Partículas. Para alcanzar el objetivo mencionado, se utiliza la representación de espacio-estado estocástica uGARCH para modelar la volatilidad de retornos compuestos continuamente. Dada la no-observabilidad de la volatilidad, se implementan dos esquemas de Filtro de Partículas para su estimación: los enfoques clásico y sensible al riesgo. Este último incluye el uso de una Distribución de Pareto Generalizada como propuesta para el funcional de riesgo (y distribución de importancia) para asegurar la asignación de partículas en regiones del espacio-estado que están asociadas a variaciones rápidas de volatilidad del sistema. Para evaluar correctamente el rendimiento de las rutinas de filtrado, se han generado seis conjuntos de datos, donde ambos el estado y las mediciones son conocidas. Además, se ha realizado un análisis de sensibilidad sobre los seis conjuntos de datos, para así obtener los parámetros que permiten la mejor estimación de volatilidad. De estos resultados, se calculan valores promedios de parámetros que son luego utilizados en el esquema de detección. La etapa de detección explora tres diferentes técnicas. Primero, se propone la utilización de un test de hipótesis entre las estimaciones a priori y a posteriori de las distribuciones de probabilidad del Filtro de Partículas Sensible al Riesgo. Segundo, se utiliza el Discriminante de Fisher para comparar las estimaciones a posteriori de las densidades entre el Filtro de Partículas Clásico y el Sensible al Riesgo. Finalmente, se utiliza la Divergencia de Kullback-Leibler de la misma forma que el Discriminante de Fisher. Los algoritmos propuestos son probados en los datos generados artificialmente y en datos de acciones de IBM. Los resultados demuestran que el Filtro de Partículas Sensible al Riesgo propuesto supera la precisión del Filtro de Partículas en momentos de alzas no esperadas de volatilidad. Por otra parte, el test de hipótesis empleado en el proceso de filtrado sensible al riesgo detecta correctamente la mayoría de las alzas repentinas de volatilidad que conducen a la detección temprana de clusters de alta volatilidad. Finalmente, los algoritmos de detección propuestos basados en Discriminante de Fisher y Divergencia de Kullback-Leibler llevan a resultados donde la detección no es posible.

Ingeniero Civil Mecánico / El presente trabajo de título tiene como objetivo realizar una caracterización del estado de degradación de una bomba centrifuga en base a datos de emisiones acústicas (EA) medidas durante el período de operación hasta la falla. Las EA se pueden considerar como un indicador indirecto del daño, ya que permiten tener una noción de la evolución de este aún cuando no es directamente observable/medible. La distancia de Mahalanobis (DM), calculada a partir de las señales de EA obtenidas, permite obtener la medida de desviación de nuevas observaciones respecto a un conjunto de observaciones que den cuenta de un estado inicial. Con esto, es posible generar un índice de degradación a lo largo de la vida de operación del componente, tomando como el subconjunto de comparación a las mediciones que representan el estado saludable (sin degradación) del equipo bajo estudio. El diagnóstico de la bomba se realiza por medio de un filtro de partículas (FP), utilizado como método de inferencia dentro de una red Bayesiana dinámica (RBD). Esta permite representar la dependencia temporal y funcional entre todas las variables involucradas en el proceso de degradación considerado. Es necesario especificar cada dependencia dentro de la RBD. En particular se debe determinar el modelo de estado, que da cuenta de la evolución del daño en el tiempo, y el modelo de medición, que establece la relación entre las mediciones de EA con la degradación. En este caso, no existen modelos físicos que relacione las variables antes mencionadas, por lo tanto, ambos modelos se generan en base a datos. El modelo de estado es obtenido de una regresión polinomial entre los valores de la DM en base a la eficiencia de la bomba y el tiempo respectivo de cada medición. Para la generación del modelo de medición, se emplea la técnica de Support Vector Regression (SVR), la cual permite establecer una correlación no lineal entre las EA con el estado de daño. El FP emplea 1000 partículas para realizar la estimación del daño en cada instante de tiempo, este logra generar una estimación del daño de la bomba muy cercana a los valores de degradación real en el tiempo. Entre otras métricas de error, se obtuvo un coeficiente de determinación de R^2=0.9975. En base a los resultados, se puede concluir que el FP utilizado, en conjunto con los modelos generados, conducen un buen diagnóstico del estado de degradación de la bomba. Permitiendo tener una idea de la evolución del daño sufrido por la máquina a lo largo de su vida útil.

Made available in DSpace on 2016-08-29T15:33:15Z (GMT). No. of bitstreams: 1 tese_4175_.pdf: 4085098 bytes, checksum: 17bef813b7542525216ed36918007248 (MD5) Previous issue date: 2011-08-25 / Detecção e rastreamento de objetos em sequências de imagens aparece atualmente em várias situações do nosso cotidiano e se destaca pela sua importância em várias áreas como, por exemplo, na área de segurança (monitoramento de objetos ou indivíduos), dentre outros. Um dos métodos comumente utilizado é o Filtro de Partículas (FP), o principal problema do FP é a degeneração, que pode implicar em um rastreamento pior. Nesta dissertação, serão apresentados dois método híbridos baseado no Filtro de Partículas. A hibridização ocorre através da combinação do Filtro de Partículas com um método da computação natural: i) Otimização através de Enxame de Partículas; e ii) Evolução Diferencial. Os métodos propostos foram aplicados para dois estudos de caso: i) para rastreamento de trajetória de um sistema não linear caminhão-reboque, e ii) para detectar e rastrear a face de uma pessoa em uma sequência de imagens. Os resultados obtidos em termos de qualidade de rastreamento indicam um melhor desempenho dos algoritmos hibridizados quando comparados com o Filtro de Partículas padrão.

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2014. / Submitted by Ana Cristina Barbosa da Silva (annabds@hotmail.com) on 2014-11-07T10:19:55Z No. of bitstreams: 1 2014_IgorFerreiradoNascimento.pdf: 907611 bytes, checksum: 846dbfdbf323ebf776c62aee9fb02ffa (MD5) / Approved for entry into archive by Raquel Viana(raquelviana@bce.unb.br) on 2014-11-10T17:19:35Z (GMT) No. of bitstreams: 1 2014_IgorFerreiradoNascimento.pdf: 907611 bytes, checksum: 846dbfdbf323ebf776c62aee9fb02ffa (MD5) / Made available in DSpace on 2014-11-10T17:19:35Z (GMT). No. of bitstreams: 1 2014_IgorFerreiradoNascimento.pdf: 907611 bytes, checksum: 846dbfdbf323ebf776c62aee9fb02ffa (MD5) / Esta dissertação apresenta, de forma detalhada, as metodologias discutidas nos principais artigos seminais na área de Filtro de Partículas (FP). O FP _e uma técnica alvo de recentes estudos que apresenta soluções numéricas para problemas de difícil solução analítica. Tal técnica será abordada nos modelos dinâmicos e, para isso,necessitaria de recursos como Amostragem de Importância e Monte Carlo Sequencial,também discutidos neste trabalho. Os resultados encontrados nos FP seminais que foram estudados nesta dissertação, Gordon et al. (1993) e Pitt e Shephard (1999),tiveram estimativas próximas as soluções analítica encontradas no Filtro de Kalman.Além disso, foram comparadas duas técnicas de estimação dos parâmetros estáticos dos artigos de Liu e West (2001) e de Storvik (2002). Foram obtidos bons resultados,tanto para estimação dos estados latentes, quanto para os parâmetros estáticos.Dessa forma, a técnica de FP mostrou-se ser uma excelente opção de estimação por meio de aproximações numéricas online, no âmbito dos Modelos Dinâmicos. _______________________________________________________________________________________ ABSTRACT / The technique FP has been the subject of recent studies and provides numerical solutions to dificult problems analytical solution. This technique will be discussed in Dynamic Models and, therefore, require resources such as Importance Sampling and Sequential Monte Carlo, also discussed in this paper. The results found in seminal FP that were studied in this dissertation, Gordon et al. (1993) and Pitt e Shephard(1999), provides close estimates to analytical solutions found in the Kalman filter estimates. In addition, two techniques for the estimation of static parameters ofarticles Liu e West (2001) and Storvik (2002) were compared. Good results wereobtained both for estimates of latent states, as for the static parameters. Thus, theFP technique proved to be an excellent choice of estimates by means of numerical approximations online, under the Dynamic Models.

Made available in DSpace on 2018-08-02T00:02:57Z (GMT). No. of bitstreams: 1 tese_11044_VINICIUS SCARDUA DELLACQUA.pdf: 2837961 bytes, checksum: d7e1bcd6d6b172479281b5f0bb935cd3 (MD5) Previous issue date: 2017-05-25 / A garantia de escoamento no transporte de petróleo se tornou um assunto de estudo desde que a extração de petróleo atingiu poços em águas ultra profundas. Dentre os desafios, a deposição de sólidos nos dutos de transporte, que aparecem devido ao resfriamento do sistema quando ocorre uma parada de linha, causando um bloqueio parcial ou total nos dutos e consequentemente gastos inesperados. Métodos como inibidores químicos ou o Sistema de geração de nitrogênio são utilizados para prevenir o depósito de sólidos, mas seu controle de dosagem e eficiência são difíceis de mensurar. O sistema Pipe-in-Pipe (PIP) é uma tecnologia desenvolvida que combina a utilização do isolamento térmico e do aquecimento ativo dos dutos para controle da temperatura, evitando que o PIP atinja a temperatura de formação dos sólidos. Assim, esta dissertação propõe um sistema de controle de temperatura utilizando um controlador preditivo baseado em modelo associado ao filtro de partículas (PF-MPC) para prevenir a queda de temperatura no PIP. Este esquema de controle associa a redução da incerteza de medição da temperatura feita pelo filtro de partículas (PF) com a manipulação ótimo do fluxo de calor gerado no aquecimento ativo necessário para evitar o resfriamento do PIP. O PF-MPC utiliza o modelo matemático do PIP para prever sua temperatura dentro de um horizonte de predição futuro, a partir da medição em um único ponto do PIP, é feito o cálculo da ação de controle no instante atual a fim de prevenir a queda da temperatura. O controlador estima o fluxo de calor ideal que deve ser aplicado, reduzindo os custos econômicos relacionados ao consumo energético do aquecimento ativo. Os resultados obtidos mostram que o PF-MPC permite um bom desempenho no controle da temperatura, mantendo seu objetivo de reduzir as perdas econômicas nas linhas de transporte. Palavras chave: Pipe-in-Pipe, Estimação de Estado, Filtro de Partículas, Controlador Preditivo Baseado em Modelo.

Made available in DSpace on 2018-08-01T22:57:14Z (GMT). No. of bitstreams: 1 tese_11003_Dissertação Rhynara Carvalho versão FINAL PDF.pdf: 1570803 bytes, checksum: f9ec81cadfa8ec20f78c725553857667 (MD5) Previous issue date: 2018-02-23 / Relevância do tema No processo de adsorção em colunas de leito fixo, muito empregado no tratamento de efluentes, as medidas obtidas ao final da coluna permitem identificar a eficiência do processo, porém são acompanhadas de ruídos provenientes de equipamentos de medição. Uma vez que esses sistemas são considerados dinâmicos, o monitoramento em tempo real deste processo se torna um grande desafio para a indústria, a fim de fornecer uma análise mais precisa do processo. Assim, o presente trabalho demonstra a eficiência do filtro de partículas conhecido como Amostragem e Reamostragem por Importância (SIR) como uma ferramenta rápida e robusta para estimar e monitorar a remoção de íons sulfato (SO4-2) em uma coluna de adsorção de leito fixo. O modelo de leito fixo e o modelo de taxa de transferência de massa foram utilizados para representar todo o processo e as medidas experimentais foram utilizadas para validar a metodologia utilizada. O desempenho do filtro de partículas foi avaliado por meio da análise do erro quadrático médio (RMS) e do desvio absoluto médio (MAD), bem como da verificação do tempo computacional. Foi observado que as partículas geradas não sofreram degeneração por meio da verificação do tamanho efetivo da amostra (Neff) e o filtro SIR apresentou melhor desempenho na estimação quando foi utilizado um maior valor para o número de partículas (Np) e para o desvio do modelo de evolução (σm). Além disso, a estimação da vazão foi de grande importância para que o filtro conseguisse realizar estimativas confiáveis. Na análise das isotermas, a escolha não influenciou na estimação dos estados. Observaram-se resultados satisfatórios e com aplicabilidade notável, uma vez que o filtro ainda não foi utilizado para esse tipo de processo na literatura.

Magíster en Ciencias de la Ingeniería, Mención Eléctrica / Ingeniero Civil Electricista / El acelerado avance tecnológico experimentado por diversos dispositivos almacenadores de energía en los últimos años ha incrementado en forma exponencial el número de estudios relacionados con el logro de un mayor nivel de autonomía y una extensión significativa de la vida útil. Dicha situación se ve reflejada en la proliferación de esquemas de supervisión que procuran suministrar información certera y precisa a los sistemas de administración de baterías (BMS, por sus siglas en inglés). Es en este contexto que el presente trabajo de Tesis establece las bases para el diseño e implementación de un sistema de estimación y pronóstico basado en filtros de partículas para el análisis del estado-de-salud (SOH, por sus siglas en inglés) y estimación de la vida útil remanente (RUL, por sus siglas en inglés) de dispositivos de almacenamiento de energía, y más particularmente baterías de Ion-Litio. El esquema propuesto considera dos etapas en su implementación. La primera de dichas etapas se centra en la estimación del SOH y la adecuada detección de fenómenos de auto-recarga en baterías, mediante un módulo de detección que está constituido por un test de hipótesis (con una tasa de falsas alarmas de 1%). Para ello, se hace uso de métodos de estimación Bayesiana sub-óptimos (específicamente filtros de partículas) debido a su demostrada capacidad para incorporar información en modelos dinámicos no-lineales, con problemas de observabilidad, y fuentes de incertidumbre no Gaussiana. En efecto, a diferencia de otros esquemas utilizados en el estado del arte, los filtros de partículas han demostrado ser capaces de detectar los fenómenos de auto-recarga presente en acumuladores de Ion-Litio y aislar eficazmente las alteraciones que estos fenómenos producen en la tendencia de degradación; mejorando por ende la precisión y exactitud de los algoritmos de predicción de RUL. La segunda etapa está abocada directamente a la caracterización de la incertidumbre en el pronóstico de la vida útil del acumulador a través del algoritmo de regularización, basado en las distribuciones de Epanechnikov y en un filtro de partículas. Sumado a esto, además se muestra un modelo ( modelo #3 ) el cual logra, mediante el uso de cadenas de Markov, la caracterización futura de los fenómenos de auto-recarga. Con el propósito de establecer el valor óptimo en los parámetros de diseño del algoritmo de estimación y pronóstico se considera un caso de degradación simplificado e hipotético, donde existe una solución óptima (en el sentido de mínimo error cuadrático); la cual es analizada y comparada con la solución obtenida por el método propuesto. Como resultado, se definen los valores más apropiados para el número de partículas y realizaciones del filtro a utilizar en una implementación más general, así como la cantidad de realizaciones de la cadena de Markov que minimiza el sesgo del estimador del RUL. La validación del esquema propuesto se efectúa (mediante medidas de desempeño ad-hoc) con datos experimentales de pruebas de degradación acelerada en baterías de Ion-Li obtenidos del centro de pronóstico Nasa Ames Prognostic Center of Excellence. Los resultados reportados en este documento, muestran que la implementación del sistema de estimación y pronóstico del estado-de-salud en acumuladores de energía permite (i) un filtrado altamente exacto y preciso del proceso de degradación, debido a la detección en línea de los fenómenos de regeneración; y (ii) presenta claras mejoras en el pronóstico del fin de la vida útil del acumulador -en términos de exactitud y precisión- debido a tener mejores condiciones iniciales al momento de predecir y a la caracterización futura de los fenómenos de auto-recarga.

Ingeniero Civil Eléctrico / La creciente demanda de dispositivos que requieren autonomía han marcado un importante y creciente desarrollo de las baterías. En el contexto de la electromovilidad y el desarrollo sustentable de soluciones que permitan el transporte de personas a través de la ciudad es que resulta trascendental conocer el estado de carga de la batería y poder pronosticar cuando se descargará. Este trabajo se realiza en el contexto del proyecto de investigación FONDECYT 1140774 y con la colaroración de ELIBATT, Empresa que proporcionó la bicicleta eléctrica utilizada en el estudio. El objetivo de este trabajo es estimar y pronosticar la potencia máxima disponible en una batería (SoMPA) y posteriormente utilizarlo como variable para pronosticar cuando la batería se descargará, considerando distintos perfiles de uso. Las metodologías de estimación y pronóstico utilizan como base un esquema desarrollado en \cite{Claudio}. En dicho esquema se modifica principalmente el algoritmo de pronóstico donde se incluye un cálculo off-line de los perfiles de uso, se adiciona una solución para el SoMPA en función del estado de carga y de las restricciones físicas de este problema en particular, se modifica la definición de probabilidad de falla y se realiza el pronóstico de la falla en función del SoMPA y los perfiles de uso. Los datos utilizados se obtuvieron en pruebas en terreno mediante un dispositivo basado en Arduino, el que fue rediseñado y reprogramado con el fin de obtener datos representativos del uso una batería de ión-litio en una bicicleta eléctrica. Para la etapa de estimación se obtuvo que la metodología utilizada logra estimar el SoC y el Voltaje con errores menores al $5 \%$ en los set de datos utilizados mientras que la estimación del SoMPA es consistente con la potencia medida y el tiempo de falla. Además la metodología utilizada logra un pronóstico del SoMPA que permite estimar el tiempo de falla con errores menores al $12 \%$ considerando una potencia de corte en función de la máxima corriente para cada perfil de uso, es decir, el peor caso de cada perfil. Se concluye que la metodología de estimación y pronóstico basada en filtro de partículas, logra estimar y pronosticar utilizando el SoMPA como variable crítica y perfiles de uso predefinidos.