[pt] Esta dissertação investiga a utilização de sistemas Neuro- Fuzzy Hierárquicos BSP (Binary Space Partitioning) para aplicações em classificação de padrões, previsão, sistemas de controle e extração de regras fuzzy. O objetivo é criar um modelo Neuro-Fuzzy Hierárquico BSP do tipo Mamdani a partir do modelo Neuro-Fuzzy Hierárquico BSP Class (NFHB-Class) que é capaz de criar a sua própria estrutura automaticamente e extrair conhecimento de uma base de dados através de regras fuzzy, lingüisticamente interpretáveis, que explicam a estrutura dos dados. Esta dissertação consiste de quatros etapas principais: estudo dos principais sistemas hierárquicos; análise do sistema Neuro-Fuzzy Hierárquico BSP Class, definição e implementação do modelo NFHB-Mamdani e estudo de casos. No estudo dos principais sistemas hierárquicos é efetuado um levantamento bibliográfico na área. São investigados, também, os principais modelos neuro-fuzzy utilizados em sistemas de controle - Falcon e o Nefcon. Na análise do sistema NFHB- Class, é verificado o aprendizado da estrutura, o particionamento recursivo, a possibilidade de se ter um maior número de entrada - em comparação com outros sistemas neuro-fuzzy - e regras fuzzy recursivas. O sistema NFHB- Class é um modelo desenvolvido especificamente para classificação de padrões, como possui várias saídas, não é possível utilizá-lo em aplicações em controle e em previsão. Para suprir esta deficiência, é criado um novo modelo que contém uma única saída. Na terceira etapa é definido um novo modelo Neuro-Fuzzy Hierárquico BSP com conseqüentes fuzzy (NFHB-Mamdani), cuja implementação utiliza a arquitetura do NFHBClass para a fase do aprendizado, teste e validação, porém, com os conseqüentes diferentes, modificando a estratégia de definição dos conseqüentes das regras. Além de sua utilização em classificação de padrões, previsão e controle, o sistema NFHB-Mamdani é capaz de extrair conhecimento de uma base de dados em forma de regras do tipo SE ENTÃO. No estudo de casos são utilizadas duas bases de dados típicas para aplicações em classificação: Wine e o Iris. Para previsão são utilizadas séries de cargas elétricas de seis companhias brasileiras diferentes: Copel, Cemig, Light, Cerj, Eletropaulo e Furnas. Finalmente, para testar o desempenho do sistema em controle faz-se uso de uma planta de terceira ordem como processo a controlar. Os resultados obtidos para classificação, na maioria dos casos, são superiores aos melhores resultados encontrados pelos outros modelos e algoritmos aos quais foram comparados. Para previsão de cargas elétricas, os resultados obtidos estão sempre entre os melhores resultados fornecidos por outros modelos aos quais formam comparados. Quanto à aplicação em controle, o modelo NFHB-Mamdani consegue controlar, de forma satisfatória, o processo utilizado para teste. / [en] This paper investigates the use of Binary Space Partitioning (BSP) Hierarchical Neuro-Fuzzy Systems for applications in pattern classification, forecast, control systems and obtaining of fuzzy rules. The goal is to create a BSP Hierarchical Neuro-Fuzzy Model of the Mamdani type from the BSP Hierarchical Neuro-Fuzzy Class (NFHB-Class) which is able to create its own structure automatically and obtain knowledge from a data base through fuzzy rule, interpreted linguistically, that explain the data structure. This paper is made up of four main parts: study of the main Hierarchical Systems; analysis of the BSP Hierarchical Neuro-Fuzzy Class System, definition and implementation of the NFHB-Mamdani model, and case studies. A bibliographical survey is made in the study of the main Hierarchical Systems. The main Neuro-Fuzzy Models used in control systems - Falcon and Nefcon -are also investigated. In the NFHB-Class System, the learning of the structure is verified, as well as, the recursive partitioning, the possibility of having a greater number of inputs in comparison to other Neuro-Fuzzy systems and recursive fuzzy rules. The NFHB-Class System is a model developed specifically for pattern classification, since it has various outputs, it is not possible to use it in control application and forecast. To make up for this deficiency, a new unique output model is developed. In the third part, a new BSP Hierarchical Neuro-Fuzzy model is defined with fuzzy consequents (NFHB-Mamdani), whose implementation uses the NFHB-Class architecture for the learning, test, and validation phase, yet with the different consequents, modifying the definition strategy of the consequents of the rules. Aside from its use in pattern classification, forecast, and control, the NFHB-Mamdani system is capable of obtaining knowledge from a data base in the form of rules of the type IF THEN. Two typical data base for application in classification are used in the case studies: Wine and Iris. Electric charge series of six different Brazilian companies are used for forecasting: Copel, Cemig, Light, Cerj, Eletropaulo and Furnas. Finally, to test the performance of the system in control, a third order plant is used as a process to be controlled. The obtained results for classification, in most cases, are better than the best results found by other models and algorithms to which they were compared. For forecast of electric charges, the obtained results are always among the best supplied by other models to which they were compared. Concerning its application in control, the NFHB-Mamdani model is able to control, reasonably, the process used for test.

Made available in DSpace on 2014-06-11T19:31:37Z (GMT). No. of bitstreams: 0 Previous issue date: 2007-12-03Bitstream added on 2014-06-13T21:02:57Z : No. of bitstreams: 1 benini_lc_dr_botfca.pdf: 1063271 bytes, checksum: ac62bd61becd308d39b1c058ea679181 (MD5) / Este trabalho tem por objetivo principal apresentar o desenvolvimento de um sistema inteligente, utilizando a Teoria Fuzzy, para estimar valores aproximados da densidade do solo a partir de medidas diretas (campo) sem a necessidade de ensaios laboratoriais e, consequentemente, identificar a compactação do solo por meio destes valores estimados. A densidade do solo é um dos principais parâmetros utilizado para a identificação do grau de compactação do solo, e está relacionada com outros parâmetros tais como a resistência à penetração do solo, o teor de água e a textura do solo. Para o desenvolvimento do trabalho foram considerados três parâmetros do solo: a resistência à penetração representado pelo índice de cone (em kPa), o teor de água dado pela umidade do solo (em porcentagem, %), e a textura dada pela quantidade de argila presente no solo (em porcentagem, %). Foram, ainda, considerados solos preparados (passagem de arado, de grade, de escarificador, e outros) e solos não preparados (nenhum tipo de preparado ou em solo de plantio direto). Segundo a porcentagem de argila no solo, estes foram divididos em solo tipo I (teor de argila menor que 30%), solo tipo II (teor de argila entre 30% e 50%), solo tipo III (teor de argila maior que 50%) para o solo não preparado, e solo tipo I (teor de argila menor que 30%) e solo tipo III (teor de argila maior que 50%) para o solo preparado. O modelo matemático proposto para determinar as estimativas da densidade do solo foi desenvolvido com base em dados experimentais representados pelas três características do solo: índice de cone, umidade e argila. Utilizando os dados experimentais os modelos foram identificados por meio de um algoritmo neuro-fuzzy, em função da resistência à penetração, teor de água e textura do solo, onde se pode analisar a densidade do solo para os distintos valores das variáveis de entradas... / The present work aims to develop a intelligent system using fuzzy theory in order to estimate approximate values for the soil density taking in account direct measurements (in loco) disregarding laboratorial essays and, consequently, to identify the compactation of the soil through those estimated values. The soil density is one of the main parameters used to identify the soil compactation level, and it is also related to other parameters such as resistance to the soil penetration, water content and soil texture. Three soil parameters were considered for the development of this work: resistance to the soil penetration represented by the cone index (in kPa), the water content given by the soil humidity (percentage, %), and the texture given by the quantity of clay present in the soil (percentage, %). Also, prepared soils were considered (plough step, grid, disk harrow, and others) as well as non prepared soils (no kind of soil preparation or direct planted soil). According to the percentage of clay in the soil, they were classified as soil type I (clay content less than 30%), soil type II (clay content between 30% and 50%), soil type III (clay content higher than 50%) for the case of non prepared soil. For the case of prepared soil it was considered only soils type I (clay content less than 30%) and type III (clay content higher than 50%). The mathematical model considered to estimate the soil density was developed on the basis of given experimental data having the three soil characteristics: Cone index, humidity and clay content. Using the experimental data the models were identified by means of a neuro-fuzzy algorithm in function of the resistance to the penetration, water content and soil texture, through which one can analyze the soil density for different values of the model entrance variables. The experimental data and the estimated ones by the model...(Complete abstract click electronic access below)

The objective of this thesis is to investigate the flow conditions that lead to coarse grain entrainment at near incipient motion conditions. Herein, a new conceptual approach is proposed, which in addition to the magnitude of hydrodynamic force or flow power, takes into account the duration of the flow event. Two criteria for inception of grain entrainment, namely the critical impulse and critical energy concepts, are proposed and compared. These frameworks adopt a force or energy perspective, considering the momentum or energy transfer from each flow event to the particle respectively, to describe the phenomenon. A series of conducted mobile particle experiments, are analyzed to examine the validity of the proposed approaches. First a set of bench-top experiments incorporates an electromagnet which applies pulses of known magnitude and duration to a steel spherical particle in a controlled fashion, so as to identify the critical level for entrainment. The utility of the above criteria is also demonstrated for the case of entrainment by the action of turbulent flow, via analysis of a series of flume experiments, where both the history of hydrodynamic forces exerted on the particle as well as its response are recorded simultaneously. Statistical modeling of the distribution of impulses, as well as conditional excess impulses, is performed using distributions from Extreme Value Theory to effectively model the episodic nature of the occurrence of these events. For the examined uniform and low mobility flow conditions, a power law relationship is proposed for describing the magnitude and frequency of occurrence of the impulse events. The Weibull and exponential distributions provide a good fit for the time between particle entrainments. In addition to these statistical tools, a number of Adaptive Neuro-Fuzzy Inference Systems employing different input representations are used to learn the nonlinear dynamics of the system and perform statistical prediction. The performance of these models is assessed in terms of their broad validity, efficiency and forecast accuracy. Even though the impulse and energy criteria are deeply interrelated, the latter is shown to be advantageous with regard to its performance, applicability and extension ability. The effect of single or multiple highly energetic events carried by certain coherent flow structures (mainly strong sweep events) with regard to the particle response is also investigated. / Ph. D.

The renewal of derelict inner-city urban districts suffering from high levels of socio-economic deprivation and sustainability problems is one of the key research areas in urban planning and regeneration. Subject to a wide range of social, economical and environmental factors, decision support for an optimal allocation of residential and service lots within such districts is regarded as a complex task. Pre-assessment of various neighbourhood factors before the commencement of actual location allocation of various public services is considered paramount to the sutainable outcome of regeneration projects. Spatial assessment in such derelict built-up areas requires planning of lot assignment for residential buildings in a way to maximize accessibility to public services while minimizing the deprivation of built neighbourhood areas. However, the prediction of socio-economic deprivation impact on the regeneration districts in order to optimize the location-allocation of public service infrastructure is a complex task. This is generally due to the highly conflicting nature of various service structures with various socio-economic and environmental factors. In regards to the problem given above, this thesis presents the development of an evolutionary AI-based decision support systemto assist planners with the assessment and optimization of regeneration districts. The work develops an Adaptive Network Based Fuzzy Inference System (ANFIS) based module to assess neighbourhood districts for various deprivation factors. Additionally an evolutionary genetic algorithms based solution is implemented to optimize various urban regeneration layouts based upon the prior deprivation assessment model. The two-tiered framework initially assesses socio-cultural deprivation levels of employment, health, crime and transport accessibility in neighbourhood areas and produces a deprivation impact matrix overthe regeneration layout lots based upon a trained, network-based fuzzy inference system. Based upon this impact matrix a genetic algorithm is developed to optimize the placement of various public services (shopping malls, primary schools, GPs and post offices) in a way that maximize the accessibility of all services to regenerated residential units as well as contribute to minimize the measure of deprivation of surrounding neighbourhood areas. The outcome of this research is evaluated over two real-world case studies presenting highly coherent results. The work ultimately produces a smart urban regeneration toolkit which provides designer and planner decision support in the form of a simulation toolkit.

[pt] Este trabalho tem por objetivo criar um novo sistema de inferência fuzzy intervalar do tipo 2 para tratamento de incertezas com aprendizado automático e que proporcione um intervalo de confiança para as suas saídas defuzzificadas através do cálculo dos conjuntos tipo-reduzidos correspondentes. Para viabilizar este objetivo, este novo modelo combina os paradigmas de modelagem dos sistemas de inferência fuzzy do tipo 2 e redes neurais com técnicas de particionamento recursivo BSP. Este modelo possui principalmente a capacidade de modelar e manipular a maioria dos tipos de incertezas existentes em situações reais, minimizando os efeitos destas para produzir um melhor desempenho. Além disso, tem a capacidade autônoma de criar e expandir automaticamente a sua própria estrutura, de reduzir a limitação quanto ao número de entradas e de extrair regras de conhecimento a partir de um conjunto de dados. Este novo modelo fornece um intervalo de confiança, que se constitui em uma informação importante para aplicações reais. Neste contexto, este modelo supera as limitações dos sistemas de inferência fuzzy do tipo 2 - complexidade computacional, reduzido número de entradas permissíveis e forma limitada, ou inexistente, de criarem a sua própria estrutura e regras - e dos sistemas de inferência fuzzy do tipo 1 - adaptação incompleta a incertezas e não fornecimento de um intervalo de confiança para a saída. Os sistemas de inferência fuzzy do tipo1 também apresentam limitações quanto ao reduzido número de entradas permissíveis, mas o uso de particionamentos recursivos, já explorado com excelentes resultados [SOUZ99], reduz significativamente estas limitações. O trabalho constitui-se fundamentalmente em quatro partes: um estudo sobre os diferentes sistemas de inferência fuzzy do tipo 2 existentes, análise dos sistemas neuro-fuzzy hierárquicos que usam conjuntos fuzzy do tipo 1, modelagem e implementação do novo modelo neuro-fuzzy hierárquico BSP do tipo 2 e estudo de casos. O novo modelo, denominado modelo neuro-fuzzy hierárquico BSP do tipo 2 (NFHB-T2), foi definido a partir do estudo das características desejáveis e das limitações dos sistemas de inferência fuzzy do tipo 2 e do tipo 1 e dos sistemas neuro-fuzzy hierárquicos que usam conjuntos fuzzy do tipo 1 existentes. Desta forma, o NFHB-T2 é modelado e implementado com os atributos de interpretabilidade e autonomia, a partir da concepção de sistemas de inferência fuzzy do tipo 2, de redes neurais e do particionamento recursivo BSP. O modelo desenvolvido é avaliado em diversas bases de dados benchmark e aplicações reais de previsão e aproximação de funções. São feitas comparações com outros modelos. Os resultados encontrados mostram que o modelo NFHB-T2 fornece, em previsão e aproximação de funções, resultados próximos e em vários casos superiores aos melhores resultados proporcionados pelos modelos utilizados para comparação. Em termos de tempo computacional, o seu desempenho também é muito bom. Em previsão e aproximação de funções, os intervalos de confiança obtidos para as saídas defuzzificadas mostram-se sempre coerentes e oferecem maior credibilidade na maioria dos casos quando comparados a intervalos de confiança obtidos por métodos tradicionais usando as saídas previstas pelos outros modelos e pelo próprio NFHB-T2 . / [en] The objective of this thesis is to create a new type-2 fuzzy inference system for the treatment of uncertainties with automatic learning and that provides an interval of confidence for its defuzzified output through the calculation of corresponding type-reduced sets. In order to attain this objective, this new model combines the paradigms of the modelling of the type-2 fuzzy inference systems and neural networks with techniques of recursive BSP partitioning. This model mainly has the capacity to model and to manipulate most of the types of existing uncertainties in real situations, diminishing the effects of these to produce a better performance. In addition, it has the independent capacity to create and to expand its own structure automatically, to reduce the limitation referred to the number of inputs and to extract rules of knowledge from a data set. This new model provides a confidence interval, that constitutes an important information for real applications. In this context, this model surpasses the limitations of the type-2 fuzzy inference systems - complexity computational, small number of inputs allowed and limited form, or nonexistent, to create its own structure and rules - and of the type-1 fuzzy inference systems - incomplete adaptation to uncertainties and not to give an interval of confidence for the output. The type-1 fuzzy inference systems also present limitations with regard to the small number of inputs allowed, but the use of recursive partitioning, already explored with excellent results [SOUZ99], reduce significantly these limitations. This work constitutes fundamentally of four parts: a study on the different existing type-2 fuzzy inference systems, analysis of the hierarchical neuro- fuzzy systems that use type-1 fuzzy sets, modelling and implementation of the new type-2 hierarchical neuro-fuzzy BSP model and study of cases. The new model, denominated type-2 hierarchical neuro-fuzzy BSP model (T2-HNFB) was defined from the study of the desirable characteristics and the limitations of the type-2 and type-1 fuzzy inference systems and the existing hierarchical neuro-fuzzy systems that use type- 1 fuzzy sets. Of this form, the T2-HNFB model is modelling and implemented with the attributes of interpretability and autonomy, from the conception of type-2 fuzzy inference systems, neural networks and recursive BSP partitioning. The developed model is evaluated in different benchmark databases and real applications of forecast and approximation of functions. Comparisons with other models are done. The results obtained show that T2-HNFB model provides, in forecast and approximation of functions, next results and in several cases superior to the best results provided by the models used for comparison. In terms of computational time, its performance also is very good. In forecast and approximation of functions, the intervals of confidence obtained for the defuzzified outputs are always coherent and offer greater credibility in most of cases when compared with intervals of confidence obtained through traditional methods using the forecast outputs by the other models and the own T2-HNFB model.

Este trabalho tem por objetivo localizar faltas em sistemas de distribuição de energia elétrica utilizando apenas dados de tensão pós-falta. Não são utilizados dados de corrente pois sua medição não é um requisito mínimo dos medidores inteligentes. Os dados coletados são fornecidos a um sistema fuzzy multicamadas. A seleção dos dados de entrada para o treinamento do sistema inteligente é uma característica exclusiva deste trabalho, por ser continuação da metodologia desenvolvida durante o mestrado do autor desta tese. O cenário estudado é um alimentador de um sistema de distribuição real, com 1600 barras e 505 transformadores. Para efeito de comparação de resultados, a distância da falta é obtida de duas formas: pela composição das estimações das impedâncias de sequência zero e positiva e pela estimação direta da distância. Os resultados se mostram satisfatórios, com erros condizentes aos que são encontrados na literatura, sendo que a estimação direta da distância da falta mostrou resultados ligeiramente melhores. / This work aims to locate faults in electrical energy distribution systems using only post-fault voltage data. Current data is not used because their measurement is not a minimum requirement of smart meters. The collected data is applied to a multilayer fuzzy inference system. The way voltage data is selected to train the fuzzy system is an exclusive feature of this work, since it is a continuation of the methodology developed during the master\'s dissertation of this thesis author. The scenario studied is a feeder of an actual distribution system, with 1600 buses and 505 transformers. For the purpose of results comparison, the distance of the fault is obtained in two ways: by the composition of the zero and positive sequence impedances estimations and by the direct estimation of the distance. The results are satisfactory, with errors that are consistent with those found in the literature, while the direct estimation of the fault distance presented slightly better results.

Orientador: Suely Cunha Amaro Mantovani / Resumo: No estudo dos manipuladores são utilizados os conceitos da cinemática direta e a inversa. No cálculo da cinemática direta tem-se a facilidade da notação de Denavit-Hartenberg, mas o desafio maior é a resolução da cinemática inversa, que se torna mais complexa conforme aumentam os graus de liberdade do manipulador, além de apresentar múltiplas soluções. As variáveis angulares obtidas pelas equações da cinemática inversa são utilizadas pelo controlador, para posicionar o órgão terminal do manipulador em um ponto específico de seu volume de trabalho. Na busca de alternativas para contornar estes problemas, neste trabalho utilizam-se os Modelos Adaptativos de Inferência Neuro-Fuzzy - ANFIS para a resolução da cinemática inversa, por meio de simulações, para obter o posicionamento de um manipulador robótico de 5 graus de liberdade, composto por sete servomotores controlados pela plataforma de desenvolvimento Intel® Galileo Gen 2, usado como caso de estudo. Nas simulações usamse ANFIS com uma arquitetura com três e quatro funções de pertinência de entrada, do tipo gaussiana. O desempenho da arquitetura da ANFIS implementada foi comparado com uma Rede Perceptron Multicamadas, demonstrando com os resultados favoráveis a ANFIS, a sua capacidade de aprender e resolver com baixo erro quadrático médio e com precisão, a cinemática inversa para o manipulador em estudo. Verifica-se também, que a performance das ANFIS melhora, quanto à precisão dos resultados, demonstrado pelo desvio médio d... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: In the study of manipulator’s, the concepts of direct and inverse kinematics are used. In the computation of forward kinematics, it has of the ease of Denavit-Hartenberg notation, but the biggest challenge is the resolution of the inverse kinematics, which becomes more complex as the manipulator's degrees of freedom increase, besides presenting multiple solutions. The angular variables obtained by the inverse kinematics equations are used by the controller to position the terminal organ of the manipulator at a specific point in its work volume. In the search for alternatives to overcome these problems, in this work, the Adaptive Neuro-Fuzzy Inference Models (ANFIS) are used to solve the inverse kinematics, by means of simulations, to obtain the positioning of a robot manipulator of 5 degrees of freedom, consisting of seven servomotors controlled by the Intel® Galileo Gen 2 development platform, used as a case's study . In the simulations ANFIS's architecture are used three and four Gaussian membership functions of input. The performance of the implemented ANFIS architecture was compared to a Multi-layered Perceptron Network, demonstrating with the favorable results the ANFIS, its ability to learn and solve with low mean square error and with precision, the inverse kinematics for the manipulator under study. It is also verified that the performance of the ANFIS improves, as regards the accuracy of the results in the training process, , demonstrated by the mean deviation of the... (Complete abstract click electronic access below) / Mestre

Baigiamajame magistro darbe nagrinėjamos neraiškiųjų verslo taisyklių naudojimo informacinėse sistemose problemos, „minkštųjų skaičiavimų“ intelektinėse informacinėse sistemose problematika, neuroninių-neraiškiųjų sistemų principai. Išnagrinėti pagrindiniai neraiškiosios logikos dėsniai, kuriais remiantis naudojamos neraiskiosios verslo taisyklės intelektinėse informacinėse sistemose. Pateiktas būdas, kaip neuroninės-neraiškiosios sistemos gali būti naudojamos verslo taisyklių sistemose naudojant RuleML, taisyklių žymėjimo kalbos, standartą. Baigiamajame darbe aprašomas eksperimentas, atliktas naudojant Matlab aplinką, XMLBeans taikomąją programą ir autoriaus sukurta neraiškaus išvedimo sistemos perkelimo į RuleML formatą taikomąją programą. Išnagrinėjus teorinius ir praktinius neuroninių-neraiškiųjų sistemų naudojimo aspektus, pateikiamos baigiamojo darbo išvados ir siūlymai. Darbą sudaro 5 dalys: įvadas, analitinė-metodinė dalis, eksperimentinė-tiriamoji dalis, išvados ir siūlymai, literatūros sąrašas. Darbo apimtis – 58 p. teksto be priedų, 30 iliustr., 30 bibliografiniai šaltiniai. Atskirai pridedami darbo priedai. / This work investigates the problems of use of fuzzy business rules in information systems, „soft computing“ in intelligent information systems issues, neuro-fuzzy systems principles. Main fuzzy logic laws are considered, which are used as the basis of fuzzy business rules in intelligent information systems. Suggested an approach, based on RuleML standard, how neuro-fuzzy systems could be used together with business rules engines. This paper describes the experiment carried out using the Matlab environment, XMLBeans application and the author created application for fuzzy inference system migration to RuleML standard format. Structure: introduction, analysis , project, conclusions and suggestions, references. Thesis consist of: 58 p. text without appendixes, 30 pictures, 30 bibliographical entries. Appendixes included.

A majority of utilities conduct maintenance of transmission line components based on the results of routine visual inspection. The inspection is normally done by inspectors who detect defects by visually checking transmission line components either from the air (in helicopters), from the ground (by using high-powered binoculars) or from the top of the structure (by climbing the structure). The main problems with visual inspection of transmission lines are that the determination of the defects varies depending on the inspectors' knowledge and experience and that the defects are often reported qualitatively using vague and linguistic terms such as "medium crack", "heavy rust", "small deflection". As a result of these drawbacks, there is a large variance and inconsistency in defect reporting (which, in time, makes it difficult for the utility to monitor the condition of the components) leading to ineffective or wrong maintenance decisions. The use of inspection guides has not been able to fully address these uncertainties. This thesis reports on the application of a visual inspection methodology that is aimed at addressing the above-mentioned problems. A knowledge-based Fuzzy Inference System (FIS) is designed using Matlab's Fuzzy Logic Toolbox as part of the methodology and its application is demonstrated on utility visual inspection practice of porcelain cap and pin insulators. The FIS consists of expert-specified input membership functions (representing various insulator defect levels), output membership functions (indicating the overall conditions of the insulator) and IF-THEN rules. Consistency in the inspection results is achieved because the condition of the insulator is inferred using the same knowledge-base in the FIS rather than by individual inspectors. The output of the FIS is also used in a mathematical model that is developed to suggest appropriate component replacement date. It is hoped that the methodology that is introduced in this research will help utilities achieve better maintenance management of transmission line assets.

Resumo: Este trabalho tem por objetivo principal apresentar o desenvolvimento de um sistema inteligente, utilizando a Teoria Fuzzy, para estimar valores aproximados da densidade do solo a partir de medidas diretas (campo) sem a necessidade de ensaios laboratoriais e, consequentemente, identificar a compactação do solo por meio destes valores estimados. A densidade do solo é um dos principais parâmetros utilizado para a identificação do grau de compactação do solo, e está relacionada com outros parâmetros tais como a resistência à penetração do solo, o teor de água e a textura do solo. Para o desenvolvimento do trabalho foram considerados três parâmetros do solo: a resistência à penetração representado pelo índice de cone (em kPa), o teor de água dado pela umidade do solo (em porcentagem, %), e a textura dada pela quantidade de argila presente no solo (em porcentagem, %). Foram, ainda, considerados solos preparados (passagem de arado, de grade, de escarificador, e outros) e solos não preparados (nenhum tipo de preparado ou em solo de plantio direto). Segundo a porcentagem de argila no solo, estes foram divididos em solo tipo I (teor de argila menor que 30%), solo tipo II (teor de argila entre 30% e 50%), solo tipo III (teor de argila maior que 50%) para o solo não preparado, e solo tipo I (teor de argila menor que 30%) e solo tipo III (teor de argila maior que 50%) para o solo preparado. O modelo matemático proposto para determinar as estimativas da densidade do solo foi desenvolvido com base em dados experimentais representados pelas três características do solo: índice de cone, umidade e argila. Utilizando os dados experimentais os modelos foram identificados por meio de um algoritmo neuro-fuzzy, em função da resistência à penetração, teor de água e textura do solo, onde se pode analisar a densidade do solo para os distintos valores das variáveis de entradas...(Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The present work aims to develop a intelligent system using fuzzy theory in order to estimate approximate values for the soil density taking in account direct measurements (in loco) disregarding laboratorial essays and, consequently, to identify the compactation of the soil through those estimated values. The soil density is one of the main parameters used to identify the soil compactation level, and it is also related to other parameters such as resistance to the soil penetration, water content and soil texture. Three soil parameters were considered for the development of this work: resistance to the soil penetration represented by the cone index (in kPa), the water content given by the soil humidity (percentage, %), and the texture given by the quantity of clay present in the soil (percentage, %). Also, prepared soils were considered (plough step, grid, disk harrow, and others) as well as non prepared soils (no kind of soil preparation or direct planted soil). According to the percentage of clay in the soil, they were classified as soil type I (clay content less than 30%), soil type II (clay content between 30% and 50%), soil type III (clay content higher than 50%) for the case of non prepared soil. For the case of prepared soil it was considered only soils type I (clay content less than 30%) and type III (clay content higher than 50%). The mathematical model considered to estimate the soil density was developed on the basis of given experimental data having the three soil characteristics: Cone index, humidity and clay content. Using the experimental data the models were identified by means of a neuro-fuzzy algorithm in function of the resistance to the penetration, water content and soil texture, through which one can analyze the soil density for different values of the model entrance variables. The experimental data and the estimated ones by the model...(Complete abstract click electronic access below) / Orientador: José Ângelo Cagnon / Coorientador: Ivan Nunes da Silva / Banca: Paulo José Amaral Serni / Banca: José Alfredo Covolan Ulson / Banca: Diogenes Pereira Gonzaga / Banca: Messias Meneguette Junior / Doutor