Thesis (Ph. D.)--University of Hong Kong, 2007. / Title proper from title frame. Also available in printed format.

Thesis (M. Sc.)--University of Canterbury, 2009. / Typescript (photocopy). Includes bibliographical references (leaves 73-77) and index. Also available via the World Wide Web.

Orientador: Marconi Kolm Madrid / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-25T07:22:46Z (GMT). No. of bitstreams: 1 FernandesJunior_FranciscoErivaldo_M.pdf: 11967904 bytes, checksum: 6dbb5a0debdb45fdcc389ebc6c941205 (MD5) Previous issue date: 2014 / Resumo: No presente trabalho é mostrado o estudo e a implementação das Redes Neurais Artificiais, RNA, e Algoritmos Genéticos, AG, para resolução da cinemática inversa de um manipulador robótico com 5 graus de liberdade. Todo manipulador robótico é construído com o objetivo de se realize uma determinada tarefa. Para alcançar esse objetivo é necessário o estudo e o emprego dos seus modelos cinemáticos. A descrição matemática do movimento espacial realizado por cada elo do robô é conhecida como Cinemática que é o estudo do movimento de um corpo ou um sistema de corpos rígidos em relação a um referencial cartesiano fixo ignorando as forças e os momentos que causam tal movimento. Existem dois problemas ao se estudar a cinemática de um robô: o problema da cinemática direta e o problema da cinemática inversa. A cinemática inversa é um ramo com grandes desafios devido as equações não serem lineares, dificultando a determinação de soluções de uma forma fechada. Portanto, diversos pesquisadores, ao longo dos anos, tentam resolver esse problema evitando o uso de inversões de equações. Nesse sentido, o uso das redes neurais artificiais e dos algoritmos genéticos se mostram alternativas atraentes. As soluções encontradas no presente trabalho foram aplicadas a um robô educacional com 5 graus de liberdade composto de seis servomotores controlado por um microcontrolador Arduino Uno. O software MATLAB foi utilizado como ferramenta para o desenvolvimento e a aplicação desses dois métodos / Abstract: The present work shows the study and implementation of Artificial Neural Networks, ANN, and Genetic Algorithms, AG, to solve the inverse kinematics of a robotic manipulator with 5 degree of freedom. Every robotic manipulator is constructed with the goal of perform a specific task. To reach this goal, the robot needs to track a path, and for that it is necessary the study of its kinematics. The math description of the spatial movement performed by its links is known as kinematics that is the study of the movement of a rigid body or system of rigid bodies in relation to a fixed cartesian reference disregarding the forces and momentums that cause the movement. There are two problems when studying the kinematics: the forward kinematics problem and the inverse kinematics problem. The inverse kinematics is a field of study with challenges due the fact that the equations are not linear which become a problem to obtain closed form solutions. Therefore, many scientists try to solve this problem with methods that do not use equation inversions. In this sense, the use of artificial neural networks and genetic algorithms prove to be interesting alternatives for this purpose. The solutions found in this work were applied to an educational robot platform with 5 degree of freedom and six servomotors controlled by an Arduino Uno microcontroller. The MATLAB software was used as a tool to develop and application of these two methods / Mestrado / Automação / Mestre em Engenharia Elétrica

A identificação de unia planta exige, pelos padrões de taxionomia vegetal, a análise de folhas, flores e frutos. O projeto TreeVis surge com uma proposta de auxiliar na identificação de espécies vegetais, por meio do uso de métodos biométricos, a partir da análise de alguns atributos de uma folha. A contribuição inicial deste trabalho de mestrado, para o projeto TreeVis, está obtenção de classificadores por meio do uso de assinaturas de contorno, sob o domínio da frequência, possibilitando a composição de diversos tipos de assinaturas e classificadores para uma mesma espécie. Devido à baixa eficiência obtida por métodos de classificação como distância mínima, optou-se pelo uso de redes neurais. Essa abordagem evidenciou a necessidade de solução de dois problemas: o grande número de possibilidades de composição de sinais o que ocasionaria um grande esforço computacional para a obtenção de todas respectivas redes neurais; e o reduzido número das amostras utilizadas no trabalho - o qual comprometeria as etapas de treinamento e teste de uma rede neural. Para a solução desses problemas, foram desenvolvidos dois métodos: o primeiro método identifica e seleciona as assinaturas que apresentam um maior potencial de sucesso em obter um classificador por meio de redes neurais, solucionando o problema e desperdício de esforço computacional; o segundo método possibilita a geração de amostras artificiais de folhas através da combinação dos espectros de frequência do contorno das amostras reais por meio operadores genéticos de cross-over e mutação. Solucionadas as duas questões, foram obtidas diversas redes neurais, através da indicação das assinaturas de melhor potencial e treinadas com amostras artificiais. Do total de 31 classes, 7 foram descartadas da tentativa de obtenção de classificadores por não apresentarem nenhuma assinatura com potencial de classificação - conforme indicação do método desenvolvido. Das 24 espécies restantes, foram obtidos classificadores para 18 espécies (75%) com taxas médias de 85% de acerto. A execução deste trabalho necessitou do desenvolvimento de um arcabouço para a automatização da geração, treinamento e teste das redes neurais. / The vegetable identifieation is done, in vegetal taxonomy standards, by fiower, fruits and leaves analyses. The TreeVis project proposes to identifv vegetal speeiniens by biometric methods using only same leaf features. The contribution of this work for to TreeVis project is the generation of classifiers by the contour signatures, under frequency domain, niaking be able the coniposition of several types of signatures and classifiers for the same speeimen. Because of poor efficiency results from methods like minimal distance, was chosen to use neural networks. This approach showed the need to solve two probleins: the numerous composition possibilities of signatures - that would be need a big computational effort to obtained ali possible neural networks; and the small number of speeimen samples - that would compromise the training and test. of neural networks. To solve these two probleins was developed two methods: The first identify and select the signatures that have a good pattern recognition potential, before of the network will be done, solving the waste unneeded effort problem. The second method proposed produces artificial leaf sliapes by combination of contour spectrum frequency speeiniens of real leaves, using genetic operators like cross-over and mutation. Solved these probleins several networks was obtained by appointed potential signature methods and trained and tested with artificial leaves. From 31 speeiniens class, 07 were discarded because tliey had not signatures with classification potential - indicated by developed method. From 24 classes remaining were obtained classifiers for 18 classes (75%) with médium rates 85% of set riglit. The execution of this work demanded the construction of a framework to automatize the generation, training and test of the neural networks.

A identificação de unia planta exige, pelos padrões de taxionomia vegetal, a análise de folhas, flores e frutos. O projeto TreeVis surge com uma proposta de auxiliar na identificação de espécies vegetais, por meio do uso de métodos biométricos, a partir da análise de alguns atributos de uma folha. A contribuição inicial deste trabalho de mestrado, para o projeto TreeVis, está obtenção de classificadores por meio do uso de assinaturas de contorno, sob o domínio da frequência, possibilitando a composição de diversos tipos de assinaturas e classificadores para uma mesma espécie. Devido à baixa eficiência obtida por métodos de classificação como distância mínima, optou-se pelo uso de redes neurais. Essa abordagem evidenciou a necessidade de solução de dois problemas: o grande número de possibilidades de composição de sinais o que ocasionaria um grande esforço computacional para a obtenção de todas respectivas redes neurais; e o reduzido número das amostras utilizadas no trabalho - o qual comprometeria as etapas de treinamento e teste de uma rede neural. Para a solução desses problemas, foram desenvolvidos dois métodos: o primeiro método identifica e seleciona as assinaturas que apresentam um maior potencial de sucesso em obter um classificador por meio de redes neurais, solucionando o problema e desperdício de esforço computacional; o segundo método possibilita a geração de amostras artificiais de folhas através da combinação dos espectros de frequência do contorno das amostras reais por meio operadores genéticos de cross-over e mutação. Solucionadas as duas questões, foram obtidas diversas redes neurais, através da indicação das assinaturas de melhor potencial e treinadas com amostras artificiais. Do total de 31 classes, 7 foram descartadas da tentativa de obtenção de classificadores por não apresentarem nenhuma assinatura com potencial de classificação - conforme indicação do método desenvolvido. Das 24 espécies restantes, foram obtidos classificadores para 18 espécies (75%) com taxas médias de 85% de acerto. A execução deste trabalho necessitou do desenvolvimento de um arcabouço para a automatização da geração, treinamento e teste das redes neurais. / The vegetable identifieation is done, in vegetal taxonomy standards, by fiower, fruits and leaves analyses. The TreeVis project proposes to identifv vegetal speeiniens by biometric methods using only same leaf features. The contribution of this work for to TreeVis project is the generation of classifiers by the contour signatures, under frequency domain, niaking be able the coniposition of several types of signatures and classifiers for the same speeimen. Because of poor efficiency results from methods like minimal distance, was chosen to use neural networks. This approach showed the need to solve two probleins: the numerous composition possibilities of signatures - that would be need a big computational effort to obtained ali possible neural networks; and the small number of speeimen samples - that would compromise the training and test. of neural networks. To solve these two probleins was developed two methods: The first identify and select the signatures that have a good pattern recognition potential, before of the network will be done, solving the waste unneeded effort problem. The second method proposed produces artificial leaf sliapes by combination of contour spectrum frequency speeiniens of real leaves, using genetic operators like cross-over and mutation. Solved these probleins several networks was obtained by appointed potential signature methods and trained and tested with artificial leaves. From 31 speeiniens class, 07 were discarded because tliey had not signatures with classification potential - indicated by developed method. From 24 classes remaining were obtained classifiers for 18 classes (75%) with médium rates 85% of set riglit. The execution of this work demanded the construction of a framework to automatize the generation, training and test of the neural networks.

Essa dissertação propõe um conjunto de experimentos de simulação em sistemas sujeitos a dois modos de falha com vistas à otimização de confiabilidade. Para tanto, propõe a modelagem analítica e otimização via Algoritmo Genético em sistemas série-paralelo com múltipla escolha de componentes. A ocorrência de falhas em produtos e serviços pode gerar descontentamento aos clientes e até riscos à sua segurança. Em muitos casos práticos, sistemas constituídos por componentes que apresentam dois modos de falha (ou seja, que podem falhar no modo aberto ou curto) são caracterizados por elevada complexidade matemática e analítica para mensuração de sua confiabilidade e estabelecimento de arranjos ótimos. O objetivo da modelagem de estruturas com foco na otimização de confiabilidade consiste em determinar o arranjo que proporciona níveis mais elevados de confiabilidade, ao passo que problemas de alocação de redundância visam à seleção de componentes e níveis apropriados de redundância que maximizem a confiabilidade ou minimizem os custos do sistema frente a restrições de projeto. São estudados os sistemas série-paralelo k-out-of-n (em que qualquer combinação de k dentre n componentes devem operar devidamente). Esse trabalho inova ao apresentar sistemas série-paralelo l-out-of-m, onde a falha de até l dentre m subsistemas não ocasiona falha no sistema geral. Os métodos apresentados fornecem uma contribuição ao estudo de confiabilidade em sistemas com dois modos de falha. / This dissertation proposes a set of simulation experiments in series-parallel systems subject to two failure modes with a view to reliability optimization. Therefore, proposes analytical modeling and optimization by the genetic algorithms in k-out-of-n series-parallel systems and l-out-of-m series-parallel systems, with multiple choice of components. When it comes to products and services, functional errors can lead disgruntlement by customers and even security risks. In many practical cases, systems consisting of two failure modes components (ie, they can fail in open or short mode) rely on highly mathematical and analytical complexity for reliability estimation and establishment of optimal arrangements. The goal of structural modeling focused on reliability optimization is to determine the design that provides the highest reliability levels, while the redundancy allocation problem involves selecting components and appropriate levels of redundancy that either maximize reliability or minimize system costs against design constraints. The k-out-of-n series-parallel structure (any combination of k among n components must operate properly) are studied and this work innovates by presenting l-out-of-m series-parallel systems, where failure of up to l within m subsystems does not cause a overall system failure. The methods presented contribute to the study of reliability in systems with two modes of failure.

Made available in DSpace on 2016-12-23T14:04:29Z (GMT). No. of bitstreams: 1 Juliana Pereira Louzada Valory.pdf: 1583275 bytes, checksum: 9fbc8655c37e7f434862c0ae4fdd5f91 (MD5) Previous issue date: 2013-06-03 / The disposal of raw sewages into water bodies courses a major environmental problem. Design building and operation of wastewater treatment plants have been the most usual control effort for this problem. The selection of wastewater treatment plants become more complex when analyzed from view of watershed multiple discharges of different loads into water bodies with different self-purification capabilities. In this context, new tools and methodologies have been developed to provide adequate support to the decision-making process for selecting wastewater treatment plants systems. This work aims to combine water quality model and optimization technique -Genetics Algorithms - as an alternative methodology for the selection wastewater treatment systems. Three different optimization models were combined in order to minimize the sum of efficiencies of treatment within a watershed, maintain equity between different discharges and comply with environmental constraints. The mathematical water quality model and the Genetic Algorithm were combined in the MATLAB software computational environment. An exhaustive search algorithm was implemented to evaluate the efficiencies estimated using the Genetic Algorithm. The results indicate that the lowest sum of efficiencies was obtained from the optimization model that considerate rivers self-purification. The use of genetic algorithm made possible to estimate organic matter removal efficiencies very close to those estimated by the Exhaustive Search algorithm in a computer processing time substantially smaller / A disposição final de efluentes domésticos brutos em corpos d água representa um dos principais problemas de degradação ambiental, constituindo a implantação de estações de tratamento de esgotos a mais usual medida de controle. O processo de seleção de uma estação de tratamento de esgoto é complexo quando observado do ponto de vista de uma bacia hidrográfica, com múltiplos lançamentos, de diferentes cargas, em corpos d água com diferentes capacidades de assimilação. Neste contexto, novas metodologias e ferramentas têm sido desenvolvidas para oferecer adequado suporte ao processo decisório associado à seleção de sistemas que dão forma às estações de tratamento de esgotos. O presente trabalho tem por objetivo combinar um modelo de qualidade de água e uma Técnica de otimização - o Algoritmo Genético - como alternativa metodológica para o processo de seleção de sistemas de tratamento de esgotos. Foram desenvolvidos três diferentes modelos de otimização que buscaram minimizar o somatório de eficiências de tratamento no âmbito de uma bacia hidrográfica, manter a equidade entre os diferentes lançamentos e atender às restrições de ordem ambiental. O modelo matemático de qualidade de água e o Algoritmo Genético foram combinados no ambiente computacional do software MatLab. Algoritmo de busca exaustiva foi implementado com o objetivo de avaliar as eficiências estimadas com auxílio do Algoritmo Genético. Os resultados indicaram que o menor somatório de eficiências foi obtido a partir do modelo de otimização que permitia explorar a capacidade de autodepuração dos rios. O emprego do Algoritmo Genético permitiu estimar eficiências de remoção de matéria orgânica muito próximas daquelas estimadas pelo algoritmo de Busca Exaustiva em tempo de processamento substancialmente menor

Essa dissertação propõe um conjunto de experimentos de simulação em sistemas sujeitos a dois modos de falha com vistas à otimização de confiabilidade. Para tanto, propõe a modelagem analítica e otimização via Algoritmo Genético em sistemas série-paralelo com múltipla escolha de componentes. A ocorrência de falhas em produtos e serviços pode gerar descontentamento aos clientes e até riscos à sua segurança. Em muitos casos práticos, sistemas constituídos por componentes que apresentam dois modos de falha (ou seja, que podem falhar no modo aberto ou curto) são caracterizados por elevada complexidade matemática e analítica para mensuração de sua confiabilidade e estabelecimento de arranjos ótimos. O objetivo da modelagem de estruturas com foco na otimização de confiabilidade consiste em determinar o arranjo que proporciona níveis mais elevados de confiabilidade, ao passo que problemas de alocação de redundância visam à seleção de componentes e níveis apropriados de redundância que maximizem a confiabilidade ou minimizem os custos do sistema frente a restrições de projeto. São estudados os sistemas série-paralelo k-out-of-n (em que qualquer combinação de k dentre n componentes devem operar devidamente). Esse trabalho inova ao apresentar sistemas série-paralelo l-out-of-m, onde a falha de até l dentre m subsistemas não ocasiona falha no sistema geral. Os métodos apresentados fornecem uma contribuição ao estudo de confiabilidade em sistemas com dois modos de falha. / This dissertation proposes a set of simulation experiments in series-parallel systems subject to two failure modes with a view to reliability optimization. Therefore, proposes analytical modeling and optimization by the genetic algorithms in k-out-of-n series-parallel systems and l-out-of-m series-parallel systems, with multiple choice of components. When it comes to products and services, functional errors can lead disgruntlement by customers and even security risks. In many practical cases, systems consisting of two failure modes components (ie, they can fail in open or short mode) rely on highly mathematical and analytical complexity for reliability estimation and establishment of optimal arrangements. The goal of structural modeling focused on reliability optimization is to determine the design that provides the highest reliability levels, while the redundancy allocation problem involves selecting components and appropriate levels of redundancy that either maximize reliability or minimize system costs against design constraints. The k-out-of-n series-parallel structure (any combination of k among n components must operate properly) are studied and this work innovates by presenting l-out-of-m series-parallel systems, where failure of up to l within m subsystems does not cause a overall system failure. The methods presented contribute to the study of reliability in systems with two modes of failure.

Essa dissertação propõe um conjunto de experimentos de simulação em sistemas sujeitos a dois modos de falha com vistas à otimização de confiabilidade. Para tanto, propõe a modelagem analítica e otimização via Algoritmo Genético em sistemas série-paralelo com múltipla escolha de componentes. A ocorrência de falhas em produtos e serviços pode gerar descontentamento aos clientes e até riscos à sua segurança. Em muitos casos práticos, sistemas constituídos por componentes que apresentam dois modos de falha (ou seja, que podem falhar no modo aberto ou curto) são caracterizados por elevada complexidade matemática e analítica para mensuração de sua confiabilidade e estabelecimento de arranjos ótimos. O objetivo da modelagem de estruturas com foco na otimização de confiabilidade consiste em determinar o arranjo que proporciona níveis mais elevados de confiabilidade, ao passo que problemas de alocação de redundância visam à seleção de componentes e níveis apropriados de redundância que maximizem a confiabilidade ou minimizem os custos do sistema frente a restrições de projeto. São estudados os sistemas série-paralelo k-out-of-n (em que qualquer combinação de k dentre n componentes devem operar devidamente). Esse trabalho inova ao apresentar sistemas série-paralelo l-out-of-m, onde a falha de até l dentre m subsistemas não ocasiona falha no sistema geral. Os métodos apresentados fornecem uma contribuição ao estudo de confiabilidade em sistemas com dois modos de falha. / This dissertation proposes a set of simulation experiments in series-parallel systems subject to two failure modes with a view to reliability optimization. Therefore, proposes analytical modeling and optimization by the genetic algorithms in k-out-of-n series-parallel systems and l-out-of-m series-parallel systems, with multiple choice of components. When it comes to products and services, functional errors can lead disgruntlement by customers and even security risks. In many practical cases, systems consisting of two failure modes components (ie, they can fail in open or short mode) rely on highly mathematical and analytical complexity for reliability estimation and establishment of optimal arrangements. The goal of structural modeling focused on reliability optimization is to determine the design that provides the highest reliability levels, while the redundancy allocation problem involves selecting components and appropriate levels of redundancy that either maximize reliability or minimize system costs against design constraints. The k-out-of-n series-parallel structure (any combination of k among n components must operate properly) are studied and this work innovates by presenting l-out-of-m series-parallel systems, where failure of up to l within m subsystems does not cause a overall system failure. The methods presented contribute to the study of reliability in systems with two modes of failure.

It has been sought to evaluate the population structure and the genetic progress observed in Santa Ines breed sheep, distributed in 51 selection nucleus herds which are part of the ASCCO/USP Genetic Breeding Program. Also the usage of genetic algorithms to find the optimal genetic contribution to the next generation of animals that are part of this nucleus herds with structured pedigree and genetic value for traits of economic relevance estimated by Best Linear Unbiased Predictors (DEP-BLUP). Information about and genetic ancestry and genetic values at 60 days weight from ASCCO/USP Santa Ines Breed Genetic Breeding Program database were used, the analysis were been made by the EVA program, developed by NORDGEN, of open usage. The population data described were the number of animals born, the number of inbred animals, the average inbreeding coefficient, the average rate of coancestry, the effective population size, the expected difference in average progeny breeding value for the trait weight at 60 days (DEP P60) and the level of pedigree completeness. Results suggest a decrease in effective population size, increment in coancestry and high level of pedigree completeness. Also, the results indicate low use of reproduction techniques such as artificial insemination and a suboptimal rate of genetic gain. The mathematical optimization use genetic algorithms contained in the EVA program, where its usefulness was demonstrated to optimize the genetic gain with inbreeding control, in nucleus herds with mid-sized databases. Minimum computer requirements grow exponentially with the number of candidates for selection which can become a serious restriction to their use in large databases. The results were additionally compared to the breeding results from DEP-BLUP selection with a truncation point and to random breeding. The number and distribution of selected males varies according to a penalty attributed to inbreeding in the objective function. The results proved the effectiveness of the method for better genetic gains than random mating and better control over inbreeding compared to selection by DEP-BLUP. / Procurou-se avaliar a estrutura populacional e o progresso genético observado em ovinos da raça Santa Inês, distribuídos em 51 núcleos de seleção que fazem parte do Programa de Melhoramento Genético da Raça Santa Inês ASCCO/USP. Bem como o uso de algoritmos genéticos para encontrar a contribuição genética ótima, para a próxima geração, de animais componentes de núcleos de seleção que tenham pedigree estruturado e valores genéticos para características de importância econômica, estimados através de Preditores Lineares Não Viesados (DEP-BLUP). Foram utilizadas informações de ascendência e valores genéticos para peso aos 60 dias do banco de dados do Programa de Melhoramento Genético da Raça Santa Inês ASCCO/USP, e as análises foram realizadas utilizando o programa EVA, desenvolvido pela NORDGEN, de uso livre. Os dados populacionais descritos foram o número de animais nascidos, o número de animais consanguíneos, o coeficiente de consanguinidade médio, a coancestralidade média, o tamanho efetivo da população, a diferença esperada da progênie média para a característica Peso aos 60 dias (DEP P60) e o grau de completude do pedigree. Os resultados encontrados indicam valores de efetivo populacional decrescente, aumento na coancestralidade e alto índice de completude do pedigree. Apontam ainda para o baixo uso das técnicas de reprodução, a exemplo da inseminação artificial, e uma taxa de ganho genético não otimizada. A otimização matemática utiliza algoritmos genéticos contidos no programa EVA, em que foi constatada a utilidade do uso do programa EVA para otimizar o ganho genético com controle da consanguinidade em núcleos de seleção com banco de dados de tamanho médio. Os requisitos computacionais mínimos crescem exponencialmente em relação à quantidade de candidatos a seleção, podendo se tornar um sério empecilho à sua utilização em banco de dados de maior tamanho. Os valores obtidos também foram comparados com os resultantes de acasalamentos a partir da seleção pelas DEP-BLUP com um ponto de truncamento, bem como com os de acasalamentos ao acaso. O número e a distribuição dos machos selecionados variaram de acordo com a penalidade atribuída à consaguinidade na função objetivo. Os resultados obtidos comprovaram a eficácia do método para obter melhores ganhos genéticos em relação ao acasalamento ao acaso e melhor controle sobre a consanguinidade comparativamente a seleção pelas DEP- BLUP.