Orientador: Carlos Roberto Minussi / Banca: Francisco Villarreal Alvarado / Banca: Nobuo Oki / Banca: Geraldo Roberto Martins da Costa / Banca: Mário Oleskovicz / Resumo: Nos dias atuais, principalmente pelo fato de alguns sistemas serem desregulamentados, o estudo dos problemas de análise, planejamento e operação de sistemas de energia elétrica é de extrema importância para o funcionamento do sistema. Para isso é necessário que se obtenha, com antecedência, o comportamento da carga elétrica com o propósito de garantir o fornecimento de energia aos consumidores de forma econômica, segura e contínua. Este trabalho propõe o desenvolvimento de redes neurais artificiais utilizadas para resolver o problema de previsão de cargas elétricas. Para tanto, inicialmente, propôs-se a introdução de melhorias na rede neural feedforward com treinamento realizado utilizando o algoritmo retropropagação. Neste caso, foi desenvolvida/implementada a adaptação dos parâmetros de inclinação e translação da função sigmóide (função de ativação da rede neural). A inclusão desta nova estrutura de redes neurais produziu melhores resultados, se comparado à rede neural retropropagação convencional. Essas arquiteturas proporcionam bons resultados, porém, são estruturas de redes neurais que possuem o problema de convergência. O problema de previsão de cargas elétricas a curto-prazo necessita de uma rede neural que forneça uma saída de forma rápida e eficaz. No intuito de solucionar os problemas encontrados com o algoritmo retropropagação foi desenvolvida/implementada uma rede neural baseada na arquitetura ART (Adaptive Rossonance Theory), denominada rede neural ART&ARTMAP nebulosa, aplicada ao problema de previsão de carga elétrica. Trata-se, por conseguinte, da principal contribuição desta tese. As redes neurais, baseadas na arquitetura ART, possuem duas características fundamentais que são de extrema importância para o desempenho da rede (estabilidade e plasticidade), que permite a implementação do treinamento de modo contínuo...(Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Nowadays due to the deregulamentation it is very important to study the problems of analyzing, planning and operation of electric power systems. For a reliable operation it is necessary to know previously the behavior of the load to guarantee the energy providing to the users with security and continuity and in an economic way. This work proposes to develop artificial neural networks to solve the problem of electric load forecasting. First, it is introduced some improvements on the feedforward neural network, with the training effectuated with the backpropagation algorithm. The improvement was the adaptation of the inclination and translation parameters of the sigmoid function (activation function of the neural network). The inclusion of this new structure provides better results if compared to the conventional backpropagation algorithm. These architectures provide good results, although they are structures that have some convergence problems. The short term electric load forecasting problem needs a neural network that provide a fast and efficient output. To solve this problem a neural network based on the ART (Adaptive Ressonance Theory), called_ fuzzy ART&ARTMAP applied to the load-forecasting problem, was developed and implemented._This is one of the contributions of this work. Neural networks based on the ART architecture have two important characteristics for the network performance, which are stability and plasticity, allowing the continuous training. The fuzzy ART&ARTMAP neural network reduces the imprecision of the results by a mechanism that separates the binary and analogical data and processing them separately. This represents a quality and an improvement on the results (reduction of the processing time and better precision), if compared to the neural network with backpropagation training (often considered as a benchmark in precision by the specialized...(Complete abastract click electronic access below) / Doutor

Orientador: Marcelo Carvalho Minhoto Teixeira / Banca: Aparecido Augusto de Carvalho / Banca: Márcio Roberto Covacic / Resumo: Neste trabalho descreve-se o desenvolvimento de duas redes neurais que identificam e classificam dados da distribuição do peso corporal na região plantar de pessoas normais e hemiplégicas. Esses dados são experimentais e foram obtidos através da utilização de uma plataforma de força contendo 48 sensores. As arquiteturas utilizadas para esta aplicação foram as redes neurais MLP (Multilayer Perceptron) com o algoritmo retropropagação (backpropagation), e ARTMAP Nebulosa. A escolha de tais arquiteturas se deve ao treinamento (supervisionado) o qual associa de forma direta a distribuição de força plantar com os respectivos pacientes (normais e hemiplégicos). Ambas as arquiteturas, MLP e ARTMAP Nebulosa, conseguiram fazer a discriminação entre quase todas as pessoas normais e hemiplégicos. A rede neural ARTMAP Nebulosa possui a vantagem de efetuar a classificação de forma rápida e eficiente. Esta aplicação é importante nas áreas de Podologia, Posturologia e Podoposturologia, pois propicia ao profissional de saúde uma nova metodologia de diagnóstico / Abstract: This work describes the development of two neural networks that identify and classify data distribution of plantar body weight of normal or hemiplegic individuals. The architectures used for this application were, respectively, MLP neural networks (Multilayer Perceptron) with backpropagation algorithm, and Fuzzy ARTMAP. The choice of such architectures was due to the training (supervised training) which directly associates the distribution of plantar force with the patients (normal or hemiplegic). The input data used for training and diagnosis of the neural networks were obtained from a force plate, with 48 sensors, containing measurements of the weight distribution on the plantar region (right and left) of normal or hemiplegic patients. Both architectures, MLP and Fuzzy ARTMAP, were able to discriminate almost all normal and hemiplegic patients. The Fuzzy ARTMAP neural network was more efficient than MLP neural network in the classification of the patients. This application is important in areas of Podiatry, Posturology and Podoposturology because it can help the health care professionals / Mestre

Orientador: Mauro Hugo Mathias / Banca: Alvaro Manoel Souza Soares / Banca: José Elias Tomazini / Banca: Francisco Carlos Parquet Bizarria / Banca: Carlos Henrique Netto Lahoz / Resumo: Um importante aspecto no processo produtivo é proporcionar o funcionamento das máquinas o maior tempo possível sem o comprometimento na qualidade final do produto. Nesse sentido, a utilização de uma política de manutenção adequada se torna necessária para o monitoramento do desgaste dos componentes das máquinas a fim de aumentar o tempo de sua utilização sem comprometer a qualidade do produto. A manutenção baseada em condição se apresenta como a abordagem mais apropriada para esse controle. Dentre as diversas abordagens utilizadas para o desenvolvimento de programas para esse tipo de manutenção, as técnicas baseadas em Inteligência Artificial vêm se destacando no que diz respeito ao seu desempenho. Diante desse contexto, essa tese propõe uma Rede Neural Artificial, a qual, devidamente parametrizada, possibilita sua aplicação tanto para análise de vibrações quanto análise de partículas de desgaste. Para tanto, foi implementado um protótipo denominado NEURALNET-CBM, subdividido em dois módulos, Vibrações e Partículas. Os resultados dos testes mostram a efetividade da rede proposta, com um índice de acerto acima de 90% na classificação e identificação de defeitos e partículas de desgaste. / Abstract: An important aspect in the production process is to ensure the operability of a machine as long as possible without interfering on the final quality product. In this way, the use of a suitable maintenance policy is critical for monitoring the wear of the machine components in order to increase your useful life without any compromise of the product quality. The Condition-Based Maintenance is presented as the most appropriate approach for this control. Among several methods used to develop systems for this type of maintenance, techniques Artificial Intelligence has been standing out in relation their performance. Therefore, this thesis proposes a Artificial Neural Network, which, properly parameterized, it makes possible its application for both vibration and wear particle analysis. For this, we implemented a prototype named NEURALNET-CBM, divided into two modules: Vibration and Particle. The test results show the effectiveness of the proposed network, with accuracy rate greater than 90% in classifying and identification of defects and wear particles. / Doutor

Orientador: Naasson Pereira de Alcântara Junior / Banca: José Carlos Sartoti / Banca: José Alfredo Covolan Ulson / Resumo: Neste trabalho, apresenta-se o desenvolvimento de uma metodologia utilizando redes neurais artificiais, para auxiliar na determinação da freqüência de ressonância no projeto de antenas tipo microfita de equipamentos móveis, tanto para antenas retangulares como para antenas triangulares. Compararam-se modelos deterministas e modelos empíricos baseados em Redes Neurais Artificiais (RNA) da literatura pesquisada com os modelos apresentados neste trabalho. Apresentam-se modelos empíricos baseados em RNAs tipo Perceptron Multicamadas (PMC). Os modelos propostos também são capazes de serem integrados em um ambiente CAD (Computed Aided Design) para projetar antenas tipo microfita de equipamentos móveis. / Abstract: This work presents the development of models that can be used in the design of microstrip antennas for mobile communications. The antennas can be triangular or rectangular. The presented models are compared with deterministic and empirical models based on artificial neural networks (ANN) presented in the literature. The models are based on Perceptron Multilayer (PML). The models can be embedded in CAD systems, in order to design microstrip antennas for mobile communications. / Mestre

Orientador: Percival Bueno de Araujo / Banca: Laurence Duarte Colvara / Banca: Mara Lúcia Martins Lopes / Banca: Luis Filomeno de Jesus Fernandes / Banca: Igor Kopcak / Resumo: Neste trabalho é proposta a utilização da rede neural artificial (RNA) ARTMAP Nebulosa (fuzzy) no ajuste de parâmetros de controladores suplementares para o amortecimento de oscilações eletromecânicas de sistemas elétricos de potência, visando tornar este ajuste mais eficiente. Análises comparativas da atuação das redes neurais artificiais ARTMAP Nebulosa e Perceptron Multicamadas (PM) são realizadas para dois sistemas multimáquinas considerando o ajuste individual e coordenado dos controladores. Tais redes são utilizadas para o projeto dos controladores ESP (Estabilizadores de Sistemas de Potência) e POD (Power Oscillation Damping) acoplado ao dispositivo FACTS (Flexible Alternating Current Transmission Systems) UPFC (Unified Power Flow Controller). Será evidenciado que a RNA ARTMAP Nebulosa pode ser utilizada na melhora da estabilidade dinâmica, fornecendo resultados muito semelhantes aos da RNA Perceptron Multicamadas. Entretanto, é importante enfatizar que a vantagem da utilização da RNA ARTMAP Nebulosa está no fato da garantia da estabilidade e plasticidade associadas a um rápido treinamento, o que não ocorre com a RNA Perceptron Multicamadas / Abstract: This work proposes the use of artificial neural network (ANN) Fuzzy ARTMAP to adjust the parameters of additional controllers to damp electromechanical oscillations in electric power systems in order to make this adjustment more efficient due to variations in load. Comparative analysis of the performance of artificial neural networks Fuzzy ARTMAP and Multilayer Perceptron are performed for two multimachine systems, considering individual and coordinated controller adjustment. Those networks are used for the design of Power System Stabilizers (PSS) and Power Oscillation Damping (POD) that is coupled to the FACTS (Flexible Alternating Current Transmission Systems) UPFC (Unified Power Flow Controller). It will be shown that the ANN Fuzzy ARTMAP can be used in the improvement of dynamic stability, providing very similar results to the ANN Multilayer Perceptron. However, it is important to emphasize that the advantage of using ANN Fuzzy ARTMAP is the guarantee of stability and plasticity associated with a fast training process which does not occur for the ANN Multilayer Perceptron / Doutor

Orientador: Maria de Lourdes Bueno Trindade Galo / Banca: Luciana de Resende Londe / Banca: Aluir Porfirio Dal Poz / Resumo: O conhecimento da distribuição espacial da concentração de componentes da água é de fundamental importância para inferir a respeito dos processos ecológicos que ocorrem num sistema hídrico sendo, entretanto, de difícil obtenção. Dentre as variáveis que merecem atenção no monitoramento de ambientes aquáticos, destaca-se a clorofila a, a qual é uma substância presente em algas responsáveis pela fotossíntese, organismos que constituem a base da cadeia alimentar nesses ambientes. Por se tratar de um pigmento fotossintetizante, a clorofila a apresenta a propriedade de interagir com a radiação eletromagnética, e dessa interação resultam diferentes processos, identificáveis por meio de sensores remotos. Assim sendo, a presente pesquisa se propôs a desenvolver um método de inferência da concentração de clorofila a utilizando Redes Neurais Artificiais (RNA). Utilizou-se como dados de entrada para a inferência combinações de bandas espectrais de uma imagem World View-2 e valores de concentração de clorofila a obtidos com um fluorômetro de campo, o qual possibilitou uma amostragem densa na área de estudos. A imagem multiespectral foi corrigida radiometricamente, eliminando efeitos de instrumentação e atmosféricos. Ainda, efetuou-se uma suavização espectral em cada uma das bandas e foi avaliado se esse tratamento na imagem possibilitaria... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The knowledge of the spatial distribution of water components concentrations is of fundamental importance to infer about the ecological processes that occur in an aquatic system, however, is difficult to obtain it. Among the variables that deserve attention in the monitoring of aquatic environments, cite the chlorophyll a, which is a substance of photosynthetic algae, organisms that are the basis of the food chain in these environments. Because it is a photosynthetic pigment, chlorophyll a has the property to interact with electromagnetic radiation, and it results in different processes, identifiable through remote sensing. Thus, this research intended to develop a chlorophyll a concentration inference method using Artificial Neural Networks (ANN). As input for the inference, it was used combinations of World View-2 spectral bands and chlorophyll a concentration values obtained with a field fluorometer, which allowed a dense sampling in the study area. The multispectral imagery was radiometrically corrected, eliminating the instrumentation and atmospheric effects. Still, it was performed a spectral smoothing in each of the spectral bands and evaluated whether this treatment would give... (Complete abstract click electronic access below) / Mestre

Resumo: Este trabalho apresenta a aplicação de um sistema inteligente utilizando redes neurais artificiais para estimar valores de densidade do solo, a partir de parâmetros referentes à resistência do solo à penetração. Foram considerados solos preparados e não preparados, os não preparados foram os seguintes : teor de argila menor que 30 % (solo tipo 1), de 30 a 50 % (solo tipo 2) e maior que 50 % (solo tipo 3). Os preparados foram os seguintes: um com teor de argila menor que 30 % (solo tipo 1) e o outro com teor de argila maior que 50 % (solo tipo 3). O objetivo principal deste trabalho foi implementar diversas redes neurais do tipo perceptron multicamadas, alimentando-as com resistência do solo à penetração, teor de água e teor de argila, tendo como variável de saída a densidade do solo. Cada rede foi treinada variando o número de camadas escondidas e também variando o número de neurônios, de 10 a 40, em cada camada. Para cada arquitetura, a rede foi treinada 10 vezes, escolhendo-se no final do treinamento a arquitetura com menor erro relativo médio e menor variância em relação aos dados de validação. As análises realizadas mostraram que as arquiteturas de rede com apenas uma camada escondida forneceram melhores resultados. Todas as redes tiveram melhor desempenho em solo não preparado do que em solo preparado. A rede de arquitetura de 3 entradas, uma camada escondida com 30 neurônios e 1 saída forneceu excelente resultado para solo não preparado (com teor de argila entre 30 e 50 %). Constatou-se que a rede quando treinada com dados do solo preparado, juntamente com dados do solo não preparado, melhorou os resultados de estimação para o solo preparado, mas piorou para os solos não preparados. Constatou também que a rede quando treinada junto com dados que contém solo solto fornece resultados imprecisos. O mesmo ocorreu para dados com teor de água elevado. / Abstract: This work presents the development of an intelligent system using artificial neural networks to estimate values of soil density. Prepared and non-prepared soils were considered in this work. The non-prepared soils were the following ones: clay content lesser than 30 % (soil type 1), 30 to 50 % (soil type 2) and larger than 50 % (soil type 3). The prepared soils were the following ones: soil with clay content lesser than 30 % (soil type 1) and soil with clay content larger than 50 % (soil type 3). The main objective of this work was to implement several neural networks of type multilayer perceptron, feeding them with data concerning to the soil compaction characteristics. The output computed by the neural network was the respective density of these soils. Each neural network was trained varying both number of hidden layers and number of neurons, which was changed from 10 to 40 neurons in each layer. In each architecture the network was trained 10 times and selected architecture was always that having either the least mean relative error or the least variance in relation to validation data. The carried out analyses showed that the neural architectures having only a hidden layer were those that provided the best results. All neural networks have presented more efficient results for non-prepared soils than prepared soils. The neural network constituted by three inputs and one output, having 30 neurons at hidden layer, has provided excellent results for non-prepared soils (clay content between 30 and 50 %). It was also verified that the neural network when trained with data referent to non-prepared and soils, which were put in the same data set, it became the results referent to prepared soils more efficient, but the results for non-prepared soils become worse. Another observed point was when the network had been trained with data constituted by soft soil... (Complete abstract, click electronic address below). / Orientador: Ivan Nunes da Silva / Coorientador: Kléber Pereira Lanças / Doutor

Orientador: Paulo Roberto de Aguiar / Banca: José Alfredo Covolan Ulson / Banca: Alisson Rocha Machado / Resumo: A crescente competitividade do mercado, exigência por qualidade, padronização cada vez superior a necessidade de redução do desperdícios trazem cada vez mais a automação às indústrias. Por suas características, os processos automatizados podem ser melhorados com a utilização de métodos de controle e supervisão e, neste campo, a utilização de sensores e redes neurais artificiais têm cada vez mais destaque em pesquisa. No processo de furação, estudos relatam a aplicação bem sucedida destas técnicas na determinação do fim da vida de ferramentas, contudo, em muitas aplicações, apenas o controle do desgaste da broca não é suficiente para garantir a qualidade do produto. Diâmetro do furo usinado, rugosidade e a formação de rebarbas são alguns exemplos de importantes resultados do processo que não dependem exclusivamente da condição da ferramenta de corte, neste âmbito, estudos dedicados ao controle destas variáveis são limitados, senão inexistentes. Desta forma, este estudo foi conduzido buscando gerar uma contribuição à supervisão do processo de furação com foco na estimação do diâmetro e rugosidade do furo usinado. Utilizando um sistema multi sensores instalados em uma máquina ferramenta e corpus de prova compostos por uma liga de titânio seguida de uma liga de alumínio, registraram-se os sinais dos sensores durante o corte para variados parâmetros de usinagem. Os dados coletados serviram de entrada a uma rede neural artificial, que foi treinada com os valores de diâmetro e rugosidade medidos parte das amostras. Depois do treinamento, a rede capacitou-se a estimar os valores de diâmetro e rugosidade média a partir dos sinais coletados somados aos parâmetros de corte utilizados na concepção do furo. Os erros dos processo foram então calculados da diferença entre os valores medidos e as saídas obtidas. Os resultados demonstraram alta capacidade da rede em determinar as viariáveis desejadas / Abstract: The growing market competitiveness, product quality requirements and just in time production concept is bringing every time more automation to manufacturing industries. Productivity and quality in machining process can be improved by using monitoring and controlling methods. Along the last decades, sensors and Artificial Neural Network have been successfully utilized in many drill wear monitoring systems. However, in many industrial fields, to supervise the tool wear is not enough to assure the product qualities. Roughnessm burr formation and hole diameter are some examples of important process results does not exclusively depend on the tool condition and in this area of knowledge the number of studies is limited or inexistent. Thus, this work brings a contribution on drilling process monitoring where the target was to determine the hole diameter and roughness using a multi-sensor system and artificial neural network. The speciments used were composed by a titanium alloy and aluminum alloy plates. The sensors were installed in a machine tool and the process was accomplished using several drilling parameters. The acquired sensors data were used a input in an artificial neural network which was trained with the roughness and diameter measured in some samples. After trained, the system was qualified to output the expected variables from the input signals. To calculate the errors these output values were compared with the samples measured. The results showed efficiency of the system in determining the roughness and hole diameters as the obtained errors can be considered low or neigligible for the majority of drilling industrial application / Mestre

Orientador: Jozué Vieira Filho / Banca: Anna Diva Plasencia Lotufo / Banca: Marco Aparecido Queiroz Duarte / Resumo: Este trabalho apresenta uma metodologia para detecção e classificação de faltas do tipo curto-circuito. Esta operação de diagnóstico tem como principal operador um banco de redes neurais artificiais (RNAs) do tipo ARTMAP Nebulosa. Tal ferramenta segue a principal filosofia das RNAs: o reconhecimento de padrões, através de um trei- namento supervisionado inicial, responsável por atualizar os parâmetros das redes con- comitantemente com os resultados desejados. Finalizada a fase de adaptação, as redes serão capazes de, após receber novos padrões, classificá-los, de forma a propiciar, ao operador, informações importantes quanto ao estado de transmissão de barras presentes em um determinado complexo elétrico. Aqui, tomou-se como modelo a simulação de um grande alimentador real, composto por mais de 800 barras. Aliados às RNAs, tam- bém foram aplicadas, no que se refere à análise de dados amostrados de corrente elétri- ca, duas importantes e flexíveis ferramentas matemáticas: a Transformada de Fourier e a Transformada Wavelet. .Observa-se, ao final do trabalho, que os resultados apresenta- dos são bastante encorajadores, o que possibilitaria a utilização do programa em um ambiente real / Abstract: This work presents a detection and classification of short-circuit faults metho- dology. The main operator of this diagnostic operation is a Fuzzy ARTMAP Artificial Neural Networks (ANN) bank. This tool follows the ANN's main core: pattern recogni- tion, through an initial supervised training stage, responsible for updating the parame- ters of the networks con-comitant with the desired results. Completed the adaptation phase, the network will be able to, after receiving new standards, classifying them in order to provide to the operator important information about the state of transmission of bars present in a given complex electric. Here, there is, like a model, a simulation of a real big feeder, comprising more than 800 bars. Besides the ANNs, two important and flexible mathematical tools were also applied with regard to the analysis of sampled data of electric current: Fourier Transform and Wavelet Transform. At the end of the work the results presented are very encouraging, which would allow the use of the pro- gram in a no simulations real environment / Mestre

Orientador: Anna Diva Plasencia Lotufo / Banca: Maria do Carmo Gomes da Silveira / Banca: Gelson da. Cruz Junior / Resumo: A previsão de carga, considerada essencial no planejamento da operação energética e nos estudos de ampliação e reforços da rede básica, assume importância estratégica na extensão comercial, valorizando os processos de armazenamento desses dados e da extração de conhecimentos através de técnicas computacionais. Nos últimos anos, diversos trabalhos foram publicados sobre sistemas de previsão de cargas (demanda) elétricas. Nos horizontes de curto, médio e longo prazo, os modelos neurais, estão entre os mais explorados. O objetivo deste trabalho é apresentar um sistema previsor de cargas elétricas de forma simples e eficiente através de sistemas baseados em redes neurais artificiais com treinamento realizado pelo algoritmo back-propagation. Para isto, optou-se pelo desenvolvimento de um software utilizando os paradigmas de programação orientada a objetos para criar um modelo neural de fácil manipulação, e que de certa forma, consiga corrigir o problema dos mínimos locais. Em geral, o sistema desenvolvido é capaz de atribuir os parâmetros da rede neural de forma automática através de processos exaustivos. Os resultados apresentados foram comparados utilizando outros trabalhos em que também se usaram-se os dados da mesma companhia elétrica. Este trabalho apresentou um ganho de desempenho bem satisfatório em relação a outros trabalhos encontrados na literatura para a mesma classe de problemas / Abstract: Load Forecasting is essential in planning and operation of power systems, in enlarging and reinforcing the basic network, is also very important commercially, valorizing the filing process of these data and extracting knowledge by computational techniques. Lately, several works have been published about electrical load forecasting. Short term, medium term and long term horizons are equally studied. The objective of this work is to present an electrical load forecasting system, which is simple and efficient and based on artificial neural networks whose training is with the back-propagation algorithm. Therefore, a software is developed using the paradigms of the object oriented programming technique to create a neural model which is ease to manipulate, and able to correct the local minimum problem. This system attributes the neural parameters automatically by exhaustive procedures. Results are compared with other works that have used the same data and this work presents a satisfactory performance when compared with those and others found in the literature / Mestre