Resumo: O presente trabalho oferece contribuições à modelagem da rugosidade da peça em processos de usinagem por meio de redes neurais artificiais. Propõe-se um método para o projeto de redes. Perceptron Multi-Camada (Multi-Layer Percepton, ou MLO) e Função de Base radial Radial Basis Function, ou RBF) otimizadas para a predição da rugosidade da pela (Ra). Desenvolve-se um algoritmo que utiliza de forma hibrida a metodologia do projeto de experimentos por meio das técnicas dos fatoriais completose de Variações Evolucionária em Operações (EVOP). A estratégia adotada é a de utilizar o projeto de experimentos na busca de configurações de rede que favoreçam estatisticamente o desempenho na tarefa de predição. Parâmetro de corte dos processos de usinagem são utilizados como entradas das redes. O erro médio absoluto em porcentagem (MAE %) do decil inferioir das observações de predição para o conjunto de testes é utilizado como medida de desempnho dos modelos. Com o objetivo de validar o métido proposto são empregados casos de treinamento gerados a partir de daods obtidos de trabalhos de literatura e de experimentos de torneamento do aço ABNT 121.13. O método proposto leva á redução significativa do erro de predição da rugosidade nas operações de usinagem estudadas, quando se compara seu desempenho ao apresentado por modelos de regressão, aos resultados relatados pela literatura e ao desempenho de modelos neurais propostos por um pacotecomputacional comercial para otimização de configurações de rede. As redes projetadas segundo o método proposto possuem dispersão dos erros de predição significativamente reduzidos na comparação. Observa-se ainda que rede MLP atingem resultados estatisticamente superior aos obtidos pelas melhores redes RBF / Abstract: The present work offers some contributions to the area of surface roughness modeling by Artificial Neural Network in machining processes. Ir proposes a method for the project networks of MLP (Multi-Layer Perceptron) and RBF (Radial Basis Function) architectures optimized for prediction of Average Surface Roughness (Ru). The methid is expressed in the format of an algorithm employing two techniques from the DOE (Design of Experiments) methodology: Full factorials and Evolutionary Operations(EVOP). The strategy adopted consists in the sistematic use of DOE in a search for network configurations that benefits performance in roughess prediction. Cutting para meters from machining operations are employed as network inputs. Themean absolute error in percentage (MAE%) of the lower decile of the predictions for the test set is used as a figure of merit for network performance. In order to validate the method, data sets retrieved from literature, as well as results of experiments with AISI/SAE free-machining steel, are employed to form training and test data sets for the networks. The proposed algorithm leads to significant reduction in prediction error for surface roughness when compared to the performance delivred by a regression model, by the networks proposed by the original studies data was borrowed from and when compared models proposed by a software package intend to search automatically for optimal network configurations. In addition, networks designed acording to the proposed algorithm displayed reduced dispersion of prediction error for surface roughness when compared to the performance delivered by a regression model, by the networks proposed by the original studies data was borrowed from and when compared to neural models proposed by a software package intended to searchautomatically for optimal network configurations. In addition, networks designed according to the proposed algorith ... (Complete abstract click electronic access below) / Orientador: Messias Borges Silva / Coorientador: Anderson Paulo de Paiva / Banca: Marcos Valério Ribeiro / Banca: Marcela A. G. Machado de Freitas / Banca: Domingos Sávio Giordani / Banca: João Roberto Ferreira / Doutor

Orientador: Maria de Lourdes Bueno Trindade Galo / Resumo: A utilização de dados de Sensoriamento Remoto em conjunto com técnicas de processamento digital e análise de imagens tem possibilitado o desenvolvimento de estudos integrados, com vistas ao monitoramento dos recursos naturais. Uma maneira de representar esses dados é através de mapas temáticos, obtidos por métodos de classificação multiespectral. Para a classificação de dados de Sensoriamento Remoto, a utilização de Redes Neurais Artifíciais tem se apresentado como uma alternativa vantajosa em relação aos classificadores baseados em conceitos estatísticos, uma vez que nenhuma hipótese prévia sobre a distribuição dos dados a serem classificados é exigida. Assim, esse trabalho teve como objetivo detectar a ocorrência e mapear a dispersão espacial de plantas aquáticas emersas em cinco reservatórios ao longo do rio Tietê-SP (Barra Bonita, Bariri, Ibitinga, Promissão e Nova Avanhandava) através da classificação por Redes Neurais Artifíciais...(Resumo completo, clicar acesso eletrônico abaixo) / Mestre

Resumo: A previsão de carga, em sistemas de energia elétrica, constitui-se numa atividade de grande importância, tendo em vista que a maioria dos estudos realizados (fluxo de potência, despacho econômico, planejamento da expansão, compra e venda de energia, etc.) somente poderá ser efetivada se houver a disponibilidade de uma boa estimativa da carga a ser atendida. Deste modo, visando contribuir para que o planejamento e operação dos sistemas de energia elétrica ocorram de forma segura, confiável e econômica, foi desenvolvida uma metodologia para previsão de carga, a previsão multinodal, que pode ser entendida como um sistema inteligente que considera vários pontos da rede elétrica durante a realização da previsão. O sistema desenvolvido conta com o uso de uma rede neural artificial composta por vários módulos, sendo esta do tipo perceptron multicamadas, cujo treinamento é baseado no algoritmo retropropagação. Porém, foi realizada uma modificação na função de ativação da rede, em substituição à função usual, a função sigmoide, foram utilizadas as funções de base radial. Tal metodologia foi aplicada ao problema de previsão de cargas elétricas a curto-prazo (24 horas à frente) / Abstract: Load forecasting in electric power systems is a very important activity due to several studies, e.g. power flow, economic dispatch, expansion planning, purchase and sale of energy that are extremely dependent on a good estimate of the load. Thus, contributing to a safe, reliable, economic and secure operation and planning this work is developed, which is an intelligent system for multinodal electric load forecasting considering several points of the network. The multinodal system is based on an artificial neural network composed of several modules. The neural network is a multilayer perceptron trained by backpropagation where the traditional sigmoide is substituted by radial basis functions. The methodology is applied to forecast loads 24 hours in advance / Orientador: Carlos Roberto. Minussi / Coorientador: Francisco Villarreal Alvarado / Banca: Anna Diva Plasencia Lotufo / Banca: Maria do Carmo Gomes da Silveira / Banca: Gelson da Cruz Junior / Banca: Edmárcio Antonio Belati / Doutor

Orientador: Paulo Roberto de Aguiar / Banca: José Alfredo Covolan Ulson / Banca: Amauri Hassui / O Programa de Pós-Graduação em Ciência e Tecnologia de Materiais, PosMat, tem caráter institucional e integra as atividades de pesquisa em materiais de diversos campi da Unesp / Resumo: O cenário mundial tem apresentado um ambiente de alta competição industrial, pressionando cada vez mais as indústrias a tornarem seus processos produtivos mais eficientes. Além da eficiência, a precisão é de extrema importância num ambiente onde as empresas tentam manter padrões e procedimentos que se adaptem às normas internacionais. Um dos processos de acabamento mais utilizados na fabricação de componentes mecânicos de precisão é a retificação, e um dos critérios preponderantes na qualidade final de um produto é a integridade superficial, influenciada principalmente por fatores térmicos e mecânicos. Assim, o objetivo deste trabalho foi investigar as relações intrínsecas entre a qualidade superficial de peças retificadas e o comportamento dos sinais correspondentes de emissão acústica e potência de corte para retificação tangencial plana utilizando-se redes neurais artificiais. A caracterização da qualidade superficial das peças foi analisada por meio de parâmetros de queima superficial, rugosidade e microdureza. Verificou-se que o uso de redes neurais artificiais na caracterização da qualidade de superfícies de peças retificadas obteve bons resultados, apresentando-se como uma proposta interessante para implementação de sistemas inteligentes em ambientes industriais. / Abstract: The world scenario has presented a high industrial competition, pressuring each time more the industries to change its more efficient productive processes. Besides efficiency, the precision is of extremely in a world where the companies try to maintain patterns and procedures that fit international demands. One of the most used final processes in the manufacturing of mechanical precision components is grinding, and one of the main criteria in the final quality of a product is its surface integrity, mainly influenced by thermal and mechanical factors. Thus, the objective of this work is to investigate the existing relationships between the surface quality of grinding workpieces and the behavior of correspondent signal of acoustic emission and cutting power to the surface grinding machines using artificial neural network. The characterization of the surface quality of the workpieces was analyzed through surface burning parameters, surface roughness and microhardness. It was verified that the use of artificial neural networks in the characterization of quality of surfaces grinding workipieces had positive results, being presented as an interesting proposal to implementation of intelligent systems in the industrial environments. / Mestre

Resumo: A proposta deste trabalho consiste em investigar o comportamento de transformadores de distribuição de 25 KVA e de 45 KVA submetidos a ensaios de impulsos atmosféricos. Essa investigação consistiu da verificação da influência dos valores de tempos de frente e de cauda, da forma de onda do impulso, na amplitude das correntes produzidas nos enrolamentos do transformador durante o ensaio. Tais correntes são usualmente empregadas para avaliar o desempenho elétrico dos transformadores e, nessa dissertação, foram usadas para o treinamento e tese de Redes Neurais Artificiais desenvolvidas como ferramentas inteligentes computacionais. Neste contexto, o desempenho de duas Redes Neurais foi avaliado. A primeira rede usou como variável de entrada, os valores de tempo de frente, de caula e da tensão máxima (crista) e, como saída, a corrente máxima no transformador. Na segunda rede neural, a entrada correspondente ao valor da tensão máxima, da primeira rede neural, é substituída pelo valor da taxa de crescimento da tensão. Com base nos resultados obtidos, pode-se verificar que, para determinados valores de tempos de frente e de cauda, a amplitude da corrente máxima, aumenta ou diminui, apresentando um comportamento não-linear. A utilização das Redes Neurais desenvolvidas neste trabalho poderá auxiliar na escolha das características das formas de onda de impulso que tornem mais sensíveis os ensaios de impulsos atmosféricos em transformadores de distribuição. O objetivo é que esse aumento da sensibilidade do ensaio minimize o empirismo e erros de avaliação, contribuindo para tornar mínima a taxa de falha em transformadores / Abstract: The proposal of this work is to investigate and to analyze the behavior of 25 kVA and 45 KVA distribution transformers under impulses/surge tests. This research consited in a verification of the influence of front and and tail time values, from surge waverfom, in the current magnitude produced in transformer windings during the test. Such currents are usually employed to evalute the perfomers and, in this dissertation, were used for the training and test the Artificial Neural Networks, developed as intelligent computational tools. In this context, the performance of two Neural Networks was evaluated. This first network has used as entry variables: front and tail time and the maximun voltage (crest) values and, as an exist, the maximum current in transformer. In the second neural network, the entry corresponding to the maximum voltage value, from the first neural network, is replaced by the value of the rate of growth of the voltage. Based on the obtained results, one may find out, for certain values front and tail times values, the amplitude of maximum current, increases or decreases, presenting a non-linear behavior. The use of Neural Networks developed in this work can help someone to choose the best impulse waveform characteristics which make the impulse test in distribution transformers more sinsitive. The objective is that the rising the test sensitivity will minimize the empiricism and errors of assessment, helping to reduce the failure rate in transformers / Orientador: André Nunes de Souza / Coorientador: Pedro da Costa Junior / Banca: Oscar Armando Maldonado Astorga / Banca: André Christóvão Pio Martins / Mestre

Orientador: Norian Marranghello / Banca: Aledir Silveira Pereira / Banca: Furio Damiani / Resumo: A compreensão da linguagem humana é uma das tarefas mais difíceis do Processamento da Linguagem Natural (PLN) e de modo mais geral da Automação e da Inteligência Artificial (IA). O objetivo desta pesquisa é estudar os mecanismos que permitem utilizar uma rede neural artificial para poder interpretar textos. Este trabalho deveria ser utilizado, futuramente, para criar uma interface em um ambiente de co-projeto, capaz de agrupar/classificar termos/conceitos, reconhecendo padrões textuais. Para alcançar nossos objetivos de pesquisa em nível de Mestrado, utilizamos o modelo semântico de Bernard Pottier, e uma Rede Neural Artificial de Kohonen. A escolha do modelo de Bernard Pottier deve-se ao fato de que este autor é um dos mais conceituados lingüistas da atualidade e que seu modelo é largamente utilizado por pesquisadores de vários paises, tendo sido, assim, comprovada a sua validade. No que diz respeito à rede de Kohonen, acreditamos que seja a mais indicada para este tipo de aplicação, tendo em vista o fato de que essa rede tenta imitar o funcionamento do cérebro humano, em particular, reproduzindo o mapeamento de suas áreas especializadas, e tendo como hipótese de partida que, no córtex humano, conceitos similares ou de áreas afins distribuem-se em áreas limítrofes. A escolha desse tipo de rede para o nosso trabalho deve-se, outrossim, ao fato de que ela utiliza um tipo de treinamento competitivo e não-supervisionado que permite organizar os vetores (dados) de entrada em agrupamentos (clusters). / Abstract: The understanding of human language is one of the most difficult tasks of Natural Language Processing (NLP), and, in general, of Automation and Artificial Intelligence (AI). The aim of our research is to study the mechanisms that allow using an artificial neural network for interpreting text. Later, our work should be used to create an interface, in a hardware/software co-design environment, capable of clustering/classifying terms/concepts, and recognizing text patterns. In order to achieve the objectives of our research, we used the semantic model of Bernard Pottier, and a Kohonen Artificial Neural Network. The choice of Bernard Pottier's model was motivated by the fact that the author is one of the most eminent linguists nowadays, and his model is largely used by researchers in many countries, thus proving the validity of his proposal. About the Kohonen net, we believe that it is the most appropriate net for this kind of application, due to the fact that this net tries to imitate the functioning of the human brain, particularly reproducing the map of its specialized areas, as well as due to the fact that this net has as initial hypothesis that, in the human cortex, similar concepts or concepts of similar areas are distributed in closed areas. Another reason for the choice of this kind of net in our study is that it uses a competitive and non-supervising training, that allows organizing entry vectors (data) in clusters. / Mestre

Orientador: Ricardo Tokio Higuti / Banca: Aparecido Augusto de Carvalho / Banca: Ivan Nunes da Silva / Resumo: Na indústria de laticínios, a qualidade do leite é medida por alguns parâmetros como gordura, lactose, proteína e água adicionada. Baixos teores de gordura podem diminuir suas propriedades nutricionais, e o que pode ser um indicativo de adulteração, com consequências econômicas e para a saúde. Por estas razões, o leite recebido de produtores deve passar por alguns testes antes de sua aceitação nos laticínios. Atualmente, as técnicas utilizadas para medição de parâmetros do leite em geral envolvem manipulação de produtos químicos e podem ser demoradas e destrutivas. Desta forma, observa-se a necessidade do desenvolvimento de métodos rápidos, de fácil manipulação e que não tragam perigo ao ser humano. Este trabalho apresenta um estudo sobre a caracterização de leite fluido utilizando técnicas de ultra-som e redes neurais artificiais. Métodos de ultra-som podem ser rápidos, não destrutivos e não agressivos enquanto que redes neurais possuem a vantagem de aprender através de exemplos apresentados e de generalizar as informações aprendidas. As redes neurais também são capazes de extrair informações não apresentadas de forma explícita, através de exemplos. Utiliza-se uma célula de medição de parâmetros acústicos para obter dados como a velocidade de propagação, coeficiente de atenuação e densidade de amostras. Esses valores são correlacionados com as propriedades do leite, como teor de gordura e teor de agua adicionada, que são medidos com métodos convencionalmente utilizados em laticínios e laboratórios de tecnologia de alimentos, como o método Gerber e o crioscópio. Esses dados são utilizados para projetar uma rede neural artificial do tipo MLP (Multi-Layer Perceptron), que fornece na saída o teor de gordura e a quantidade de água adicionada ao leite, a partir dos... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: In the dairy industry, quality of milk is measured by some parameters such as fat, lactose, protein and water content (or added water). Lower values of fat content can decrease its nutritional properties, while higher values of water content may be an indicative of adulteration, for example, resulting in health and economic impacts. For these reasons, in dairy industries, milk that is received from producers must be tested or certificated before its acceptance. Nowadays, the techniques used for milk parameters measurement, in general, involve manipulation of chemical products, may be time-consuming and destructive. Consequently, the development of faster methods, with ease of manipulation and that are not harmful to the human being are important. This work presents a study about the characterization of milk using ultrasound techniques and neural networks. Ultrasound methods can be fast, non destructive and non aggressive, while neural networks techniques have the advantage of learning through presented examples and of generalizing the learned information. An ultrasonic liquid measurement cell is used to obtain data as acoustic propagation velocity, attenuation coefiicient and density of samples. Those values are correlated with milk properties, as fat content and added water, that are measured with con- ventional methods used in dairy industries and food technology laboratories, such as the Gerber method and the crioscope. Using these data, MLP (Multi-Layer Percep- tron) neural networks are obtained, that determine the fat content and the amount of added water to the milk, having as inputs the measured acoustic parameters from the measurement cell. The developed neural networks resulted in more than 95% of correct classifications, with a resolution of 0,1% in the determination of the fat content. For added water, the... (Complete abstract click electronic access below) / Mestre

Orientador: Paulo José Amaral Serni / Banca: Roberto Lyra Villas Boas / Banca: José Alfredo Covolan Ulson / Resumo: O agronegócio possui participação fundamental no cenário econômico brasileiro, com reflexos importantes sobre o produto interno bruto, as exportações e a geração de empregos. A viabilidade econômica do setor agropecuário a partir da redução dos custos de produção, do aumento da produtividade e da redução ambiental causado pelo excesso de insumos, depende da Agricultura de Precisão. As informações referentes à variabilidade de diferentes propriedades do solo dentro da lavoura são fundamentais no processo de tomada de decisão. Uma das limitações da Agricultura de Precisão, a incapacidade de se obter as propriedades do solo de maneira rápida e com baixo custo, tem levado pesquisadores a desenvolver sensores para análise de solo em tempo real, sendo a espectroscopia uma das técnicas utilizadas. Neste trabalho, redes neurais artificiais (RNA) foram utilizadas como ferramenta inteligente para, a partir de uma massa de dados fornecidas por um sensor de solo em tempo real que utiliza a técnica de espectroscopia, estimar os teores de nitrogênio total e umidade do solo. O trabalho apresenta também uma comparação entre o resultado das redes neurais artificiais e o resultado da estimação de um software de análise quimiométrica utilizando a mesa massa de dados. o desempenho apresentado pelas redes neurais artificiais mostra ser possível sua utilização como ferramenta alternativa aos softwares de análise quimiométrica, além de permitir embarcar a inteligência de estimação, o que pode ser um passo preliminar para o desenvolvimento de equipamentos de baixo custo para análise de solo em tempo real / Abstract: Agribusiness has a fundaental role in the Brazilian economy, with important consequences on the gross domestic produtt, exports and job generation. The economic viability of the agricultural sector by reducing production costs, increasing productivity and reducing the environmental impact caused by excessive inputs, depends on Precision Agriculture. Information concerning the variability of different soil properties whitin the crop is essential in the process of decision making. One of the limitations of precision agriculture, the inability to obtain the soil characteristics quickly and cost effectively, has led researchers to develop sensors for soil analysis in real time, using the technique of spectroscopy. This work used artificial neural networks (ANN) as a smart tool for estimating the total nitrogen content and soil moisture from data provided by a real time soil sensor using the technique of spectroscopy. This work also presents a comparison between the estimation results of the artificial neural networks and the estimation results of a chemometric analysis software using the same database The performance of the neural networks shows its possible use as can alternative tool to chemometric analysis software and allows the estimative intelligence to be embedded, which may be a preliminary step for the development of low-cost equipment for real-time soil analysis / Mestre

Orientador: Lucia Helena de Oliveira Gerardi / Banca: Dulce Consuelo Andreatta Whitaker / Banca: João Francisco de Abreu / Banca: Lindon Fonseca Matias / Banca: Mônica Giacomassi de Menezes de Magalhães / Resumo: As técnicas de análise de dados e de busca de soluções fornecidas pela Computação Inteligente tiveram, nos últimos tempos, um grande avanço em seu desenvolvimento. Essas técnicas têm sido utilizadas com eficácia e eficiência no tratamento de problemas complexos e/ou que possuam uma grande quantidade de dados a serem processados. A integração destas técnicas com as ferramentas computacionais de produção e análise de informações geográficas (Geoprocessamento) é, portanto, muito vantajosa, especialmente com relação à grande quantidade de dados geralmente envolvida nas questões de natureza espacial. Este trabalho apresenta dois exemplos de uso de técnicas de Computação Inteligente em procedimentos de produção e análise de informações geográficas: um Sistema de Raciocínio Nebuloso (baseado na Lógica Nebulosa) para a construção de um mapa de fertilidade de solos, e uma Rede Neural Artificial para a identificação de agrupamentos espaciais em dados sócio-econômicos. Os dois exemplos foram conduzidos utilizando-se um software especialmente construído para esta finalidade, denominado GAIA - Geoprocessamento Apoiado por Inteligência Artificial -, e que doravante está disponível como Software Livre para qualquer pesquisador interessado em utilizar estas ferramentas. O estudo conclui que o uso das técnicas provenientes da computação inteligente, em comparação com técnicas tradicionais de análise de dados, contribuiu para um aumento da qualidade dos resultados obtidos. / Abstract: Data analysis and problem solving techniques supplied by Soft Computing have had, lately, a great advance in their development. These techniques have been used with effectiveness and efficiency to deal with complex problems and/or problems that have too much data to be processed. The integration of such techniques with the tools for computational geographic information analysis (Geocomputation) is therefore very advantageous, especially in relation to the great quantity of data normally involved in spatial matters. This study presents two examples on how to use Soft Computing techniques in conjunction with geographic information analysis procedures: a Fuzzy Reasoning System (based on Fuzzy Logic) to build a soil fertility map, and an Artificial Neural Network to identify spatial clusters in socioeconomic data. Both examples were conducted using a software specifically developed towards this objective, called GAIA - Artificial Intelligence Supported Geocomputation, from now on available as a Free Software to any interested researcher. The study arrives at the conclusion that the use of soft computing techniques, as compared to classical procedures, leads to an increased quality on the final results. / Doutor

Orientador : Vicente Lopes Júnior / Banca: João Carlos Mendes Carvalho / Banca: Carlos Roberto Minussi / Resumo: A proposta deste trabalho é a obtenção de uma metodologia robusta para identificação de falhas estruturais combinando as vantagens de duas metodologias, que não são baseadas em modelos matemáticos, ou seja: impedância elétrica obtida com atuador e sensor piezocerâmico(materiais inteligentes) e redes neurais artificiais. O termo materiais inteligentes (smart materials) conhecido também por material ativo é dado a uma classe de material que exibe propriedades não encontradas em materiais convencionais. Alguns destes materiais são: compostos de materiais piezelétricos, eletrorresistivo e magnetorresistivo, fluidos e sólidos electro-reológicos, e outros. Uma das principais características do PZT (Titanato Zirconato de Chumbo), que permite utilizá-lo como sensor e atuador, é o efeito piezelétrico, ou seja, a aplicação de um campo elétrico resulta em deformação do material (efeito inverso), enquanto, a aplicação de tensão mecânica resulta no surgimento de um campo elétrico (efeito direto). Estas características associadas ao conceito de impedância elétrica e ao conceito de falha métrica permitem a localização e o monitoramento da falha. Esta técnica utiliza altas freqüências e excita os modos locais, proporcionando, assim, o monitoramento de qualquer mudança da impedância mecânica estrutural na região de influência do PZT. Redes neurais artificiais (RNA) fazem parte de um amplo conceito chamado inteligência artificial. Redes neurais têm sua base associada ao funcionamento do cérebro humano, que após treinamento possuem a capacidade de "aprender". Esta ciência é objeto de estudo em diversos centros de pesquisa e, embora já tenha grande aplicabilidade, o sucesso de sua utilização depende do caso em que está sendo aplicada e de certa sutileza do projetista, uma vez que o processo ainda é empírico e teorias ainda... (Resumo completo, clicar acesso eletrônico abaixo). / Abstract: The proposal of this work is the obtaining of a robust methodology for identification of structural faults combining the advantages of two methodologies, which are not based on mathematical models. The methodology applies electric impedance technique, obtained with actuator and sensor piezoceramic (smart materials), and artificial neural networks. The term "smart materials" is given for a material class that not exhibits properties found in conventional materials. Some of these materials are: composed of piezoelectric material, electrostrictive and magnetostrictive, electrorheological fluids and solids shape memory alloys, and others. One of the main characteristics of PZT (Lead Zirconate Titanate), that allows to use it as sensor and actuator, is the piezoelectric effect, where the application of an electric field results in deformation of the material (inverse effect), while the application of mechanical tension results in the appearance of an electric field (direct effect). These characteristics associated to the concept of electric impedance and the concept of metric fault allow the location and the monitoring of the fault. This technique uses high frequencies and low voltage and it excites local modes, providing, the monitoring of any change on the structural mechanical impedance in the area of influence of the PZT. Artificial Neural Networks (ANN) are part of a wide concept called artificial intelligence. Neural networks has its base associated to the operation of the human brain, that after training possess the capacity "to learn". This science is a study object in several research centers and, although it already has great application. The success of its use depends of the case and planner's certain keenness, once the process is still empiric and theories are still being formulated. Several conceptions of neural networks... (Complete abstract, click electronic address below). / Mestre