Orientador: Anna Diva Plasencia Lotufo / Banca: Percival Bueno Araújo / Banca: Walmir de Freitas Filho / Resumo: Neste trabalho, dá-se ênfase à previsão de carga multinodal, também conhecida como previsão de carga por barramento. Para realizar esta demanda, há necessidade de dispor de uma técnica que proporcione a precisão desejada, seja confiável e de baixo tempo de processamento. O conhecimento prévio das cargas locais é de extrema importância para o planejamento e operação dos sistemas de energia elétrica. Para realizar a previsão de carga multinodal foram empregadas duas metodologias, uma que prevê as cargas individualmente e outra que utiliza as previsões dos fatores de participação e a previsão de carga global. O principal objetivo deste trabalho é elaborar um modelo de previsor de carga de curto prazo, genérico e que pode ser aplicado na previsão de carga multinodal. Para tanto, utilizou-se redes neurais de regressão generalizada (GRNN), cujas entradas são compostas de variáveis exógenas globais e de cargas locais, sem a necessidade da inclusão de variáveis exógenas locais. Ainda, projetou-se uma nova arquitetura de rede neural artificial, baseada na GRNN, além de propor um procedimento para a redução do número de entradas da GRNN e um filtro para o pré-processamento do banco de dados de treinamento. Os dados, para testar as metodologias e as redes neurais artificiais, são referentes a um subsistema de distribuição de energia elétrica da Nova Zelândia composto por nove subestações / Abstract: In this work, it is emphasized the multi-nodal load forecast, also known as bus load forecast. To perform this demand, there it is necessary a technique that is precise, trustable and has a short-time processing. The previous knowledge of the local loads is of extreme importance to the planning and operation of the electrical power and energy systems. To perform the multi-nodal load forecast is employed two different methodologies, one that forecast the loads individually and another that uses the participation factors forecasts and the global load forecast. The main objective of this work is to elaborate a generic model of a short-term load forecaster, which can be applied to the multi-nodal load forecast. For this, it was used general regression neural networks (GRNN), with inputs based on external global factors and local loads, without the need of external local factors. Still, it was developed a new architecture of an artificial neural network based on a GRNN and proposed a procedure to reduce the number of input variables of the GRNN and a filter for preprocessing the training data. The dataset, to test the methodologies and the artificial neural networks, refers to a New Zealand electrical distribution subsystem composed of nine substations / Mestre

Orientador: Paulo José Amaral Serni / Banca: Alessandra Goedtel / Banca: José Alfredo Covolan Ulson / Resumo: O desequilíbrio de tensão nos sistemas elétricos pode provocar problemas indesejáveis na operação de equipamentos, principalmente nos motores de indução trifásicos, devido à importância destes motores em ambientes industriais. A utilização de modelos convencionais para a modelagem destes motores operando com tensões desequilibradas impõe resultados imprecisos e a obtenção de modelos adequados apresenta grande complexidade em função das assimetrias e não linearidades. Neste contexto, a utilização de ferramentas inteligentes, mais especificamente, redes neurais artificiais (RNA), reduz substancialmente a tarefa de modelagem, permitindo sua utilização sob condições de assimetrias e não linearidades. Assim, uma bancada de testes foi montada para a aquisição de dados experimentais de um motor de indução trifásico de 1 CV, 4 polos, 220V/380V, tipo gaiola de esquilo. Os dados coletados foram usados para o treinamento e validação de uma RNA que modela a relação entre as tensões, correntes e a potência no eixo. Os resultados experimentais foram comparados com os obtidos com a RNA e com o modelo dinâmico, e constatou-se que a modelagem por meio de RNA é adequada para descrever matematicamente o comportamento de motores de indução trifásicos operando com tensões desequilibradas / Abstract: Unbalanced voltages in electrical systems can deteriorate the performance of equipments and cause potential safety hazards and be harmful for the respective applications, especially in the three-phase induction motors, the most common energy receivers in industrial. The analysis of three phase induction motors under supply voltage unbalance condictions using the well-known symmetrical components analysis provide inaccurate results, and correct models are laborious, due to the complex nature of voltage unbalance factor like asymmetries and nonlinearities. In this context, the use of intelligent tools, specifically artificial neural networks (ANN), significantly reduces the modeling task and allowing the use under conditions of asymmetries and nonlinearities. Thus, a workbench tests was buit for testing of the 4 pole, 220V/380V, 1 CV squirrel-cage induction motor. Experimental set up for testing were used to ANN's training and validation. The ANN's model showed the relationship between the voltages, currents and shaft power. The results of experimental investigation and computer calculations (ANN and dynamic model) were compared and the results indicate that the ANN is adequate model that makes it possible to mathematically describe an induction motors operating with unbalanced voltage / Mestre

Orientador: Maurizio Babini / Banca: Ricardo Baptista Madeira / Banca: Eli Nazareth Bechara / Resumo: O presente trabalho tem como objetivo principal aplicar o modelo de dicionário terminológico onomasiológico bilíngüe, proposto por Babini (2001), na elaboração de um dicionário eletrônico inglês-português e português-inglês dos termos fundamentais das Redes Neurais Artificiais. O dicionário onomasiológico caracteriza-se por permitir a busca de uma unidade lexical ou terminológica a partir de seu conteúdo semântico. Constituímos um corpus de especialidade e um corpus de língua geral com o auxílio do programa computacional WordSmith Tools. A metodologia terminológica foi norteada pela Teoria Comunicativa da Terminologia, que nos auxiliou nas reflexões quanto as diferenças terminológicas existentes entre os dois idiomas estudados. As principais referências metodológicas, que guiaram nossas buscas pelos equivalentes lexicais, foram Felber (1984), Dubuc (1985), Alpizar-Castillo (1995), Cabré (1993, 1999), Berber Sardinha (2001), Barros (2004), Babini (2001a, 2001b). Nosso modelo de dicionário permite dois tipos de pesquisa: semasiológica e onomasiológica. A busca onomasiológica é viabilizada pelo conjunto de semas ou traços semânticos que compõe o conceito de cada termo do dicionário. Foram utilizados o aplicativo MS Access, o gerenciador de banco de dados MySQL e a linguagem de programação PHP. / Abstract: The present thesis majorly aims at applying a bilingual onomasiological terminological dictionary model, proposed by Babini (2001), so as to develop an English-Portuguese and Portuguese-English electronic dictionary of the fundamental terms of the Artificial Neural Networks. The onomasiological dictionary allows the search of a lexical or terminological unit from its semantic content. We constituted a specialty corpus and a general language corpus with the aid of the computational program WordSmith Tools. The methodological approach was guided by the Communicative Terminology Theory, which allowed us to identify the existing differences among the languages studied. The main methodological basis, which guided our search for lexical equivalent, were Felber (1984), Dubuc (1985), Alpizar- Castillo (1995), Cabré (1993, 1999), Berber-Sardinha (2001), Barros (2004), Babini (2001a, 2001b). Our dictionary model allows two types of search: semasiological and onomasiological. The onomasiological search is made viable by a set of semantic traits that make up the concept of each term in the dictionary. The following computational resources were used: MS Access software, the MySQL database management system and the PHP programming language. / Mestre

Orientador: Maria de Lourdes Boeno Trindade Galo / Banca: Nilton Nobuhiro Imai / Banca: Francisco Antônio Dupas / Resumo: Nos últimos anos, infestações de plantas aquáticas em reservatórios estão sendo estudadas como um efeito do desequilíbrio causado pela poluição e represamento dos rios. A quantidade excessiva de plantas, conseqüente desse desequilíbrio, dificulta tanto a navegação como a produção de energia elétrica. Esse tipo de ocorrência, assim como a presença de algumas substâncias na água, provocam mudanças na radiância da mesma, registradas por sensores orbitais. Nesse sentido, técnicas de processamento e análise de dados de sensoriamento remoto podem se constituir em uma fonte complementar de dados e fornecer informações relacionadas ao grau de infestação de reservatórios. Nesse contexto, o presente trabalho teve como objetivo verificar a influência da resolução espacial de imagens multiespectrais na detecção e mapeamento de áreas infestadas por plantas aquáticas emersas em um reservatório de pequeno porte, através de utilização de procedimentos de análise multiescala e classificação supervisionada usando redes neurais artificiais. Para isso foram utilizadas imagens IKONOS multiespectrais (4 metros de resolução espacial) do reservatório de Salto Grande localizado na cidade de Americana- SP. Assim, foram geradas imagens multiescala, resultando em imagens de 8, 16 e 32 metros de resolução espacial. Na classificação das imagens, utilizando Redes Neurais Artificiais, os dados de entrada constituíram-se de imagens multiespectrais IKONOS (bandas 1, 2, 3 e 4), imagem de textura (banda do IVP), e uma imagem de índice de vegetação (NDVI). O procedimento metodológico adotado mostrou-se adequado para o mapeamento das variações espectrais da água e detecção das infestações por plantas aquáticas, nos vários níveis de resolução da imagem. Os resultados obtidos mostraram que a classificação pela rede neural, com os parâmetros...(Resumo completo, clicar acesso eletrônico abaixo) / Abstract: In past few years, great infestations of aquatic plants in reservoirs have been studied as an effect of the environmental unbalance caused by pollution and damming of rivers. The excessive amount of plants, deriving from this unbalance, makes navigation and the production of electricity difficult. This kind of occurrence, as well as the appearance of some substances in the water, cause changes in the water radiance detected by satellite sensors. Thus, processing techniques and data analysis may be used as a complementary data source to give information related to the degree of infestation of these plants in reservoirs. So, the present dissertation aimed at verifying the influence of the spatial resolution of multispectral images in the detection and mapping of areas infested by aquatic plants in a small reservoir , through the use of multiscale analysis procedures and supervised classification using artificial neural networks. Multiespectral imagens IKONOS (spatial resolution of 4 meters) of the reservoir of Salto Grande, in the city of Americana-SP were used. So, multiscale images were generated, resulting in images of 8, 16 and 32 meters of spatial resolution. In the classification of these images, using Artificial Neural Networks, the input data was constituted of multispectral images IKONOS (bands 1, 2, 3 and 4), image of texture (band of NIR), and one image of vegetation index (NDVI). The method used was adequate to map the spectral variation of the water and to detect infested areas of aquatic plants in the various levels of resolution of the image. The results obtained showed that the classification by the parameters defined for the original image and applied in the training of the scheme adopted for the different resolution levels was satisfactory. Furthermore, an analysis was made comparing multiscale images classified through crossed comparison, which permits comparing...(Complete abstract click electronic access below) / Mestre

Resumo: Métodos estatísticos de interpolação são freqüentemente utilizados para se obter as características dos solos em locais não amostrados, visando diminuir o número de amostras necessárias para um bom mapeamento do campo. Nesse trabalho, a estimativa da variabilidade espacial de atributos do solo foi realizada de duas maneiras: primeiramente utilizando-se os métodos estatísticos da krigagem e da co-krigagem e posteriormente as redes neurais artificiais. Os resultados obtidos pelos dois métodos foram comparados, com a finalidade de se verificar a eficiência das redes neurais artificiais na estimativa de atributos do solo. Os resultados mostraram que as redes neurais artificiais, em particular as redes Perceptron, com uma e com duas camadas de neurônios, são capazes de estimar as variabilidades espaciais dos solos com precisão maior do que os métodos estatísticos da krigagem e da co-krigagem. As redes neurais artificiais também se mostraram eficientes na estimativa de uma determinada variável do solo em função de sua classe textural. / Abstract: Statistic methods of interpolation are often used to get the soil characteristics in non-sampled places in order to decrease samples numbers, which are necessary to obtain a good field mapping. In this project, the estimation of soil spatial variability attributes was done in two different ways. First, it was used statistic methods of kriging and cokriging, and in second instance, it was used artificial neural networks. The results computed by both techniques were compared each other in order to verify the efficiency of the artificial neural networks in estimating soil attributes. The results indicated that artificial neural networks, especially Perceptron networks, both with one and two layers of neurons, are able to estimate the soil spatial variability much better than the kriging and the cokriging methods. The artificial neural networks have also showed very efficient in estimating soil variables with respect to its textural class. / Orientador: Ivan Nunes da Silva / Coorientador: José Alfredo Covolan Ulson / Banca: Angelo Cataneo / Banca: Luiz Gonzaga Campos Porto / Banca: Gastão Moraes da Silveira / Banca: Casimiro Dias Gadanha Júnior / Doutor

Orientador: Alfredo Covolan Ulson / Banca: Rogerio Andrade Flauzino / Banca: Paulo José Amaral Serni / Resumo: A busca por novas soluções que estimulem o crescimento da produção para atender o aumento do consumo mundial de produtos agrícolas, sem aumentar o impacto ambiental, desperta o interesse pelo desenvolvimento de novas técnicas de controle e aplicação de insumos nas plantações, visando uma melhor precisão no gerenciamento das quantidades de nutrientes necessárias nas áreas agrícolas. No Brasil a cultura da cana-de-açúcar esta se destacando no segmento agrícola e o aumento do interesse mundial no mercado de açúcar e álcool têm interessado o aumento de investimentos no setor de todo o país. A cultura de cana-de-açúcar tem grande necessidade de aplicação na aplicação de fertilizantes nitrogenados e esta necessidades estimula as pesquisas por novas soluções que permitam o monitoramento da quantidade de nitrogênio absorvida nas plantas, respeitando sua variabilidade espacial, para melhorar a eficiência no uso dos fertilizantes nitrogenados, aumentando a produtividade, reduzindo custos e os impactos ambientais. O uso dos sensores ópticos como ferramenta para medir a quantidade de nitrogênio absorvida pelas plantas através da refletância vem despertando o interesse dos pesquisadores e a utilização desta técnica em plantas de cana-de-açúcar no estagio inicial do crescimento precisa ser aprimorada. Esta dissertação pesquisou novas técnicas de processamento em tempo real utilizando sistemas inteligentes aplicados à ambientes agrícolas baseados em redes neurais artificiais, para melhorar a precisão das correlações das medições de refletâncias de um sensor óptico utilizado para estimular a quantidade de nitrogênio nas plantas de cana-de-açúcar no estágio inicial de crescimento. Os resultados obtidos pelas redes neurais artificiais apresentaram precisão melhor na correlação da... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The search for new solutions that stimulate the agricultural production growth in order to meet the worl food consumption increase, without further environmental impact, motivates the development of new crops inputs use and control techniques, aiming to improve the accuracy on amounts management of needed nutrients in agricultural areas. In Brazil, the sugar cane cultivation has been highlighted in the agricultural sector and increased global interest in the sugar and alcohol has spurred increased investment in the sector throughout the country. The cultivation of sugar cane is in great need to control the use of nitrogen fertilizers and this need stimulates researchers for new solutions allowing the monitoring of the among of absorbed nitrogen in plants, consistent with their spatial variability, to improve the efficiency of nitrogen fertilizers use, increasing productivity, reducing cost and environmental impacts. The use of optical sensors as a tool for measuring the amount of nitrogen absorbed by plants through reflectance has stimulated the interest of researchers and the use of said technique on sugar cane plant during the early stages of growing is still to be enhanced. This dissertation researched new real-time processing techniques using intelligent systems applied to agricultural based on artificial neural network in order to improve the accuracy of the correlations of the measurements of reflectance of an optical sensor in order to estimate the amount of nitrogen in sugar cane plants in the early stages of growing. The results presented by the artificial neural networks show the possibility of using embedded systems with better accuracy in the results of real time nitrogen estimation / Mestre

Orientador: Carlos Roberto Padovani / Banca: Wilson da Silva Moraes / Banca: José Carlos Martinez / Banca: Marie Oshiwa / Banca: Sandra Fiorelli de Almeida Penteado / Resumo: O presente trabalho investigou a utilização do processamento digital de imagens conjuntamente com a análise de componentes principais e redes neurais artificiais como ferramentas de apoio para uma melhor identificação dos estádios iniciais do desenvolvimento da Sigatoka Negra, em nível de campo, para que medidas de controle sejam adotadas mais rapidamente e, assim, reduzir danos e prejuízos causados pela doença na bananicultura. Foram coletadas imagens digitais de folhas de bananeiras infectadas com a Sigatoka Negra nos estádios 1, 2 e 3, sadia e com fitotoxidez por óleo. A seguir, extraíram-se histogramas dos componentes de imagens no sistema RGB (Red, Green eBlue) para 256 intensidades de cinza das amostras, totalizando 768 variáveis para cada amostra. Com a aplicação de uma técnica de seleção de atributos, a análise de componentes principais, conseguiu-se reduzir as variáveis de entrada de 768 para 11 variáveis canônicas, representado uma redução de 98,6%. Em seguida, considerando-se as variáveis canônicas, realizou-se a fase de classificação com o uso de redes neurais artificiais. De maneira geral, as maiores freqüências de acertos do modelo foram para as classes que mais interessam ao monitoramento da enfermidade, mostrando a robustez do classificador gerado, evidenciada pela baixa probabilidade de classificação incorreta (19%). / Abstract: This study investigated the application, specifically the digital processing of images, with main components analysis and artificial neural networks as tools to support for a better identification of the primaries stages of the Black Sigatoka, in field level, so that control measures are adopted more quickly and consequently it reduces injuries and damages caused by the disease in the banana crops. It were collected digital images of banana leaves infected with Black Sigatoka in stages 1, 2, and 3, healthy and with oil fitotoxity. To proceed, histograms of the components of images were extracted in the system RGB (Red, Green and Blue) for 256 intensities shades of gray of the samples, totaling 768 variables for each sample. With the application of a technique of selection of attributes, the main components analysis, it was possible to reduce the variables of entrance of 768 for 11 canonical variables, represented a reduction of 98,6%. Therefore, being considered the canonical variables, it was accomplished the classification phase with the use of artificial neural networks. In a general way, the largest frequencies of successes of the model went to the classes that more they interest to the control of the diseases, showing the robustness of the generated classifier, evidenced by the low probability of wrong classification (19%). / Doutor

Orientador: Percival Bueno de Araujo / Banca: Carlos Roberto Minussi / Banca: Laurence Duarte Colvara / Banca: Roberto Apolonio / Banca: Vivaldo Fernando da Costa / Resumo: Este trabalho apresenta estudos referentes à inclusão do dispositivo FACTS STATCOM e a utilização de Redes Neurais Artificiais para o ajuste dos parâmetros de sinais adicionais estabilizantes (PSS's e POD's) no sistema de potência multimáquinas. O objetivo é a melhoria da estabilidade frente às pequenas perturbações do sistema de energia elétrica. O modelo matemático utilizado para o estudo das oscilações eletromecânicas de baixa freqüência em sistemas de energia elétrica foi o Modelo de Sensibilidade de Potência (MSP), modificado para permitir a inclusão do dispositivo STATCOM. Este modelo baseia-se no princípio de que o balanço de potência ativa e reativa deve ser satisfeito continuamente em qualquer barra do sistema durante um processo dinâmico. Prosseguindo na realização do trabalho foram desenvolvidos os modelos matemáticos para a inclusão dos PSS's e POD's no sistema elétrico, bem como foi realizada uma discussão a respeito da escolha do local de instalação destes controladores e técnicas clássicas para o ajuste de seus parâmetros. A partir disto foram utilizadas redes neurais artificiais (RNA's) com o objetivo de ajustar os parâmetros dos controladores. A rede utilizada para este fim foi a do tipo Perceptron Multicamadas, sendo utilizado para o seu treinamento o algoritmo Backpropagation. Simulações foram realizadas e os resultados obtidos para os sistemas testes Sul Brasileiro, Simétrico de Duas Áreas e New England são comentados / Abstract: This work presents studies about the inclusion of FACTS STATCOM devices using neural networks tune stability additional signal parameters (PSS's and POD's) on a multi-machine power system. The objective is to improve the stability to small perturbations in electric power systems. The mathematical model used for studying the lower frequency electromechanical oscillations is the Power Sensitivity Model (PSM), modified to allow the inclusion of the STATCOM device. This model is based on the principle that the active and reactive power balance must be continuously satisfied in every bus of the system during the dynamical process. Mathematical models were developed to include the PSS's and POD's on the electrical system, as well as the local to install these control devices and the classical techniques to adjust these parameters. Afterwards, the neural networks were used to adjust the parameters of the controllers. The neural network used is a Perceptron Multi Layer, with the training by backpropagation. Simulations were effectuated for the South Brazilian Power System, the Two Areas Symmetrical Power System and the New England Power System / Doutor

Orientador: Maria de Lourdes Bueno Trindade Galo / Banca: Selma Regina Aranha Ribeiro / Banca: Aparecida Doniseti Pires de Souza / Resumo: Experimento baseado na aplicação de uma rede neural artificial para a classificação da cobertura do solo urbano de Presidente Prudente, SP, e na análise da incerteza na representação das classes temáticas mapeadas. A ambigüidade que caracteriza essas classes foi analisada através da distribuição espacial da probabilidade por classe, da incerteza por classe e da entropia, as quais foram posteriormente representadas em imagens em tons de cinza e mapas temáticos. Os resultados mostraram que o objetivo de discriminar as variações na cobertura do solo urbano através da aplicação de uma rede neural artificial na classificação foi atingido e, a partir das representações geradas, foi possível visualizar a variação espacial da incerteza na atribuição das classes de cobertura do solo urbano ao pixel. Além disso, foi possível verificar que a classe caracterizada por um padrão definido como intermediário, quanto à impermeabilidade do solo urbano, foi aquela que apresentou maior grau de ambigüidade e, portanto, maior mistura em relação às demais. A realização do experimento confirmou a expectativa inicial quanto ao potencial da rede neural artificial em discriminar classes de cobertura do solo urbano, caracterizadas pelo alto grau de mistura que apresentam, e representar espacialmente a incerteza associada a cada classe, desde que a aplicação de interesse seja cuidadosamente modelada. / Abstract: This experiment aims the classification of the urban land cover of Presidente Prudente city and the analysis of the uncertainty in the representation of the mapped thematic classes. The ambiguity that characterizes those classes was analyzed through of the spatial distribution of the probability by class, of the uncertainty for class and of the entropy, wich were represented in gray levels images and thematic maps. The results showed that the aim of discriminating the variations in the urban land cover through the application of an ANN in the classification was reached. It was also possible to visualize the spatial variation of the uncertainty in the attribution of classes of urban land cover and from the generated representations. The class characterized by a pattern that define an intermediary level, related to the impermeability of the urban soil, showed larger ambiguity degree and, therefore, larger mixture. The experiment confirmed that the ANN can discriminate classes of urban land cover with high level of mixture and represent spatially the uncertainty associated with each class, since the application of interesting be modeled carefully. / Mestre

Orientador: Vicente Lopes Júnior / Banca: Amarildo Tabone Paschoalini / Banca: Marcelo Areias Trindade / Resumo: Este trabalho apresenta o estudo e desenvolvimento de técnicas para o monitoramento da integridade estrutural em sistemas inteligentes com sensores e atuadores piezelétricos acoplados. Os índices de sensibilidade estudados e utilizados no monitoramento da estrutura são: índice de falha métrica, calculado diretamente do sinal de impedância elétrica dos sensores/atuadores piezelétricos; índices do sensor, calculados com as normas de sistemas ou com as matrizes grammiana de observabilidade e os índices de entrada, calculados com as matrizes grammianas de controlabilidade. Tais índices são utilizados para detectar e localizar as falhas em aplicações numéricas e experimentais. As normas de sistemas e as matrizes grammianas de controlabilidade e observabilidade são obtidas através de um modelo numérico, como por exemplo, Método dos Elementos Finitos; ou um modelo identificado experimentalmente, via o método de realização para autossistemas, mais conhecido como ERA (Eigensytem Realization Algorithm). Em uma segunda etapa do procedimento proposto, as falhas são quantificadas utilizando Redes Neurais Artificiais, que foram treinadas com as normas de sistemas e com as matrizes grammianas. / Abstract: This work presents the study and development of Structural Health Monitoring techniques for application in intelligent systems with coupled piezoelectric sensors and actuators. The indices of sensitivity for structural monitoring are based on: root-means-square deviation index, directly calculated from electric impedance signal of the piezoelectric sensors/actuators; sensor indices, calculated from system norms or observability grammian matrix, and input index, calculated from controllability grammian matrix. Such indices are used for damage detection and location in numerical and experimental applications. System norms, controllability and observability grammian matrices are obtained through numerical model, as for instance, Finite Element Method; or by experimental identification technique, via Eigensytem Realization Algorithm (ERA). In the second stage of the proposed procedure, damages were quantified using Artificial Neural Networks, that were trained with systems norms and grammian matrices. / Mestre