[pt] As proteínas são macromoléculas biológicas compostas por cadeias de aminoácidos, presentes em praticamente todos os processos celulares, sendo essenciais para o correto funcionamento do organismo humano. Existem diversos estudos em torno do proteoma humano a fim de se identificar quais são as funções de cada proteína nas diferentes células, tecidos e órgãos do corpo humano. A classificação destas proteínas em diferentes formas, como por exemplo a localização subcelular, é importante para diversas aplicações da biomedicina. Com o avanço das tecnologias para obtenção de imagens das proteínas, tem-se que hoje estas são geradas em grande volume e mais rapidamente do que é possível classificá-las manualmente, o que torna importante o desenvolvimento de um classificador automático capaz de realizar esta classificação de maneira eficaz. Dessa forma, esta dissertação buscou desenvolver algoritmos capazes de realizar a classificação automática de padrões mistos de localização subcelular de proteínas, por meio do uso de técnicas de Deep Learning. Inicialmente, fez-se uma revisão da literatura em torno de redes neurais, Deep Learning e SVMs, e utilizou-se o banco de dados, publicamente disponíve, de imagens de células do Human Protein Atlas, para treinamento dos algoritmos de aprendizagem supervisionada. Diversos modelos foram desenvolvidos e avaliados, visando identificar aquele com melhor desempenho na tarefa de classificação. Ao longo do trabalho foram desenvolvidas redes neurais artificiais convolucionais de topologia LeNet, ResNet e um modelo híbrido ResNet-SVM, tendo sido treinadas ao todo 81 redes neurais diferentes, a fim de se identificar o melhor conjunto de hiper-parâmetros. As análises efetuadas permitiram concluir que a rede de melhor desempenho foi uma variante da topologia ResNet, que obteve em suas métricas de desempenho uma acurácia de 0,94 e uma pontuação F1 de 0,44 ao se avaliar o comportamento da rede frente ao conjunto de teste. Os resultados obtidos pela diferentes topologias analisadas foram detalhadamente avaliados e, com base nos resultados alcançados, foram sugeridos trabalhos futuros baseados em possíveis melhorias para as redes de melhor desempenho. / [en] Proteins are biological macromolecules composed of aminoacid chains, part of practically all cellular processes, being essential for the correct functioning of the human organism. There are many studies around the human protein aiming to identify the proteins’ functions in different cells, tissues and organs in the human body. The protein classification in many forms, such as the subcellular localization, is important for many biomedical applications. With the advance of protein image obtention technology, today these images are generated in large scale and faster than it is possible to manually classify them, which makes crucial the development of a system capable of classifying these images automatically and accurately. In that matter, this dissertation aimed to develop algorithms capable of automatically classifying proteins in mixed patterns of subcellular localization with the use of Deep Learning techniques. Initially, a literature review on neural networks, Deep Learning and SVMs, and a publicly available image database from the Human Protein Atlas was used to train the supervised learning algorithms. Many models were developed seeking the best performance in the classification task. Throughout this work, convolutional artificial neural networks of topologies LeNet, ResNet and a hybrid ResNet-SVM model were developed, with a total of 81 different neural networks trained, aiming to identify the best hyper-parameters. The analysis allowed the conclusion that the network with best performance was a ResNet variation, which obtained in its performance metrics an accuracy of 0.94 and an F1 score of 0.44 when evaluated against the test data. The obtained results of these topologies were detailedly evaluated and, based on the measured results, future studies were suggested based on possible improvements for the neural networks that had the best performances.

[pt] A ciência de dados precisa de uma grande quantidade de dados para testar e melhorar soluções. Jogos são largamente usados para abstrair situações da vida real. Rodadas de pôquer são um bom exemplo pois, por não saber as cartas dos oponentes, o jogador analisa um cenário de informação incompleta numa competição de agentes que envolve conhecimento probabilístico, análise de risco e brefe. Isso o diferencia de xadrez, damas e jogos de conhecimento perfeito e algoritmos de busca em forca bruta sobre o espaço de soluções. Usar o pôquer como um caso de teste possibilita a análise de diferentes abordagens usadas na vida real, porém num cenário mais controlado. Esta dissertação propõe um arcabouço de funcionalidades para criar e testar diferentes algorítimos de Deep Learning, que podem jogar pôquer entre sí, aprender com o histórico e maximizar suas recompensas. / [en] Data science research needs real examples to test and improve solutions. Games are widely used to mimic those real-world examples. Poker rounds are a good example of imperfect information state with competing agents dealing with probabilistic knowledge, risk assessment, and possible deception, unlike chess, checkers and perfect information brute-force search style of games. By using poker as a test-bed we can analyze different approaches used in real-world examples, in a more controlled environment, which should give great insights on how to tackle those real-world scenarios. We propose a framework to build and test different neural networks that can play against each other, learn from a supervised experience and maximize its rewards.

[pt] Os polissacarídeos constituintes da biomassa lignocelulósica podem ser beneficiados através de processos industriais. Entretanto, para manipulá-los é necessário que a biomassa seja submetida ao processo de pré-tratamento. Esta é uma das etapas mais caras e relevantes para a disposição e aplicação das frações lignocelulósicas. O presente estudo consiste em uma investigação detalhada do processo de pré-tratamento da biomassa lignocelulósica com H2O2, a qual foi realizada através de tecnologias inteligentes que viabilizaram a otimização deste processo. Ferramentas de inteligência artificial revelam-se vantajosas na solução dos gargalos associados aos avanços tecnológicos. Possibilitam a modelagem matemática de um processo com máxima eficiência, otimizando sua produtividade, transformando dados experimentais em informações úteis e demonstrando as infinitas possibilidades das relações das variáveis envolvidas. As variáveis independentes estudadas foram a temperatura (25 – 45 graus Celsius) e a concentração de peróxido de hidrogênio (1.5 – 7.5 porcento m/v). Técnicas analíticas qualitativas (Raman e FTIR) e quantitativa (Método de Klason) foram aplicadas para produzir um banco de dados referente a extração da lignina com H2O2, o qual foi utilizado no desenvolvimento de modelos neurais aplicando Redes Neurais Artificiais (ANN, do inglês Artificial Neural Networks) e Sistema de Inferência Adaptativa Neuro-Difusa (ANFIS, do inglês Adaptive neuro fuzzy inference system). E modelos polinomiais, os quais tiveram seus parâmetros estimados por Algoritmos Genéticos (GA, do inglês Genetic Algorithms). Os modelos desenvolvidos conseguiram predizer: o Teor de Lignina Extraída (porcento) por Espectroscopia Raman, o Teor de Lignina Oxidada (porcento) por FTIR, o Teor de Lignina Residual (porcento) pelo Método de Klason, e por último, dois modelos para a comparação da resposta analítica qualitativa com a resposta analítica quantitativa. Os modelos polinomiais, que tiveram seus parâmetros estimados por GA foram avaliados estatisticamente através da ANOVA e pelo coeficiente de correlação (R2). E os modelos neurais desenvolvidos foram avaliados pelo coeficiente de correlação (R2), número de parâmetros e índices de erro (SSE, MSE e RMSE). Para cada modelo polinomial e neural proposto, quando coerente, superfícies de resposta e curvas de contorno foram plotadas permitindo a identificação da região operacional mais indicada para a realização do pré-tratamento com H2O2. Dentre as estratégias inteligentes propostas, os modelos desenvolvidos com ANN mostraram-se mais eficientes para as predições relacionadas à extração da lignina. / [en] Industrial processes benefit the polysaccharides constituting the lignocellulosic biomass. However to manipulate them it is necessary that the biomass is submitted to the pre-treatment process. This is one of the most expensive and relevant steps for the arrangement and application of lignocellulosic fractions. The present study consists of a detailed investigation of the pretreatment process of lignocellulosic biomass with H2O2, applying intelligent technologies that enabled the optimization of this process. Artificial intelligence tools prove to be advantageous in solving the bottlenecks associated with technological advances. They enable the mathematical modeling of a process with maximum efficiency, optimizing its productivity, transforming experimental data into useful information and demonstrating the infinite possibilities of the relationships of the variables involved. The independent variables studied were the temperature (25-45 Celsius degrees) and the concentration of hydrogen peroxide (1.5 - 7.5 percent m / v). Qualitative analytical techniques (Raman and FTIR) and quantitative (Klason method) were applied to produce a database for the extraction of lignin with H2O2, which was used in the development of neural models applying Artificial Neural Networks (ANN) and Adaptive Neuro-Fuzzy Inference System (ANFIS). And polynomial models, which had their parameters estimated by Genetic Algorithms (GA). The models developed were able to predict: the Extracted Lignin Content (percent) by Raman Spectroscopy, the Oxidized Lignin Content (percent) by FTIR, the Residual Lignin Content (percent) by the Klason Method, and lastly, two models for the comparison of the qualitative analytical response with the quantitative analytical response. The polynomial models, which had their parameters estimated by GA, were statistically evaluated using ANOVA and correlation coefficient (R2) evaluated the polynomial models developed by GA statistically. And the neural models developed were evaluated by the coefficient of correlation (R2), number of parameters and error indexes (SSE, MSE and RMSE). For each proposed polynomial and neural model, when coherent, response surfaces and contour curves were plotted allowing the identification of the most suitable operational region for the pretreatment with H2O2. Among the proposed intelligent strategies, the models developed with ANN proved to be more efficient for the predictions related to lignin extraction.

Submitted by Fabio Sobreira Campos da Costa (fabio.sobreira@ufpe.br) on 2017-02-23T14:02:54Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) tese-completa-Sidney_Lima_v21.pdf: 4757211 bytes, checksum: 205170db8b002cc2ab72255ab77628a3 (MD5) / Made available in DSpace on 2017-02-23T14:02:54Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) tese-completa-Sidney_Lima_v21.pdf: 4757211 bytes, checksum: 205170db8b002cc2ab72255ab77628a3 (MD5) Previous issue date: 2016-02-25 / REUNI / O câncer de mama é a principal causa de morte de mulheres adultas por câncer no mundo. Do ponto de vista clínico, a mamografia é ainda a mais efetiva tecnologia de diagnóstico do câncer de mama, dada a grande difusão de uso e interpretações dessas imagens. De acordo com o estado da arte da classificação de lesões em mamogramas, as wavelets têm apresentado os melhores resultados do ponto de vista da taxa de classificação, quando utilizadas como etapa de préprocessamento que decompõe a imagem original em imagens de detalhes (verticais, horizontais e diagonais) e aproximações para, a partir dessas imagens componentes, serem extraídos atributos de textura. Neste trabalho, propõe-se a Decomposição baseada em Aproximações Morfológicas em regiões de interesse em mamogramas. O método proposto tem por base a decomposição inspirada em wavelets que emprega filtros não lineares passa-baixas e passa-altas, baseados em aberturas e fechamentos, que por sua vez são construídos a partir dos operadores morfológicos clássicos de erosão e dilatação. Neste trabalho, são propostas aproximações aritméticas para esses dois operadores morfológicos clássicos, substituindo os desvios condicionais, presentes na Morfologia Matemática, por operações aritméticas de somas, subtrações e multiplicações, computacionalmente mais rápidas. O trabalho proposto compara o tempo estimado de execução entre as aproximações aritméticas propostas e as operações morfológicas clássicas utilizando a notação Big-Oh e também faz uso de estimativas baseadas em arquitetura de hardware pipeline. Em todas as estimativas e cenários reais, as aproximações morfológicas propostas são mais rápidas do que a morfologia clássica. Além disso, por não empregar unidade de hardware em ambiente pipeline para tratamento de desvios condicionais, as aproximações morfológicas propostas se tornam uma solução mais barata, ocupa menos espaço, mais propícia à miniaturização, consome menos energia e reduz o número de codificações da UC (Unidade de Controle). Logo, as Aproximações Morfológicas criadas são superiores à morfologia clássica nos principais requisitos para o bom funcionamento do hardware. Quanto à classificação, a Decomposição baseada em Aproximações Morfológicas alcança um desempenho médio de 84,65% na distinção entre casos normais, benignos e malignos. Os classificadores empregados são redes neurais ELM e SVM, cujas classes são definidas de acordo com os critérios da American College of Radiology. Foram usadas 355 imagens de mama adiposa da base de dados IRMA, com 233 casos normais, 66 benignos e 56 malignos. Como método de tratamento da base de dados, foram estudados pesos ponderando a fronteira de decisão das redes neurais. / According to the World Health Organization, breast cancer is the main cause of death of women round the world. From the clinical point of view, mammography is still the most effective diagnostic technology, given the wide diffusion of the use and interpretation of these images. According the state-of-the-art lesions classification on mammograms, wavelets have produced the best results from the viewpoint of precision, when used as a preprocessing step that decomposes the original image into approximation and detail images (vertical, horizontal and diagonal) in order to, from these components images, extract shape or texture attributes. This work proposes the decomposition Morphological-based in regions of interest on mammograms. The proposed method is inspired on wavelets decomposition employing nonlinear low-pass and high-pass filters, based on openings and closings, which are constructed from classical morphological operators of erosion and dilation. In this work, we propose approaches of classical morphology, replacing the conditional branches, present in Mathematical Morphology, by arithmetic operations of addition, subtraction and multiplication, computationally faster. The proposed work compares the estimated run time of proposed arithmetic approximations and classical morphological operations using Big-Oh notation and also the thesis uses notation based on pipeline hardware architecture. In all real scenarios, our morphological operations are faster than classical morphology. Also, by not employing hardware unit in pipeline environment for treating conditional branches, the proposed morphology approximation becomes a cheaper solution, occupies less space, more propitious to miniaturization, consumes less power, and reduces the Control Unit coding number. Then, our approaches of classical morphology are superior to classical morphology in key requirements of hardware solution. Regarding the classification, the proposed decomposition reaches an average performance of 84.65% in distinguishing normal, benign, and malignant cases. Classifiers are neural networks ELM and SVM, classes are defined according American College of Radiology criteria. They are employed 355 adipose breast images with 233 normal cases, 66 benign and 56 malignant. As database processing method, weights were studied considering the decision boundary of neural networks.

Esta dissertação propõe o desenvolvimento de uma rede neural artificial (RNA) direcionada a ambientes foundation fieldbus para realização do cálculo de vazão em dutos fechados. Para tanto, a metodologia proposta utiliza-se de medidas de pressão, temperatura e pressão diferencial, as quais normalmente estão disponíveis em plantas industriais. A principal motivação do emprego das redes neurais reside no seu baixo custo e simplicidade de implementação, o que possibilita o emprego de apenas blocos fieldbus padrões tornando a metodologia independente do fabricante. Foi utilizada uma rede perceptron multicamadas com algoritmo de treinamento backpropagation de Levenberg-Marquardt. O treinamento foi realizado numa programação elaborada para o software Matlab TM. A arquitetura da rede neural foi determinada por métodos empíricos variando-se o número de neurônios e de camadas neurais até se atingir um erro aceitável na prática. Após esses treinamentos foi desenvolvida uma programação para realizar os cálculos de vazão em um ambiente foundation fieldbus utilizando-se para tanto o software DeltaV TM do fabricante Emerson Process Management. Foram obtidos resultados com erro relativo médio de valor de vazão em torno de 1.43% para um primeiro cenário utilizando uma placa de orifício e ar como fluido, e de 0,073% para um segundo cenário utilizando uma placa de orifício e gás natural como fluido, com relação aos valores obtidos através do instrumento multivariável 3095MV TM do fabricante Rosemount. Os valores de erro encontrados validam o método desenvolvido nessa dissertação. / This dissertation proposes the development of an artificial neural network (ANN) directed to foundation fieldbus environment for calculation of flow in closed ducts. The proposed methodology uses measurements of pressure, temperature and differential pressure, which are usually available in industrial plants. The main motivation of the use of neural networks lies in their low cost and simplicity of implementation, which allows the use of standard fieldbus blocks by just making the method independent of the manufacturer. It was used a multilayer perceptron network with backpropagation training and algorithm from Levenberg-Marquardt. The training was programmed in the software Matlab TM. The architecture of the ANN was determined by empirical methods by varying the number of neurons and neural layers until it reaches an acceptable error. After such trainings, it was developed a program to perform the flow calculations in an foundation fieldbus environment using Emerson Process Management\'s DeltaV TM software. The results were obtained with an average relative error of flow rate of 1.43% for the first scenario using an orifice plate and air as a process fluid, and 0.073% for a second scenario using an orifice plate and natural gas as the fluid related to the values obtained from Rosemount 3095MV TM multivariable instrument. The values of error found validate the method developed in this dissertation.

Nesta pesquisa, é proposta uma metodologia para detectar e classificar os distúrbios observados em um Sistema Elétrico Industrial (SEI), além de estimar de forma não intrusiva, o torque eletromagnético e a velocidade associada ao Motor de Indução Trifásico (MIT) em análise. A metodologia proposta está baseada na utilização da Transformada Wavelet (TW) para a detecção e a localização no tempo dos afundamentos e interrupções de tensão, e na aplicação da Função Densidade de Probabilidade (FDP) e Correlação Cruzada (CC) para a classificação dos eventos. Após o processo de classificação dos eventos, a metodologia como implementada proporciona a estimação do torque eletromagnético e a velocidade do MIT por meio das tensões e correntes trifásicas via Redes Neurais Artificiais (RNAs). As simulações computacionais necessárias sobre um sistema industrial real, assim como a modelagem do MIT, foram realizadas utilizando-se do software DIgSILENT PowerFactory. Cabe adiantar que a lógica responsável pela detecção e a localização no tempo detectou corretamente 93,4% das situações avaliadas. Com relação a classificação dos distúrbios, o índice refletiu 100% de acerto das situações avaliadas. As RNAs associadas à estimação do torque eletromagnético e à velocidade no eixo do MIT apresentaram um desvio padrão máximo de 1,68 p.u. e 0,02 p.u., respectivamente. / This study proposes a methodology to detect and classify the disturbances observed in an Industrial Electric System (IES), in addition to, non-intrusively, estimate the electromagnetic torque and speed associated with the Three-Phase Induction Motor (TPIM) under analysis. The proposed methodology is based on the use of the Wavelet Transform WT) for the detection and location in time of voltage sags and interruptions, and on the application of the Probability Density Function (PDF) and Cross Correlation (CC) for the classification of events. After the process of events classification, the methodology, as implemented, provides the estimation of the electromagnetic torque and the TPIM speed through the three-phase voltages and currents via Artificial Neural Networks (ANN). The necessary computer simulations of a real industrial system, as well as the modeling of the TPIM, were performed by using the DIgSILENT PowerFactory software. The logic responsible for the detection and location in time correctly detected 93.4% of the assessed situations. Regarding the classification of disturbances, the index reflected 100% accuracy of the assessed situations. The ANN associated with the estimation of the electromagnetic torque and speed at the TPIM shaft showed a maximum standard deviation of 1.68 p.u. and 0.02 p.u., respectively.

Este trabalho apresenta um método utilizando redes neurais artificiais para a determinação das amplitudes e fases dos componentes harmônicos presentes na corrente de carga monofásica. O número de harmônicos identificados é previamente selecionado. Os hamônicos identificados estão presentes na corrente de cargas não-lineares de um sistema de iluminação onde é considerada a variação no tempo das características da forma de onda desta corrente. Os harmônicos presentes no sistema degradam a qualidade de energia, sendo assim é apresentado um breve estudo sobre este tema e métodos para atenuar a distorção harmônica no sistema. Dentre estes métodos é dado ênfase na aplicação de filtros ativos de potência em paralelo com carga não-linear. O trabalho também apresenta um estudo sobre os mais comumente métodos utilizados na identificação harmônica. Dentre eles está o método baseado em redes neurais artificiais. Este método é validado com base nos dados levantados por meio de simulação e de forma experimental. / In this thesis artificial neural networks are employed in a novel approach to identifying harmonic components of the single-phase nonlinear load current, whose amplitudes and phase angles are subject to unpredictable changes in steady-state. An identified harmonics number is previously selected. These harmonics are present in the non-linear loads current of electrical illumination system. The harmonics in the power system degrade the power quality, then is exhibited a concise study dealing with power quality problems and methods to mitigate the harmonic distortion in the power system. Among these methods emphasis is given in the application of pure active power filters in parallel with the non-linear load. The thesis also shows a study about the more commonly methods used in the harmonic detection. Among them is the method based on artificial neural networks. Simulation and experimental results are presented to validate the proposed approach.

A racionalização dos recursos hídricos tem sido uma das metas das indústrias em vários setores. Tais metas exigem inovações tecnológicas tanto para novos processos produtivos quanto para novas técnicas de tratamento e reutilização de água na cadeia de produção. Os custos elevados de água industrial no Brasil, particularmente nas regiões metropolitanas, têm estimulado as indústrias nacionais a avaliar as possibilidades de reúso. O objetivo deste trabalho é a aplicação do tratamento de águas de processo contendo polipropileno utilizando radiação ultravioleta e peróxido de hidrogênio, isto é, o sistema UV/H2O2, visando adequá-las para reúso no próprio processo, reduzindo a necessidade de captação de água pré-tratada e de descarte de efluente. A primeira parte do estudo consistiu na realização de experimentos em um sistema fotoquímico de batelada, empregando quatro diferentes correntes efluentes de processo, para a avaliação da viabilidade técnico-econômica do tratamento fotoquímico, bem como para a obtenção de dados referentes à cinética das reações fotoquímicas. Com base nas informações obtidas, na segunda parte do estudo foram realizados experimentos em um sistema fotoquímico contínuo, a fim de obter dados para o aumento de escala para aplicação industrial do processo de tratamento contínuo. Os resultados experimentais indicaram a viabilidade técnica de aplicação do sistema UV/H2O2 utilizando fonte de luz artificial para todas as correntes de processo estudadas, tendo sido alcançados níveis de remoção de matéria orgânica acima de 90%. No entanto, sob o ponto de vista econômico, apenas as correntes com baixo teor de carbono orgânico total dissolvido (COT), entre 6 e 12 mgC L-1, mostraram-se adequadas ao reúso, após o tratamento. / Rationalization of water use has been one of the goals in many industrial activities, and, in particular, in the petrochemical industry. Such goals demand technological innovations in the productive processes and in techniques for treatment and reuse of water in the production chain. The high costs of industrial water, particularly in some metropolitan regions, have stimulated the industries to evaluate the possibilities of water reuse. The objective of this work is to evaluate the feasibility of the UV/H2O2 photochemical process applied to the treatment of process waste water containing polypropylene, aiming at the reuse of the waste water in the as process water in the industrial complex, thus reducing the need for tap water supply and waste water generation rate. The first part of this study consisted of laboratory-scale experiments in a batch photochemical reactor with four different waste water streams to perform the technical and economical feasibility of the photochemical treatment, as well to obtain data on the degradation rate. Based on the results of the first part, the second part of this study consisted of experiments in a continuous photochemical reactor, aimed at obtaining experimental data for reactor scale-up. Experimental results indicate that the UV/H2O2 photodegradation process is able to remove more than 90% of the organic compounds contained in the waste water. However, only waste waters containing relatively low contaminant levels (between 6 and 12 mgC L-1) can be treated at economically favourable costs.

Submitted by Kelren Mota (kelrenlima@ufpa.br) on 2018-06-13T17:38:37Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_AvaliacaoDistorcaoHarmonica.pdf: 4309009 bytes, checksum: 017d26b4d8e0ce6653f66d67f13f4cb6 (MD5) / Approved for entry into archive by Kelren Mota (kelrenlima@ufpa.br) on 2018-06-13T17:39:00Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_AvaliacaoDistorcaoHarmonica.pdf: 4309009 bytes, checksum: 017d26b4d8e0ce6653f66d67f13f4cb6 (MD5) / Made available in DSpace on 2018-06-13T17:39:00Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_AvaliacaoDistorcaoHarmonica.pdf: 4309009 bytes, checksum: 017d26b4d8e0ce6653f66d67f13f4cb6 (MD5) Previous issue date: 2018-03-27 / In the last decades, the transformation industry has provided the introduction of increasingly faster and more energy efficient products for residential, commercial and industrial use, however these loads due to their non-linearity have contributed significantly to the increase of distortion levels harmonic of voltage as a result of the current according to the Power Quality indicators of the Brazilian electricity distribution system. The constant increase in the levels of distortions, especially at the point of common coupling, has generated in the current day a lot of concern in the concessionaires and in the consumers of electric power, due to the problems that cause like losses of the quality of electric power in the supply and in the installations of the consumers and this has provided several studies on the subject. In order to contribute to the subject, this thesis proposes a procedure based on the Knowledge Discovery in Database - KDD process to identify the impact loads of harmonic distortions of voltage at the common coupling point. The proposed methodology uses computational intelligence and data mining techniques to analyze the data collected by energy quality meters installed in the main loads and the common coupling point of the consumer and consequently establish the correlation between the harmonic currents of the nonlinear loads with the harmonic distortion at the common coupling point. The proposed process consists in analyzing the loads and the layout of the location where the methodology will be applied, in the choice and installation of the QEE meters and in the application of the complete KDD process, including the procedures for collection, selection, cleaning, integration, transformation and reduction, mining, interpretation, and evaluation of data. In order to contribute, the data mining techniques of Decision Tree and Naïve Bayes were applied and several algorithms were tested for the algorithm with the most significant results for this type of analysis as presented in the results. The results obtained evidenced that the KDD process has applicability in the analysis of the Voltage Total Harmonic Distortion at the Point of Common Coupling and leaves as contribution the complete description of each step of this process, and for this it was compared with different indices of data balancing, training and test and different scenarios in different shifts of analysis and presented good performance allowing their application in other types of consumers and energy distribution companies. It also shows, in the chosen application and using different scenarios, that the most impacting load was the seventh current harmonic of the air conditioning units for the collected data set. / Nas últimas décadas, a indústria de transformação, tem proporcionado a introdução de produtos cada vez mais rápidos e energeticamente mais eficientes para utilização residencial, comercial e industrial, no entanto essas cargas devido à sua não linearidade têm contribuído significativamente para o aumento dos níveis de distorção harmônica de tensão em decorrência da corrente conforme indicadores de Qualidade de Energia Elétrica do sistema brasileiro de distribuição de energia elétrico. O constante aumento dos níveis das distorções, principalmente no ponto de acoplamento comum, tem gerado nos dias atuais muita preocupação nas concessionárias e nos consumidores de energia elétrica, devido aos problemas que causam como perdas da qualidade de energia elétrica no fornecimento e nas instalações dos consumidores e isso têm proporcionado diversos estudos sobre o assunto. Com o intuito de contribuir com o assunto, a presente tese propõe um procedimento com base no processo Knowledge Discovery in Database - KDD para identificação das cargas impactantes das distorções harmônicas de tensão no ponto de acoplamento comum. A metodologia proposta utiliza técnicas de Inteligência computacional e mineração de dados para análise dos dados coletados por medidores de qualidade de energia instalados nas cargas principais e no ponto de acoplamento comum do consumidor e consequentemente estabelecer a correlação entre as correntes harmônicas das cargas não lineares com a distorção harmônica no ponto de acoplamento comum. O processo proposto consiste na análise das cargas e do layout do local onde a metodologia será aplicada, na escolha e na instalação dos medidores de QEE e na aplicação do processo KDD completo, incluindo os procedimentos de coleta, seleção, limpeza, integração, transformação e redução, mineração, interpretação, e avaliação dos dados. Com o propósito de contribuição foram aplicadas as técnicas de mineração de dados Árvore de Decisão e Naïve Bayes e foram testados diversos algoritmos em busca do algoritmo com resultados mais significativos para esse tipo de análise conforme apresentado nos resultados. Os resultados obtidos evidenciaram que o processo KDD possui aplicabilidade na análise da Distorção Harmônica Total de Tensão no Ponto de Acoplamento Comum e deixa como contribuição a descrição completa de cada etapa desse processo, e para isso foram comparados com diferentes índices de balanceamento de dados, treinamento e teste e diferentes cenários em diferentes turnos de análise e apresentaram bom desempenho possibilitando sua aplicação em outros tipos de consumidores e empresas de distribuição de energia. Evidencia também, na aplicação escolhida e utilizando diferentes cenários, que a carga mais impactante foi a sétima harmônica de corrente das centrais de ar condicionado para o conjunto de dados coletados.

Made available in DSpace on 2015-03-05T13:58:27Z (GMT). No. of bitstreams: 0 Previous issue date: 10 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / O objetivo desta dissertação é propor, testar e avaliar o uso de técnicas de Aprendizado de Máquina (ML) na configuração automática do controle do caminhar de robôs com pernas. Para que este objetivo fosse atingido, um extensa pesquisa de técnicas do estado da arte foi realizada e descrita neste trabalho. Esta pesquisa permitiu a elaboração do modelo proposto, chamado de LegGen, que foi implementado em um protótipo. O protótipo modelo em questão permite a utilização de vários tipos de robôs, compostos de quatro, seis ou mais patas, e além disto permite a evolução da morfologia dos robôs. Utilizando o protótipo, é possível a realização de experimentos com robôs autônomos dotados de pernas, em um ambiente virtual tridimensional realístico, através de simulações baseadas em física. Foi utilizada a biblioteca ODE (Open Dynamics Engine) para a simulação de corpos rígidos e articulações, permitindo assim simular forças agindo nas articulações (atuadores), gravidade e colisões, entre outras propriedades físicas dos / The main goal of this dissertation is to propose, to test and to evaluate the use of Machine Learning (ML) techniques in the automatic con_guration of the gait control in legged robots. In order to achieve this goal, an extensive research about state-of-the-art techniques was accomplished and they are described in this work. This research allowed the development of the proposed model, called LegGen, which was implemented in a prototype. The proposed model allows the use of several different robot models with four, six or more paws. Besides that, the prototype allows also to study the robot's morphology evolution. The implemented prototype allows to accomplish experiments with autonomous legged robots, in a realistic three-dimensional virtual environment, through physics based simulations. The ODE (Open Dynamics Engine) software library was used in the physical simulation of rigid bodies and articulations, allowing to simulate forces acting in the articulations (actuators), gravity and collisions, among other