Submitted by Maike Costa (maiksebas@gmail.com) on 2017-05-26T11:40:16Z No. of bitstreams: 1 arquivototal.pdf: 8290765 bytes, checksum: 60cc04d99eb6779eb21f6ce5385803d1 (MD5) / Made available in DSpace on 2017-05-26T11:40:17Z (GMT). No. of bitstreams: 1 arquivototal.pdf: 8290765 bytes, checksum: 60cc04d99eb6779eb21f6ce5385803d1 (MD5) Previous issue date: 2016-12-05 / The objective of this research is to develop an intelligent system based on artificial neural networks for water distribution systems that operate with pumps associated in parallel. The system aims at process automation and the definition of operating state for electric motors (on, off or with partial rotation), aiming at the same time the pressure control and reduction of electric power consumption. The developed intelligent system is a generic one, which allows the application of control structure in similar processes, and it was applied in a fully instrumented test rig that emulates a real system of water supply. The results showed that the performance of the artificial neural network is quite satisfactory, and thus can be successfully implemented in other similar water distribution systems in order to reduce consumption of water and electric energy, decrease costs of maintenance, and increase the degree of reliability of operational procedures. / O objetivo desta pesquisa é desenvolver um sistema inteligente baseado em redes neurais artificiais para redes de distribuição de água que operam com bombas associadas em paralelo. O sistema tem por finalidade a automação do processo e a definição do estado de funcionamento dos motores elétricos (ligado, desligado ou com rotação parcial), visando simultaneamente ao controle de pressão e à redução do consumo de energia elétrica. O sistema inteligente desenvolvido é genérico, o que permite a aplicação da estrutura de controle em processos semelhantes, e foi aplicado em uma bancada experimental totalmente instrumentalizada que emula um sistema real de abastecimento de água. Os resultados mostraram que o desempenho da rede neural artificial é bastante satisfatório, e, assim, poderá ser implementada com sucesso em outros sistemas de distribuição de água similares, a fim de proporcionar redução do consumo de água e energia elétrica, diminuição dos custos de manutenção e aumento do grau de confiabilidade dos procedimentos operacionais.

Made available in DSpace on 2015-03-26T13:53:16Z (GMT). No. of bitstreams: 1 texto completo.pdf: 3045713 bytes, checksum: 29d033208d3f70ac0ab24c206abd28f5 (MD5) Previous issue date: 2009-02-16 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The supervised classification of soils, especially in recent decades, is being carried out using mathematical and statistical models, amongst which the model of neural networks, stand out by greater accuracy of mapping comparing to classical models, such as Maximum Likelihood (MaxVer), helping the conventional method of mapping. Neural Networks model has been performed mostly for soil properties, with little application for soil classes. This work aimed to undertake the classification of soil using neural networks and MaxVer for an area located in Serra do Cipó, in the State of Minas Gerais. The map units was defined based on information from 55 soil profiles classified accord to the Brazilian System of Soils Classification to the fourth categorical level, whereas compound units were done with basis on the similarity of soil properties and the characteristics of physics environment. The discriminates variables used included: six scenes of Landsat satellite image sensor ETM+, four indexes derived from this image (Clay minerals, Ferrous minerals, Iron oxide and NDVI), Digital Elevation Model and derived attributes: altitude, slope, compound topographic index, aspect, solar radiation, curvature and elevation amplitude, in addiction to geological and soil maps. Several variables combinations were tested in both classifiers, selecting those that best contribute to classify the soil with high accuracy on the two supervised mapping approaches. The classification by neural networks was performed using the Stuttgart Neural Network Simulator and the backpropagation algorithm, the framework and classification parameters were selected by training and statistical tests. The results obtained with both classifiers, neural networks and MaxVer were compared using ground data as reference. The same set of reference points was used to validate the soil map obtained by the conventional method of mapping. Maps obtained by the two classifiers using the group of variables that provided the best performance to the classification showed a good accuracy index, with no statistical difference in overall accuracy of the maps. The map generated by MaxVer showed a kappa index of 0.58, while the map from neural network showed an index of 0.60. Although the accuracy of the two maps was statistically similar, the classifiers efficiency in individual discrimination of soil units differed significantly, with two units being best classified by MaxVer, three units by neural networks and four units with similar accuracies in both approach classification. The overall accuracy of soil maps made by the conventional method was 82%. The soils of the first component in mapping units agreed in 48% with reference soils. / A classificação supervisionada de solos, especialmente nas últimas décadas, vem sendo realizada com o auxílio de modelos matemáticos e estatísticos, dentre os quais destaca-se o modelo de redes neurais, o qual tem apresentado exatidão superior quando comparado com métodos clássicos, como o de Máxima Verossimilhança (MaxVer), auxiliando no método convencional de mapeamento. No entanto, na maioria dos trabalhos foram avaliadas as propriedades dos solos, sendo o estudo das classes de solos ainda incipiente. Assim, este trabalho teve como objetivo realizar a classificação de solos por redes neurais e pelo MaxVer para uma área situada na Serra do Cipó, no estado de Minas Gerais. Para tanto, utilizaram-se informações analíticas de 55 perfis de solos, classificados até o quarto nível categórico do Sistema Brasileiro de Classificação de Solos. As unidades do mapa de solos foram compostas por semelhanças entre as propriedades físicas do solo e as características do ambiente. As variáveis discriminantes avaliadas na classificação foram seis cenas da imagem do satélite Landsat, sensor ETM+; quatro índices derivados dessa imagem (Clay minerals, Ferrous minerals,Iron oxide e NDVI); modelo digital de elevação e atributos derivados: altitude, declividade, índice topográfico combinado, face de exposição, radiação solar, curvatura e amplitude altimétrica, além dos mapas geológico e pedológico. A partir desse conjunto de variáveis, identificaram-se aquelas que melhor contribuíram na discriminação dos solos, em cada uma das duas abordagens empregadas. Na classificação pelas redes neurais foram empregados o simulador Stuttgart Neural Network Simulator e o algoritmo backpropagation, sendo a arquitetura e os parâmetros selecionados por meio de tentativas e testes de significância estatística. Os resultados obtidos por ambos os classificadores, redes neurais e MaxVer, foram comparados entre si, utilizando-se a validação dos mapas com pontos de referência terrestre. Os mesmos pontos de referência foram utilizados para validar o mapa de solos obtido pelo método convencional de mapeamento. Os mapas obtidos pelos dois classificadores, utilizando o conjunto de varáveis que proporcionou melhor desempenho do classificador, apresentaram índice de exatidão considerado bom, sem diferença estatística na exatidão global dos mapas. O mapa melhor classificado pelo MaxVer apresentou índice kappa de 0,58, enquanto que, pelas redes neurais, o maior índice foi de 0,60. Esses valores não diferiram estatisticamente, entretanto, os classificadores diferiram na discriminação das unidades de solo, sendo duas unidades melhor classificadas pelo MaxVer, três pelas redes neurais e quatro unidades com exatidão estatisticamente igual para os dois classificadores. A exatidão global do mapa obtido pelo método convencional de mapeamento foi de 82%, sendo esse índice calculado pelo somatório dos solos de referência concordantes com qualquer componente da unidade. Os solos no primeiro componente das unidades de mapeamento apresentaram 48% de concordância com solos de referência.

Made available in DSpace on 2015-05-08T14:59:54Z (GMT). No. of bitstreams: 1 arquivototal.pdf: 4817821 bytes, checksum: 0e01a04cb66fa461b85802952c8cab7d (MD5) Previous issue date: 2013-03-23 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / In the processes of manufacturing machine tools play an important role particularly in the manufacture of parts of complex geometries. Currently the requirements for high dimensional and geometric accuracy during the machining process require small dimensional tolerances. Much of the errors of a machine tool are those which are thermally induced from the heat sources internal and external factors acting on the machine, thus causing thermal deformations in its structure. In this paper, we present a methodology for determining and analyzing the thermal deformation of machine tools using finite element method (FEM) and artificial neural networks (ANN). After molding machine using FEM, and defining the location of the heat source were obtained the temperature gradient of the machine and the corresponding thermal deformation at predetermined periods. Results obtained with simulations using the software NX.7.5 and the measurement principle of the Ballbar system, showed that this methodology is an effective tool in determining the thermal deformation of the machine, correlating the temperature reading at strategic points with volumetric deformation at the tool tip. Allowing then the thermal analysis of the errors in the pair tool part. Additionally, these results were used to train an ANN. The parameters of "learning" network under conditions of transient contours, allowed the network training. After training and validation set, she will be able to make the prediction of thermal errors just stating the temperature values of specific points of each heat source. This methodology will contribute to the designs of machine tools with high accuracy and thermal stability, but also provide for compensation of thermally induced errors. / Nos processos de manufatura as máquinas-ferramenta desempenham um papel importantíssimo em particular na fabricação de peças de geometrias complexas. Atualmente as exigências por alta exatidão geométrica e dimensional durante o processo de usinagem exigem pequenas tolerâncias dimensionais. Grande parte dos erros de uma máquina-ferramenta são aqueles termicamente induzidos os quais são provenientes das fontes de calor internas e externas que agem sobre a máquina, causando assim deformações térmicas na sua estrutura. Neste trabalho, é apresentada uma metodologia para determinação e análise dos deslocamentos térmicos das máquinas-ferramenta usando o método de elementos finitos (MEF) e redes neurais artificiais (RNA). Após a modelagem da máquina, usando MEF, e a definição da localização das fontes de calor foram obtidas o gradiente de temperatura da máquina e as correspondentes deformações térmicas em períodos preestabelecidos. Resultados obtidos com simulações usando o software NX.7.5 e o princípio de medição do sistema Ballbar, mostraram que a metodologia desenvolvida é uma ferramenta eficaz na determinação das deformações térmicas da máquina, correlacionando a leitura de temperatura em pontos estratégicos com as deformações volumétricas na ponta da ferramenta. Permitindo então, a análise dos erros térmicos no par peça-ferramenta. Adicionalmente estes resultados foram usados para treinar uma RNA. Os parâmetros de ―aprendizado‖ da rede, mediante condições de contornos transientes, permitiram o treinamento da rede. Após o treinamento e validação da rede, ela é capaz de fazer a previsão dos erros térmicos apenas informando os valores das temperaturas dos pontos específicos de cada fonte de calor. Esta metodologia desenvolvida contribuirá para os projetos de máquina-ferramentas com alto grau de exatidão e estabilidade térmica, como também permitirá a compensação dos erros termicamente induzidos.

Made available in DSpace on 2015-05-14T12:09:27Z (GMT). No. of bitstreams: 1 arquivototal.pdf: 7820449 bytes, checksum: c6acd880295b25b51f289018a1415c70 (MD5) Previous issue date: 2012-08-17 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / The Brazilian energetic system is mainly based on hydropower, which is highly dependent on the watershed water availability. In order to minimize the risk of failure, which affects the uptake from the water bodies, this system is interconnected. During the dry season, there is less volume stored in the reservoirs, which leads to a lower production of energy. Before the flood period, in order to attend the multiple uses of the water resources, it is necessary to keep an operational volume in the reservoir, which also decreases the water level and has impacts on power generation. In order to make the flood control, the electricity sector forecasts the availability of a waiting volume in the reservoirs, which are capable of receiving parts of the inflows to prevent, at prefixed risk, damage at downstream. It is in this scenario that the problem highlighted in this dissertation arises, the forecasting of inflow to a reservoir, in order to have a judicious allocation of these void spaces in the reservoirs for the flood control. Thus, the main objective of this study is to analyze the use of the wavelet transform to forecast daily inflows in Sobradinho reservoir (Bahia State) seven days ahead, by a wavelet-ANN hybrid system, with the following specific objectives: (a) eliminate the noise present in the observed inflow time series by wavelet analysis, (b) define the optimal level for decomposition of the signals, (c) determine the appropriate mother-wavelet for this type of forecasting with ANN, and (d) carry out simulations with the proposed wavelet-ANN hybrid system and compare the results with the predictions made without the application of wavelet transform. It was used the daily data for the period from January 1931 to December 2010. From the obtained results, it was observed that the wavelet-ANN hybrid system performed better forecasting for seven days ahead than the system using the ANN with the raw data, and the approximation A3 from the discrete mother-wavelet Meyer obtained the best result (R2 = 0.9977; Nash = 0.9954 and RMS = 96.4523 m³/s), whereas the prediction using RNA with raw data obtained the following results: R2 = 0.9481; Nash = 0.8971 and RMS = 456.7712 m³/s, i.e., the RMS decreased almost 80%, while the Nash and R2 coefficients have increased more than 5% and 10%, respectively, when compared with the forecasts using the raw data. / O sistema energético brasileiro é fortemente baseado na energia hidroelétrica, a qual é altamente dependente da disponibilidade hídrica das bacias hidrográficas. A fim de minimizar os riscos de falha que afetam o aporte de água aos mananciais, esse sistema é interligado, pois, nas épocas secas, tem-se um menor volume armazenado nos reservatórios, o que leva a uma menor produção de energia, e antes das épocas de cheias, para atender ao uso múltiplo dos recursos hídricos, deve-se deixar um volume operacional no reservatório, o que também diminui o seu nível de água e tem impactos na geração de energia. Para efetuar o controle de cheias, o setor elétrico prevê a disponibilidade de um volume de espera nos reservatórios, capazes de absorver parcelas das afluências, para evitar, com um risco prefixado, que sejam causados danos a jusante. É nesse cenário que surge o problema destacado no presente trabalho, a previsão da vazão afluente a um reservatório, a fim de se ter uma alocação criteriosa desses espaços vazios nos reservatórios para o controle de cheias. Diante do exposto, o objetivo geral deste trabalho é analisar o uso da transformada wavelet para realizar previsões das vazões diárias afluentes ao reservatório de Sobradinho BA com sete dias de antecedência, por meio de um sistema híbrido wavelet-RNA, sendo os objetivos específicos: (a) eliminar os ruídos presentes nas séries históricas de vazão através da análise wavelet; (b) definir o nível ótimo de decomposição dos sinais; (c) determinar a wavelet-mãe adequada para este tipo de previsão com RNAs; e (d) realizar simulações com o sistema híbrido wavelet-RNA proposto e comparar os resultados com as previsões realizadas sem a aplicação da transformada wavelet. Utilizou-se dados de médias diárias de vazões naturais do período de janeiro de 1931 a dezembro de 2010. Diante dos resultados apresentados, observa-se que o sistema híbrido wavelet-RNA proposto obteve resultados melhores de previsão para sete dias de antecedência que o sistema utilizando a RNA com os dados brutos, sendo a aproximação A3 da waveletmãe Meyer Discreta a que obteve o melhor resultado na validação (R2 = 0,9977; Nash = 0,9954 e RMS = 96,4523 m³/s), enquanto que a previsão utilizando os dados brutos forneceu os seguintes resultados: R2 = 0,9481; Nash = 0,8971 e RMS = 456,7712 m³/s; i.e., o RMS diminuiu quase 80%, enquanto que os coeficientes R2 e Nash tiveram um aumento maior que 5% e 10%, respectivamente, em relação às previsões com os dados brutos.

Submitted by Willian de Assis Pedrobon Ferreira null (willianferreira51@gmail.com) on 2017-09-27T13:44:04Z No. of bitstreams: 1 dissertacao_Willian_de_Assis_Pedrobon_Ferreira.pdf: 8549439 bytes, checksum: 8a499577dddc476a2f1f7b3cb4d9a873 (MD5) / Approved for entry into archive by Monique Sasaki (sayumi_sasaki@hotmail.com) on 2017-09-28T14:15:16Z (GMT) No. of bitstreams: 1 ferreira_wap_me_ilha.pdf: 8549439 bytes, checksum: 8a499577dddc476a2f1f7b3cb4d9a873 (MD5) / Made available in DSpace on 2017-09-28T14:15:16Z (GMT). No. of bitstreams: 1 ferreira_wap_me_ilha.pdf: 8549439 bytes, checksum: 8a499577dddc476a2f1f7b3cb4d9a873 (MD5) Previous issue date: 2017-08-24 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / A utilização de sensores em ambientes inteligentes é fundamental para supervisionar as atividades dos seres humanos. No reconhecimento de atividades humanas, ou HAR (Human Activity Recognition), técnicas de supervisionamento são aplicadas para identificar as atividades realizadas em diversas aplicações, como no esporte e no acompanhamento de pessoas com necessidades especiais. O Sistema de Reconhecimento de Atividades Humanas (SIRAH) é empregado no reconhecimento de atividades humanas, utilizando um acelerômetro localizado na cintura da pessoa monitorada e uma Rede Neural Artificial para classificar sete atividades: em pé, deitado, sentado, caminhar, correr, sentar e levantar. Originalmente implementado no software MATLAB, realizava classificações offline em que os resultados não eram obtidos durante a execução das atividades. Apresenta-se, neste trabalho, o desenvolvimento de duas versões embarcadas do SIRAH, que executam o algoritmo de classificação durante a prática das atividades monitoradas. A primeira implementação foi efetuada no processador Nios II da Altera, que ofereceu a mesma exatidão do sistema offline com processamento limitado, pois o software consome 673 milissegundos para executar a classificação desejada. Para aprimorar o desempenho, outra versão foi implementada em FPGA utilizando a linguagem de descrição de hardware VHDL. O algoritmo de classificação opera em tempo real e é executado em apenas 236 microssegundos, garantindo total amostragem das acelerações. / The use of sensors in smart environments is fundamental to monitor humans activities. In Human Activity Recognation (HAR), supervision techniques are employed to identify activities in several areas, such as in sport pratice and in people monitoring with special needs. The Sistema de Reconhecimento de Atividades Humanas (SIRAH) is used in human activities recognation, using an accelerometer located on the monitored person waist and an Artificial Neural Network to classify seven activities: standing, lying, seated, walking, running, sitting and standing. Originally, performed offline classifications executed in MATLAB software. In this work we present the development of two embedded SIRAH versions, which perform the classification algorithm during the monitored activities practice. The first implementation was performed on Altera’s Nios II processor, that has been provided the same offline system accuracy, but with limited processing. To improve the performance, the other version was implemented in FPGA using the VHDL hardware description language, which performs real-time classifications, ensuring a lossless acceleration sampling.

Submitted by CARLOS ROBERTO DOS SANTOS JÚNIOR null (carlos9_rsj@hotmail.com) on 2017-10-26T17:32:23Z No. of bitstreams: 1 Tese_CarlosRSantosJr_biblioteca_final.pdf: 3193090 bytes, checksum: ce950f71ef02dd650ba662b7b8eea784 (MD5) / Approved for entry into archive by Monique Sasaki (sayumi_sasaki@hotmail.com) on 2017-10-31T18:06:36Z (GMT) No. of bitstreams: 1 santosjunior_cr_dr_ilha.pdf: 3193090 bytes, checksum: ce950f71ef02dd650ba662b7b8eea784 (MD5) / Made available in DSpace on 2017-10-31T18:06:36Z (GMT). No. of bitstreams: 1 santosjunior_cr_dr_ilha.pdf: 3193090 bytes, checksum: ce950f71ef02dd650ba662b7b8eea784 (MD5) Previous issue date: 2017-09-04 / A evolução dos recursos de internet levou ao crescente aumento do fluxo de dados, e por consequência, a necessidade de modelos de classificação ou previsão que suportem uma aprendizagem online. A Rede Neural ARTMAP Fuzzy tem sido utilizada nas mais diversas áreas do conhecimento, no entanto, ainda é pouco explorada em aplicações de tempo real que exigem uma aprendizagem contínua. Neste trabalho, é proposto uma Rede Neural ARTMAP Fuzzy com treinamento continuado, capaz de adquirir conhecimento ao longo da classificação ou previsão. Modificações na arquitetura e no algoritmo de aprendizagem possibilitam à rede neural ativar o treinamento sempre que necessário. Para validar o modelo proposto foram realizadas duas aplicações, uma para previsão e outra para classificação, utilizando bases de dados benchmarks e comparado com a ARTMAP Fuzzy original. Os resultados mostraram a capacidade do modelo proposto em adquirir conhecimento ao longo das amostras apresentadas de forma estável e eficiente. Assim, este estudo contribui para a evolução da rede neural ARTMAP Fuzzy e apresenta o treinamento continuado como uma alternativa eficaz para aplicações de tempo real. / The evolution of internet resources has led to an increase in the flow of data, and consequently, the need for classification or forecasting models that support an online learning. The ARTMAP Fuzzy Neural Network has been used in several areas of knowledge, however, it is still little explored in real-time applications that require continuous learning. In this work, an ARTMAP Fuzzy Neural Network with continuous training is proposed, able to acquire knowledge along the classification or prediction. Modifications in the architecture and learning algorithm enable the neural network to activate training whenever necessary. To validate the proposed model two experiments were performed, one for forecasting and another for classification, using benchmark databases and compared with the original ARTMAP Fuzzy Neural Network. The results showed the ability of the proposed model to acquire knowledge along the presented samples in a stable and efficient way. Thus, this study contributes to the evolution of the ARTMAP Fuzzy neural network and presents the continuous training as an effective alternative to real-time applications.

Submitted by MARCOS RICARDO MÜLLER (marcos.ricardo.unesp@gmail.com) on 2018-04-23T16:13:18Z No. of bitstreams: 1 muller_mr_tese_lv.pdf: 4063915 bytes, checksum: 2bd34db37cecdea37a74a93bf0e348b5 (MD5) / Approved for entry into archive by Cristina Alexandra de Godoy null (cristina@adm.feis.unesp.br) on 2018-04-23T17:10:16Z (GMT) No. of bitstreams: 1 muller_mr_dr_ilha.pdf: 4063915 bytes, checksum: 2bd34db37cecdea37a74a93bf0e348b5 (MD5) / Made available in DSpace on 2018-04-23T17:10:16Z (GMT). No. of bitstreams: 1 muller_mr_dr_ilha.pdf: 4063915 bytes, checksum: 2bd34db37cecdea37a74a93bf0e348b5 (MD5) Previous issue date: 2018-02-26 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / A maior inserção de tecnologias da informação nas redes de distribuição de energia elétrica vem permitindo que maiores volumes de dados de consumo sejam capturados em níveis cada vez mais detalhados, menos agregados e com maiores resoluções. Com a evolução dos mercados de energia elétrica, esses tipos de dados alcançam maior importância, uma vez que a comercialização de energia também passa a considerar estes níveis de consumo. Diversas técnicas têm sido aplicadas para previsão de cargas elétricas, como modelos estatísticos, de inteligência computacional e híbridos. Na literatura especializada é possível encontrar trabalhos que aplicam a rede neural artificial ARTMAP Fuzzy para tarefas de previsão de cargas elétricas, no entanto, a técnica ainda é pouco explorada em cenários de consumo menos agregados, e com maiores níveis de detalhe. Neste trabalho a rede ARTMAP Fuzzy é aplicada em tarefas de previsão multi-step de cargas elétricas reais com distintos níveis de agregação. Considerando o impacto do ruído sobre os previsores, sobretudo na capacidade de generalização das redes neurais artificiais, a técnica singular spectrum analysis é aplicada na tarefa de remoção de ruído. Os resultados de previsão permitiram analisar desempenho da rede ARTMAP Fuzzy, que foi comparada com outros dois previsores utilizados como benchmark, a saber, seasonal autoregressive integrated moving average e a rede neural multiLayer perceptron. A remoção de ruído permitiu melhora nos níveis de generalização da rede, impactando positivamente sua capacidade preditiva. / The increased insertion of information technologies in electricity distribution networks has allowed larger volumes of consumption data to be captured at increasingly detailed, less aggregated and higher resolution levels. With the evolution of electric energy markets, these types of data become more important, since the commercialization of energy also begins to consider these levels of consumption. Several techniques have been applied to predict electrical loads, such as statistical, computational intelligence and hybrids models. In the specialized literature it is possible to find works that apply the artificial neural network ARTMAP Fuzzy for tasks of prediction of electric charges, however, the technique is still little explored in less aggregated consumption scenarios, and with greater levels of detail. In this work the ARTMAP Fuzzy network is applied in multi-step forecasting tasks of real electric loads with different levels of aggregation. Considering the impact of noise on predictors, especially in the generalization capacity of artificial neural networks, the singular spectrum analysis technique is applied in the noise removal task. The prediction results allowed to analyze the performance of the ARTMAP Fuzzy network, which was compared with other two predictors used as benchmark, namely seasonal autoregressive integrated moving average and the multiLayer perceptron neural network. The noise removal allowed an improvement in the levels of network generalization, positively impacting its predictive capacity. / 1560734

Orientador: Fábio Roberto Chavarette / Resumo: Diante da constante necessidade de avanço tecnológico na agricultura para promover o aumento da produtividade e seguranças aos indivíduos envolvidos no processo, esta pesquisa apresenta o desenvolvimento de um sistema inteligente, utilizando redes neurais artificiais, aplicado ao monitoramento e análise de falhas estruturais em um trator. Simulou-se o trator por meio de um modelo numérico, representado através de equações diferenciais, o qual gera sinais conforme se alteram os parâmetros de velocidade do trator e a distância entre as saliências no solo. Para a análise, identificação e classificação dos dados simulados computacionalmente, foi utilizado uma rede neural do tipo ARTMAP-Fuzzy, que utiliza conceitos da Teoria da Ressonância Adaptativa, cujo algoritmo foi desenvolvido utilizando o programa Matlab. A principal aplicação deste sistema é inspecionar a estrutura do trator objetivando sua melhor conservação, indicando se o mesmo encontra-se em condições normais ou em caso de falha estrutural. Caso uma falha seja detectada, é possível classificar seu tipo. Os resultados evidenciados foram obtidos por meio de média simples entre as execuções do sistema, em virtude de se elevar a veracidade das informações demonstradas. Os resultados obtidos na aplicação da rede neural ao problema especificado mostraram-se ser satisfatórios. / Abstract: Faced with the constant need for technological advancement in agriculture to promote increased productivity and security to individuals involved in the process, this research presents the development of an intelligent system using artificial neural networks applied to the structural health monitoring and analysis of failure on a tractor. The tractor was simulated by means of a numerical model built by differential equations, which generates signals according to the parameters of tractor's speed and the distance between consecutive protrusions on the ground. For the analysis, identification and classification of computationally simulated data, a artificial neural network known as ARTMAP-fuzzy was used, which uses concepts of Adaptive Resonance Theory, whose algorithm was developed using Matlab. The main application of this system is to inspect the tractor structure aiming its better conservation, indicating whether it is in normal conditions or in case of structural failure. If the fault was detected, it is possible to classify the type of failure identified. The disclosed results were obtained by simple average between the executions of the system, because to increase the accuracy of the information shown. The results obtained in the application of artificial neural network to the specified problem proved to be satisfactory. / Mestre

Orientador: Suely Cunha Amaro Mantovani / Resumo: Neste trabalho apresenta-se uma abordagem para o mapeamento da cinemática inversa utilizando Redes Neurais Artificiais do tipo Perceptron Multicamadas na configuração em paralelo, tendo como referência o protótipo de um manipulador robótico de 5 graus de liberdade, composto por sete servomotores controlado pela plataforma de desenvolvimento Intel® Galileo Gen 2. As equações da cinemática inversa, normalmente apresentam múltiplas soluções, desta forma, uma solução interessante e frequentemente encontrada na literatura são as Redes Neurais Artificiais (RNA) em razão da sua flexibilidade e capacidade de aprendizado por meio do treinamento. As Redes Neurais são capazes de entender a relação cinemática entre o sistema de coordenadas das juntas e a posição final da ferramenta do manipulador. Para avaliar a eficiência do método proposto foram realizadas simulações no software MATLAB, as quais demostram pelos resultados obtidos e comparações a uma RNA do tipo MLP simples, aproximadamente redução das médias dos erros das juntas em até 87,8% quando aplicado à trajetória e 80% quando aplicado a pontos distribuídos no volume de trabalho. / Abstract: This paper presents an approach to the mapping of inverse kinematics using Artificial Neural Networks Multilayer Perceptron in parallel configuration, in the prototype of a robotic manipulator 5 degrees of freedom, as reference, composed of seven servomotors controlled by development board Intel® Galileo Gen 2. The equations of inverse kinematics, usually have multiple solutions, therefore, an interesting solution and often found in the literature are the Artificial Neural Networks (ANN) because of their flexibility and learning capacity through training. Neural Networks are able to understand the kinematic relationship between the coordinate system of the joints and the final position of the manipulator tool. To evaluate the efficiency of the proposed, simulations in MATLAB software are performaded, that demonstrate by the results obtained and compared to a simple MLP type RNA, one reduction in mean errors of the joints by up to 87.8% when applied to the path and 80% when applied to points distributed in the work space. / Mestre

The advances and the development of vehicles and autobalance robots make necessary the investigation of controllers able to meet the various challenges related to the use of these systems. The focus of this work is to study the equilibrium and position control of one two-wheeled robot. The particular interest in this application comes from its structure and its rich physical dynamics. Since this is a complex and non trivial problem, there is great interest in to analyze intelligent controllers. The first part of this dissertation discusses the development of a classic PID controller. Then it is compared with two types of intelligent controllers: On-line Neural Fuzzy Control (ONFC) and Proportional-Integral-Derivative Neural-Network (PID-NN). Also it is presented the implementation of controllers in a hadware plataform using the LEGO Mindstorm kit and in a simulation plataform using the MATLAB-Simulink. Two case studies are developed. The first one investigates the control of equilibrium and position of two-wheeled robot on a flat terrain to observe the intrinsec performance in lack of external factors. The second case studies the equilibrium and position control of the robot in irregular terrains to investigate the system response under influence of hard conditions in its environment. Finally, the performance of each controller developed is discussed and competitive results in the control of two-wheeled robot are achieved. / Com o avanço no desenvolvimento e utilização de veículos e robôs autoequilibrantes, faz-se necessário a investigação de controladores capazes de atender os diversos desafios relacionados à utilização desses sistemas. Neste trabalho foi estudado o controle de equilíbrio e posição de um robô auto-equilibrante de duas rodas. O interesse particular nesta aplicação vem da sua estrutura e da riqueza de sua dinâmica física. Por ser um problema complexo e não trivial há grande interesse em avaliar os controladores inteligentes. A primeira parte da dissertação aborda o desenvolvimento de um controle clássico do tipo PID, para em seguida ser comparado com a implementação de dois tipos de controladores inteligentes: On-line Neuro Fuzzy Control (ONFC) e Proportional-Integral-Derivative Neural-Network (PIDNN). Também é apresentada a implementação dos controladores em uma plataforma de hardware, utilizando o kit LEGO Mindstorm, e numa plataforma de simulação utilizando o MATLAB-Simulink. Em seguida, dois estudos de casos são desenvolvidos visando comparar o desempenho dos controladores. O primeiro caso avalia o controle de equilíbrio e posição do robô auto-equilibrante de duas rodas sobre um terreno plano tendo como interesse observar o desempenho intrínseco do sistema sob ausência de fatores externos. O segundo caso estuda o controle de equilíbrio e posição do robô em terrenos irregulares visando investigar a resposta do sistema sob influência de condições adversas em seu ambiente. Finalmente, o desempenho de cada um dos controladores desenvolvidos é discutido, verificando-se resultados competitivos no controle do robô auto-equilibrante de duas rodas.