Orientador: Alvaro Geraldo Badan Palhares / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-21T23:30:43Z (GMT). No. of bitstreams: 1 Cerqueira_JesdeJesusFiais_M.pdf: 3610656 bytes, checksum: 3ca3dd647828272f927bf5c8f098f3ad (MD5) Previous issue date: 1996 / Resumo: Neste trabalho são analisadas as estruturas recursivas e não recursivas da classe perceptron de Redes Neurais Artificiais. A lei de aprendizado utilizada é baseada no gradiente com a inclusão da retro-propagação (back-propagation) de sinais através da rede. É apresentada uma formulação vetorial para os modelos e estabelecido um critério para análise de convergência baseado no segundo método de Lyapunov. Como exemplo, uma rede que mistura neurônios recursivos e não recursivos é testada por simulação em um sistema de controle para o acionamento das juntas de um robô de dois graus de liberdade, sendo propostos um identificador e um controlador adaptativo por modelo referência, com os resultados apresentados que mostram a eficiência do método / Abstract: This work analyses the recurrent and no recurrent dynamic structures of the perceptron class of artificial neural networks. The learning law used is based on the gradient with the inclusion of back-propagation of signals through the network. A vectorial formulation to modelsis presented and a criterion for convergence analysis based on the second Lyapunov's method is established. As on example, a mix network is tested through simulation in a control system for the activation of the joints of a two degree of freedom robot, and an identifier and an adaptive controller by reference modeI are proposed, the results showing the efficiency of the method being presented. / Mestrado / Mestre em Engenharia Elétrica

Orientador: Fernando Antonio Gomes Gomide / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-22T10:27:17Z (GMT). No. of bitstreams: 1 Goncalves_RodrigoAlmeida_M.pdf: 5374738 bytes, checksum: 8d32f6a726128ad1af5cfc63dd7e3e05 (MD5) Previous issue date: 1997 / Resumo: : Este trabalho apresenta uma abordagem tecnológica para a obtenção e teste de técnicas de controle e operação inteligentes (baseados no paradigma da computação flexível) de sistemas não lineares. Como caso particular, foi escolhido sistemas térmicos, mais especificamente sistemas de condicionamento de ar (Heating, Ventilation, and Air Conditioning - HVAC). Para que isto seja possível, um modelo de simulação para ar condicionado é desenvolvido (também utilizando o paradigma da computação flexível) como uma ferramenta de análise, sintonização e testes de alternativas de operação e controle do mesmo. Utilizando este modelo as seguintes técnicas de controle são implementadas, testadas, validadas e comparadas: On/off; PID; Controle nebuloso; Controle neural preditivo. Uma vez testadas as estratégias de controle em simulação, estas são implementadas em um protótipo real, possibilitando a realização de experimentos e medições de consumo de energia / Abstract: Not informed. / Mestrado / Mestre em Engenharia Elétrica

Orientador: Jarbas J. R. Rohwedder / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Quimica / Made available in DSpace on 2018-07-22T13:34:00Z (GMT). No. of bitstreams: 1 Schimidt_Fernando_M.pdf: 3359712 bytes, checksum: 0fbd8b157f6bd50de965ac07ba89e723 (MD5) Previous issue date: 1997 / Mestrado

Orientador: Jaime Portugheis / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-23T16:00:24Z (GMT). No. of bitstreams: 1 DeusJunior_GetulioAnterode_M.pdf: 5279096 bytes, checksum: 5a0faa3ae5fb8dde6fcc015e35818c35 (MD5) Previous issue date: 1998 / Resumo: Uma das possibilidades do serviço de comunicações digitais é ainvestigação da técnica de modulação de espalhamento espectral utilizando chaveamento por deslocamento em feqüência. Um sistema FH-CDMA proposto na literatura pode ser representado por matrizes de transmissão e de recepção. A regra de decisão que minimiza a probabilidade de erro de mensagem no receptor é conhecida por lógica majoritária. A partir do diagrama de blocos para o receptor de lógica majoritária, é apresentada uma forma de Rede Neural construída sem treinamento. Apresentasse a análise de uma rede paramétrica de Kohonen com o objetivo de mostrar que suas operações resultam no cálculo de valores intermediários da rede construída sem treinamento. Propõe-se também uma estrutura de rede multi-camada. Além disso, avalia-se a utilização de códigos de bloco para a representação dos padrões de saída para as Redes Neurais feedforward, com o objetivo de reduzir o número de neurônios da camada de saída da rede / Abstract: A possible application of digital communication service is the investigation of spread spectmm modulation using frequency shifting keying technique and a majority mIe receiver. As proposed in the literature, a FH-CDMA system can be represented in terms of transmission and reception matrixes. The decision mIe that minimizes the probability of message mistake in the receiver is known as majority logic. Starting from block diagram of the majority logic receiver, a kind of neural network built-up without training is then presented. A Kohonen parametric neural network is analysed. Its operations result in the calculation of the intermediary values of the neural network built-up without training. A multilayer neural network stmcture is also proposed. ln order to reduce the number of neuron in the output layer of the neural network, a study using block codes to represent the output pattems of the feedforward networks is evaluated. / Mestrado / Eletronica e Comunicações / Mestre em Engenharia Elétrica

Orientadores: Euripedes Guilherme de Oliveira Nobrega, Renato Pavanello / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica / Made available in DSpace on 2018-07-26T15:14:06Z (GMT). No. of bitstreams: 1 AlvesJunior_MarcoAntoniodeOliveira_M.pdf: 5773672 bytes, checksum: 7f336a00c9791d4dc6e610b876f42cb4 (MD5) Previous issue date: 2000 / Resumo: O objetivo deste trabalho foi utilizar redes neurais para a detecção de falha, mostrando uma aplicação sem a utilização de modelos que pode ser estendida à plantas não-lineares. Para mostrar a aplicabilidade do método neural, foi feita uma comparação deste método com um observador que estima a resposta da planta. A comparação foi feita por meio de sinais simulados e medidos das respostas de uma viga com e sem falha estrutural. Os sinais caracterizaram-se por serem as respostas para os casos sem e com controle, onde o tipo de controle aplicado foi polinomial e adaptativo autosintonizado. As falhas foram representadas de duas formas: uma trinca e adição de massa, sendo estas causadoras de redução de freqüência natural. O experimento foi realizado com uma viga flexível que possuía materiais piezoelétricos como sensores e atuadores. O estudo da representação matemática dos sistemas mecânicos, de suas trincas e da variação de massa, dos métodos de controle adotados e finalmente dos métodos de detecção de falhas, mostram como as redes neurais justificam-se neste âmbito de pesquisa / Abstract: The main goal of this work is to present a neural network able to detect failures. As it was built like a state estimator, known as observer, was adopted the name of "neural observer". The advantage of this approach is that a mathematical model is not necessary and non-linear applications can be treated easier. To obtain results, the neural observer was compared to a robust observer, which is nowadays the most powerful tool for failure detection. The failures considered by the methods were cracks, mass variation simulation and measurement of mass variation on a beam. The experimental environment was a beam with actuators and sensors both made by piezoelectric ceramics, known as PZT / Mestrado / Mecanica dos Sólidos e Projeto Mecanico / Mestre em Engenharia Mecânica

Orientador: Liliane Maria Ferrareso Lona / Dissertação (mestrado) - Universidade Estadual de Campinas. Faculdade de Engenharia Quimica / Made available in DSpace on 2018-07-26T23:04:39Z (GMT). No. of bitstreams: 1 Bufo_MoacirJose_M.pdf: 3077512 bytes, checksum: b595232a35ca3f742384ca1c0df6b455 (MD5) Previous issue date: 2000 / Resumo: Esta pesquisa está dirigida para adicionar ao que até o momento existe de desenvolvimento sobre a tecnologia de biorremediação chamada landfarming que se destina ao tratamento no solo de resíduos sólidos orgânicos biodegradáveis, devido a grande diversificação de bactéria capaz de destruir esses resíduos. A tecnologia landfarming foi desenvolvida pelas refinarias de petróleo dos Estados Unidos. A Petrobrás introduziu essa tecnologia no Brasil e hoje é o principal usuário. Essa tecnologia apresenta o grande atrativo que é o seu baixo custo operacional. O objetivo primeiro do estudo é específico e compreende a aplicação da técnica de rede neural artificial sobre um landfarming, visando a predição e auditoria do processo de destruição de resíduos. Os estudos foram realizados sobre o landfarming piloto construído pela empresa Hercules do Brasil Ltda., localizada na cidade de Paulínia SP, para o resíduo de goma resina do Pinus Elliottii (Slash Pine). A quantidade de resíduo utilizada foi de 3000 toneladas durante um período de 427 dias. O landfarming compreende uma área ativa de 3528 m2, com altura do meio reagente de 30 em. e dividido em oito setores para a coleta de amostra. Com os resultados do teor de resíduo, expresso em percentagem de solúveis em acetona, em função do tempo, foi aplicado a técnica de rede neural artificial tipo back-propagation, o que resultou: num método de predição e auditoria do processo, na elaboração da equação da taxa de destruição de resíduo e na estimativa da qualidade da mistura argila-resíduo. Associando estes resultados com uma estequiometria da reação bioquímica foram estabelecidos o Potencial de biorremoção do resíduo e a Capacidade de biorremoção do landfarming, visando determinar o aerobismo do meio reagente. Foi usado o Controle Estatístico de Processo para analisar a consistências destes dados / Abstract: This research increases the knowledge about the technology called land farming, which is applied to treat solid residues in the soil, in which there is a great variety of microorganisms able to do the destruction of biodegradable materials. Petroleum refineries in the United States developed this technology. Petrobrás introduced this technology in Brazil and is its principal user. This technology is very attractive due to its low operating cost The first specific purpose of this research is to apply the neural network on land farming to determine the performance and audit studies. A land farming pilot plant was constructed by Hercules do Brazil Ltda., located in Paulínia SP, for treatment of rosin residue derived from Pinus Elliottii (Slash Pine). The residues quantity used was 30001. during 427 days. The land farming was building with 3528 m2 of active area and 30 cm height of reactive medium. This area was divided into 8 parts to soil sample. The neural network back-propagation was used with the residues analyses, in percentage of acetone dissolvable, versus time, to obtain: a method for prediction and audit of this process, to construction a rate equation of residues destruction and to estimate the quality mixing of land farming soil. This results was associate with a biochemical stoichiometry to estimate a bioremoval potential factor of residue and a bioremoval capacity factor for the land farming, to determine de aerobic condition of reactive medium The Statistical Process Control was used to analyze the consistency of the experimental data / Mestrado / Desenvolvimento de Processos Químicos / Mestre em Engenharia Química

Orientadores: Marinho Gomes de Andrade Filho, Secundino Soares Filho / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-27T14:20:08Z (GMT). No. of bitstreams: 1 Ballini_Rosangela_D.pdf: 10361310 bytes, checksum: 8286d66a9aea521833a85b0bdf668e0f (MD5) Previous issue date: 2000 / Resumo: Análise e previsão de vazões são de fundamental importância no planejamento da operação de sistemas de recursos hídricos. Uma das grandes dificuldades na previsão das séries de vazões é a presença da sazonalidade devido aos períodos de cheia e seca do ano. Os modelos estocásticos foram, por um longo tempo, a alternativa mais comum aos modelos determinísticos ou hidrológicos na análise e previsão de vazões, baseados principalmente na metodologia de Box & Jenkins. Esta metodologia exige algum tipo de manuseio nos dados para tratar a não-estacionariedade ou o uso de modelos periódicos, necessitando de uma laboriosa formulação teórica para os procedimentos estatísticos. Redes neurais artificiais, especialmente redes multi-camadas com algoritmo back-propagation vêm sendo sugeridas para análise de séries temporais devido a sua capacidade para tratar com relações não-lineares.de entrada-saída, destacando sua habilidade de aprendizado e capacidade de generalização, associação e busca paralela. Estas qualidades as tornam capazes de identificar e assimilar as características mais marcantes das séries, tais como sazonalidade, periodicidade, tendência, entre outras, muitas vezes camufladas por ruídos. A capacidade de mapeamentos complexos das redes neurais cresce com o número de camadas e neurônios, acarretando :illaior tempo de processamento bem como considerável soma de dados. Entretanto, na prática muitas vezes os parâmetros devem ser estimados rapidamente e somente uma pequena quantidade de dados é disponível. Freqüentemente, dados do mundo real apresentam ruídos, podendo conter contradições e imperfeições. Tolerância a imprecisão e incertezas é também exigida para considerar tratabilidade e robustez. Conjuntos nebulosos baseados em modelos de análise de dados vêm sendo empregados sob essas hipóteses. A aplicação de modelos de redes neurais nebulosas une os benefícios das redes neurais e da teoria de conjuntos nebulosos, combinando-os em um sistema integrado para previsão de vazões naturais médias mensais. São realizadas análise e previsão de vazões usando modelos de séries temporais, redes neurais e redes neurais nebulosas para previsão um passo à frente e vários passos à frente para as séries das usinas hidroelétricas brasileiras localizadas em diferentes regiões. O desempenho dos modelos foi comparado e os resultados mostraram que os modelos propostos apresentaram melhor desempenho que as outras abordagens tanto para previsão um passo à frente como para previsão com vários passos à frente / Abstract: Analysis and forecast of seasonal stream flow series are of utmost importance in the operation planning of water resources systems. One of the greatest difficulties in forecasting of those series is the seasonality nature of stream flow series due to wet and dry periods of the year. For a long time, the use of stochastic models, based on the c1assic Box & Jenkins methodology, were the most employed alternative to the deterministic or hydrologic models in the analysis and forecast of stream flow series. This methodology requires either some kind of data manipulation to deal with the nonstationarity or the use of periodic models. Therefore the statistical procedures, requires an arduous theoretical formulation. Artificial Neural Networks (ANN), especially multilayer perceptrons with a back-propagation algorithm, have recently been suggested for time series analysis. They have the ability to deal with nonlinear input-output relationships. Their major assets are the learning ability and generalization, association and parallel search capability. These qualities enable them to identify and to assimilate some of the features of the series as seasonality, periodicity, tendency sometimes difficult to detect under noise. The capability of complex mapping of the ANN increases with the number of layers and neurons. The use of ANN usually requires the investment of a long period of time in the modeling process, as well as a considerable amount of data. ln practice, however, the parameters usually must be quickly estimated and only a small quantity of data is available. Very often, real world data are noisy, and the collected data may contain contradictions and imperfections. Tolerance for imprecision and uncertainty is also required to achieve tractability and robustness. Fuzzy sets based data analysis models have been especially suitable for these purposes. This suggests the application of neurofuzzy network models to seasonal stream flow forecasting. These models combine the advantages of the ANN and fuzzy set based approaches in a single integrated decision-making system. Analysis and forecast of stream flows one-step-ahead and multi-step-ahead are accomplished, using time series models, neural networks, and neurofuzzy networks. Database of average monthly inflows from Brazilian hydroelectric plants located in different river basins were used. The performance of the models was compared and the results show that the models here proposed provide a better performance than the others ones considering one-step-ahead forecasting and multi-step-ahead forecasting / Doutorado / Doutor em Engenharia Elétrica

Orientador : Furio Damiani / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-28T01:35:01Z (GMT). No. of bitstreams: 1 Mendes_Gilberto_M.pdf: 1308250 bytes, checksum: 688e2fb1966c3eb16ba52233feb5805b (MD5) Previous issue date: 1999 / Mestrado

Orientador: Jose Claudio Moura / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-07-28T00:54:52Z (GMT). No. of bitstreams: 1 Moreno_FabiolaAndreaChandia_M.pdf: 2334663 bytes, checksum: c2c49eb99adad298fe5bd7951cbf0206 (MD5) Previous issue date: 2001 / Resumo: A indústria de produção de cimento vem crescendo a cada ano e com isso a tendência em se aplicar técnicas que otimizem o seu processo também. O processo de produção de cimento não implica dificuldades maiores, mas como em qualquer indústria, tem os seus problemas devido ao alto consumo de energia e fatos ligados ao controle de qualidade do produto final, o cimento, para a geração do concreto. Principalmente o que diz respeito à Resistência Mecânica à Compressão, que é a principal variável nesse quesito. A técnicas de redes neurais artificias podem ser aplicadas a maioria dos sistemas ou processos industriais e tem se tomado uma prática, hoje em dia, realizada com resultados muito satisfatórios. Pela sua facilidade em simular, entre outras características, pode ser utilizada também para se predizer e modelar dados industriais referentes ao processo de produção de cimento também. Neste trabalho é desenvolvido um modelo baseado em computação neural com o objetivo de predição da Resistência Mecânica à Compressão 3 dias (R3), com aproximação suficiente na qual tem-se a grande vantagem de poder antecipar com confiança o tempo para expedição estando o cimento de acordo com as normas, ou então tomar -se as devidas precauções e correções, caso esteja fora. O modelo otimizado é representado por 15 neurônios na camada de input, 17 neurônios na camada intermediária e 1 neurônio na camada de output, sendo que para cada um desses neurônios foi utilizada a função de transferência sigmoidal e algoritmo de backpropagation para a correção dos pesos com auxílio da estrutura Delta bar Delta para a atualização dos pesos. Desse modo chegou-se a resultados satisfatórios com a utilização dos dados fornecidos pela empresa e com o uso das técnicas estatísticas de apoio e as técnicas de redes neurais r;u1:ificias para a modelagem do sistema / Abstract: The industry of cement production has been growing each year and with this the trend in if applying techniques that also optimize its process. The process of cement production does not imply bigger difficulties, but as in any industry, it has its problems due to the high consumption of energy and represents the quality control of the final product, the cement, for the generation of the concrete. Mainly in respect to the Compression Strength, which is the main variable that indicates the quality ofthe cement The techniques of artificial neural networks can be applied the industrial majority of the systems or processes and if have become practical one, nowadays, carried through with very satisfactory results. By its easiness in simulating, among others characteristic, it can also be used to predict and shape referring industrial data to the process of cement production. In this work a model based on neural computation with the objective of prediction of the Compression Strength is developed in 3 days (R3), with enough approach in which had great advantage of being able in accordance with to anticipate with confidence the time for dispatching being the cement the norms, or then to be overcome the due precautions and corrections, in case that it is it are. The optimized model is represented by 15 neurons in the layer of input, 17 neurons in the intermediate layer and 1 neuron in the layer of output, that for each one of these neurons it was used the function of sigmoidal transference and algorithm of back propagation for the correction of the weights with aid of the structure Delta bar Delta for the update of the weights. In this mode it resulted satisfactory with the use of the data supplied for the company and with the use of the statistical techniques of bracket was arrived and the techniques of artificial neural networks the modelling of the system / Mestrado / Desenvolvimento de Processos Químicos / Mestre em Engenharia Química

Orientadores : Rubens Maciel Filho, Aline Carvalho da Costa / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-07-28T19:07:09Z (GMT). No. of bitstreams: 1 Harada_LayseHarumiPereira_M.pdf: 2278556 bytes, checksum: 2a3574abae7c5d82b8cdb92826cb173e (MD5) Previous issue date: 2001 / Resumo: Um dos principais problemas no controle e otimização de processos biotecnológicos é a construção de modelos confiáveis para o sistema. Para estes processos, o desenvolvimento de modelos detalhados baseado em princípios fundamentais e intensos estudos cinéticos são freqüentem ente caros e consomem tempo. Assim, seria de grande vantagem encontrar algum modo simples e rápido que os descrevessem, para posterior uso em otimização e controle. Foram propostos muitos métodos recentemente para alcançar esta meta. Um deles é o uso de redes neuronais. O treinamento de uma rede neuronal, porém, requer um número grande de dados experimentais. Além disso, a interpretação de tais modelos é difícil. Outra alternativa é o uso de um modelo híbrido neuronal no qual os aspectos do problema cujo comportamento quantitativo é bem compreendido são descritos através de equações matemáticas determinísticas, enquanto as redes neuronais descrevem a cinética. É esperado que estes modelos tenham um melhor desempenho que as redes neuronais do tipo caixa preta, já que a generalização e extrapolação estão limitadas às partes incertas do processo e o modelo básico sempre é consistente com os princípios fundamentais. Além disso, menos dados são requeridos para o treinamento. Há muitas estruturas de redes neuronais citadas na literatura e não há nenhum método proposto que defina a melhor estrutura a ser usada para um determinado caso. Na maioria dos artigos presentes na literatura que aplicam redes neuronais para bioprocessos, a rede neuronal do tipo feedforward (FNN) é usada. Uma estrutura que não foi muito explorada é a rede funcionallink (FLN). Esta rede demonstrou ter boa capacidade de aproximação não­linear apesar da estimação de seus pesos ser linear. Devido à estimação linear, seu treinamento é rápido, requer baixo esforço computational e a convergência é garantida. O objetivo do trabalho presente é determinar um modelo para um processo extrativo de produção de álcool de uma maneira simples e rápida. Este modelo deve ser suficientemente confiável para fins de optimização e estudos de controle. Um modelo híbrido neuronal é construí do e redes neuronais são utilizadas para descrever as cinéticas desconhecidas. Uma comparação é feita entre o uso das FLNs e das FNNs na descrição da cinética de processo. É demonstrado que as redes neuronais do tipo funcional link permitem o desenvolvimento de um modelo híbrido neuronal com uma vantagem significante quando comparados com redes neuronais artificiais convencionais. O modelo híbrido apresenta bom desempenho e é mais simples que o obtido fazendo uso de redes neuronais do tipo feedforward. Como a estimação dos pesos é linear para as redes FLNs, o seu uso no modelo híbrido pode possibilitar uma implementação simples de um esquema adaptativo, no qual os pesos são reestimados on-line baseados nos dados do processo / Abstract: One of the most severe problems in the control and optimization of biotechnological process is the construction of reliable models of the system. For these processes, the development of detailed models based on fundamental principIes and intense kinetic studies is frequent1y expensive and time consuming. Thus, it would be of great advantage to find some simple and rapid way of describing them, accurately enough for optimization and control. Many methods have been proposed in recent years to achieve this goal. One of them is the use of neural networks. The training of a neural network, however, requires a large number of experimental data. Furthennore, the interpretation of such models is difficult. Another altemative is the use of hybrid neural models, in which the aspects of the problem whose quantitative behavior is well understood are described by detenninistic mathematical equations, while neural networks describe the kinetics. These models are expected to perfonn better than "black-box" neural network models, since generalization and extrapolation are confined only to the uncertain parts of the process and the basic mo deI is always consistent with first principIes. Besides, significantly fewer data are required for their training. There are many neural network structures cited in the literature and there are no methods proposed to define the best structure to be used for a given case. In the majority of the papers applying neural networks to bioprocesses, the feedforward neural network (FNN) is used. A structure that has not been much explored is the functional link network (FLN). This network has been shown to have a good non-linear approximation capability although the estimation of its weights is linear. Due to the linear estimation, its training is rapid, requires low computational effort and the convergence is guaranteed. The objective of the present work is to determine a model for an extractive ethanol production process in a simple and rapid way. This model must be sufficient1y reliable to be used for posterior optimization and control studies. A hybrid neural model is constructed, using neural networks to describe the unknown kinetics. A comparison is made between the use ofthe FLNs and the FNNs to describe the process kinetics. It is shown that the functional link networks enables the development of hybrid neural models with significant advantage when compared to conventional artificial neural networks. The hybrid model presents a good performance and is much simpler than the one using the FNNs. As the estimation ofthe network weights in the FLNs is linear, their use in the hybrid mo deI enables simple implementation of an adaptive scheme in which weights are reestimated on-line based on process data / Mestrado / Desenvolvimento de Processos Químicos / Mestre em Engenharia Química