Orientadores : Carlos Roberto de Souza Filho, Ardemirio de Barros Silva / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Geociencias / Made available in DSpace on 2018-07-28T19:04:16Z (GMT). No. of bitstreams: 1 Nobrega_RodrigoParreirada_M.pdf: 4734241 bytes, checksum: 328984bf018dc15f9fd0d37d413278fd (MD5) Previous issue date: 2001 / Resumo: o objetivo desta pesquisa foi o de realizar análises espaciais através de Sistema de Informações Geográficas visando a produção de mapas de favorabilidade, ou mapas potenciais, para diversos bens minerais na região centro-leste do Estado da Bahia. De posse de um banco de dados geológico, geofísico e geoquímico, o estudo compreendeu a conversão dos dados para um formato adequado; o desenvolvimento de uma nova técnica, denominada Gradiente INR, para auxílio na interpolação de dados discretos; o extenso processamento de dados de modo a se extrair as informações necessárias para as análises; e a produção final de mapas de favorabilidade mineral. Duas abordagens distintas de análise espacial foram avaliadas. A procura de áreas potenciais para depósitos sem ocorrências conhecidas na região estudada, como no caso de mineralizações de níquel, foi efetuada por uma abordagem guiada pelo conhecimento (knowledge-driven). Neste tipo de análise foi fundamental a definição de um modelo metalogenético descritivo para depósitos de níquel, o qual foi adaptado aos dados disponíveis. Norteados por esse modelo, os dados foram ponderados e combinados através das lógicas booleana e fuzzy. Os mapas de favorabilidade gerados a partir do operador fuzzy Gama mostraram-se superiores àqueles obtidos através dos operadores booleanos. A definição de áreas potenciais para depósitos previamente conhecidos na região (aminato, ferro, manganês, entre outros) foi realizada com o auxílio das redes neurais artificiais, em uma abordagem guiada pelos dados (data-driven), fazendo uso de tecnologia de inteligência artificial. Os resultados obtidos através dessa análise foram interessantes, muito embora comprometidos em função da pequena quantidade de depósitos conhecidos na região, o que é essencial para análises data-driven / Abstract: This research focussed on the use of Geographical Infonnation Systems to combine spatial data ITom different sources; to identify and describe spatial associations present in the data; and to use models for analysis and prediction of spatial phenomema related to mineral deposits (mineral potential mapping), in the central-eastem portion ofthe Bahia State, Brazil. Employing geological, geophysical and geochemical data, the work involved several pre-processing and processing steps, inc1uding: (i) the conversion of heterogeneous datasets to a common fonnat and coordinate system; (ii) the development of a new technique, named the 'INR Gradient', that allows a suitable interpolation of points to an area representation; (iii) an extensive data processing of thematic data aiming to extract useful infonnation for input in the GIS analysis; (iv) and multi-map combination and decisive assembly ofmineral potential maps for the studyarea. Both data-driven and knowledge-driven mineral potential predictive models were investigated in this study. The prediction of Ni deposits, for which no infonnation on occurrences were documented in the study area, was based on the knowledge-driven approach. Such analysis was made with the aid of a theoretic, descriptive metalogenetic model for Ni, which was adapted for the available geologic data. Guided by this descriptive model, the various input maps were weighted and combined using Boolean (index oveday) and Fuzzy (gamma operation) logic methods. Among the mineral potential maps yielded through such methods, those derived with the Fuzzy gamma operation proved superior, by better constraining the degree of favourability for Ni. The prediction of mineral potential for known deposits in the study area (asbestos, iron, manganese and others) was made through the data-driven approach, and the various input maps were combined using artificial neural networks analysis. The results derived ITom this model were interesting though inhibited by the lack of a more representative number of occurrences for each type of deposit, a critical issue for the success in any data-driven modelling / Mestrado / Geologia e Recursos Naturais / Mestre em Geociências

Orientador: Marconi Kolm Madrid / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-29T01:08:42Z (GMT). No. of bitstreams: 1 Jungbeck_Mario_M.pdf: 2731510 bytes, checksum: a56977dbe1e92c01fc9127417054b666 (MD5) Previous issue date: 2001 / Mestrado

Orientadores : Ronei Jesus Poppi, João Carlos de Andrade / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Quimica / Made available in DSpace on 2018-07-29T04:23:28Z (GMT). No. of bitstreams: 1 Fidencio_PauloHenrique_D.pdf: 3491782 bytes, checksum: b0806dd2424f8b9ff1873bf26e920c6a (MD5) Previous issue date: 2001 / Doutorado

Orientador: Euripedes Guilherme O. Nobrega / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecanica / Made available in DSpace on 2018-08-12T02:13:39Z (GMT). No. of bitstreams: 1 Machado_RenatoLuiz_M.pdf: 4990812 bytes, checksum: 87d647902a37b6e9837eb832c5c4a752 (MD5) Previous issue date: 2000 / Resumo: O objetivo deste trabalho é descrever o projeto de linearização por realimentação de manipuladores fazendo uso de redes neurais em uma configuração baseada em técnicas de controle adaptativo. O comportamento do robô projetado será estudado através de um sistema com junta flexível. O manipulador adotado é composto de três GDLs (graus de liberdade), sendo dois GDLs em corpos rígidos com um movimento de rotação e outro de translação, e uma junta flexível representada por uma correia dentada entre os dois eixos rotativos, introduzindo assim o terceiro GDL. Apresenta-se inicialmente o método de linearização dinâmica por realimentação (em inglês: feedback linearization). O enfoque proposto é a utilização de um mapeamento por redes neurais artificiais de múltiplas camadas para substituir os blocos de linearização e da planta. Este estudo abrange a possibilidade de se trabalhar com parâmetros desconhecidos, fazendo deste, um método que se adapta ao sistema / Abstract: The goal of this work is to present a plan of manipulators feedback linearization using neural networks based on adaptive control techniques. The behavior of designed robot will be studied through a system with flexible joint. This manipulator is composed by three DOF (degrees of freedom), with two DOF in rigid segments of rotation motion and translation motion, and one flexible joint moved for a "toothed belt" or "timing belt" between two rotary shaft, forming the third DOF. Initially it will be presented the dynamic feedback linearization method. Then artificial neural networks of multiple layers will be used in order to replace the blocks of linearization and planto This analysis inc1ude the possibility to work with unknown parameters, that can be considered as an adaptive method to the system / Mestrado / Mecanica dos Sólidos e Projeto Mecanico / Mestre em Engenharia Mecânica

Orientadores: Milton Mori, Roy Edward Bruns / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-08-12T02:03:56Z (GMT). No. of bitstreams: 1 Oliveira_KarlaPatriciaSantos_M.pdf: 2043020 bytes, checksum: d2a11b877ef2ef646132cc413b195dd7 (MD5) Previous issue date: 2000 / Resumo: O uso industrial dos corpos hídricos, rios e lagos, tem sido motivo de grande preocupação nacional e mundial visto às condições de captação de água e de destinação da grande quantidade de resíduo gerada diariamente. A atividade industrial da RIPASA S/A não foge a esta regra, assim vê-se a necessidade de um trabalho constante de controle e otimização do seu sistema de tratamento de efluente. Este trabalho teve como objetivo geral fornecer subsídios à RIP ASA SI A de prever a demanda bioquímica de oxigênio (DBO5) em situações futuras de despejo de sua lagoa aerada ll. Utilizou-se assim as técnicas de Redes Neurais Artificiais (RNAs) e de Análise de Componentes Principais (PCA) para modelagem do sistema e pré-processamento dos dados, respectivamente. Tomou-se um período de dois anos para a formação do banco de dados, sendo analisados inicialmente os seguintes parâmetros: DBO5, demanda química de oxigênio (DQO), vazão, produção de papel e celulose, pH e sólidos suspensos. Os pacotes computacionais NeuroSolutions e Statistica foram utilizados. Como o tempo de residência do sistema de lagoas aeradas da RIPASA S/A não era conhecido, trabalhou-se com as possibilidades de três a sete dias, tendo o de seis dias apresentado melhores resultados. A vasta quantidade de lacunas no banco de dados impossibilitou o uso dos parâmetros pH e sólidos suspensos reduzindo-se o número de dados disponíveis para a formação do modelo. Os resultados da modelagem via RNA foram comparados com o obtido através de um dos métodos clássicos de modelagem, PCR (Principal Component Regression), e verificou-se que nenhuma das técnicas foi capaz de predizer bem o comportamento do sistema em estudo quando utilizadas separadamente. Entretanto, uma boa performance da RNA foi obtida quando realizado um pré-processamento dos dados de entrada antes de serem alimentados à rede. Desta forma a ortogonalização de variáveis via PCA é apresentada como uma importante ferramenta de auxílio na definição da topologia das RNAs e no seu mapeamento não linear / Abstract: In recent years, computer-based methods have been applied to many areas of environmental chemistry. In the process industry the use of modern control strategies is required due to increasing demands on the quality of its effluent treatment systems. In this work a wastewater treatment system of a pulp and paper industry has been studied using Artificial Neural Networks (ANN) and the Principal Components Analysis to predict output environment parameters (BOD). Control process data sets generated from input and output of the current treatment system (an aerated lake) are used in this research. Variation within sampling of some auxiliary and process parameters including chemical oxygen demand (COD), biochemical oxygen demand (BOD), flow, pulp and paper production, pH and suspended solids are evaluated over a two-year period. Predictive models are presented calculated from ANN and Principal Component Regressions (PCR) for the estimation of biochemical oxygen demand, one of the main process control variables. The results show that neither principal component regression nor artificial neural network treatment is satisfactory when used separately in modeling and simulation. Neural network presents superior results for the training set but poorer ones than those from PCR for the test set. One explanation is that there are too few data resulting in an overfit of the training set. Best prediction performance is achieved when the data are preprocessed using PCA, before they are fed to a backpropagated neural network composed of three neurons in a hidden layer and the Delta-Bar-Delta (DBD) learning algorithm. The PCA technique orthogonalizes the input original variables and helps the ANN nonlinear mapping / Mestrado / Desenvolvimento de Processos Químicos / Mestre em Engenharia Química

Orientador: Ana Maria Frattini Fileti / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-08-12T11:59:30Z (GMT). No. of bitstreams: 1 Eyng_Eduardo_D.pdf: 1208739 bytes, checksum: c9be67bb6bff66ba4c64a7c49af4fe41 (MD5) Previous issue date: 2008 / Resumo: O etanol perdido por evaporacao durante o processo de producao por fermentação pode ser recuperado por uma coluna de absorcao, a qual requer um sistema de controle robusto de acordo com sua complexidade. Este equipamento tambem e utilizado no tratamento do CO2, um co-produto deste processo. Neste sentido, no presente trabalho foi proposto e testado, o emprego de controladores feedforward-feedback, baseados em modelo inverso de redes neurais, os quais manipulam as vazoes de solvente que sao alimentados as colunas, para controlar a concentracao de etanol na corrente gasosa a saida da primeira coluna, e a concentracao de agua residual no efluente gasoso da segunda. Simulacoes foram feitas, sendo abordado tanto o problema regulatorio quanto o problema servo para as duas colunas de absorcao do processo estudado. O desempenho do controlador neural foi superior ao apresentado por um controlador convencional PID, para ambas as colunas de absorcao estudadas, pois o tempo de resposta, assim como o overshoot foi menor. A superioridade do controlador neural foi comprovada pelos valores obtidos para os parametros ITAE (integral do erro absoluto ponderada pelo tempo), IAE (integral do erro absoluto) e ISE (integral do quadrado do erro). Outro objetivo deste trabalho foi avaliar a influencia das incertezas nos sensores sobre o desempenho do sistema de controle. Foram testados tres niveis: 5, 10 e 15%, sendo as incertezas inseridas nas variaveis de entrada do tipo concentracao de etanol/agua residual na corrente gasosa. Para a coluna de recuperacao de etanol, tanto para o problema regulatorio quanto servo, nenhum controlador conseguiu estabilizar a variavel controlada no set point, no entanto, quando empregado o controlador neural a amplitude da faixa de oscilacao da variavel controlada foi menor para todos os niveis de incerteza testados. Já para a coluna de tratamento de CO2, os controladores encontraram dificuldades em manter a estabilidade do sistema. Neste sentido, o controlador neural apresentou um desempenho satisfatorio para incertezas de 5 e 10%, enquanto que o PID nao conseguiu manter o sistema estavel para incertezas superiores a 5%. Com base nos testes realizados foi constatado que o controlador neural proposto constitui uma opcao atrativa para o controle das colunas de absorcao do processo deproducao de etanol por fermentacao, principalmente quando os niveis de incerteza forem de ate 10%. / Abstract: Some of ethanol lost by evaporation during its fermentation production process may be recovered using an absorption column, which requires a robust control system. This equipment also is used on carbonic gas treatment, a by-product of this process. In the present work, the development of nonlinear feedforward-feedback controllers, based on a neural network inverse model, was proposed and tested to manipulate the absorbent flow rates in order to control the residual ethanol concentration in the effluent gas phase at the first absorption column, and the residual water at the second one. Simulation studies were carried out for the regulator and servo problem, for both absorption columns studied. The neural controller proposed outperformed a conventional PID, because the response time, and also the overshoot were smaller when the neural controller was applied. The results were confirmed by the ITAE (integral of time multiplied by the absolute error), IAE (integral of absolute error) and ISE (integral of square error) parameters. The measurement uncertainties influence on control system performance was tested for three levels: 5, 10 and 15%. The uncertainties were introduced on ethanol/residual water concentration on gas phase. For the ethanol recovery column, neither PID nor the neural controller drove the controlled variable exactly to the set point, however, the neural controller provided a smaller oscillation for all uncertainty levels tested, for regulator and servo problem. The neural controller also outperformed PID in CO2 treatment column. For the regulator and servo problems the neural controller successfully proceeded when the uncertainty level was 5% or 10%, while the PID did not deal adequately with uncertainties above 5%. Therefore, the proposed neural controller proved be an attractive control solution for the absorption columns of ethanol production process by fermentation, especially when the input variables carry small uncertainties ( less than 10%) from the sensors. / Doutorado / Sistemas de Processos Quimicos e Informatica / Doutor em Engenharia Química

Orientador: Daniel Barrera Arellano / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia de Alimentos / Made available in DSpace on 2018-08-25T11:25:07Z (GMT). No. of bitstreams: 1 Garcia_RitadeKassiadeAlmeida_D.pdf: 2621947 bytes, checksum: 1a1aa809676a39c098a38069d013cf39 (MD5) Previous issue date: 2014 / Resumo: Óleos e gorduras são submetidos ao processo de blending para alcançar características específicas, visando sua aplicação em variados produtos. Redes neurais artificiais (RNA) têm sido utilizadas para otimizar o processo de formulação de gorduras baseado no conteúdo de gordura sólida (SFC). Além do SFC, a cinética de cristalização das gorduras ou blends influencia diretamente nas condições de processamento, bem como nas características e qualidade dos produtos elaborados. Nesse contexto, o objetivo deste trabalho foi construir e treinar RNAs capazes de prever parâmetros de cristalização de blends de gorduras. Foram treinadas duas RNAs usando blends contendo gorduras interesterificadas de soja, óleos de soja, palma e palmíste como matérias-primas. No treinamento, além dos dados de SFC, foram utilizados os parâmetros de cristalização tempo de indução (T1), tempo médio (T2), tempo final (T3) e SFC máximo (%), obtidos pelas isotermas de cristalização a 25°C. Além disso, como avaliação, foi verificada a capacidade das RNAs em predizer os parâmetros de cristalização de formulações sugeridas pelas RNAs para aplicação em recheio de biscoitos e uso geral. Como resultados, as RNAs se mostraram capazes de prever os parâmetros de cristalização para os blends elaborados com as diferentes matérias-primas, apresentando baixos valores de erros relativos (parâmetros preditos vs determinados). Quanto ao comportamento de cristalização, observou-se que as formulações que continham óleos de palma e/ou palmíste apresentaram menores valores de SFC máximo a 25°C. Adicionalmente, também verificou-se que para valores similares de SFC máximo, foram obtidos valores de T3 bastante variados, o que confirma a necessidade do conhecimento dos parâmetros de cristalização. Portanto, as RNAs demonstraram ser uma ferramenta útil na previsão dos parâmetros de cristalização, podendo ser utilizada na indústria para um melhor monitoramento das características dos blends formulados / Abstract: Oils and fats are submitted to the blending process to achieve specific characteristics for their application at various products. Artificial neural networks (ANN) have been used to optimize the process of fat formulation based on the solid fat content (SFC). In addition to the SFC, the crystallization kinetics of fats or blends influences directly the processing conditions, as well as the characteristics and quality of manufactured food products. In this context, the objective was to build and train ANNs that are able to predict the crystallization parameters of fat blends. Two ANNs were trained using blends containing soybean interesterified fats, soybean, palm and palm kernel oils as raw materials. At training, in addition to the SFC data were used the parameters of crystallization induction time (T1), medium time (T2), end time (T3) and maximum SFC (%), obtained by isothermal crystallization at 25 °C. Besides that, as an evaluation, it was verified the ANN ability to predict the crystallization parameters for a biscuit filling and general use formulations. As results, the ANNs showed ability to predict the crystallization parameters for the blends prepared with different raw materials, presenting low relative errors (predicted vs determined parameters). Regarding the crystallization behavior, it was observed that formulations containing palm and /or palm kernel oil showed lower values of maximum SFC at 25 ° C. In addition, it was also noted that for similar maximum SFC, various T3 values were obtained, confirming the need for knowledge of the crystallization parameters of fats. Therefore, ANNs proved to be a useful tool for predicting the crystallization parameters and can be used in food industry for better monitoring of characteristics of formulated blends / Doutorado / Tecnologia de Alimentos / Doutora em Tecnologia de Alimentos

Orientadores : Fernando Jose Von Zuben, Mauricio Fernandes Figueiredo / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-01T05:04:30Z (GMT). No. of bitstreams: 1 CrestaniJunior_PauloRoberto_M.pdf: 1502466 bytes, checksum: ce5e0fcbce6475900a9fbe86f52ccbb0 (MD5) Previous issue date: 2001 / Mestrado

Orientador : Inacio Maria Dal Fabbro / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agricola / Made available in DSpace on 2018-08-01T21:10:17Z (GMT). No. of bitstreams: 1 Ramos_JeanPauloSilva_D.pdf: 7445135 bytes, checksum: c3055b8364ba727acc93568c42224e70 (MD5) Previous issue date: 2001 / Doutorado

Orientadores : Ronei Jesus Poppi, Lauro Tatsuo Kubota / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Quimica / Made available in DSpace on 2018-08-01T22:34:14Z (GMT). No. of bitstreams: 1 Cerqueira_EduardoOsoriode_D.pdf: 8889961 bytes, checksum: 556dbd484aca448c9c56068675ffee27 (MD5) Previous issue date: 2002 / Doutorado