Made available in DSpace on 2015-04-09T12:28:23Z (GMT). No. of bitstreams: 0 Previous issue date: 2014-11-26Bitstream added on 2015-04-09T12:48:13Z : No. of bitstreams: 1 000813379.pdf: 2362360 bytes, checksum: fe75b4abdaa624b9389d701b984f9828 (MD5) / O monitoramento em tempo real do processo de dressagem vem se tornando cada vez mais necessário, pois tem um papel muito importante no acabamento de peças produzidas pelo processo de retificação. Por outro lado, o desgaste dos dressadoers é muito custoso e pouco eficiente para ser monitorado visualmente, como normalmente é feito nas indústrias. O sensor de vibração é uma grande ferramenta na automação desse processo, porém ainda é pouco utilizado, como se constata na literatura. Este trabalho apresenta um método de classificação do desgaste da ferramenta de ponta única em três condições distintas (novo, meia-vida e desgastado), por meio de vibração e redes neurais. Ensaios de dressagens foram realizados em uma retificadora plana tangencial, rebolo de óxido de alumínio, com a aquisição dos sinais de vibração por meio de um sensor fixo no suporte do dressador. Um estudo foi desenvolvido do espectro do sinal para as três condições de desgaste, no qual sete bandas de frequências foram selecionadas. Vários modelos neurais foram testados, os quais possuíam como entradas duas estatísticas obtidas a partir do sinal original filtrado para uma dada banda de frequência selecionada. Após centenas de combinações de entradas, número de camadas ocultas e número de neurônio, dois melhores modelos foram escolhidos e analisados, os quais apresentaram resultados com até 98,3% de taxa de acertos / Real time monitoring of the dressing process is becoming more and more necessary because it plays a very important role in the finish of the part manufactured by the grinding process. On the other hand, dresser wear is very expensive and not much effective to be monitored visually, but it is usually so developed in industry. The vibration sensor can be a useful tool in the process automation; however, it is rarely used as can be verified in research works. This work presents a classification method for three wear conditions (new, semi-new, and worn) of single-point dresser by using vibration signal and neural networks. Experimental runs were carried out in a surface grinding machine equipped with aluminium oxide grinding wheel, where the vibration signal was acquired by a fixed sensor attached to the dresser bolder. The signal spectra analysis was performed with regarding to the aforementioned wear conditions, and seven frequency bands were selected. Several neural network models were tested, which had two input statistics from the digital processing of the raw signal filtered for a given frequency band selected. Following hundreds of input combinations, number of hidder layers and neurons, two best models were chosen and analyzed, which showed results with up to 98.3% success rate

Made available in DSpace on 2015-06-17T19:34:01Z (GMT). No. of bitstreams: 0 Previous issue date: 2015-01-29. Added 1 bitstream(s) on 2015-06-18T12:47:35Z : No. of bitstreams: 1 000829984.pdf: 9569893 bytes, checksum: 17afd948df11794efc7b1b77ce1bf2d4 (MD5) / Neste trabalho investiga-se a capacidade de uma rede neural artificial, com ajustes de pesos em tempo real, executar o controle de sistemas por meio de uma estrutura de rastreamento de sinais em três contextos: inicialmente em uma série de sistemas lineares e não-lineares; em um segundo momento, a rede neural é utilizada no controle de sistemas sujeitos a incertezas paramétricas; e por fim, no controle de máquinas elétricas que podem ou não estar sujeitas a variações paramétricas, incertezas e perturbações lineares e não-lineares. Na primeira aplicação da rede neural artificial verifica-se o desempenho de rastreamento de sistemas lineares de 1 a , 2 a e 3 a ordens controlados em malha fechada por meio de simulações computacionais. Nesse sentido, calcula-se um índice de desempenho utilizando a integral do valor absoluto do erro (IAE - Integral of the Absolute Magnitude of the Error). Esse índice indica a proximidade da saída real do sistema com relação ao sinal de referência. Essa estrutura rastreadora de sinais poderá funcionar conjuntamente com controlador clássico Proporcional, Integral e Derivativo (PID). Testes são realizados utilizando controladores com estrutura variável e modos desli- zantes, os quais, são estratégias robustas às incertezas paramétricas do tipo casadas, todavia não apresentam o mesmo comportamento no que tange às incertezas do tipo não casadas. Dentro desse contexto, apresenta-se uma estratégia de controle utilizando redes neurais artificiais em conjunto com modos deslizantes para reduzir as influências de quaisquer tipos de incertezas e perturbações. A eficácia da estrutura de controle proposta é verificada por meio de simulações computacionais considerando um modelo de eixo lateral de um avião L-1011 em condições de voo. O controle de máquinas elétricas é realizado inicialmente em motor de corrente contínua e posteriormente em motor ... / This thesis investigates the ability of an Artificial Neural Network (ANN), with real-time adjustable weights, to execute the control systems through a tracking structure for signals in three applications: in a series of linear and non-linear systems; to control systems subject to parametric uncertainties; and to control electrical machines that may be subject to linear and nonlinear disturbances and uncertainties. In the first application of ANN, it is verified the per- formance of tracking signals in systems of 1 st , 2 nd and 3 rd order through computer simulations results. In this regard, it estimates a performance index using the Integral of the Absolute va- lue of the Error (IAE), which indicates the difference between the system real output and the reference signal value. The proposed structure with the neural network is able to work with clas- sical compensators, the proportional, integral and derivative (PID) controller. Evaluation tests are performed using controllers with variable structure and sliding mode. This strategies pre- sents robustness to a class of parametric uncertainties, called matched parametric uncertainty. However, this technique is not robust related to unmatched uncertainty class. Thus, in this paper a control strategy is proposed based on ANN through sliding mode control technique to mini- mize the uncertainties and disturbances effects. In order to show the effectiveness of proposed method, simulation results are performed using a lateral axis model of an L-1011 in cruise flight conditions subject to the uncertainties and external disturbances. Initially, it is accompli- shed of direct current (DC) motors, and after that, the technique is applied to alternating current (AC) motors (three-phase induction). Through the combination of PID controller and ANN, some evaluations tests are performed in DC motors. The performance of induction motor has been addressed ...

Made available in DSpace on 2015-07-13T12:10:24Z (GMT). No. of bitstreams: 0 Previous issue date: 2015-03-20. Added 1 bitstream(s) on 2015-07-13T12:25:16Z : No. of bitstreams: 1 000839340.pdf: 672656 bytes, checksum: 1f3e33611aaf2ba8b714b4b3983eab36 (MD5) / Neste trabalho, apresenta-se uma nova abordagem para a detecção e classificação de distúrbios de tensão em sistemas de distribuição de energia elétrica, utilizando como ferramenta um algoritmo híbrido Neural-Imuno. Trata-se, basicamente, da junção de uma rede neural artificial ARTMAP-Fuzzy com o algoritmo imunológico de seleção negativa, gerando o método híbrido. Desta forma, partindo-se das medições realizadas em um alimentador de distribuição de energia elétrica por um sistema de aquisição de dados SCADA, um módulo neural realiza o processo detecção, identificando anormalidades (falhas), e um módulo imunológico realiza a classificação das anormalidades detectadas. A principal aplicação desta nova abordagem é auxiliar a tomada de decisões, de modo a automatizar o processo de operação do sistema durante a ocorrência de falhas. Para avaliar a eficiência do método proposto foram realizadas simulações de distúrbios de tensão em quatro sistemas de distribuição de energia elétrica no software ATP/EMTP, sendo os sistemas testes de 5, 33 e 84 barras e o sistema real de 134 barras. Os resultados obtidos demonstram eficiência e precisão quando comparados à literatura / In this work, is presented a new approach for the detection and classification of voltage disturbances in distribution electrical systems using a hybrid algorithm as a tool Neural- Immune. This is, the junction of an artificial neural network ARTMAP-Fuzzy with the negative selection immune algorithm, creating the hybrid method. Thus, starting from measurements made on a power distribution feeder for SCADA data acquisition system, a Neural module performs the detection process, identifying abnormalities (disturbances), and an Immune module performs classification of detected abnormalities. The main application of this new approach is to assist decision making in order to automate the system operation process during the occurrence of failures. To evaluate the efficiency of the proposed method, were performed simulations of voltage disturbances in distribution electric systems in the ATP/EMTP software, using the test systems of 5, 33 and 84 bars and the real system of 134 bars. The results demonstrate efficiency and accuracy when compared to literature

Made available in DSpace on 2015-08-20T17:09:36Z (GMT). No. of bitstreams: 0 Previous issue date: 2015. Added 1 bitstream(s) on 2015-08-20T17:26:47Z : No. of bitstreams: 1 000838880.pdf: 3454063 bytes, checksum: 732fe4fdc97c6cad8a9d58e78626ca86 (MD5) / Fundação de Amparo à Ciência e Tecnologia de Pernambuco / Este estudo se insere em um ambiente globalizado no qual as empresas investem em inovação em busca de diferenciação, a fim de se destacar perante os concorrentes. Essa diferenciação tem como importante componente a seleção de materiais, pois para criar um produto em condições de competir com os já existentes é necessário inovar nos materiais, design e processos de fabricação. O desenvolvimento de um produto, portanto, exige dos projetistas amplo conhecimento dos materiais e processos de fabricação. Ressalta-se o design, como elemento relevante do projeto nesse processo e que tem exercido uma crescente participação nas equipes multidisciplinares de projeto. Além disso, convém destacar que Ashby & Johnson (2011) ratificam que não há abundância de suporte para o ensino de materiais na área de design; e Kindlein et. al. (2006) definem como apenas um contato básico, a relação que os definem como apenas um contato básico, a relação que os designers tem com a ciência e tecnologia de materiais na graduação. Nesse contexto, o objetivo deste trabalho é propor um método com base na técnican das Redes Neurais ritificiais para estruturar e avaliar um modelo de previsão dos materiais e processos industriais a fim de auxiliar designer na seleção de materiais no projeto de produtos. Pretende-se materializar o resultado da aplicação do MÉTODO proposto em uma planilha do Microsoft Excel 2010 capaz de replicar o modelo de rede neural treinado e validado. Nesta ferramenta, a partir de atributos pré-determinados, serão fornecidas opções de materiais e processos de fabricação compatíveis com o uso requerido e com base em atributos pré-estabelecidos. Espera-se obter como variáveis de saída, opções que abordem o tipo de material e o processo de fabricação associado, considerando atributos pré-estabelecidos como variáveis de entrada. Busca-se com isso por um lado oferecer ao estudante e/ou profissional de... / This study is part of a globalized environment in which companies invest in innovations in search of differention in order to stand out from competittors. This differentiation is an important component material selection, because to create a product to compete with the existing ones is necessary to innovate in materials, design and manufacturing processes. However, the development of a product designers require extensive knowledge of the materials and manufacturing processes. It is worth mentioning the design, as an important considerations in the design process and that this has had a growing involvement in the design of multidisciplinary teams. In addition, it should be noted that Ashby & Johnson (2011) confirm that there is plenty of support for teaching materials in design; an Kindlein et al. (2006) define it as just a basic contact, the relationship that designers have with science and tecnology materials at graduation. In this context, the objective of this work is to propose a method based on the technique of Artificial Neural Networks to design and evaluate a model for predicting the materials and industrial processes to assist the designer in material selection in product design. The aim is to materialize the result of aplying the method proposed in a Microsoft Excel 2010 spreadsheet able to replicate the trained and validated neural network model. In this tool, based on predetermined attributes, manufactuing processes and materials compatible with the required use and based on predetermined attributes options will be provided. It is expected to obtain as output variables, options to address the type of material and the associated manufacturing process, considering predetermined attributes as input variables. Search up with that on the one hand offer the student and/or professional design options appropriate to the type of product to be designed and on the other to optimize the search of materials for product design

Made available in DSpace on 2015-08-20T17:09:38Z (GMT). No. of bitstreams: 0 Previous issue date: 2015-01-30. Added 1 bitstream(s) on 2015-08-20T17:26:44Z : No. of bitstreams: 1 000844126.pdf: 3245964 bytes, checksum: af911205911cdc2da38012871b62cdbc (MD5) / Nesta pesquisa apresenta-se o desenvolvimento de um sistema inteligente que realize, de maneira integrada, o diagnóstico e o prognóstico de falhas nos sistemas de distribuição de energia elétrica de maneira proativa. Trata-se de um procedimento para identificar, classificar e localizar situações críticas de defeitos que potencialmente podem provocar danos em componentes do sistema em um estágio incipiente àquele que venha causar a interrupção do fornecimento de energia aos consumidores. Este sistema inteligente baseia-se no uso combinado da transformada wavelet, teoria da evidência de Dempster-Shafer e redes neurais artificiais, em especial uma arquitetura da família ART (Adaptive Resonance Theory), a rede neural ARTMAP-Fuzzy. Por ser uma arquitetura estável e plástica, esta rede neural permite a inclusão do módulo do treinamento continuado, o qual possibilita a extração do conhecimento sem a necessidade de reiniciar o processo de treinamento com a inclusão de novos padrões, diferentemente do que ocorre com a maioria das redes neurais. O sistema contempla as principais falhas caracterizadas por distúrbios de tensão e faltas de alta impedância. Resultados obtidos mostram a eficiência, confiabilidade e robustez da metodologia desenvolvida, o que permite sua aplicação em sistemas de tempo real / This project presents the development of an intelligent system that performs, on an integrated way, the failure diagnosis and prognosis in electric power distribution systems. It is a procedure to identify, classify and localize critical situations of failures that can potentially cause damage to system's components in an incipient stage of that which will cause the interruption of electric power supply to consumers. This intelligent system is based on the combined use of wavelet transform, Dempster-Shafer theory of evidence and artificial neural networks, in special the ART (Adaptive Resonance Theory) family architecture, i.e., the ARTMAP-Fuzzy. Due to the stability and plasticity characteristics, this architecture enables the introduction of the continuous training module, which allows the knowledge extraction without the need to restart the training process when a new training pattern is included, unlike what happens in most neural networks. The system contemplates the main failures characterized by voltage disturbances and high impedance faults. Results show the efficiency, speed, reliability and robustness of the developed methodology, which allows its application in real-time systems

Made available in DSpace on 2015-08-20T17:10:09Z (GMT). No. of bitstreams: 0 Previous issue date: 2015-04-13. Added 1 bitstream(s) on 2015-08-20T17:26:58Z : No. of bitstreams: 1 000844134.pdf: 1697041 bytes, checksum: 8a1d8923467a90ec0a2ead0af1eac82d (MD5) / O estudo do processo de previsão constitui-se numa rotina de extrema importância para o funcionamento e a operação dos sistemas elétricos de potência. Para isso, há a necessidade de se prever os acontecimentos futuros visando o fornecimento de energia aos consumidores, de forma segura, eficaz e econômica. Neste sentido, nesta pesquisa, apresenta- se uma metodologia, baseada nas redes neurais, para resolver o problema de previsão de carga. São propostas melhorias na rede neural, via o emprego do algoritmo retropropagação (backpropagation), por meio da adaptação dos parâmetros de inclinação e de translação da função sigmoide (função ativação da rede neural). Além disto, é desenvolvido um controlador fuzzy com o propósito de ajustar a taxa de treinamento durante o processo de convergência. Visando testar a metodologia proposta, apresenta-se um estudo de previsão da carga considerando-se uma base de dados de uma companhia do setor elétrico / The prediction process study is a very important task for the operation of the electrical power systems. Therefore, it is necessary to predict the future behavior to provide energy with security, efficiency and economy to the users. This work presents a methodology based on neural networks to solve the problem of load forecasting. The proposal is to improve the neural network using the backpropagation algorithm adapting the inclination and translation parameters of the sigmoid function (activation function of the neural network). Besides, it is developed a fuzzy controller to adjust the training during the convergence process. To test the proposed methodology, it is presented a load forecasting study considering a database from an electrical energy company

Made available in DSpace on 2014-12-02T11:16:56Z (GMT). No. of bitstreams: 0 Previous issue date: 2013-06-07Bitstream added on 2014-12-02T11:20:52Z : No. of bitstreams: 1 000795776.pdf: 1293799 bytes, checksum: 2be8ea3e65aa88cf22ca1db70c4025b7 (MD5) / Nesta pesquisa apresenta-se o desenvolvimento de uma metodologia híbrida utilizando a rede neural artificial perceptron multicamadas e os modelos estatísticos ARIMA com a abordagem de Box e Jenkins, com o objetivo de prever séries temporais de velocidade dos ventos. Os modelos estatísticos ARIMA realizam a previsão das séries de dados, que ainda conservam os padrões não lineares, juntamente com a rede MLP e o algoritmo de aprendizagem retropropagação que, através do erro de previsão obtido, desenvolvem um Modelo Híbrido aditivo para previsão de séries temporais. Os testes de validação foram realizados com dois bancos de dados de séries de velocidade dos ventos. No Teste 1 os dados foram fornecidos de um banco de dados agrometereológicos localizado na região de Ilha Solteira - SP, e no Teste 2 os dados são oriundos de um projeto desenvolvido pelo INPE (Instituto Nacional de Pesquisas Espaciais) que fornece dados anemométricos e solarimétricos em alturas de 25 e 50 metros, possuindo bases em várias regiões do Brasil. Analisando os erros médios quadráticos (MAPE) conclui-se que estão dentro dos limites encontrados na literatura / This work presents a hybrid methodology using MLP (multilayer perceptron) neural network and statistical ARIMA of Box and Jenkins to predict wind time series. The ARIMA models predict the time series data that are nonlinear, and the error obtained is introduced in the MLP by backpropagation training, forming the hybrid additive model. Tests were done with two data sets. Test 1 uses data from Ilha Solteira, SP region developed by an Agrometheorogical project of UNESP Campus of Ilha Solteira. Test 2 the data are from a project developed by INPE (National Space Research Institute) which provides solar and wind data in adequate high to energy generation in several regions of Brazil. Results are analyzed by MAPE (mean absolute percent error) and are in accordance with those found in the specialized literature

Made available in DSpace on 2014-12-02T11:16:58Z (GMT). No. of bitstreams: 0 Previous issue date: 2014-08-01Bitstream added on 2014-12-02T11:20:48Z : No. of bitstreams: 1 000799101.pdf: 4972578 bytes, checksum: b0ba85281e2b1e95ef9a66059565df4c (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Fundação de Amparo à Pesquisa do Estado de Mato Grosso (FAPEMAT) / Com o uso da agricultura de precis~ao procura-se melhorar o sistema de produ c~ao agr cola com o objetivo de reduzir os custos, aumentar a produtividade e minimizar a degrada c~ao do meio ambiente. Para isso, faz-se necess ario o monitoramento de recursos essenciais as plantas com o intuito de reduzir o uso de insumos agr colas. No monitoramento da folha da planta pode-se identi car doen cas ou a falta de nutrientes. Neste trabalho desenvolveuse um sistema que identi ca a de ci encia de nutrientes pela an alise das folhas de diversas culturas. O sistema foi desenvolvido em diferentes n veis de abstra c~oes para consolidar os resultados do sistema e facilitar o projeto em baixo n vel. A principal contribui c~ao do trabalho est a no desenvolvimento de um sistema com uma rede neural arti cial multicamadas em dispositivo recon gur avel, com a fun c~ao de identi car a de ci encia do macronutriente de Pot assio pela folha da soja. O sistema faz uso de arquitetura parcialmente paralela para computa c~ao dos neur onios em ponto utuante, com precis~ao de 32 bits padronizada. A aproxima c~ao da fun c~ao de ativa c~ao foi investigada com diversos m etodos, dois principais m etodos h bridos foram desenvolvidos: HPR - H brido com rela c~ao entre divis~ao em partes lineares (PWL) e m ultiplo endere camento de entradas (RALUT), e HPC - H brido entre PWL e express~oes booleanas simpli cadas. O sistema desenvolvido em hardware foi aplicado na segmenta c~ao de imagens pelas folhas da soja e comparado ao sistema de alto n vel de abstra c~ao. Nos resultados do dispositivo recon gur avel, a m edia do percentual de acertos na folha e de 92%, no trif olio e de 96% e no ambiente externo e de 95%. O erro m edio quadr atico alcan cou valores em 102 e o fator de qualidade entre 8,5 e 9,0. Alem disso, diversas outras contribuições foram realizadas no trabalho, para tornar possível o desenvolvimento do sistema em baixo nível de abstração. / The precision agriculture seeks improve the agricultural production system with aim of reduce costs, increase productivity and minimize environment degradation. Thus, the monitoring of essential resources plants is necessary for reducing the use of inputs agricultural. In the monitoring of the plant leaf can be identi ed disease or nutrients de ciency. This research work was made a system that identi es the nutrient de ciency by leaf of the several cultivars. The system was developed in di erent levels of abstractions for consolidate the results of the system and facilitate low-level design. The main contribution of the work is in the development of a multilayer arti cial neural network system in recon gurable device, with the function of identify de ciency of the Potassium macronutrient by soybean leaf. The system makes use of partially parallel architecture for computing of the neuron in oating point, with precision 32 bits standardized. The approximation of the activation function was investigated with methods distinct, two main hybrids methods were developed: HPR - Hybrid with relation between piecewise linear(PWL) and multiple addressing of inputs (RALUT), and HPC - Hybrid between PWL and the simpli ed booleans expressions. The system developed in hardware was applied in the images segmentation by soybean leaves and was compared to high-level system. In the results of the recon gurable device the mean of the hit percentage by leaf is 92%, in the trefoil is 96% and in external environment is 95%. The mean square error achieved values in 102 and the quality factor between 8.5 and 9.0. Furthermore, several others contributions were made in the work for make possible the development of the system in abstraction low-level.

Made available in DSpace on 2015-01-26T13:21:18Z (GMT). No. of bitstreams: 0 Previous issue date: 2014-08-05Bitstream added on 2015-01-26T13:30:45Z : No. of bitstreams: 1 000802242.pdf: 571515 bytes, checksum: ecea74067f25893f1a7843d4bdc196dd (MD5) / Nesta dissertação de mestrado apresentam-se duas metodologias para o desenvolvimento de sistemas de monitoramento de integridade de estruturas mecânicas e aeronáuticas, utilizando técnicas de computação inteligente, tais como as redes neurais artificiais e os sistemas imunológicos artificiais. Neste contexto, emprega-se uma rede neural artificial ARTMAP-Fuzzy e o algoritmo de seleção negativa. Ambas as técnicas são empregadas para realizar a análise, identificação e caracterização das falhas estruturais decorrentes da estrutura. A principal aplicação destes métodos é auxiliar no processo de inspeção de estruturas mecânicas e aeronáuticas, visando detectar e caracterizar falhas, bem como, a tomada de decisões, a fim de evitar catástrofes/acidentes. Com estas propostas busca-se a concepção de novos sistemas de monitoramento de integridade estrutural que possam ser modificados facilmente, para atender a permanente evolução das tecnologias e da indústria. Para avaliar as metodologias propostas, foram realizados experimentos em laboratório para gerar um banco de dados de sinais capturados em uma viga de alumínio. Os resultados obtidos pelos métodos são excelentes, apresentando robustez e precisão / In this dissertation presents two methodologies to develop health monitoring of aircraft structures and mechanical systems, using intelligent computing techniques such as artificial neural networks and artificial immune systems. In this context, uses an ARTMAP-Fuzzy artificial neural network and the negative selection algorithm. Both techniques are used for the analysis, identification and characterization of structural failure due to the structure. The main application of these methods is to assist in the inspection of mechanical and aeronautical structures, to detect and characterize flaws as well, making decisions in order to avoid disasters/accidents. With these proposals one seeks to designing new systems for structural health monitoring that can be modified easily to cater to permanent evolution technologies and industry. To evaluate the proposed methodologies, experiments were performed in the laboratory to generate a database of captured signals in an aluminum beam. The results obtained by the methods are excellent, with robustness and accuracy

Made available in DSpace on 2015-03-03T11:52:37Z (GMT). No. of bitstreams: 0 Previous issue date: 2014-10-29Bitstream added on 2015-03-03T12:06:22Z : No. of bitstreams: 1 000808453.pdf: 1098297 bytes, checksum: 99a8ff6015e19ecb65fcf8b48a61bf82 (MD5) / Nesta pesquisa, apresenta-se uma nova abordagem para o diagnóstico de distúrbios de tensão em sistemas de distribuição de energia elétrica, usando como ferramenta um algoritmo Imuno-Neural. Trata-se, basicamente, de realizar a junção de um algoritmo imunológico de seleção negativa com uma rede neural artificial ARTMAP-Fuzzy. Partindo-se das medições realizadas em uma subestação de distribuição por um sistema de aquisição de dados SCADA, um módulo imunológico é empregado para realizar a detecção, identificando anormalidades por meio de um janelamento das curvas oscilográficas, separando, desta forma, o sinal em parcelas menores para a análise. Assim, no módulo neural, a classificação das anormalidades é realizada. A principal aplicação desta nova ferramenta é auxiliar na tomada de decisões e facilitar a operação do sistema durante a ocorrência de perturbações de tensão. Visando ilustrar a eficiência do método proposto, foram realizadas simulações de sistemas de distribuição de energia elétrica contendo 33, 84 e 134 barras, respectivamente, usando-se o aplicativo EMTP. Os resultados obtidos com esta nova abordagem evidenciam uma melhoria em termos de eficiência e de precisão, quando comparados à literatura / In this research we present a new approach to the diagnosis of voltage disturbances in power distribution systems, using as one tool Immune Neural algorithm. This proposal is basically to hold the junction of an immune negative selection algorithm with an artificial neural network ARTMAP-Fuzzy. Thus, starting from measurements made in a distribution substation for SCADA system for acquiring data, an immunological module performs the detection process, identifying abnormalities through a windowing performed by the oscillographic curves, thereby separating the signal into smaller portions for analysis module and so on neural classification of abnormality is performed. The main application of this new tool is to assist in decision making and facilitate the operation of the system for failures. To evaluate the efficiency of the proposed method simulations of electric power distribution systems were performed in three systems EMTP software distribution containing 33, 84 and 134 bar, respectively. The results obtained with this new approach demonstrate accuracy and efficiency when compared to literature