Orientador: Furio Damiani / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica / Made available in DSpace on 2018-07-23T02:58:50Z (GMT). No. of bitstreams: 1 JaraPerez_MarceloArturo_D.pdf: 13161407 bytes, checksum: 06cc03b52bc981c0309838ebf8cd7fa2 (MD5) Previous issue date: 1997 / Resumo: Neste trabalho realiza-se o estudo do algoritmo SOFM (Self-Organizing Feature Map) para a sua Implementação em circuitos digitais ASIC VLSI. Foram projetados e construídos 2 chips: o primeiro implementa uma célula da rede neural e o segundo o bloco WTA (Winner-takes-All). O sistema foi inicialmente simulado com uma linguagem procedural (ANSI-C), construindo-se um programa com interface gráfica para plataforma UNIX. Posteriormente, foi realizada uma descrição em alto nível usando a linguagem VHDL (Very high-speed circuits Hardware Description Language). Em seguida, a descrição foi feita a nível RTL (Register Transfer LeveI) e o circuito foi sintetizado e otimizado seguindo uma metodologia Top-Down. Os circuitos foram implementados em tecnologia digital usando um processo CMOS de 1,2 microns para as células e de 0,8 microns para o bloco WTA. Esses circuitos foram objeto de testes e verificação funcional, para avaliação de seu desempenho. Os resultados permitiram verificar a validade da metodologia Top-Down para o projeto de sistema:; eletrônicos complexos. A frequência máxima de operação das células excede 20 MHz e a do bloco WTA excede 50 MHz. A dissipação de potência para 20 MHz foi de aproximadamente 50 mW para uma célula. Todos os circuitos foram implementados usando ferramentas de projetos(CAD-EDA)da Mentor-Graphics Co,e bibliotecas std-cells CMOS AMS. Observaram-se algumas diferenças entre os resultados das simulações e as medidas experimentais / Abstract: : A Kohonen-based (SOFM - Self-Organizing Feature Map ) artificial neural network was simulated, modelated and hardware implemented in a VLSI circuit. A Top-Down methodological approach was used by using ANSI-C and VHDL (Very High Speed Circuits, Hardware Description Language). The original SOFM algorithm was lightly modified for customizing to the hardware implementation requirements. After a high-level modeling and simulation, a fully-digital VLSI Neuroprocessor chip prototype was designed and manufactured in a CMOS 1.2microns technology. Most of the circuits structures of Neuron were automatically generated from a VHDL RTL description using automatic synthesis, the others were obtained trough conventional schematics procedure. After functional verification, the resulting circuits were optimizated (drived by silicon area minimization) and mappe d to the AMS technology, a 2-level metal process from Austria Mikro Systeme. The Neuron cell has 6 bi-directional 3-bits capability connections, used for neighbours communication, Allowing to implement a hexagonal type dynamic Nc(t) neighbourhood. Both Nc(t) radio and gain Alfa function may be programmed by using a set of registers, allowing high flexibility for studying different SOFM algorithm convergence conditions. A second chip was designed and manufacture dusing a AMS CMOS0.8 microns technology for implementing a competitive on-chip learning. This circuit is part of a WTA (Winner-Takes-All) block used for determine a winner cell in each epoch of the self-organized training phase. Some differences were observed after comparing measures and simulation results / Doutorado / Doutor em Engenharia Elétrica

Orientador: Fabio Violaro / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-23T10:44:55Z (GMT). No. of bitstreams: 1 Martins_JoseAntonio_D.pdf: 10107406 bytes, checksum: 84fe0eb5136fa3647bc206aa2d240af1 (MD5) Previous issue date: 1997 / Resumo: Neste trabalho são avaliadas as seguintes técnicas empregadas em reconhecimento de fala: Modelos Ocultos de Markov (Discreto, Semicontínuo e Contínuo), redes " Multilayer Perceptron " e Sistemas Híbridos. Para essa avaliação, foram implementados vários reconhece dores de palavras isoladas independentes do locutor, sendo usada a mesma base de dados para todos os reconhecedores. O objetivo dessa avaliação é identificar as vantagens e desvantagens de cada técnica de modo a facilitar a escolha da técnica mais apropriada para cada aplicação de reconhecimento de fala considerando diversos aspectos como taxa de acerto, tempo de reconhecimento, tempo de treinamento, quantidade de parâmetros, tipo de algoritmo e outros. Reconhecedores implementados empregando as técnicas descritas também foram utilizados para avaliar algoritmos para detecção de início/fim de palavras, vários tipos de medidas de distorção usados em quantização vetorial e diferentes parâmetros utilizados para representar o sinal de fala. Entre esses parâmetros mostrou-se que existe uma superioridade dos parâmetros calculados usando uma escala não linear de freqüências, independentemente da técnica empregada nos reconhecedores. Discute-se também o uso da subtração da média espectral e diferenciação, as quais melhoram o desempenho dos reconhecedores. Combinando diferentes parâmetros conseguiu-se obter uma taxa de acertos de 99.47% para um reconhecedor de palavras isoladas independente do locutor e um vocabulário de 50 palavras / Abstract: This work presents an evaluation of speaker independent isolated word recognizers using Hidden Markov Models (Discrete, Continuous and Semicontinuous), Artificial Neural Networks (Multilayer Perceptron) and Hybrid Systems. All the recognizers were evaluated considering the same database. The goal of these comparisons is to identify the advantages and disadvantages of each technique used in speech recognition, considering the following features: training and recognition time, recognition accuracy, complexity of algorithms and others. It is also reported the result of a comparison among different algorithms used in word endpoints detection. Moreover, several distance measures employed in vector quantization were evaluated with regard to recognition performance. In addition, different kinds of parameters used to represent the speech signal such as LPC coefficients, Mel Frequency Cepstrum coefficients, PLP coefficients were considered in the evaluation of recognizers and it was discussed the efects of cepstral mean subtraction in order to improve the recognition accuracy. The best recognizer performance of 99.47% was obtained combining different features / Doutorado / Doutor em Engenharia Elétrica

Orientadores: Marcio Luiz de Andrade Netto, Jurandir Zullo Junior / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-23T14:42:40Z (GMT). No. of bitstreams: 1 Goncalves_MarcioLeandro_M.pdf: 7323089 bytes, checksum: d602716d35e0023d2a15b7797398fe91 (MD5) Previous issue date: 1997 / Resumo: Este trabalho propõe uma arquitetura para classificação de imagens multiespectrais de sensoriamento remoto, baseada em Redes Neurais Artificiais. A arquitetura é constituída de dois módulos de processamento: um módulo para extração de atributos da imagem utilizando o Mapa Auto-Organizável de Kohonen e outro módulo para a classificação, utilizando uma rede neural de Perceptrons Multicamadas. A arquitetura foi desenvolvida procurando alcançar dois objetivos específicos: explorar as vantagens da aprendizagem não-supervisionada para a extração de atributos; e busca de técnicas para melhorar a performance de tempo de treinamento dos algoritmos de aprendizagem utilizados. Em particular, para melhorar a performance de tempo de treinamento dos algoritmos de aprendizagem, o trabalho investiga implementações de algoritmos de treinamento paralelos para o treinamento do Mapa Auto-Organizável de Kohonen em um ambiente multiprocessado e a utilização de um algoritmo de treinamento avançado para a rede neural de Perceptrons Multicamadas. Os resultados experimentais mostram uma grande melhoria na performance de tempo de treinamento das redes neurais apresentada por esses algoritmos. Para testarmos a sua aplicabilidade, a arquitetura de classificação proposta foi utilizada para a classificação de um segmento de imagem LANDSAT/TM, referente a uma área teste pré-selecionada, e o seu desempenho foi comparado com o de um classificador de Máxima Verossimilhança. Os bons resultados adquiridos pela classificação neural associados com o melhoramento de performance em termos de tempo de treinamento motivam portanto a continuidade e a expansão de esforços de pesquisa nesta área / Abstract: This work presents an Artificial Neural Network (ANN) based architecture for the classification of Remote Sensing (RS) multispectral imagery. This architecture consists of two processing modules: an Image Feature Extraction Module using Kohonen's Self-Organizing Map (SOM) and a Classification Module using a Multi-Layer Perceptron (MLP) network. This architecture was developed aiming at two specific goals: to exploit the advantages of unsupervised learning for feature extraction and the testing of techniques to increase the learning algorithms' performance concerning training time. More specifically, this work tests the implementation of parallel learning algorithms for Kohonen's SOM in a multiprocessing environment and the utilization of a second-order learning algorithm for the MLP network. The experimental results exhibit a much superior performance by both algorithms. To test the applicability of this work, this architecture was applied to the classification of a LANDSAT/TM image segment from a pre-selected testing area and its performance was compared with that of a Maximum Likelihood Classifier. The good results obtained by the neural classification allied to the performance improvement encourage therefore further research efforts in this area / Mestrado / Mestre em Engenharia Elétrica

Orientador: Milton Mori / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-07-27T01:35:19Z (GMT). No. of bitstreams: 1 Gontarski_CarlosAlbertoUbirajara_D.pdf: 12041276 bytes, checksum: 02648e927e60a3863909d625b07bf0b8 (MD5) Previous issue date: 2000 / Resumo: Este trabalho apresenta alguns aspectos importantes na aplicação de redes neuronais a simulação de processos químicos. As redes são utilizadas em dois processos industriais distintos, fornecendo uma forma de comparar as dificuldades e potencialidades da aplicação desta técnica. Na Ripasa S/A, uma das maiores indústrias de papel e celulose do Brasil, a classificação da matéria-prima para o processo de polpação que tem sido usada é baseada em uma das propriedades da madeira, a sua densidade básica. Na Ripasa se utiliza a. madeira de árvores do gênero Eucalyptus. O capítulo 3 apresenta uma alternativa mais rigorosa para o critério de classificação da matéria-prima do processo, levando em consideração outros dados tais como propriedades físicas, composição química da madeira e informações relativas à origem das árvores. Acredita-se que uma boa classificação deve se basear nas propriedades finais da polpa obtida, que são o rendimento depurado, o número Kappa, a viscosidade e a alcalinidade residual. A predição destas propriedades é um dos objetivos deste trabalho, desde que as suas determinações experimentais demandam custo e tempo de obtenção consideráveis. Utiliza-se uma técnica estatística para estimar os erros de amostragem e medida, para serem comparados com os erros gerados pelas redes neuronais. Redes neuronais foram treinadas a partir dos dados analisados da coleta de 165 amostras de madeira oriundas de oito regiões diferentes. No segundo estudo (capítulo 4) se apresenta uma forma de predizer as propriedades ambientais da corrente de saída da unidade de tratamento de efluentes líquidos na Rhodiaco Ltda, uma das plantas químicas mais importantes no Brasil. A indústria produz o ácido tereftálico e gera águas residuárias que necessitam ser tratadas em um sistema de lodo ativado. Redes neuronais do tipo "backpropagation" são utilizadas para predizer a eliminação do carbono orgânico total (TOC) peia unidade de tratamento, usando o algoritmo delta-bar-delta para ajustar os pesos e a função sigmoidaí como função de transferência nos neurônios. A .influência das variáveis de entrada é analisada e resultados satisfatórios são obtidos na predição de algumas situações analisadas. A principal conclusão destes trabalhos é que o uso de redes neuronais pode auxiliar a estabelecer melhores condições operacionais para processos químicos industriais. As redes neuronais se apresentam como ama possível ferramenta de auxílio a operação, de modo a predizer situações de pico, e propiciando ações preventivas que minimizam as flutuações na produção. No futuro, vários trabalhos deverão surgir para predizer as condições do efluente industrial baseados em dados de operação reais / Abstract: This work presents some important aspects when applying neural networks for chemicai process simulations. Neural networks are used in two different industrial processes providing a way of comparison of difficulties and potentialities for the application of this technique. Currently at Ripasa S/A. one of the largest paper industries in Brazil, the raw material classification for the pulp digester has been done using density as the property of the wood. At Ripasa S/A, the wood comes from trees of the genus Eucalyptus. The chapter 3 presents a more rigorous alternative for the criteria of raw material classification by taking into account other data such as physical properties, chemical composition of the wood and origin of the trees. A good classification should be based on the final properties of the process, which are yield. Kappa number, viscosity and residual alkalinity. Prediction of these properties by neural networks was one of the objectives of this work since experimental measurement is time-consuming and expensive. A statistical technique was used to estimate sampling and measurement errors. These values were compared with the errors generated by the neural network. Different back propagation networks were created to evaluate a suitable set of network parameters, such as number of nodes on the hidden layer, learning parameters and input range, among others. T'he networks were trained by data recorded from the analysis of 165 wood samples from eight different regions. The second work (chapter 4) presents a way to predict the environmental properties of the output stream from the wastewater treatment plant at Rhodiaco Ltda, one of the major chemical plants in Brazil. The industrial plant produces purified teiephtalic acid and generates wastewater that should be treated in an activated sludge system. Back-propagation neural networks are used to predict the elimination of total organic carbon (TOO m the treatment plant, using the delta-bar-delta algorithm for estimation of weights and the sigmoid function as the neuron transfer function. The influence of input variables is analyzed, and satisfactory predicted results are obtained for some situations analyzed. The main conclusion of this work is that the neural networks can be used to establish a better operating condition for industrial chemical processes. Neural networks represent a possible aid to operations in order to predict upsets and proacltvely act to minimize output fluctuations, in the future, some work will be done to predict effluent conditions based on the actual operation data set / Doutorado / Doutor em Engenharia Química

Orientador: João Alexandre Ferreira da Rocha Pereira / Tese (doutorado) - Universidade Estadual de Campinas. Faculdade de Engenharia Quimica / Made available in DSpace on 2018-07-27T04:51:19Z (GMT). No. of bitstreams: 1 Carvalho_FrededeOliveira_D.pdf: 7412225 bytes, checksum: b0f8f7e3c4c3ce4ab25289e0c28f336a (MD5) Previous issue date: 2000 / Resumo: A absorção com reações químicas é muito comum em processos de separação industriais. Os tradicionais modelos de estágios de equilíbrio têm sido o principal caminho para o projeto e a simulação, no regime estacionário e não-estacionário, dos equipamentos para o contato gás-líquido. Os modelos de não-equilíbrio apresentam uma descrição mais realística do processo de interação gás-líquido. Nestes modelos de não-equilíbrio, a obtenção das taxas de transferência de massa com reação química entre as fases gás e líquido são muito importantes. No presente trabalho são desenvolvidas e investigadas estratégias numéricas aplicadas a modelos de não-equilíbrio da absorção acompanhada por reações químicas complexas numa coluna de pratos, em ambos regimes, estacionário e não-estacionário. Para isto, considera-se uma coluna de pratos de dimensões industriais na absorção do dióxido de carbono por uma solução de Monoetanolamina (MEA) e Dietanolamina (DEA) (reações paralelas competitivas) . O modelo de não-equilíbrio desenvolvido (modelo de duas fases) é formado pelas equações referentes a fases gás, fase líquido e a modelos ou teorias para descrição da transferência de massa com reação entre as fases. O cálculo dos fluxos de transferência de massa entre as fases em cada estágio da coluna requer a complexa solução de um sistema de equações diferenciais acopladas ordinárias (e muitas vezes parciais), referentes a considerar-se o fenômeno de transferência representado respectivamente, pela teoria de duas resistências (considerando o regime estacionário) ou o modelo do filme-penetração (regime não-estacionário). Na estratégia numérica desenvolvida para o modelo baseado na teoria de duas resistências, utilizou-se a colocação ortogonal spline com um único ponto spline , e um único ponto no segundo elemento. Esta metodologia é também utilizada na solução das equações diferenciais parciais não-lineares acopladas, originadas do modelo em regime não-estacionário (modelo do filme-penetração). Esta última estratégia envolve a conversão das equações diferenciais parciais (EDP's) em equações diferenciais ordinárias EDO' s (Métodos das Linhas com a colocação ortogonal spline) e utiliza a subrotina DASSL (petzold,1989) para a solução do sistema de equações algébricas diferenciais (EAD's) formado. Na estratégia numérica desenvolvida para simulação no regime estacionário, do equipamento de contato gás-líquido (coluna completa), a teoria de duas resistências (fluxos mássicos entre as fases) foi considerada. Nesta estratégia os fluxos de massa entre as fases e as fases gás e líquido são tratadas separadamente (modelo de duas fases). As equações correspondentes a teoria de duas resistências foram resolvidas utilizando a colocação ortogonal "spline" com o método de Newton-Raphson para solução do sistema algébrico não-linear gerado. Os balanços de massa das fases gás e líquido foram resolvidos utilizando respectivamente o método de Runge-Kutta e a solução de equações algébricas derivadas da estequiométria das reações para a fase líquida. Para superar a demanda computacional exigida na solução dos modelos de nãoequilíbrio, foi introduzida e investigada uma metodologia que envolve o desenvolvimento de uma Rede Neural para obter os fluxos mássicos entre as duas fases em cada estágio. A Rede Neural (treinada com dados simulados de fluxos mássicos entre as fases gás e líquido) foi acoplada ao sistema de equações para a fase gás e líquido (modelo de duas fases), resultando este conjunto de equações em um modelo denominado de neural-híbrido. O sistema de equações algébricos diferenciais (EAD's) originados com esta estratégia numérica, para o modelo completo da coluna no regime dinâmico, foi resolvido com a utilização da subrotina LSODAR . Os resultados obtidos indicaram que, no futuro, as estratégias desenvolvidas poderão ser utilizadas na otimização e controle de processos de absorção gás-líquido com reações químicas / Abstract: Gas absorption with chemical reactions is a very common industrial separation processo Until now the traditional equilibrium stage model have been the main tools to the design and unsteady state simulations of the gas-liquid contact equipment. The nonequilibrium model based on mass transfers' fundamentais presents a more realistic description of the gas-liquid interaction processo In the Non-equilibrium model, is very important the description of mass transfers of gas-liquid interface in both, unsteady and steady state. The present work shows numerical strategies to solve a non-equilibrium model of absorption accompanied by complex chemical reaction on plate columns in both, unsteady and steady state. The absorption of carbon dioxide in aqueous solution of MEA and DEA (parallel chemical reactions) in an industrial plate column was considered. The Non-equilibrium model (two phasis model) is formed of models or theory for interfacial fluxes description and bulk phasis equations at each stage (gas and liquid). The mass transfer rate between the two phases in each stage of the column requires the complex solution of a system of simultaneous coupled ordinary (and perhaps partial) differential equations. In the numerical strategy for solving the two-resistance theory (twofilm model), The solution of the set of equations was obtained using a computational scheme though orthogonal collocation on finite elements (spline collocation) with one point spline and with one point in the second element. Also this methodology is applied to the solution of nonlinear-coupled partial differential equations considering unsteady state mo deI ( film-penetration model ) for mass-transfer at interface. The last application involves the conversion ofthe PDEs to ODEs (method oflines) and the use ofthe DASSL solver (Petzold, 1989) for the nonlinear differential and algebraic equation (DAE) system. In the numerical strategy for solving the steady state simulations of this gas-liquid contact equipment ( complete column), the two-resistance theory was considered. In this numerical algorithms the film and the bulk phase's equations are treated separately. The equations for the two-resistance theory was solved using spline orthogonal collocation type of discretization schemes with Newton-Raphson method for solving the nonlinear algebraic system created. The bulk phase's balances were solved using the fourth-order Runge-Kutta method for gas phase and algebraic equation system from mass balance for liquid phase. The aim of this work is to present an altemative way to overcome the computational demand and slowness to solve the non-equilibrium models for both the unsteady and steady state. The methodology involves the development of the neural networks to obtain the mass flux between the two phases in each stage. The neural networks coupled to the equation system for each bulk phase in each stage result in a hybrid-neural model. The differential and algebraic equation (DAE) systems also created with these numerical strategies for the complete columns model was also solved with LSOLDAR The last numerical strategies explain and investigated in this work proved to be useful, requires little computational demand with results agreement with the literature data. This strategy is more efficient than others when considering the computational time. The numerical strategies explain and investigated in this work proved that is not impossible use the non-equilibrium model in study of Gas absorption with chemical reactions. This fact could be a good reason for future use of those strategies in optimization and control of absorption process / Doutorado / Sistemas de Processos Quimicos e Informatica / Doutor em Engenharia Química

Orientador: Liliane Maria Ferrareso Nogueira / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-07-28T00:59:10Z (GMT). No. of bitstreams: 1 Nogueira_AndreLourenco_M.pdf: 8372117 bytes, checksum: 3559720ee7e4a548c082b1d0db92e2d7 (MD5) Previous issue date: 2001 / Resumo: O presente trabalho consiste na modelagem matemática e simulação numérica de um sistema reacional para polimerização em solução, considerando como caso estudo o poliestireno. O sistema reacional é composto por um reator contínuo tipo tanque agitado (CSTR) para pré-polimerização, associado em série a um reator tubular para conduzir a reação até altos valores de conversão. Um modelo matemático simplificado foi desenvolvido para o CSTR, enquanto que para o reator tubular desenvolveram-se um modelo simplificado, considerando apenas as variações axiais, e um modelo rigoroso, considerando variações axiais e radiais. Na simulação numérica dos modelos desenvolvidos, utilizou-se o método de Newton para resolução do sistema de equações algébricas não lineares obtido na modelagem do CSTR, o método de Runge-Kutta-Gi/l para integração do sistema de equações diferenciais ordinárias gerado na modelagem simplificada do reator tubular, e finalmente os métodos da Colocação Ortogonal e AdamsMoulton para discretização e integração respectivamente, do sistema de equações diferenciais parciais resultante da modelagem matemática rigorosa do reator tubular. Este trabalho ainda utiliza uma rede neural artificial feedforward, com o algoritmo de treinamento backpropagation, para estimativa dos desvios entre os modelos uni e bidimensionais do reator tubular. Os desvios estimados pela rede neural são somados às saídas do modelo unidimensional, aproximando-as das saídas do modelo bidimensional. A forma como a rede neural é aplicada neste trabalho, é apenas uma maneira de representar um dos grandes potenciais da utilização desta ferramenta computacional. O principal objetivo em utilizar uma rede neural, é a construção de um software, baseado em um modelo híbrido neural, capaz de simular com precisão reações de polimerlzação realizadas 'no sistema reacional considerado. Apenas utilizou-se a reação de polimerização do estireno como caso estudo devido a grande disponibilidade de dados em literatura / Abstract: The present work consists of a mathematical modeling and numerical simulation of a solution polymerization reaction, using as study case the polystyrene. The reaction system is composed by a continuous stirred tank reactor (CSTR) for prepolymerization, associated in series with a tubular reactor to carry out the reaction until high conversion values. A simplified model was developed for the CSTR. For the tubular reactor, a simplified model considering only axial variations, and a rigorous model considering axial and radial variations, were developed. In the numerical simulation of the developed mathematical models, the Newton 's method was utilized to solve the nonlinear algebraic equations obtained ITom the CSTR modeling, the Runge-Kutta-Gill's method to integrate the ordinary differential equations system generated from the simplified modeling of the tubular reactor, and finally, the Orthogonal Collocation and Adams-Moulton's methods to discretize and integrate respectively, the partial differential equations system resulted trom the rigorous mathematical modeling of the tubular reactor. This work still utilizes an artificial feedforward neural network with the backpropagation training algorithm to predict deviations between the uni and bidimensional models of the tubular reactor. The deviations predicted by the neural network are added to the simplified model outputs, approaching them to the bidimensional model outputs. The way that the neural network is applied in this work just represents one of the great potential utilization of this computational too1. The main objective when the neural network is used is to construct software, based on a hybrid mathematical model, capable to simulate accurately polymerization reactions carried out in the considered reaction system. The styrene polymerization reaction was just utilized as a study case due to a lot of data available in literature / Mestrado / Processos Quimicos / Mestre em Engenharia Química

Orientador : Dalton Soares Arantes / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-28T02:23:38Z (GMT). No. of bitstreams: 1 Castro_MariaCristinaFelippettode_D.pdf: 7036136 bytes, checksum: ac2626550f2acae380f0cad07f5982ee (MD5) Previous issue date: 2001 / Resumo: Esta tese apresenta uma nova técnica de predição não-linear de séries temporais através de redes neurais artificiais do tipo Radial Basis Function, com atribuição dos centros Gaussianos das funções de base radial por decomposição do espaço de dados em sub-espaços. A decomposição em sub-espaços - ou decomposição em componentes principais - é baseada na Transformada Karhunen-Loeve. A predição obtida através da parametrização da rede neural via decomposição em sub-espaços resulta em um menor erro de predição e requer o conhecimento de um menor número de amostras prévias do que as técnicas de predição convencionais. Adicionalmente é apresentada uma possível solução para o problema de adaptar dinamicamente a arquitetura da rede neural às não­estacionariedades presentes em muitas séries temporais / Abstract: This thesis proposes a new technique for non-linear time series forecasting based upon Radial Basis Function Neural Networks and the Karhunen-Loeve Transform. A significant performance improvement is obtained with the novel technique in comparison with usual prediction methods. By obtaining the neural network centers from the data set sub-spaces - or data set principal components - the new method yields lower prediction error and requires less previous known samples than the usual technique that applies the own training set vectors to the centers. Additionally we present a possible solution to the problem of dynamically adapting the neural network architecture to the time-varying series statistics / Doutorado / Doutor em Engenharia Elétrica

Orientador : Douglas Eduardo Zampieri / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecanica / Made available in DSpace on 2018-07-28T22:56:57Z (GMT). No. of bitstreams: 1 Andrade_AntonioFernandoAbreude_M.pdf: 6486639 bytes, checksum: ea64712e5372f01de1b05096730bac2f (MD5) Previous issue date: 2001 / Resumo: Neste trabalho, é feito um estudo sobre a aplicação de redes neurais artificiais na identificação e no controle de suspensões ativas não lineares. Considerando um modelo de um quarto de veículo, a modelagem matemática de sistemas passivos e ativos é detalhada. Noções básicas da aplicação das redes neurais, arquitetura, tipos de aprendizado, algoritmos de treinamento, etc., é apresentado, assim como, sua aplicação atual na identificação e controle de sistemas dinâmicos não lineares. O neuro-controlador proposto é do tipo "baseado em um modelo de referência", e seus pesos são ajustados utilizando um novo conceito de mapeamento inverso através do emprego de um neuro-modelo (neuro-veículo) para a retropropagação do sinal de erro (diferença entre a saída de referência desejada e a saída da rede neural). Simulações computacionais são realizadas com a finalidade de testar o modelo proposto, através da análise do espaço de trabalho da suspensão, da aceleração da massa suspensa e da força de contato do pneu com o solo, principais parâmetros utilizados no projeto de suspensões automotivas. Os resultados demonstram o poder das redes neurais na identificação e no controle de sistemas dinâmicos com características não lineares / Abstract: This work presents a study about applications of artificial neural networks in the identification and control of nonlinear active suspensions. Considering an one-quarter vehic1e model, the mathematical modeling of passive and active systems is detailed. Basic concepts of neural networks application, architecture, type of learning, training algorithms, etc., are presented as well as the application in identification and control of nonlinear dynamic systems which is used in this work. The proposed neuro-contoller is of type "model reference neuro-controller", and their weights are set using a new concept of inverse mapping trough the use of a neuro-model (neuro-vehicle) to a backpropagation of the error signal (difference between the output of the desired reference and the output ofthe neural network). Computational simulations are performed in order to test the proposed model, trough the analysis of the suspensions work space, acceleration of the sprung mass and contact force of the tire with the ground, which are the main arameters used in the design of automotive suspensions. The results show the suitability of neural network in the identification and control of dynamic systems with nonlinear characteristics / 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 2018-07-29T03:39:41Z (GMT). No. of bitstreams: 1 Simoes_PaulineSantaRosa_M.pdf: 3570903 bytes, checksum: c3f6749fc2f43ebcbfe2d51df54ea6c2 (MD5) Previous issue date: 2001 / Resumo: O presente trabalho tem como objetivo modelar um reator de polimerização operando em regime batelada, usando como caso estudo a polimerização em massa e solução do metilmetacrilato (MMA). Serão utilizadas redes neurais artificiais, para o desenvolvimento de um modelo híbrido, visando eliminar a necessidade da utilização de correlações empíricas que ajustam a constante da taxa de terminação (kt), devido a ocorrência do efeito gel. Processos poliméricos se caracterizam por sua complexidade devido ao elevado número de reações paralelas à reação de formação do polímero e pelos fenômenos difusivos que causam ou ocorrem durante a polimerização. As maiores fontes de problemas encontrados em processos de polimerização são a liberação de calor das reações altamente exotérmicas e o grande aumento da viscosidade do meio reacional ao longo da reação de polimerização. Esta alta geração de calor aliada, à baixa difusividade térmica da mistura reacional, geralmente leva a um descontrole térmico, e consequentemente a dificuldades no controle do processo, e no comportamento das características físicas finais do polímero. Redes neurais são métodos matemáticos baseados na estrutura neurológica do cérebro. Trata-se de uma técnica de inteligência artificial, cuja característica é o "aprendizado" de uma lógica existente em um determinado conjunto de dados a fim de predizer valores diferentes daqueles utilizados para o treinamento da rede. O modelo híbrido busca superar as desvantagens presentes nos modelos determinístico e puramente neural. A modelagem híbrida visa a fusão de todo o conhecimento disponível do processo, com a metodologia das redes. Foram treinadas duas redes a fim de diminuir a faixa de variação da saída da rede utilizando como neurônio de saída, ktCp2 (concentração de polímero morto) e log(ktCp2), visando diminuir erro no escalonamento das variáveis, tornando desta forma, a resposta da rede mais precisa. A rede que utilizou como neurônio de saída log(ktCp2), em relação à outra rede testada. A predição desta rede, não se mostrou precisa o suficiente para representar de forma adequada o perfil de conversão, quando aplicada ao modelo híbrido. Devido à alta não linearidade do característica dos processos poliméricos, e graças a grandes problemas difusionais, devido ao efeito gel, o modelo híbrido produziu altas conversões em baixíssimos tempos de reação / Abstract: In the present work, the objective is modeling of a batch reactor, using methylmethacrylate as a case study. Neural networks will be used, in a hybrid mOdel, in order to by pass the use of empirical correlations to correct the constant or termination rate kt to the gel effect. Polymeric processes are known for its high complexity due to the large number of parallel reactions and diffusional phenomena. Most of the problem sources are the heat release, due to the exothermical reactions and the high viscosity during the polymerization. These two factors usually leads to a thermal runaway, which affects the final properties or the polymeric material. Neural networks are a mathematical method based on the neurologic structure of the brain, and in its leaning capacity. It is an artificial intelligence technique, which is characterized for learn from a certain pattern data. The hybrid model seeks to overcome the difficulties of the deterministic mode!. Two neural networks were trained in order to compare the efficiency of the linearization of the output, using a logarithm. The network that used the linearized output exhibited better results in comparison to the other. Although its prediction, wasn't accurate enough to represent the conversion profile. Due to the high non-linearity of the polymeric processes and the diffusional effects that causes the gel effect. The hybrid model exibed high conversions in a very short time / Mestrado / Desenvolvimento de Processos Químicos / Mestre em Engenharia Química

Orientadores : Douglas Eduardo Zampieri, Andre Mendeleck / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecanica / Made available in DSpace on 2018-07-31T15:02:34Z (GMT). No. of bitstreams: 1 Andrade_JoseFabioAbreude_M.pdf: 7564732 bytes, checksum: c02f34e46c1026a4be1448d102dca9cc (MD5) Previous issue date: 2001 / Resumo: A navegação autônoma de veículos há muito desperta o interesse de pesquisadores, principalmente na área de inteligência artificial. Um dos problemas de grande importância é a determinação de uma trajetória, pois dela depende o veículo para que possa navegar pelo ambiente, evitando colidir com obstáculos, até alcançar uma ou mais posições pré-estabelecidas. Neste trabalho, é proposto um sistema para a geração de trajetórias, utilizando redes neurais artificiais, aplicado na navegação de robôs móveis em ambientes desestruturados. Numa primeira etapa foi abordado o uso de uma única rede neural do tipo Perceptron de Múltiplas Camadas (MLP), com uma arquitetura 28-20-2, para a resolução do problema. Entretanto, o sistema proposto apresentou um alto custo computacional para o treinamento da rede, quando da generalização das condições de trabalho, uma vez que o número de padrões utilizados era muito elevado. Numa etapa posterior, esta rede neural :MLP foi substituída por um sistema híbrido formado por funções lógicas e por 36 redes neurais :MLP. Os resultados da simulação computacional, apresentados na forma de gráficos, comprovam a eficiência do método para ambientes desestruturados / Abstract: The autonomous navigation of vehic1es has been an area of great interest for researchers for a long time, mainly in the area of artificial intelligence. One of the most interesting problems is that related to the trajectory generated for a vehic1e, which shall be guided in an environrnent, avoiding colliding with obstac1es in order to reach predefined positions. This thesis presents a methodology to generate trajectories using neural networks applied to mobile robot navigation. In a first approach, it has been used a single MLP neural network, with a 28-20-2 architecture, to solve this problem. However, this system presented a high computational effort for training the neural network, since the number of pattems increased due to the generalization of the environments. In a second approach this neural network has been improved to a hybrid system composed of logic operations and 36 MLP neural networks. The results of computer simulation presented graphically showed that the proposed methodology were efficient to guide the robot in unknown environments / Mestrado / Mecanica dos Sólidos e Projeto Mecanico / Mestre em Engenharia Mecânica