Orientadores: Ana Maria Frattini Fileti, Florival Rodrigues de Carvalho / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-08-03T02:39:01Z (GMT). No. of bitstreams: 1 Vieira_WilliamGoncalves_D.pdf: 7050309 bytes, checksum: c1e288d81c3eebed686e86e3bcc5edda (MD5) Previous issue date: 2002 / Resumo: A unidade de Craqueamento Catalítico em Leito Fluido - FCC, modelo Kellogg Orthoflow F., representa um processo de refino de petróleo apresentando característica altamente não linear, possuindo fortes interaçães entre as variáveis de produção, e condições de operação extremamente severas. Essas unidades são constituídas basicamente de duas seções: uma de reação catalítica na qual ocorrem as reações de quebra de cadeia hidrocarbônica e também há formação de coque, desativando o catalisador; e outra seção onde ocorre a regeneração do catalisador desativado. O objetivo dessa unidade é transformar produtos de elevado peso molecu1ar, que apresentam baixo valor agregado, em compostos de elevado valor comercial. As unidades FCC, devido às condições severas de operação, necessitam de um controle rigoroso de determinadas variáveis operacionais. Apesar de existirem instalados controladores avançados baseados em modelos de convolução, fteqüentemente essas unidades são reguladas por meio de controladores PID padrões e também através de controle manual baseado no conhecimento de operadores das refinarias. O presente estudo tem como objetivo desenvolver um controlador preditivo multivariável (Multivariable Predictive Control - MPC) para ser implementado na unidade FCC, utilizando Redes Neurais Artificiais (RNA) como modelo interno do controlador. Inicialmente é previsto realizar a identificação do processo da FCC em RNA, obedecendo a seguinte estratégia: usando um modelo fenomenológico que representa a unidade industrial, e partindo de um estado inicial são aplicados diversos degraus nas variáveis manipuladas analisando as respostas nas variáveis controladas do processo. A partir destas simulações são gerados diversos conjuntos de dados divididos em grupos de treinamento, validação e teste. Diversas redes neurais do tipo multicamada feedforward são então criadas para representar o modelo fenomenológico, sendo selecionada aquela que apresenta melhor desempenho, quando comparada com o modelo. A configuração da RNA escolhida como modelo interno foi 8x15x4 (camadas de entrada, escondida e de saída, respectivamente) apresentando um erro relativo máximo de 1% quando comparado com os resultados do modelo rigoroso. Posteriormente, foi previsto desenvolver um controlador preditivo multivariável usando como modelo interno esta rede selecionada. Este controlador foi implementado dentro da rotina do modelo fenomenológico, sendo então realizados testes para verificar seu desempenho, comparando o resultado com o sistema aberto e também com o controlador DMC (Dynamic Matrix Contro!) existente. Diversos horizontes de predição e controle foram analisados, sendo selecionados aqueles que apresentaram melhor desempenho. Foi introduzido um ruído nos sinais do modelo fenomenológico para testar a robustez do controlador proposto. O controlador apresentou bom desempenho mesmo na presença de ruídos de 1,5%, levando sempre as variáveis controladas para seus valores de referência, o que comprova sua robustez. Baseados nestes resultados, conclui-se que um controlador preditivo multivariável baseado em RNA é perfeitamente capaz de controlar um sistema não linear de porte do FCC, onde elevada interação entre suas variáveis operacionais e fortes restrições estão presentes. Isto nos permite extrapolar que são boas as expectativas para uma futura utilização na unidade industrial, principalmente devido à sua simplicidade, robustez e facilidade de implementação, a despeito da dificuldade de sintonia do controlador / Abstract: The Fluid Cracking Catalytic unit - FCC, Kellogg Orthotlow F. model, represents a very strong nonlinear process, with severe interactions among the process variables, and extremely severe operation conditions. The unit is composed of two sections: one is the catalytic reaction, where the hydrocarbon breaks chain reactions and coke deposition take place becoming the catalyst inactive, and the other where the catalyst regeneration happens. The objective is to transform products derived ITom petroleum, with high molecular weight and low added value, into products with higher profit. Due to the severe operation conditions, rigorous control of some variable is needed. In spite of the existence of advanced control based on a convolution model, in practice, FCC units are ftequently regulated by standard PID controllers, and also through manual control actions based on the knowledge of the refinery operators. The objective of this study is to develop a Multivariable Predictive Control (MPC) to be implemented in the FCC unit, using the Artificial Neural Networks (ANN) as internal model. Initially, the process identification in ANN of the FCC was done by the following strategy: an initial state was fust achieved using numerical simulations based on the phenomenological mo deI. Then, several steps changes were applied to the manipulated variables and the response in the controlled variables were monitored and recorded. From these simulations, several groups of data were generated for training, validation and testing. The Neural Network of multilayer feedforward type were created to represent the phenomenological model, being selected the one that better represents the phenomenological model. The ANN configuration chosen to be the internal model was 8x15x4 (Input x Hidden x Output) architecture, with a maximum relative error below 1 % when comparing the results with the phenomenological model results. Later on, it was developed a multivariable predictive control based on this internal model. This control was implemented inside the routine of the phenomenological model. The performance tests were evaluated comparing the results with the open system and with the Dynamics Matrix Control (DMC). Several prediction and control horizons were analyzed. The ANN control presented good performance even in the presence of noise of 1,5% of intensity, taking back the controlled variables to its setpoints, proving its robustness. Based on these results, a multivariable predictive control based on ANN showed be perfectly able to control a nonlinear system like a FCC unit, where high interactions among process variables, and strong restriction conditions exists. This allows us to have good expectations for a future use in the industrial unit, mainly due to its simplicity, robustness and facility ofuse, in spite ofthe difliculty oftune control / Doutorado / Sistemas de Processos Quimicos e Informatica / Doutor em Engenharia Química

Orientadores: João Alexandre Ferreira da Rocha Pereira, Maria de Fatima dos Santos Lopes / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-08-03T18:05:14Z (GMT). No. of bitstreams: 1 Ferreira_HelianildesSilva_D.pdf: 5099430 bytes, checksum: 26e663d93836ef9e5927182bee802696 (MD5) Previous issue date: 2003 / Resumo: A simulação de processos químicos é de fundamental importância para a melhoria e otimização das unidades industriais existentes. A modelagem do processo envolve a descrição fenomenológica do mesmo e a resolução das equações obtidas através de métodos matemáticos adequados. Esta é a simulação dita convencional. Outra forma de abordagem do problema pode ser através da utilização de ferramentas computacionais que sejam capazes de "aprender' o comportamento do processo através dos seus dados históricos ou simulados, e desta forma, conseguir prever o comportamento do processo em condições futuras. Uma vez modelado, o processo pode ser simulado e os resultados obtidos nesta simulação são validados através de comparação com os resultados reais obtidos nas unidades industriais ou através de modelos de simulação, sendo que neste trabalho foram utilizados modelos de simulação. Tem sido crescente a necessidade de otimizar e controlar os processos industriais com os objetivos de redução de custos, melhoria na qualidade do produto e segurança operacional. Para isto faz-se necessário simular o comportamento dinâmico do processo e avaliar a resposta do mesmo quanto a mudanças em suas variáveis de entrada. No presente trabalho foi simulado o comportamento dinâmico do processo que ocorre na serpentina de uma fornalha para o craqueamento térmico do 1 ,2-dicloroetano através da simulação convencional e não-convencional. Na simulação convencional utilizamos os métodos das Diferenças Finitas, Colocação Ortogonal e Runge-Kutta para resolver o sistema de equações diferenciais parciais. A simulação convencional deste processo pode ser útil para fins de avaliação operacional, otimização de processo e construção de modelos para simulação e controle de processos. Na simulação não convencional do processo foi utilizada a metodologia de Redes Neurais Artificiais (RNA). As RNA's são particularmente úteis em aplicações de controle de processos onde são necessárias maiores velocidades de processamento para que os objetivos do controle sejam alcançados. Para acelerar o treinamento das redes neurais artificiais (RNA), foi empregada uma técnica estatística multivariada denominada Análise de Componentes Principais (PCA). Através da utilização desta técnica é possível melhorar o desempenho da simulação e selecionar as variáveis ou combinação de variáveis mais importantes no processo. Também foi utilizada a Regressão por Componentes Principais (PC R) para modelar e simular a conversão da reação. De maneira geral o processo foi representado por um modelo dinâmico que considera os princípios da conservação da massa e energia na serpentina onde ocorre a reação. As equações obtidas foram resolvidas numericamente pelos métodos das diferenças finitas e colocação ortogonal, sendo que o método de Runge-Kutta foi utilizado para as equações diferenciais ordinárias no tempo. Dentre os métodos utilizados para resolver numericamente as equações diferenciais parciais, o que apresentou melhores resultados foi o método das diferenças finitas. Os resultados obtidos foram compatíveis com os esperados teoricamente. O método da colocação ortogonal não ofereceu bons resultados. Quanto à aplicação da simulação não convencional através da metodologia de redes neurais artificiais, observou-se que o aumento da taxa de aprendizagem diminui o coeficiente de correlação entre as saídas preditas e desejadas, aumenta o erro quadrático médio durante a evolução do treinamento podendo provocar um sobre-ajuste dos dados. Foi observado que o pré-processamento dos dados de entrada influenciam significativamente no treinamento da rede. Foi verificado também que o aumento da taxa de aprendizagem diminui o tempo de processamento da rede provocando uma desestabilização na trajetória do espaço dos erros. De maneira geral o aumento do número de neurõnios na rede favoreceu a uma diminuição do erro, um aumento do tempo de processamento da rede e uma redução do número de ciclos de treinamento. Foram utilizados alguns algoritmos de treinamento da rede, dentre eles o do Gradiente Descendente e o de Levenberg-Marquadt, sendo que o algoritmo de Levenberg-Marquadt oferece menores erros com maior tempo de processamento. Este método também conduziu a melhores coeficientes de correlação entre os valores preditos pela rede e os valores desejados, entretanto ele pode conduzir a sistemas com rigidez, difíceis de serem resolvidos numericamente. Foram também utilizadas redes recorrentes para acelerar o treinamento das redes neurais artificiais sendo que houve uma redução significativa do número de ciclos de treinamento para a predição da conversão. A análise dos componentes principais (PCA) foi utilizada como pré-processamento dos dados de entrada de forma a reduzir a dependência das variáveis de entrada, dentro de um grau de significância previamente estipulado. Através da aplicação desta metodologia, verificou-se que das sete variáveis de entrada do craqueamento, apenas três das componentes principais são suficientes para descrever o processo representando 99,9% da informação da matriz de entrada. De maneira geral, a aplicação da análise dos componentes principais (PCA) favoreceu a uma redução do número de ciclos de treinamento da rede e descreveu pelas componentes principais as variáveis ou combinação de variáveis mais significativas do processo em estudo. Foi construído e utilizado um modelo de regressão por componentes principais (PCR) para a predição da conversão do craqueamento térmico do 1 ,2-dicloroetano. Observou-se uma maior rapidez na construção e utilização do modelo quando comparado às redes neurais artificiais (RNA) e que os resultados têm uma aplicabilidade restrita a uma faixa da variável predita sendo aconselhável dividir os conjuntos de treinamento / Abstract: The simulation of chemical processes is of fundamental importance for the improvement and optimization of the existing industrial units. The modeling of the process involves the phenomenological description of it and the resolution of the equations through the suitable mathematical methods. This is the so-called conventional simulation. Another way of development is the use of computational tools that "Iearn" the behavior of the process through historical or simulated data and based on this can foresee the behavior of the process in future conditions. Once modeled, the process can be simulated and the results obtained in this simulation generally are compared to the real results obtained in industrial units or through simulated models, being that in this work simulation models had been usedlt has been increasing the need to optimize and control industrial processes with the objectives of costs reduction, improve in product quality and operational safety. For this, it's necessary to simulate the dynamic behavior of the process and evaluate the answer of it in front of variations in your input variables. In the present work it was simulated the dynamic behavior of the process that occurs in the coil of one furnace to the thermal cracking of 1,2-dichloroethane through the conventional and non-conventional simulation. In the conventional simulation it was used Finite Differences, Orthogonal Collocation and Runge-Kutta methods to solve the systems of partial differential equations. The conventional simulation of this process could be useful for ends of operational evaluation, process optimization and construction of models for simulation and control of processes. In the non-conventional simulation of the process it was used the methodology of artificial neural nets (ANN). The ANN's are particularly useful in applications of processes control where are necessary higher processing velocities so that the control objectives are reached. To speed up the training of the artificial neural nets (ANN), it was used one technique multivaried statistics called Principal Componente Analysis (PCA). Through the use of this technique is possible to improve the performance of the simulation and select the variables or combination of variables more important in the processo It was also used the Principal Component Regression (PCR) to model and simulate the conversion of the reaction. In general way the process was represented by a dinamic model that considers the principies of mass and energy conservation in the coil where the reaction ocurrs. The obtained equations were numerically solved by the finite differences method and orthogonal collocation, being that the Runge-Kutta method was used to the ordinary differentials equations in the time. Amongst the methods used to solve numerically the partial diferential equations , what presented better results was the difference finit method. The obtained results had been compatible with the waited ones theoretically. The orthogonal colocation method didn't give good results. According to the application of the non-conventional simulation through the methodology of the artificial neural nets, it was observed that the increasing of the learning rate decreases the correlation coefficient between the predicted and the desired output, increases the mean quadratic error during the evolution of the training being able to provoke a on-adjustment of the data. It was observed that the daily pay-processing of the input data influences significantly in the training of the net. It was also verified that the increasing in the learning rate decreases the processing time of the net provoking a run down in the trajectory of the space of the errors. In general way the increase in the number of neurons of the net favored to a reduction of the error, an increase of the processing time of the net and reduction in the number of training cycles. One used some algoritms of training of the net, amongst them of the Descending Gradient and the Levenberg-Marquadt being that the Levenberg-Marquadt give lower erros with higher: processing time. This method also lead to better correlation coefficients between the predicted and desired values of the net, however it can lead to systems with rigidity ("stiffness") that are dificult to solve numerically. It was also used reccurent nets to speed up the training of the artificial neural nets being that it had one significant reduction of the numbers of cycles of training for the prediction of the conversion. The Principal Component Analysis (PCA) was used as daily pay-processing of the input data of form to reduce significantly of the input variables, inside a degree of significance previously stipulated. Through the application of this methodology it was verified that from the seven input variables of the cracking only three of the principal components are enough to describe the process representing 99,9% of the information of the entrance matrix. In general way, the application of the principal component analysis (PCA) favored to a reduction in the number of cycles of training of the net and described by the principal component analysis the variables or combination of variables more significant of the process in study It was built and used one regression model by principal components for the prediction of the conversion in the thermal cracking of 1,2-dichloroethane. It was observed a higher rapidity in building and using the model when compared to the artificial neural nets (ANN) and that the results has a restricted applicability to a band of the predicted variable being advisable to divide the sets of training / Doutorado / Sistemas de Processos Quimicos e Informatica / Doutor em Engenharia Química

Orientador: Fernando Jose Von Zuben / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-03T19:18:01Z (GMT). No. of bitstreams: 1 Zuchini_MarcioHenrique_M.pdf: 7031573 bytes, checksum: 80d43be5a516ff4dc680c86f4f78ac7d (MD5) Previous issue date: 2003 / Mestrado

Orientador: Fernando Gomide, Rosangela Ballini / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-04T00:35:17Z (GMT). No. of bitstreams: 1 Magalhaes_MarinaHirota_M.pdf: 504025 bytes, checksum: bf9835945f0d869e3ddd6a0f3ce66595 (MD5) Previous issue date: 2004 / Resumo: Planejamento de sistemas hidroeletricos possui um alto grau de complexidade e dificuldade, uma vez que involve caracteristicas de produção não lineares e depende de muitas variaveis. Um das variaveis chave e a vazão natural. Os valores de vazões devem ser previstos com acuracia, uma vez que esses valores influenciam significativamente na produção de energia. Atualmente, no setor de geração hidroeletrica, a previsão de vazões e baseada na metodologia de Box & Jenkins. Este trabalho propõe um modelo de previsão baseado em agrupamento nebuloso como alternativa para a previsão de vazões naturais medias mensais. O modelo utiliza o algoritmo de agrupamento fuzzy c-means para explorar a estrutura dos dados historicos, e procedimentos de mediana e reconhecimento de padrões para capturar similaridades na tendencia das series. Ainda, este trabalho sugere um modelo que combina previsões geradas por um conjunto de m'etodos individuais de previsão, de uma maneira simples, mas efetiva. Utiliza-se, como combinador, uma rede neural treinada com o algoritmo do gradiente. O objetivo e combinar as previsões geradas por diferentes modelos na tentativa de capturar as contribuições das caracteristicas de previão mais importantes de cada previsor individual. Esse metodo tambem e aplicado a previsão de series de vazões naturais medias mensais escolhendo-se, como modelos individuais, aqueles que obtiveram melhor desempenho para uma dada serie. Resultados experimentais com dados reais de vazão sugerem que o modelo preditivo aseado em agrupamento nebuloso obtem um desempenho superior, quando comparado com a metodologia atual de previsão de vazões adotada pelo setor hidroeletrico, e, ainda, com uma rede neural nebulosa, um modelo não linear. Alem disso, o modelo de combinação alcança um desempenho superior que os modelos de previsão individuais, pois apresentam erros de previsão menores / Abstract: In addition, this work suggests a linear approach to combine forecasts generated by a set of individual forecasting models in a simple and effective way. We use, as a combiner, a neural network trained with the gradient descent algorithm. The aim is to combine the forecasts generated by the different forecasting models as an attempt to capture the contributions of the most important prediction features of each individual model at each prediction step. The approach is also used for streamflow time series prediction choosing, as individual forecasting models, the most promising predictive methods. Experimental results with actual data suggest that the predictive clustering approach performs globally better than the current streamflow forecasting methodology adopted by many hydroelectric systems worldwide, and a fuzzy neural network, a nonlinear prediction model. The combination approach, with lower prediction errors, performs better than each of the individual forecasting models / Mestrado / Engenharia de Computação / Mestre em Engenharia Elétrica

Orientador: Fabio Violaro / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-24T14:15:07Z (GMT). No. of bitstreams: 1 Runstein_FernandoOscar_D.pdf: 12230122 bytes, checksum: c881b8dbd3ee58b6586540e4f1df16f3 (MD5) Previous issue date: 1998 / Resumo: Neste trabalho são comparadas diferentes configurações de redes neurais, diversos tipos de análise do sinal de voz e diferentes parâmetros de entrada da rede neural, com o objetivo de defInir o melhor sistema de reconhecimento de fala para palavras isoladas, independente do locutor e baseado em redes neurais artifIciais. Um dos problemas abordados é o das redes neurais terem um número fixo de entradas enquanto as palavras a reconhecer terem durações diferentes. Duas soluções são propostas para resolver este problema: dizimação/interpolação de quadros analisando as palavras com quadros de duração fixa dizimação/interpolação de quadros usando análise síncrona com o pitch. Ambos métodos apresentaram melhores resultados que os usualmente utilizados. Também é proposto um novo método de adaptação do sistema de reconhecimento de fala às características espectrais da voz do locutor, de forma a melhorar os índices de reconhecimento do sistema. Com este método conseguiu-se diminuir as taxas de erro em até 18%. Os sistemas foram avaliados com sinais ruidosos e sem ruído. Em testes independentes do locutor realizados com vocabulários de 10 a 32 palavras, obtiveram-se taxas de acerto superiores a 96% / Abstract: In this work we compared different neural network configurations, different speech analysis procedures and different neural net input parameters. The goal was to defme the best isolated word, speaker independent, speech recognition system based on artificialneural networks. One of the problems we worked on was how to deal with different word duration and fixed number of inputs of a neural network. Two solutions are proposed to solve this problem. One of hem, pitch-synchronous analysis, is new in speech recognition and produced very good results. It is also proposed in this work, a new method to adapt the speech recognition system to the spectral characteristics of the speaker's speech, in order to improve the recognition rate. With this method we diminished the error rates up to 18%. The systems were assessed with noise and noiseless signals. On speaker independent tests with 10 to 32 word vocabularies, we obtained word recognition rates better than 96% / Doutorado / Doutor em Engenharia Elétrica

Orientadores: Edson Françozo, Marcio Luiz de Andrade Netto / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Estudos da Linguagem / Made available in DSpace on 2018-07-24T23:13:19Z (GMT). No. of bitstreams: 1 Rosa_JoaoLuisGarcia_D.pdf: 23647013 bytes, checksum: 69242fa79872f85fd23c8faea407a338 (MD5) Previous issue date: 1999 / Resumo: Em Lingüística, as relações semânticas entre palavras em uma sentença são consideradas, entre outras coisas, através da atribuição de papéis temáticos, por exemplo, AGENTE, INSTRUMENTO etc. Como na lógica de predicados, expressões lingüísticas simples são decompostas em um predicado (freqüentemente o verbo) e seus argumentos. O predicado atribui papéis temáticos aos argumentos, tal que cada sentença tem uma grade temática, uma estrutura com todos os papéis temáticos atribuídos pelo predicado. Com a finalidade de revelar a grade temática de uma sentença semanticamente bem formada, um sistema chamado HTRP (Hybrid Thematic Role Processor - Processador de Papéis Temáticos Híbrido) é proposto, no qual a arquitetura conexionista tem, como entrada, uma representação distribuída das palavras de uma sentença, e como saída, sua grade temática. Duas versões do sistema são propostas: uma versão com pesos de conexão iniciais aleatórios - RIW (random initial weight version) e uma versão com pesos de conexão iniciais polarizados - BIW (biased initial weight version) para considerar sistemas sem e com conhecimento inicial, respectivamente.Na BIW, os pesos de conexão iniciais refletem regras simbólicas para os papéis temáticos. Para ambas as versões, depois do treinamento supervisionado, um conjunto de regras simbólicas finais é extraído, que é consistentemente correlacionado com o conhecimento lingüístico - simbólico. No caso da BIW, isto corresponde a uma revisão das regras iniciais. Na RIW as regras simbólicas parecem ser induzidas da arquitetura conexionista e do treinamento. O sistema HTRP aprende a reconhecer a grade temática correta para sentenças semanticamente bem formadas do português. Além disso, este sistema possibilita considerações a respeito dos aspectos cognitivos do processamento lingüístico, através das regras simbólicas introduzidas (na BIW) e extraídas (de ambas as versões) / Abstract: In Linguistics, the semantic relations between words in a sentence are accounted for, inter alia, as the assignment of thematic roles, e.g. AGENT, INSTRUMENT, etc. As in predicate logic, simple linguistic expressions are decomposed into one predicate (often the verb) and its arguments. The predicate assigns thematic roles to the arguments, so that each sentence has a thematic grid, a strocture with all thematic roles assigned by the predicate. In order to reveal the thematic grid of a semantically sound sentence, a system called HTRP (Hybrid Thematic Role Processor) is proposed, in which the connectionist architecture has, as input, a distributed representation of the words of a sentence, and, as output, its thematic grid. Both a random initial weight version (RIW) and a biased initial weight version (BIW) are proposed to account for systems without and with initial knowledge, respectively. In BIW, initial connection weights reflect symbolic roles for thematic roles. For both versions, after supervised training, a set of final symbolic roles is extracted, which is consistently correlated to linguistic - symbolic - knowledge. In the case of BIW, this amounts to a revision of the initial roles. In RIW, symbolic roles seem to be induced from the connectionist architecture and training. HTRP system leams how to recognize the correct thematic grid for semantically well-formed Portuguese sentences. Besides this, it leads us to take into account cognitive aspects of the linguistic processing, through the introduced (in RIW) and extracted (from both versions) symbolic roles / Doutorado / Doutor em Linguística

Orientador: Furio Damiani / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-25T12:34:42Z (GMT). No. of bitstreams: 1 Luque_WilfredoMachaca_D.pdf: 12610096 bytes, checksum: 300aa4a5f70b52cc7811a9bee9596bae (MD5) Previous issue date: 1999 / Resumo: Neste trabalho apresentam-se o projeto e as medidas de caracterização de uma rede neural para uso na equalização adaptativa de sinais, implementada em um ASIC (Aplication Specific Integrated Circuit) VLSI. O equalizador estudado é um DFE (Decision FeedBack Equalizer), para comunicação digital usando modulação QAM (Quadrature Amplitude Modulation) com uma constelação de 16 símbolos. O equalizador adaptativo que utiliza o ASIC projetado no estágio de decisão foi comparado com equalizadores convencionais. A rede neural utilizada segue o modelo conhecido como Mapas Auto-Organizados de Kohonen (SOM - Self-OrganizinMgaps). O ASIC, realizado em tecnologia CMOS de O.8mm, implementa uma rede neural de 4 células (2x2) e é modular, permitindo seu uso para constelações de 16 símbolos. Finalmente, são apresentados os resultados dos testes, realizados com a ajuda do módulo de desenvolvimento DSP96002ADM da Motorola / Abstract: The design and test of a Kohonen neural network VLSI ASIC for adaptive signal equalization purposes is presented. The ASIC is used in the decision stage of a DFE (Decision Feedback Equalizer) and QAM (Quadrature Amplitude Modulation) with 16 symbols was considered. A comparative study of this adaptive equalizer and conventional types was done. The ASIC was fabricated in a CMOS O.8mm technology and contains 2x2 Kohonen cells, fashioned in a modular circuit. The test results, done with the help of a Motorola-DSP96002ADM development module are shown / Doutorado / Eletronica e Comunicações / Doutor em Engenharia Elétrica

Orientador: Edson Bim / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-25T15:47:20Z (GMT). No. of bitstreams: 1 ReyesHernandez_Jaime_M.pdf: 5409078 bytes, checksum: 31f1dc17b5c1b7d1eb4ef972771be26c (MD5) Previous issue date: 1999 / Resumo: Neste trabalho é realizada a implementação digital, utilizando o processador digital de sinais DSP 56001 da Motorola, do controle vetorial com orientação direta e indireta do fluxo do rotor de um motor de indução trifásico. São apresentados resultados experimentais que ilustram o comportamento do controle implementado. A inclusão do controle PI de velocidade assim como, um estudo utilizando algoritmos genéticos e redes neurais artificiais, na estimação e atualização da constante de tempo elétrica do rotor, faz parte também dos objetivos desta dissertação... Observação: O resumo, na íntegra, poderá ser visualizado no texto completo da tese digital / Abstract: In this work the digital implementation of a field rotor flux oriented based control of a squirrel cage induction motor, using a versatile Motorola 56001 digital signal processor is presented. Two methods of orientation are studied: the direct and indirect. The control system contains a PI speed controller. An introductory investigation of the use of Genetic AIgorithms and Neural Networks in the estimate and updating of rotor electrical time constant are also presented. ...Note: The complete abstract is available with the full electronic digital thesis or dissertations / Mestrado / Mestre em Engenharia Elétrica

Orientador: Marcio Luiz de Andrade Netto / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-25T20:20:48Z (GMT). No. of bitstreams: 1 Costa_JoseAlfredoFerreira_D.pdf: 26064111 bytes, checksum: 45919f0230fa64ef69e0d07ea0363d6c (MD5) Previous issue date: 1999 / Resumo: Esta tese apresenta extensões ao modelo básico de rede neural auto-organizável, a rede de Kohonen (SOM), viabilizando seu uso como ferramenta de análise de agrupamentos. O SOM define, via treinamento não supervisionado, um mapeamento de um espaço p-dimensional contínuo para um conjunto discreto de vetores referência, ou neurônios, geralmente dispostos na forma de uma matriz. Cada neurônio tem a mesma dimensão do espaço de entrada, p, e o objetivo principal do treinamento é reduzir imensionalidade ao mesmo tempo em que tenta-se preservar, ao máximo, a topologia do espaço de entrada. O algoritmo SL-SOM (Self-Labeling SOM) foi desenvolvido com o objetivo de particionar e rotular automaticamente um SOM treinado, baseando-se no gradiente dos p componentes, cuja informação é apresentada na Umatrix. Usa-se algoritmos de processamento de imagem para segmentar a U-matrix e o resultado são regiões conectadas de neurônios codificados sob o mesmo rótulo. Tais regiões definem no espaço de atributos geometrias complexas e não paramétricas, possibilitando também a classificação de novas amostras. A extensão do SL-SOM tem por objetivo descobrir e representar subclasses. O TS-SLSOM (Tree-Structured Self-Labeling SOM) gera sub-redes para cada região rotulada de neurônios na forma de uma árvore dinâmica. Não se especifica a priori o número de sub-redes para uma dada rede, e os parâmetros de cada sub-rede são funções dos parâmetros da rede 'pai', e do subconjunto de dados que será usado para treiná-Ia. Sub-redes que não apresentam subpartições são excluídas, e o conjunto de dados referente àquela sub-rede fica representado apenas pela região rotulada de neurônios na rede 'pai'. Arranjos de neurônios do SOM de dimensões elevadas não são usados na prática por que o objetivo principal do SOM na atualidade é a visualização dos dados. Com a automação da descoberta de conhecimento e relacionamentos entre dados descritas pelo SL-SOM e TSSL- SOM, pode-se usar um arranjo dimensão igualou menor que a dimensão do espaço de entrada, e fazer com que apenas os resultados finais sejam mostrados, na forma de subgrupos de dados, o relacionamento entre os subgrupos, etc. A principal motivação para o uso do SOM p-dimensional é a manutenção da topologia que geralmente é perdida quando diminuímos a dimensionalidade via mapeamento de um espaço p-dimensional para um espaço de menor dimensão. Define-se o U-array como uma extensão da U-matrix e propõe-se métodos de análise baseados nos métodos de segmentação utilizados em redes de dimensão I ou 2. Comparações de resultados para vários conjuntos de dados são efetuados em relação ao SOM convencional, ou alguns de seus variantes, e por métodos estatísticos e heurísticos para descoberta de agrupamentos, sendo o principal deles, o método de misturas de densidades de probabilidades usando o algoritmo Expectation Maximization. As aplicações dos resultados desta tese são inúmeras. Pode-se aplicar técnicas de análise de dados em qualquer área do conhecimento humano que possa coletar informações. Com a disponibilidade crescente de instrumentação eletrônica capacitando aplicações diversas adquirirem dados e armazená-los em computadores, ou mesmo a imensa massa de dados e informações não estruturadas na internet, ferramentas como as descritas nesta tese, com certeza, farão parte de softwares em um futuro não distante / Abstract: This thesis presents extensions to the most used self-organizing neural network model, the Kohonen network (SOM), enabling its usage as an effective tool for cluster analysis. The SOM network defines, via unsupervised learning, a mapping of a continuos p-dimensional space to a set of model vectors, or neurons, usually arranged as a 2-D array. Each neuron has the same dimension of the input space, p, and the main objective is dimensionality reduction while trying to preserve as much as possible the topology of the input space. The SL-SOM (Self-Labeling SOM) algorithm was developed for automatically partitioning and labeling a trained SOM network. It uses information of the p component gradient (distances) which is presented in the U-matrix. By using image processing algorithms, the obtained results are labeled and connected regions of neurons. Each region defines, in the input space, complex and nonparametric geometries which approximately describe the shape of the clusters. Classification of new objects can be performed using the established regions and the nearest neighbor rule. An extension of the SL-SOM algorithm aims to enhance the clustering process, enabling to discover sub-clusters. The TS-SL-SOM (Tree-Structured Self-Labeling SOM) algorithm generates a child network for each labeled region of the root network, and so on. The process can be seen as generation of a dynamic tree, where each node is a whole network, and which is data-driven. It is not necessary to specify the number of sub-networks for a given network in a given height of the tree. The parameters of the child network are functions of the parameters of the father network and of the subgroup of data used to train that network. A pruning strategy cuts sub-networks (leave nodes) which do not present further partitions. High dimension output SOM networks are not frequently used because the main application of SOM is visualization of data in a form of display. With the automation of knowledge discovery and data relations by the SL-SOM and TS-SL-SOM algorithms, we can use output dimensions higher than 2 and analyze only the final results, i.e., number of clusters and their components, relationships between groups, etc. The main advantage of using high dimension output SOMs is that topology preservation is usually lost when mapping a higher input space to a lower output space. The U-array is defined as an extension of the U-matrix and methods are proposed for its segmentation in a similar fashion of those presented in the SL-SOM algorithm. The thesis also presents results of the methods for synthetic and real data sets, and some comparisons with conventional clustering approachés, such as k-means and mixtures of probability density functions with the Expectation Maximization algorithm. Applications of the methods presented in this thesis are numerous. Virtually any area which possess data could be a candidate for using some kind of mapping and thus using any of these methods. With the increasingly availability of masses of data elsewhere, in applications ranging from business to scientific tasks, or even the immense mass of unstructured data available in the internet, and decreasingly cost of memory and computers, tools as the ones presented in this thesis will be important parts of softwares in a near future / Doutorado / Doutor em Engenharia Elétrica

Orientadores: Euripedes Guilherme de Oliveira Nobrega, Fernando Jose Von Zuben / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Enhegenharia Mecanica / Made available in DSpace on 2018-07-25T20:23:56Z (GMT). No. of bitstreams: 1 NinaHuallpa_Belisario_D.pdf: 3512265 bytes, checksum: 82015cca74d28070ac6c88fec3015059 (MD5) Previous issue date: 1999 / Resumo: Métodos de detecção e diagnóstico de falhas têm sido muito estudados ultimamente, como resultado da demanda por sistemas de maior confiabilidade. Neste trabalho, adotam-se métodos de inteligência computacional, em uma configuração que faz uso de redes neurais artificiais e lógica nebulosa para a monitoração de sistemas dinâmicos representados por modelos de estado adequadamente dimensionados. Os parâmetros do modelo de estado são estimados recursivamente utilizando uma rede neural recorrente do tipo Hopfield, à qual foram adicionados mecanismos de otimização. As saídas do estimador são sintomas submetidos a um módulo de pré-diagnóstico, o qual discrimina perturbações nos valores identificados para os parâmetros, detectando a falha. Um terceiro módulo é utilizado para executar o diagnóstico propriamente dito, através de um método de inferência baseado em lógica nebulosa. A base de conhecimento é determinada a partir da interpretação de grafos direcionados e sinalizados, que relacionam os parâmetros físicos aos parâmetros do modelo de estado. Além de simulações em diversos sistemas lineares invariantes no tempo, a configuração foi testada também em sistemas variantes no tempo e com não-linearidades suaves, incluindo sistemas artificiais e do mundo real. Os resultados obtidos permitem concluir que os métodos desenvolvidos podem ser aplicados com sucesso a diversos tipos de sistemas dinâmicos / Abstract: Fault detection and diagnosis methods have been intensively studied lately, as a result of the demand for systems of greater reliability. In this work, computational intelligence methods were adopted, in a configuration that uses artificial neural networks and fuzzy logic for monitoring dynamic systems represented by state-space models of adequate dimension. The parameters of the model are recursively estimated using a Hopfield-type recurrent neural network, endowed with additional optimization mechanisms. The outputs of the estimator are taken as symptoms submitted to a pre-diagnostic module, in order to establish the nominal reference parameter values. A third module is used to implement the diagnosis itself, based on a fuzzy inference method. The knowledge base is determined by means of a signed directed graph, that represents the relations among the physical parameters and the parameters of the state-space model. Besides several simulations using time-invariant linear systems, the configuration was also tested in the presence of time-varying dynamics and smooth nonlinearities including artificial and real world systems. The results guide to the conclusion that the developed methods can be successfully applied to a wide range of dynamic systems / Doutorado / Doutor em Engenharia Mecânica