Orientador: Dalton Soares Arantes / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-23T20:24:16Z (GMT). No. of bitstreams: 1 Carvalho_MarceloMenezesde_M.pdf: 9696779 bytes, checksum: da449103276f368a5cd5176ae741aeca (MD5) Previous issue date: 1998 / Resumo: Este trabalho tem como objetivo estudar os modelos e a predição de tráfego com características auto-similares (fractais) em redes de comunicações de faixa larga, como por exemplo, a rede ATM (Asynchronous Transfer Mode). Para isto, são estudados os principais modelos de processos estocásticos auto-similares, bem como os métodos utilizados para estimação do grau de auto-similaridade de uma série temporal. São também estudadas as principais conseqüências do fenômeno da auto-similaridade no problema da predição, estimação e controle do tráfego em redes de alta velocidade. Para fins de predição, avalia-se o uso de preditores lineares (filtros FIR) e não-lineares, estes últimos representados pelas redes neurais do tipo perceptron multicamadas FIR e Redes de Funções de Base Radiais (Radial Basis Function). A eficácia dos preditores estudados é analisada através da predição de tráfego real de redes locais Ethernet. Além disso, propõe-se um algoritmo adaptativo, baseado no algoritmo EM (Expectation- Maximization), para estimação dos parâmetros de uma mistura de densidades Gaussianas / Abstract: The purpose of this work is to study the modeling and predietion of self-similar traffie signals in broadband telecommunications networks (ATM networks, for example). With this in mind, we study the main models of self-similar random processes, as well as the estimation methods for the degree of self-similarity of time series. We also study the eonsequenees of statistic self-similarity in problems like prediction, estimation and traffie control in high-speed networks. For the particular case of prediction, we investigate the use of linear FIR filters and non-linear predietors, the latter being represented by FIR multilayer perceptron and by Radial Basis Function (RBF) neural networks. The performanee of predictors is evaluated with real LAN Ethernet traffie. Finally, we propose an adaptive algorithm, based on the EM algorithm (Expectation-Maximization), for real time estimation of the parameters of a mixture of Gaussian densities / Mestrado / Mestre em Engenharia Elétrica

Orientador: Euripedes G. O. Nobrega / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecanica / Made available in DSpace on 2018-07-24T03:12:13Z (GMT). No. of bitstreams: 1 Khater_Evaldo_D.pdf: 6371414 bytes, checksum: 2bbb7e16fb992bc5ae751840e548a367 (MD5) Previous issue date: 1998 / Resumo: O presente trabalho visa o desenvolvimento de estratégias de controle de vibração torcional em sistemas rotativos, com o objetivo de atenuar os modos significativos da vibração em regime. O controle ativo é empregado através de um controlador neural multicamada, usando o método da retropropagação do erro. O sistema é realimentado através do próprio motor elétrico (CC) do acionamento. Uma bancada experimental de um sistema rotativo é utilizada para o ajuste do modelo, teste do controlador ótimo (LQR) e na emulação do modelo experimental usando rede neural multicamada para treinar o controlador adequado ao sistema real. Um circuito eletrônico embarcado na extremidade do eixo flexível, transmite o sinal amplificado da deformação angular indicada por uma ponte de extensômetros elétricos. Resultados satisfatórios foram encontrados tanto na simulação computacional como nos testes experimentais, demonstrando que um controlador neural pode ser uma boa alternativa para os sistemas rotativos reais / Abstract: The purpose of this work is the development of control strategies of torsional vibration in rotating systems, with the objective of minimizing the significant modes of torsional vibration in steadystate. The active control was employed through a multilayer neural network controler, using back-propagation, feeding the system with the same driving electric motor (DC). A experimental model of the rotating system was employed to adjust the theorical model, test the optimal controler (LQR) and emulation the experimental model using a multilayer neural network to train the appropriate controler to the real system. A electronic circuit attached at the end of flexible shaft sends the amplified signal of angular strain measured. Satisfactory results were found both in the computacional simulation and in the experimental tests, showing that a neural controler can be a good choice for real rotating systems / Doutorado / Mecanica dos Sólidos e Projeto Mecanico / Doutor em Engenharia Mecânica

Orientador: Mario Lucio Cortes / Dissertação (mestrado) - Universidade Estadual de Campinas. Instituto de Matematica, Estatistica e Ciencia da Computação / Made available in DSpace on 2018-07-19T02:29:53Z (GMT). No. of bitstreams: 1 Alexandrino_JosemirdaCruz_M.pdf: 5295142 bytes, checksum: 30f75cfcf6e767504e09e41e4daadaa4 (MD5) Previous issue date: 1994 / Resumo: Este trabalho está organizada em duas partes. Um estudo de técnicas e arquiteturas dedicadas ao reconhecimento de padrões de imagens é abordado na primeira parte. A segunda parte apresenta uma implementação em VLSI de um sistema para o reconhecimento de imagem utilizando a arquitetura de rede neural baseada em memórias RAMs. O estudo de técnicas e arquiteturas inclui exemplos de métodos estatísticos, arquiteturas altamente paralelas e redes neurais. Os métodos estatísticos evidenciam a ineficiência das máquinas monoprocessadas convencionais de propósito geral no reconhecimento de padrões, especialmente nas aplicações de tempo real. Arquiteturas multiprocessadas, especificamente concebidas para esta tarefa, apresentam um desempenho elevado mas não conseguem manipular dados como aqueles encontradas nas imagens obtidas na prática, as quais geralmente apresentam algum conteúdo de ruído. Redes neurais são completamente diferentes de arquiteturas baseadas em processadores programáveis. A execução de um programa é substituído pelo treinamento da rede através de um conjunto apropriado de estímulos. Sua capacidade de generalização, isto é, de fornecer respostas adequadas à estímulos para os quais a rede não foi treinada, possibilita o processamento de dados com algum conteúdo de ruído. Elas foram concebidas a partir da observação dos sistemas nervosos naturais e seu funcionamento. Os neurônios podem ser modelados através de computadores convencionais ou dispositivos eletrônicos. A modelagem direta em dispositivos eletrônicos é mais eficiente e pode ser implementada em VLSI. O sistema proposto é constituído de um cartão para IBM PC composto de uma PLD de controle e um número variável de ASICs que implementam as redes neurais. Os ASICs são agrupados em uma matriz, que pode ser dimensionada de acordo com as necessidades da aplicação, com capacidade máxima de 64 chips. As alternativas de projeto relevantes são apresentadas juntamente com a descrição do sistema e seu princípio de funcionamento, o qual foi validado através de um programa simulador escrito em Pascal. Os resultados de simulação obtidos com esse programa validaram o princípio de funcionamento e possibilitaram o dimensionamento de estruturas tais como barramentos e RAMs. Os aspectos de arquitetura do sistema e dos ASICs foram modelados e validados sobre uma descrição em alto nível escrita em VHDL. O uso de metodologias e ferramentas de EDA apropriadas, onde o projeto é dividido em vários níveis hierárquicos com diferentes graus de abstração possibilitou um maior controle do desenvolvimento do projeto, reduzindo as possibilidades de erro de projeto e reduzindo o tempo para sua realização. A arquitetura permite uma implementação física bastante elegante e regular do ASIC, realizada em CMOS 1,2 um. A dissertação é concluída com um resumo dos trabalhos, extensões futuras e algumas considerações a respeito das características e limitações do sistema proposto. / Abstract: This work is organized in two parts. A study of specific architectures and techniques for image pattern recognition is presented in the first part. The second part presents a VLSI implementation for a image recognition system using the RAM-based neural network architecture. The study of specific architecture and techniques includes examples of statistical methods, highly parallel architectures and neural networks. The statistical methods show the inefficiency of conventional general purpose single-CPU machines in pattem recognition, specially in real time applications. Multiprocessor systems, specifically designed for this task, present high performance but are not well fitted to handle data with a reasonable noise content, such as those found in real world images. Neural networks are entirely dilferent from program based processor architectures. The function executed by processor programming is replaced by training of the neural net with a convenient set of stimulus. Their generalization capability to produce appropriate answers for stimulus out of training set facilitates noisy data processing. Neural networks emulate the nervous systems functionality by modeling their structures. The neurons can be modeled by simulation in conventional computer or by electronic devices. Straight modeling by electronic devices is more efficient and can be implemented in VLSI. The proposed system consists of a PCB composed by a control PLD and a variable number of ASICs to implement the neural network. The ASICs are grouped into an array that can be sized according to the type of application, up to 64 chips. The relevant design altematives are presented along with the system description and its functional principle, which was vali, dated by a simulator program written in Pascal. The simulation results obtained with this program validated the functional principIe and made possible the correct sizing of structures such as bus and RAMs. The system and ASICs architectural aspects were modeled and validated using a high level description written in VHDL. The use of adequate EDA tools and methodologies and the fact that the project was organized hierarchically with dilferent levels of abstraction, allowed a good control of project development, reducing the chances of design error and shortening the development time. The architecture allows a very regular and elegant physical implementation for the ASIC, designed in 1.2 um CMOS. The dissertation concludes with a summary presenting considerations about the proposed system advantages and limitations. / Mestrado / Mestre em Ciência da Computação

Orientadores: Rangel Arthur, Francisco José Arnold / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Tecnologia / Made available in DSpace on 2018-08-26T23:50:19Z (GMT). No. of bitstreams: 1 Pedrosa_JezerOliveira_M.pdf: 1689446 bytes, checksum: fa812fba987c6c905ee50de809f6f732 (MD5) Previous issue date: 2015 / Resumo: Neste trabalho é criada uma base de dados de sinais de corrente de cargas domésticas e é proposta uma técnica para a identificação dessas cargas, etapa necessária para a desagregação das cargas dentro do contexto SMART GRID. A técnica de desagregação proposta baseia-se no uso de redes neurais e na transformada wavelet. A identificação das cargas elétricas tem como objetivo a descoberta de qual equipamento está ligado na rede elétrica. Dessa forma é possível calcular separadamente quanto cada equipamento está consumindo de energia elétrica. Os resultados obtidos a partir das informações extraídas com o emprego dos algoritmos propostos são discutidos e apresentados. Os algoritmos de processamento e identificação das cargas via redes neurais e transformada wavelet foram desenvolvidos no ambiente do MATLAB. Os resultados encontrados comprovam a eficácia da técnica proposta / Abstract: This work aims to create a current signal database of domestic loads and proposes a technique for identifying such loads, necessary step for the disaggregation of loads in the Smart-grid context. The disaggregation of the proposed technique is based on the use of neural networks and wavelet transform. The identification of electrical loads aims to discover what equipment is connected to utility power. Thus it is possible to calculate separately for each device is consuming electricity. The results obtained from the information derived from the proposed algorithms are discussed and presented. The algorithms processing and load identification by wavelet and neural networks were developed using MATLAB environment. The results prove the efficiency of the proposed technique / Mestrado / Tecnologia e Inovação / Mestre em Tecnologia

Made available in DSpace on 2017-06-01T18:20:32Z (GMT). No. of bitstreams: 0 Previous issue date: 2009-08-24 / Artificial neural networks were used to model biosurfactant production process by Candida lipolytica UCP 0988, using diesel oil as carbon source. The modeling was carried out using data of 24 full factorial design composed by 20 runs, including four replicates at the center point - having the concentrations of sea water, urea, ammonium sulfate and potassium phosphate monobasic as independent variables and as response variable the surface tension of biosurfactant production media filtrates with 168 hours. Several models were developed using different databases, topologies, transfer functions and training algorithms. A model with topology 4-4-1 - having concentrations of sea water, urea, ammonium sulfate and potassium phosphate monobasic input variables and surface tension as output variable - trained with the backpropagation algorithm based on Levenbeg-Marquadt was selected as the best performance in the estimation of surface tension. The root mean square error and correlation coefficient for the validation set of this model were 0.25433 and 0.97433, respectively. These results confirm the generalization ability and efficiency of artificial neural networks as tools for development of biosurfactant production media / Redes neurais artificiais foram usadas para modelar processo de produção de biossurfactantes por Candida lipolytica UCP 0988, usando óleo diesel como fonte de carbono. A modelagem foi realizada a partir de dados de planejamento fatorial completo 24 - constituído por 20 ensaios, incluindo 4 repetições no ponto central - tendo como variáveis independentes as concentrações de água do mar, uréia, sulfato de amônio e fosfato monobásico de potássio e como variável resposta a tensão superficial dos filtrados dos meios de produção de biosurfactantes com 168 horas. Diversos modelos foram desenvolvidos usando diferentes bancos de dados, topologias, funções de transferências e algoritmos de treinamento. Um modelo com topologia 4-4-1 - tendo as concentrações de água do mar, uréia, sulfato de amônio e fosfato monobásico de potássio como variáveis de entrada e a tensão superficial como variável de saída - treinado com o algoritmo de retropropagação baseado em Levenbeg-Marquadt foi selecionado como o que apresentou melhor desempenho na estimação da tensão superficial. A raiz do erro quadrático médio e o coeficiente de correlação para o conjunto de validação deste modelo foram 0,25433 e 0,97433, respectivamente. Resultados que ratificam a capacidade de generalização e a eficiência das redes neurais artificiais como ferramenta de apoio ao desenvolvimento de meios para produção de biossurfactantes

Orientador: Vivian Vanessa França / Coorientador: Érica Regina Filetti Nascimento / Banca: Rodrigo Fernando Costa Marques / Banca: Sérgio Ricardo Muniz / Resumo: Nesse trabalho propomos o desenvolvimento de redes neurais artificiais capazes de fornecer a energia do estado fundamental do modelo de Hubbard para nanoestruturas fermiônicas interagentes e homogêneas. Uma vez otimizado o funcional via rede neural, este pode ser usado como input em cálculos de funcionais da densidade para sistemas heterogêneos. O modelo neural obtido mostrou um desempenho excelente, com desvios menores que ∼ 0,2%, recuperando todos os regimes de densidade, magnetização e uma vasta extensão de regimes de interação, quando comparado com resultados numéricos exatos. Comparado à funcionais analíticos, o modelo neural é mais preciso em todos os regimes de parâmetros, especialmente no regime de fraca interação, onde o funcional analítico mais recente apresenta um grande desvio: ∼ 7%, contra ∼ 0,1% para o nosso modelo neural. Aplicado em aproximações de densidade local para cálculos de DFT para cadeias finitas e com heterogeneidades, como impurezas localizadas e potenciais confinantes, nosso modelo neural se mostrou uma alternativa confiável e usando apenas uma fração dos recursos computacionais de outros tratamentos numéricos. / Abstract: In this work we propose an artificial neural network model to the ground-state energy of fermionic interacting particles in homogeneous chains described by the Hubbard model. Once the neural network functional is optimized, it can be used as input in density functional calculations for inhomogeneous systems. The neural network model obtained, showed excellent performance, deviating by less than ∼ 0.2%, recovering all regimes of density and magnetization and for a vast range of interactions when compared to exact numerical results. Compared to analytical functionals, the neural network is more accurate in all regimes of parameters, especially at the weakly interacting regime, where the most recent analytical parametrization fails the most: ∼ 7%, while only ∼ 0.1% for our neural network model. When applied in local density approximations for density functionals calculations for finite chains with inhomogeneities, such as localized impurities and confining potentials, our neural model has proven to be a reliable alternative, while using only a fraction of the computational resources from other numerical treatments. / Mestre

Orientador: Antonio Padilha Feltrin / Coorientador: Carlos Roberto Minussi / Banca: Jose Roberto Sanches Mantovani / Banca: André Nunes de Souza / Resumo: As perdas de energia elétrica por fraudes, ligações clandestinas ou erro na medição são denominadas Perdas Não-Técnicas ou Perdas Comerciais e seu combate tem sido prioridade quer por empresas concessionárias de distribuição de energia elétrica, quer por órgãos reguladores. Nesse contexto, neste trabalho, implementa-se computacionalmente um sistema inteligente híbrido intercomunicativo específico que se baseia no emprego de diferentes técnicas oriundas da área de sistemas inteligentes tais como redes neurais e lógica fuzzy em módulos independentes e que se comunicam entre si. O sistema é baseado em três pilares: extração automática de conhecimento a partir da base de dados da concessionária, incorporação na metodologia do conhecimento e experiência de especialistas e, em último, consultas na base de dados por características específicas de cada cliente. A metodologia utiliza simultaneamete inúmeros dados reais de entrada de natureza diversa e combina várias técnicas a fim de verificar o risco percentual de cada cliente de possuir alguma anomalia que implique em perda comercial. Além dos dados cadastrais e do histórico de consumo mensal dos clientes, comumente utilizados pelos trabalhos orientados à detecção de perdas comerciais, a metodologia proposta utilizou também dados adicionais tais como a lista de nomes e de atividades suspeitas. A utilização de dados adicionais possibilitou uma melhoria na detecção de clientes anômalos, grande parte dos quais seriam possivelmente considerados normais pelos trabalhos da literatura avaliada. Neste trabalho, pretende-se detectar as perdas comerciais de maneira mais rápida e precisa possível. Investigações adicionais devem ser feitas posteriormente para encontrar quais são as causas que culminaram em altas perdas comerciais em... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Electrical energy losses due to theft, fraud or error in the measurement are called Non-Technical Losses and their reduction has been a priority utilities power and by regulators. In this context, this paper presents the computational implementation of an intelligent hybrid system that combines techniques such as neural networks and fuzzy logic. The system is based on three pillars: knowledge extraction from the database utility, incorporating the methodology of knowledge and experience of experts and queries the database for specific features of each client. The methodology uses several simultaneous input of diverse nature and combines several techniques to verify the percentage risk of each customer to have some problem to configure non-technical losses as fraud, defective in the measurement system. In this paper, the main objective is to locate the focus of the problem more quickly. Further investigations should be made later to find what are the causes that resulted in high nontechnical losses in a feeder or in a specific region. This work covers the registered customers at utilities power, especially residential... (Complete abstract click electronic access below) / Mestre

Orientador: José Roberto Sanches Mantovani / Banca: Rubén Augusto Romero Lázaro / Banca: Anna Diva Plasencia Lotufo / Banca: Rogério Andrade Flauzino / Banca: Edgar Manuel Carreño Franco / Resumo: Neste trabalho apresenta-se uma metodologia para a localização e diagnóstico automático de faltas em alimentadores de distribuição de energia elétrica através do uso combinado de técnicas de análise de redes, processamento de sinais e sistemas inteligentes. Foram desenvolvidos algoritmos capazes de detectar, classificar e localizar no tempo e espaço, os eventos de qualidade de energia. O procedimento contínuo de detecção de distúrbios é realizado através de análises estatísticas diretas e multinível dos sinais de correntes no domínio wavelet, registrados na subestação. As principais características, ou índices comportamentais, dos sinais das correntes e tensões são extraídas empregando-se a transformada wavelet discreta, a análise multirresolução e o conceito de energia do sinal. Estes índices correspondem aos vetores de entrada de um conjunto de redes neurais ARTMAP Fuzzy independentes, que tem por finalidade estimar o tipo de falta e quais eventos de qualidade de energia estão presentes no sinal amostrado. Os padrões de entrada destas redes são compostos pela energia dos coeficientes dos quatro primeiros níveis de detalhes e aproximações dos sinais de tensão e corrente e, na saída dessas redes, como resposta, tem-se o código do tipo de distúrbio e as fases envolvidas no problema. A localização do distúrbio é realizada após o processo de classificação, sendo que a técnica de localização de faltas proposta aplica-se a alimentadores trifásicos radiais ou fracamente malhados, com cargas desequilibradas, ramais laterais trifásicos, bifásicos ou monofásicos e que possam apresentar geração distribuída. O sistema de diagnóstico e localização de faltas proposto neste trabalho é capaz de auxiliar as concessionárias de energia em sua rotina de trabalho, fornecendo informações importantes para... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: This work presents a methodology for automatic diagnosis and fault location on electric power distribution systems through the combined use of modern techniques of network analysis, signal processing and, intelligent systems. Some algorithms were developed aiming to detect, classify and locate in time and space the power quality disturbances. The continuous process of detecting these disturbances is accomplished through statistical analysis and direct current multilevel signal analysis in wavelet domain, recorded in the substation. The main characteristics, or behavioral indices, of the current and voltage signals are extracted employing the discrete wavelet transform, multiresolution analysis and the concept of signal energy. These indexes correspond to the input vectors of a number of independent Fuzzy ARTMAP neural networks, which aim to estimate the fault type and the power quality events that are present in the sampled signal. The input patterns of these networks are composed by energy coefficients of the first four levels of details and approximations of current and voltage signals and, the output network presents the disorder type code and the phases involved in the problem. The fault location is performed after the classification process, and the proposed technique applies to three-phase radial or weakly meshed feeders with unbalanced loads, lateral extensions triphasic, biphasic or, monophasic and presenting distributed generation. The system diagnosis and fault location proposed in this paper are able to assist the utilities in their daily works, providing important information for the operation and maintenance of power distribution systems, minimizing the repairing time and, consequently, obtaining less financial losses due to rapid fault diagnosis and restoration of the normal system operation. A real life three-phase... (Complete abstract click electronic access below) / Doutor

Orientador: Carlos Roberto Minussi / Banca: Mara Lúcia Martins Lopes / Banca: José Guilherme Magalini Santos Decanini / Resumo: 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 / Abstract: 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 / Mestre

Orientador: Carlos Roberto Minussi / Coorientador: Anna Diva Plasencia Lotufo / Banca: Mara Lúcia Martins Lopes / Banca: Sandra Cristina Marchiori de Brito / Resumo: Após a liberação do mercado elétrico boliviano, tornou-se crucial, para as empresas concorrentes no setor elétrico, tentar prever o preço da energia num horizonte de curto prazo, dado que, a partir dessas estimativas, as companhias geradoras podem otimizar suas estratégias de oferta e assim mesmo maximizar seu lucro. Neste estudo, será abordado o problema de previsão usando técnicas de inteligência artificial, especificamente utilizando redes neurais artificiais para prever o preço num horizonte de 24 horas; se utilizará uma rede não-linear autorregressiva com entradas exógenas (NARX) e uma rede neural de reconhecimento de padrões, com o fim de identificar qual destas apresenta melhores resultados de predição / Abstract: With the improvement of the Bolivian electricity market, it becomes important for all the participants of the electricity sector the prediction of the energy price in a short time horizon, giving with this the opportunity to the generating companies to optimize their supply strategies and maximize their profit. In this work, the problem of prediction will be approached using artificial intelligence techniques, specifically the use of an artificial neural network to price prediction for a 24 hours horizon, using a nonlinear autoregressive network with exogenous inputs (NARX) and a pattern recognition network in order to identify the best results of the prediction / Mestre