Made available in DSpace on 2014-06-11T19:22:25Z (GMT). No. of bitstreams: 0 Previous issue date: 2006-06-30Bitstream added on 2014-06-13T19:48:44Z : No. of bitstreams: 1 sartori_lr_me_prud.pdf: 1503241 bytes, checksum: 70f9983e4d75d8593ab7f2d397146db7 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Imagens multiespectrais de alta resolução espacial podem se constituir em uma fonte de dados adequada para o mapeamento de processos associados ao desenvolvimento de culturas agrícolas, como a detecção de plantas daninhas. A aerofotogrametria convencional e imagens de satélite de alta resolução espacial são alternativas para aquisição dessas imagens. Entretanto, devido ao custo elevado da aquisição destas imagens, tem sido desenvolvido, pelo Departamento de Cartografia da Faculdade de Ciências e Tecnologia da UNESP de Presidente Prudente, um Sistema de Sensoriamento Remoto Aerotransportado (SRA), capaz de oferecer resolução espacial sub-métrica. Este trabalho considerou a hipótese de que a partir de imagens adquiridas pelo Sistema é possível discriminar graus de infestação de plantas daninhas em culturas de café. Para investigar esta hipótese, foi realizado o mapeamento de plantas daninhas utilizando dois diferentes métodos: classificação de imagens multiespectrais (classificação por redes neurais artificiais - RNA) e análise geoestatística (krigagem por indicação com dados indiretos). Os mapas temáticos foram submetidos à análise da qualidade temática. A krigagem por indicação apresentou resultados suavizados e confusos, ao contrário da classificação por RNA, a qual se constituiu num método eficiente para o objetivo proposto, confirmando a hipótese inicial da investigação. / Multispectral images with high spatial resolution can be a suitable data source for the mapping of processes associated to the crop development, as detection of weed. The aerial photogrammetry and satellite image of high spatial resolution are alternatives for the aquisition of these images. However, due to the high cost of these images, a Sistema de Sensoriamento Remoto Aerotransportado - SRA, which is capable of to offer sub-metric spatial resolution has been developed by the Department of Cartography, FCT/Unesp (Presidente Prudente). This work taked into account the hypothesis that is possible to discriminate infestation degree of weed in coffee crop from high spatial resolution multispectral images. To investigate this hypothesis, it was accomplished the mapping using two different methods: multispectral images classification (artificial neural networks classification) and geoestatistics analysis (Indicator kriging with soft data). The thematics maps were submitted to the analysis of thematic quality. The indicator kriging showed smoothed and confused results instead of the artificial neural networks classification, whose results were efficient for the purpose, confirming the initial hypothesis of the investigation.

Made available in DSpace on 2014-06-11T19:22:31Z (GMT). No. of bitstreams: 0 Previous issue date: 2009-08-28Bitstream added on 2014-06-13T18:08:26Z : No. of bitstreams: 1 matos_er_me_ilha.pdf: 2466056 bytes, checksum: fd089ec7147abd26c94fadfe5e17bb85 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Neste trabalho apresenta-se uma Metodologia para Detecção e Classificação de Curtos-Circuitos em alimentadores de Sistemas de Distribuição de Energia Elétrica fundamentada na análise de registros oscilográficos através da DFT (Discrete Fourier Transform) e de RNAs (Redes Neurais Artificiais). Sua aplicação pressupõe a disponibilidade de registros de oscilografia digital das correntes nas três fases do alimentador, monitoradas apenas na saída da subestação. A caracterização de cada tipo de curto-circuito é obtida mediante a análise do comportamento dinâmico das correntes de fase durante o período transitório das faltas e a detecção e classificação dos curtos-circuitos são efetuadas por meio de um banco de RNAs acíclicas, do tipo perceptrons, de múltiplas camadas. Um modelo de um alimentador real de Sistema de Distribuição de grande porte, composto por 836 barras, foi utilizado na obtenção dos dados referentes aos curtos-circuitos, com simulações via software ATP-EMTP (Alternative Transients Program - Electromagnetic Transients Program). O método foi implementado e testado utilizando-se o software MATLAB®. Como resultado tem-se uma metodologia de formulação simples que apresenta bom desempenho, é de fácil implementação, apresenta baixa carga computacional e gera resultados altamente satisfatórios / This work proposes a methodology for Detection and Classification of Short-Circuits in Distribution Electric Power feeders, based on the analysis of oscillograph records through the application of DFT (Discrete Fourier Transform) and ANNs (Artificial Neural Networks). Its application requires the availability of digital oscillograph records of the currents in the three phases of the feeder, only monitored at the output of the substation. The characterization of each type of short-circuit is obtained by means of analysis of the dynamic behavior of the phase currents during the transitory period. The detection and classification of short-circuits is performed by a bank of acyclic ANNs, of type multilayers perceptrons. A real feeder model of a large distribution power system, composed of 836 buses, was used to obtain data relating to short-circuits, simulated via ATP-EMTP (Alternative Transients Program - Electromagnetic Transients Program) software. The method was implemented and tested using MATLAB®. As a conclusion, the proposed method is simple to be implemented, presents low computational load and generates good results

Made available in DSpace on 2014-06-11T19:22:32Z (GMT). No. of bitstreams: 0 Previous issue date: 2010-11-26Bitstream added on 2014-06-13T19:28:04Z : No. of bitstreams: 1 campos_jr_me_ilha.pdf: 1235138 bytes, checksum: 9965ccc979ea59bf6f2a7e8558692b7b (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / A previsão de carga, considerada essencial no planejamento da operação energética e nos estudos de ampliação e reforços da rede básica, assume importância estratégica na extensão comercial, valorizando os processos de armazenamento desses dados e da extração de conhecimentos através de técnicas computacionais. Nos últimos anos, diversos trabalhos foram publicados sobre sistemas de previsão de cargas (demanda) elétricas. Nos horizontes de curto, médio e longo prazo, os modelos neurais, estão entre os mais explorados. O objetivo deste trabalho é apresentar um sistema previsor de cargas elétricas de forma simples e eficiente através de sistemas baseados em redes neurais artificiais com treinamento realizado pelo algoritmo back-propagation. Para isto, optou-se pelo desenvolvimento de um software utilizando os paradigmas de programação orientada a objetos para criar um modelo neural de fácil manipulação, e que de certa forma, consiga corrigir o problema dos mínimos locais. Em geral, o sistema desenvolvido é capaz de atribuir os parâmetros da rede neural de forma automática através de processos exaustivos. Os resultados apresentados foram comparados utilizando outros trabalhos em que também se usaram-se os dados da mesma companhia elétrica. Este trabalho apresentou um ganho de desempenho bem satisfatório em relação a outros trabalhos encontrados na literatura para a mesma classe de problemas / Load Forecasting is essential in planning and operation of power systems, in enlarging and reinforcing the basic network, is also very important commercially, valorizing the filing process of these data and extracting knowledge by computational techniques. Lately, several works have been published about electrical load forecasting. Short term, medium term and long term horizons are equally studied. The objective of this work is to present an electrical load forecasting system, which is simple and efficient and based on artificial neural networks whose training is with the back-propagation algorithm. Therefore, a software is developed using the paradigms of the object oriented programming technique to create a neural model which is ease to manipulate, and able to correct the local minimum problem. This system attributes the neural parameters automatically by exhaustive procedures. Results are compared with other works that have used the same data and this work presents a satisfactory performance when compared with those and others found in the literature

Made available in DSpace on 2014-06-11T19:22:32Z (GMT). No. of bitstreams: 0 Previous issue date: 2012-02-24Bitstream added on 2014-06-13T18:49:32Z : No. of bitstreams: 1 silva_taa_me_ilha.pdf: 370447 bytes, checksum: b861e5232da4742a12b7ae39aa142840 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Atualmente os sistemas elétricos de potência crescem em tamanho e complexidade e se faz necessário criar alternativas para minimizar o custo total de geração e operação. A previsão de cargas é uma tarefa importante para o planejamento e operação dos sistemas elétricos, pois dela dependem outras tarefas como despacho econômico, fluxo de potência, análise de estabilidade, entre outras. Para tanto esta tarefa deve ser precisa para que o sistema opere de forma segura e confiável. A precisão da previsão é de grande importância já que é através dela que é estabelecida quando e quanto de capacidade de geração e transmissão deve-se dispor para atender a carga prevista sem interrupções no fornecimento. O objetivo deste trabalho é desenvolver um modelo híbrido utilizando os modelos ARIMA de Box & Jenkins e Redes Neurais Artificiais com treinamento realizado pelo algoritmo de Levenberg-Marquartd. Este modelo será utilizado com a finalidade de melhorar a precisão dos resultados com relação à previsão de cargas elétricas a curto prazo. Os resultados obtidos através da metodologia proposta, modelo híbrido de regressão com redes neurais artificiais, foram comparados com demais trabalhos da literatura. É importante destacar que os resultados utilizados na comparação usam o mesmo banco de dados históricos (demanda de carga elétrica) de uma companhia do setor elétrico brasileiro, bem como o mesmo período de janelamento / Nowadays the electric power systems are increasing and becoming complexes and therefore it is necessary to provide alternatives to minimize the generation and operation costs. Load forecasting is a very important task for planning and operation of electric power systems of which other tasks are dependent, as for example, economic dispatch, power flow, and stability analysis, among others. Therefore, this task (load forecasting) must be precise for a secure and reliable operation of the power system. Forecasting precision is very important to set when and how much generation and transmission capacity is necessary to attend the load without interruptions. The objective of this work is to develop a hybrid model using ARIMA of Box & Jenkins and Neural Networks trained by Levenberg-Marquardt algorithm. This model is used aiming to improve the precision of the short term electrical load forecasting. The results obtained were compared with others available on the literature. It is emphasized that the data used is the same (from a Brazilian electric company) as well as the window period

Made available in DSpace on 2014-06-11T19:22:34Z (GMT). No. of bitstreams: 0 Previous issue date: 2013-02-28Bitstream added on 2014-06-13T19:28:06Z : No. of bitstreams: 1 santosjunior_cr_me_ilha.pdf: 674616 bytes, checksum: 0eb6d5afdb466f77cd53efea2c4e4db7 (MD5) / O problema de mensagens não solicitadas pelos usuários em meios de comunicação eletrônica, apesar de ter surgido antes mesmo da popularização da Internet, ainda é um assunto preocupante. Desperdício de largura de banda, perda de tempo, de produtividade e de dados, ou atraso na leitura de e-mails legítimos, são alguns dos problemas que as mensagens não solicitadas, ou Spams, podem causar. Diversas técnicas de filtragem automática de e-mails são apresentadas na literatura, porém muitas destas não oferecem a possibilidade de adaptação, já que o problema em sistemas reais tem como um de seus principais aspectos ser dinâmico, ou seja, mudar constantemente de características com intuito de evadir as técnicas de filtragem. Neste trabalho é desenvolvido um filtro anti-spam utilizando uma técnica de préprocessamento disponível na literatura, no qual os e-mails são submetidos à extração e seleção de características; e uma Rede Neural Artificial baseada na Teoria da Ressonância Adaptativa, para detecção e classificação de Spams. Tais redes neurais possuem grande capacidade de generalização e adaptabilidade, características importantes para um bom desempenho de filtros anti-spam. O modelo proposto neste trabalho é testado a fim de se validar a eficiência do filtro. / The problem in receiving non desired messages in electronic communication systems is a very hard task; even it has begun before the popularization of Internet. The problems that these kinds of messages can cause are among others: waste of time, waste of band width, productivity and data or delay in reading the real e-mails. Several e-mail automatic filtering techniques are presented in the literature, however many of them without capacity of adaptation, while the problem in real systems must be dynamical, i.e. avoid filtering techniques. This work develops a SPAM filtering using a pre processing technique available in the literature, where the e-mails are submitted to extract and select the characteristics; and a neural network based on the resonance adaptive theory to detect and classify the SPAMS. These neural networks have capacity in generalization and adaptation, important characteristics of good performance of SPAM filters. The proposed model is submitted to several tests to validate the efficiency of the filter.

Made available in DSpace on 2014-06-11T19:22:34Z (GMT). No. of bitstreams: 0 Previous issue date: 2012-07-06Bitstream added on 2014-06-13T19:06:56Z : No. of bitstreams: 1 nakai_me_me_bauru.pdf: 1283452 bytes, checksum: 5ebf100ffa4e540491cc04b24baa3e2b (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Cada vez mais se observa a substituição de peças metálicas por peças cerâmicas devido às suas excelentes propriedades físicas, químicas e mecânicas. No entanto, muitas destas características que fazem a cerâmica tão atrativa também dificultam a sua fabricação por métodos tradicionais de usinagem. Esse estudo teve como objetivo o desenvolvimento de modelos neurais baseados nos sinais de emissão acústica (EA) e potência de corte para estimar os valores de regosidades da peça bem como estimar o desgaste do rebolo durante o processo de retificação de cerâmicas avançadas. Para os ensaios foi utilizada uma máquina retificadora tangencial plana com rebolo diamantado e corpos de prova de cerâmica Alumina. Foram definidas três condições de cortes com profundidades de corte de 120um, 70 um e 20um, velocidade do rebolo de 35m/s e velocidade da mesa de 2,3m/s. Foram utilizados quatro modelos neurais, Redes Neurais Perceptron Múltiplas Camadas (MLP), Redes Neurais de Função de Base Radial (RBF), Redes Neurais de Regressão Generalizada (GRNN) e o Sistema de Interferência Adaptável Neuro-Fuzzy (ANFIS). Para melhor comparação entre os desempenhos dos modelos neurais utilizados no estudo foi desenvolvido um algoritmo para executar o treinamento de todas as combinações possíveis de entradas, assim como suas características, tais como a quantidade de neurônios, a quantidade de camadas e o espraiamento (define o tamanho do agrupamento). Os resultados mostraram um ótimo desempenho das redes neurais empregadas. Os erros obtidos foram menores que 0,5% para rugosidade média aritmética e menores que 4% para o desgaste da ferramenta. Os modelos neurais propostos satisfazem as necessidades da estimação da rugosidade bem como do desgaste da ferramenta, viabilizando a implementação futura em um hardware dedicado / Metal parts have increasingly been replaced by ceramics due to its excellent physical, chemical and mechanical, characteristics. However, many of these characteristics that make advanced ceramics so attractive also make it difficult to manufacture by traditional machining methods. Thjis study aimed to develop neural models based on signals of acoustic emission (AE) and cutting power as well as statistics derived from them to estimate the workpiece surface roughness and wear of the grinding wheel during the grinding of ceramics. A surface grinding machine with a diamond grinding wheel and alumina ceramic workpieces were used in the experimental tests. Three grinding conditions were applied with dephs of cut of 120um, 70um and 20um, grinding wheel speed of 35 m/s and table of 2.3m/s. Four neural models were used in this work by using Multilayer Perceptron Neural Networks (MLP), Radial Basics Function Neural Networks (RBF), General Regression Networks (GRNN) and Adaptive Neuro-Fuzzy Interference System (ANFIS). An algorithm was developed to train all possible combinations of inputs and other characterisitcs such as the number of neurons, number of layer and spread in order to better compare the performances of the neural models used in this study. The results showed a good performance of the neural network models employed. The errors obtained were lower than 0.5% for the average surface roughness and lower than 4% for the tool wear. The neural models proposed meet the needs of the estimation of surface roughness and tool wear, enabling a future implementation on dedicated hardware

Made available in DSpace on 2014-06-11T19:22:34Z (GMT). No. of bitstreams: 0 Previous issue date: 2011-12-13Bitstream added on 2014-06-13T20:09:49Z : No. of bitstreams: 1 geronimo_tm_me_bauru.pdf: 1704386 bytes, checksum: 1a6dd612ef17da8f95f721e29761eddc (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / O monitoramento de processos de fabricação pro usinagem tem se mostrado de extrema importância nas empresas que buscam um nível de excelência em qualidade, auxiliando na melhor alocação de recursos e redução de desperdícios oriundos de peças com problemas de qualidade. Abordagens multisensoriais têm sido empregadas no monitoramento desses processos com o objetivo de utilizar os sinais no treinamento de sistemas de inteligência artificial na tarefa de indicar desvios nas ferramentas ou no produto sendo fabricado. Neste trabalho, três sistemas de inteligência artificial foram utilizados com o o objetivo de prover estimativas para o diâmetro de furos obtidos por processo de furação de precisão. Uma rede neural artificial perceptron de múltiplas camadas (RNA MLP), um sistema de inerferência adaptável neuro-fuzzy (ANFIS) e uma rede neural artificial com função de base radial (RBF) foram treinados com os dados obtidos com os sensores para estimar os diâmetros dos furos para cada material de corpo-de-prova. A definição da melhor configuração para cada sistema de inteligência artificial foi obtida através de algoritmos desenvolvidos para verificar a influência dos sinais e dos parâmetros particulares de cada sistema sobre o resultado final da estimativa. Os resultados obtidos indicam que a RNA MLP apresenta maior robutez perante a variação nos dados apresentados. O sistema ANFIS e a rede RFB mostraram que seu resultado varia acentuadamente quando há variações nos dados apresentados no treinamento, requerendo que estes sistemas sejam treinados sempre com o conjunto de dados apresentados na mesma ordem. A análise de influência dos sinais mostrou que, embora a abordagem multisensorial apresente bons resultados na rede MLP, o mesmo não se repetiu para os demais sistemas... / The supervision of manufacturing process by machining has been extremely important in companies which aim an excellence level in quality, helping on best assets allocation and waste reduction originated from pieces with quality problems. Multi-sensory approaches have been employed in the supervision of these processes aiming the use of signals in the training of artificial intelligence systems in order to indicate deviations in tools or in product being manufactured. Turning, grinding, milling and drilling have benn the target of the application of these supervision intelligence systems. In this work these artificial intelligence systems were applied in order to provide estimations for the diameters of the holes obtained by precision drilling process. A Multilayer Perceptron Neural Network (ANN MLP), and adaptive neuro-fuzzy inference system (ANFIS) and an artificial neural network with radial basis function (RBF) were trained with the data obtained from the sensors to estimate the hole diameters for each material of the test pieces. The definition of the best configuration for each artificial intelligence system was obtained through algorithms developed to verify the signals influence and particular parameters of each system concerning the final estimation result. The tests results were analyzed under three criteria: the absolute and medium errors, the system capacity of obtaining correct results for each estimation - classifying them as approved or rejected - and the error analysis regarding the necessary tolerance classes to maintain process within the limits of precision mechanics. The results obtained indicate that the ANN MLP presents higher robustness before variation in the data presented. The ANFIS system and RFB network have shown that their result vary sharply when there are data variations presented in training... (Complete abstract click electronic access below)

Made available in DSpace on 2016-06-02T19:05:26Z (GMT). No. of bitstreams: 1 1622.pdf: 14562973 bytes, checksum: 4eed3e493875c03ce1ce69357b3a29f1 (MD5) Previous issue date: 2007-08-29 / This work presents the space variant noise filtering of tomographic projections based on the Kalman filter. For development and filter selection it was evaluated different modalities of the Kalman filter, as well as included the use of Ascombe transform and neural network. Results were analyzed by means of Improvement in Signal to Noise Ratio (ISNR) measurements, which were obtained in a region of interest (ROI) on the resultant images, reconstructed with the use of a backprojection algorithm. In this context the results qualified the unscented Kalman filter with a neural network as the best configuration for filtering of soil tomographic projections. / Neste trabalho é apresentada a filtragem de projeções tomográficas com ruído variantes no espaço com base na filtragem de Kalman. Para o desenvolvimento e seleção dos filtros foram avaliadas diferentes modalidades da configuração de Kalman, incluindo o uso da transformada de Anscombe e redes neurais. Resultados foram analisados com base em medidas da melhoria na relação sinal/ruído (ISNR), as quais foram obtidas em uma região de interesse (ROI) nas imagens resultantes, reconstruídas com o uso do algoritmo de retroprojeção. Neste contexto os resultados qualificaram o filtro de Kalman descentralizado com uma rede neural possuindo três camadas do tipo perceptron como a melhor opção para a filtragem de projeções tomográficas da ciência do solo.

Made available in DSpace on 2014-06-11T19:29:39Z (GMT). No. of bitstreams: 0 Previous issue date: 2012-08-02Bitstream added on 2014-06-13T19:38:55Z : No. of bitstreams: 1 jodas_ds_me_sjrp.pdf: 1056058 bytes, checksum: eb5f8e6ec063430577edbf081cc017c4 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / A utilização de robôs móveis mostra-se importante em atividades onde a atuação do ser humano é difícil ou perigosa. A exploração em locais de difícil acesso, como por exemplo em operações de resgate e em missões espaciais, é uma situação onde robôs móveis são frequentemente utilizados para evitar exposição dos especialistas humanos a situações de riscos. Na agricultura, robôs móveis são utilizados em tarefas de cultivo e na aplicação de agrotóxicos em quantidades mínimas para reduzir a poluição do meio ambiente. Neste trabalho é apresentado o desenvolvimento de um sistema para controlar a navegação de um robô móvel autônomo por caminhos em plantações. O controle da direção do robô é realizado com base em imagens das trilhas as quais, após um processamento prévio, para extração de características, são submetidas a máquinas de vetores de suporte, para a definição da rota a ser seguida. O objetivo do projeto no qual este trabalho se insere é o controle do robô em tempo real, para tanto, o sistema foi implementado em hardware para mostrar que o ganho de desempenho pode ser melhor em relação à execução em software. Neste trabalho, relata-se a implementação de uma máquina de vetores de suporte a qual apresentou uma precisão em torno de 93% da rota adequada / The use of mobile robots turns out to be interesting in activities where the actions of human beings is difficult or dangerous. The exploration in areas of difficult access, such as in rescue operations and in space missions, is a situation where mobile robots are often used to avoid exposure of human experts to risky situations. In agriculture, mobile robots are used in tasks of cultivation and application of pesticides in minute quantities to reduce environmental pollution. In this paper we present the development of a system to control an autonomous mobile robot navigation through tracks in plantations. Track images are used to control robot direction by preprocessing them to extract image features, and then submitting such characteristic features to a support vector machine to find out the most appropriate route. As the overall goal of the project to which this work is connected is the robot control in real time, the system was embedded onto a hardware platform to show that the performance gain can be better if compared to execution in software. However, in this paper we report the software implementation of a support vector machine, which presented around 93% accuracy in predicting the appropriate route

Orientador: Fábio Roberto Chavarette / Resumo: Diante da constante necessidade de avanço tecnológico na agricultura para promover o aumento da produtividade e seguranças aos indivíduos envolvidos no processo, esta pesquisa apresenta o desenvolvimento de um sistema inteligente, utilizando redes neurais artificiais, aplicado ao monitoramento e análise de falhas estruturais em um trator. Simulou-se o trator por meio de um modelo numérico, representado através de equações diferenciais, o qual gera sinais conforme se alteram os parâmetros de velocidade do trator e a distância entre as saliências no solo. Para a análise, identificação e classificação dos dados simulados computacionalmente, foi utilizado uma rede neural do tipo ARTMAP-Fuzzy, que utiliza conceitos da Teoria da Ressonância Adaptativa, cujo algoritmo foi desenvolvido utilizando o programa Matlab. A principal aplicação deste sistema é inspecionar a estrutura do trator objetivando sua melhor conservação, indicando se o mesmo encontra-se em condições normais ou em caso de falha estrutural. Caso uma falha seja detectada, é possível classificar seu tipo. Os resultados evidenciados foram obtidos por meio de média simples entre as execuções do sistema, em virtude de se elevar a veracidade das informações demonstradas. Os resultados obtidos na aplicação da rede neural ao problema especificado mostraram-se ser satisfatórios. / Abstract: Faced with the constant need for technological advancement in agriculture to promote increased productivity and security to individuals involved in the process, this research presents the development of an intelligent system using artificial neural networks applied to the structural health monitoring and analysis of failure on a tractor. The tractor was simulated by means of a numerical model built by differential equations, which generates signals according to the parameters of tractor's speed and the distance between consecutive protrusions on the ground. For the analysis, identification and classification of computationally simulated data, a artificial neural network known as ARTMAP-fuzzy was used, which uses concepts of Adaptive Resonance Theory, whose algorithm was developed using Matlab. The main application of this system is to inspect the tractor structure aiming its better conservation, indicating whether it is in normal conditions or in case of structural failure. If the fault was detected, it is possible to classify the type of failure identified. The disclosed results were obtained by simple average between the executions of the system, because to increase the accuracy of the information shown. The results obtained in the application of artificial neural network to the specified problem proved to be satisfactory. / Mestre