Made available in DSpace on 2014-06-11T19:28:21Z (GMT). No. of bitstreams: 0 Previous issue date: 2012-07-06Bitstream added on 2014-06-13T19:36:43Z : No. of bitstreams: 1 moia_dfg_me_bauru.pdf: 2028523 bytes, checksum: a4957573090c9f2211022b6a4fceb9b6 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / O processo de retificação confere à peça o acabamento final, minimizando as irregularidades superficiais através de interações entre os grãos abrasivos de uma ferramenta (rebolo) e peça retificada. O desgaste do rebolo devido ao atrito entre o rebolo e a peça retificada torna a ferramenta inadequada para nova utilização, sendo necessária a realização do processo de dressagem do rebolo para remoção e ou avivamento dos grãos gastos de sua superfície de corte, de forma e deixá-lo em condições para novo uso. O presente trabalho tem como objetivo classificar a condição do rebolo durante a operação de dressagem utilizando o sinal de emissão acústica (EA) e estatísticas derivadas desse sinal, por meio de redes neurais artificiais. Nos experimentos realizados usou-se um rebolo de óxido de alumínio instalado em uma retificadora plana, um sistema de aquisição de sinais e um dressador de ponta única de diamante. O processamento digital de sinais foi obtido através do software MATLAB. Os ensaios foram realizados com diferentes graus de recobrimento e profundidade de dressagem. A partir dos dados obtidos de EA puro, calculou-se o valor médio quadrático (RMS), bem como mais duas estatísticas, as quais já foram empregadas com sucesso em trabalhos de detecção de queima, no processo de retificação. Essas estatísticas também se mostraram bons indicadores para o monitoramento da operação de dressagem. Uma rede neural perceptron multicamadas (MLP) foi utilizada com o algoritmo de aprendizado Levenberg-Marquardt, cujas entradas foram as duas estatísticas mencionadas e o valor RMS de EA. Os resultados mostram que o método empregado foi capaz de classificar as condições do rebolo no processo de dressagem, identificando o rebolo como afiado (com capacidade de corte) e rebolo se afiação (com perda de capacidade de corte), viabilizando a redução do tempo e custo dessa operação e minimizando a remoção excessiva / The grinding process gives the piece a final finish by minimizing surface irregularities through interactions between the abrasive grains of a tool (wheel) and the part to be ground. The wear of the grinding wheel due to excessive friction between the grinding wheel and ground workpiece makes the tool unsuitable for further use; it is imperative the accomplishment of the process of dressing the grinding wheel to remove or resharpen the worn grains of its surface in order to make if suitable for use again. The present study aims to classify the condition of the grinding wheel during operation using acoustic emission (AE) signal and statistics derived from this sinal through artificial neural networks. In the experiments an aluminum oxide grinding wheel installed to a surface grinding machine was used along with a data acquisition system and a single point diamond dresser. The digital processing of these data was obtained using the MATLAB software. Tests were performed with different overlap ratio and depth of cut. The root mean square value of the AE signal as well as two other statistics were obtained from the raw acoustic emission signal, which have been successfully used in grinding burn detection. These statistics were also good indicators for monitoring the dressing operation. A multilayer perceptron neural network (MLP) was used with the learning algorithm Levenberg-Marquardt, whose inputs were the statistics previously mentioned and dressing conditions. The results show that the method used was able to classify the conditions of the grinding wheel in the process of dressing, identifying the wheel as sharp (cutting capacity) and dull (with loss of cutting capacity), enabling the reduction of time and cost of operation and minimizing the excessive removal of the wheel abrasive material

Made available in DSpace on 2014-06-11T19:22:31Z (GMT). No. of bitstreams: 0 Previous issue date: 2010-02-19Bitstream added on 2014-06-13T20:09:42Z : No. of bitstreams: 1 martins_jrd_me_ilha.pdf: 2522090 bytes, checksum: f59e117ff382b22406c99cdc0096ef37 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Este trabalho apresenta uma metodologia para detecção e classificação de faltas do tipo curto-circuito. Esta operação de diagnóstico tem como principal operador um banco de redes neurais artificiais (RNAs) do tipo ARTMAP Nebulosa. Tal ferramenta segue a principal filosofia das RNAs: o reconhecimento de padrões, através de um trei- namento supervisionado inicial, responsável por atualizar os parâmetros das redes con- comitantemente com os resultados desejados. Finalizada a fase de adaptação, as redes serão capazes de, após receber novos padrões, classificá-los, de forma a propiciar, ao operador, informações importantes quanto ao estado de transmissão de barras presentes em um determinado complexo elétrico. Aqui, tomou-se como modelo a simulação de um grande alimentador real, composto por mais de 800 barras. Aliados às RNAs, tam- bém foram aplicadas, no que se refere à análise de dados amostrados de corrente elétri- ca, duas importantes e flexíveis ferramentas matemáticas: a Transformada de Fourier e a Transformada Wavelet. .Observa-se, ao final do trabalho, que os resultados apresenta- dos são bastante encorajadores, o que possibilitaria a utilização do programa em um ambiente real / This work presents a detection and classification of short-circuit faults metho- dology. The main operator of this diagnostic operation is a Fuzzy ARTMAP Artificial Neural Networks (ANN) bank. This tool follows the ANN’s main core: pattern recogni- tion, through an initial supervised training stage, responsible for updating the parame- ters of the networks con-comitant with the desired results. Completed the adaptation phase, the network will be able to, after receiving new standards, classifying them in order to provide to the operator important information about the state of transmission of bars present in a given complex electric. Here, there is, like a model, a simulation of a real big feeder, comprising more than 800 bars. Besides the ANNs, two important and flexible mathematical tools were also applied with regard to the analysis of sampled data of electric current: Fourier Transform and Wavelet Transform. At the end of the work the results presented are very encouraging, which would allow the use of the pro- gram in a no simulations real environment

Made available in DSpace on 2014-06-11T19:22:32Z (GMT). No. of bitstreams: 0 Previous issue date: 2011-02-16Bitstream added on 2014-06-13T18:08:28Z : No. of bitstreams: 1 nosefilho_k_me_ilha.pdf: 1257365 bytes, checksum: f5d5c54cd646c650661ad9f32be4a6a4 (MD5) / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / Neste trabalho, dá-se ênfase à previsão de carga multinodal, também conhecida como previsão de carga por barramento. Para realizar esta demanda, há necessidade de dispor de uma técnica que proporcione a precisão desejada, seja confiável e de baixo tempo de processamento. O conhecimento prévio das cargas locais é de extrema importância para o planejamento e operação dos sistemas de energia elétrica. Para realizar a previsão de carga multinodal foram empregadas duas metodologias, uma que prevê as cargas individualmente e outra que utiliza as previsões dos fatores de participação e a previsão de carga global. O principal objetivo deste trabalho é elaborar um modelo de previsor de carga de curto prazo, genérico e que pode ser aplicado na previsão de carga multinodal. Para tanto, utilizou-se redes neurais de regressão generalizada (GRNN), cujas entradas são compostas de variáveis exógenas globais e de cargas locais, sem a necessidade da inclusão de variáveis exógenas locais. Ainda, projetou-se uma nova arquitetura de rede neural artificial, baseada na GRNN, além de propor um procedimento para a redução do número de entradas da GRNN e um filtro para o pré-processamento do banco de dados de treinamento. Os dados, para testar as metodologias e as redes neurais artificiais, são referentes a um subsistema de distribuição de energia elétrica da Nova Zelândia composto por nove subestações / In this work, it is emphasized the multi-nodal load forecast, also known as bus load forecast. To perform this demand, there it is necessary a technique that is precise, trustable and has a short-time processing. The previous knowledge of the local loads is of extreme importance to the planning and operation of the electrical power and energy systems. To perform the multi-nodal load forecast is employed two different methodologies, one that forecast the loads individually and another that uses the participation factors forecasts and the global load forecast. The main objective of this work is to elaborate a generic model of a short-term load forecaster, which can be applied to the multi-nodal load forecast. For this, it was used general regression neural networks (GRNN), with inputs based on external global factors and local loads, without the need of external local factors. Still, it was developed a new architecture of an artificial neural network based on a GRNN and proposed a procedure to reduce the number of input variables of the GRNN and a filter for preprocessing the training data. The dataset, to test the methodologies and the artificial neural networks, refers to a New Zealand electrical distribution subsystem composed of nine substations

Made available in DSpace on 2014-06-11T19:22:32Z (GMT). No. of bitstreams: 0 Previous issue date: 2010-11-19Bitstream added on 2014-06-13T18:49:32Z : No. of bitstreams: 1 menezes_mm_me_ilha.pdf: 769292 bytes, checksum: 4b80be15a6104228fa9612312498644f (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Este trabalho apresenta estudos referentes à estabilidade a pequenas perturbações do SEP, considerando a atuação de FACTS para o amortecimento das oscilações eletromecânicas de baixa frequência. São abordados os dispositivos FACTS TCSC (Thyristor Controlled Series Capacitor) e o SSSC (Static Synchronous Series Compensator). É realizada a representação e modelagem dos dispositivos FACTS no SEP inserindo no Modelo Sensibilidade de Potência. Para melhorar o desempenho do SEP no que se refere à estabilidade a pequenas perturbações, controladores suplementares são propostos para aumentar o desempenho dos dispositivos TCSC e SSSC, introduzindo o amortecimento necessário ao SEP. Adicionam-se os controladores suplementares POD no modelo modificado para os dispositivos TCSC e SSSC para verificar sua atuação. Para encontrar a melhor localização para instalação dos dispositivos é usado a teoria dos resíduos. Esta mesma teoria é usada também para o ajuste dos parâmetros dos controlares juntamente com outro ajuste feito através de Redes Neurais Artificiais (RNA), que é proposto como alternativa de comparação ao método dos resíduos. Simulações são efetuadas em um sistema teste simétrico para se verificar resultados e a eficácia do controlador POD (parâmetros ajustados pela RNA proposta), acoplados aos dispositivos FACTS, na manutenção da estabilidade a pequenas perturbações do SEP. Palavras-chave: Controladores POD. Estabilidade de sistema de potência. Redes neurais artificiais. TCSC e SSSC / This work presents studies referred to short term Electric Power System (EPS) perturbations, considering the actuation of FACTS devices for low frequency electromechanical oscillation damping. The devices considered are: FACTS TCSC (Thyristor Controlled Series Capacitor) and the SSSC (Static Synchronous Series Compensator). It is representation and modeling FACTS devices in the EPS inserting in the Power Sensitivity Model. To improve the performance of the EPS considering the short term perturbations, additional controllers are proposed to increase the performance of the TCSC and SSSC devices, introducing the necessary damping to the EPS. The additional POD controller is added to the modified model for TCSC and SSSC devices to verify the acting. The residual theory is used to find the best location to install the devices. The same theory is used to adjust the parameters of the controllers and an adjustment with Artificial Neural Networks (ANN) is proposed as an alternative to the residual method. Simulations are effectuated for a symmetric test system to verify the efficiency of the POD controller (parameters adjusted by the ANN proposed), coupled with the FACTS devices, to maintain the stability considering the short term perturbations

Made available in DSpace on 2014-06-11T19:22:33Z (GMT). No. of bitstreams: 0 Previous issue date: 2012-02-23Bitstream added on 2014-06-13T19:08:08Z : No. of bitstreams: 1 tonellineto_ms_me_ilha.pdf: 925562 bytes, checksum: 4d19e3ff6eabc4094e4ba90e7a4607b9 (MD5) / Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) / Esta pesquisa tem por objetivo o desenvolvimento de um sistema inteligente que realize o controle preventivo em sistemas de distribuição de energia elétrica. Trata-se de um procedimento para diagnosticar distúrbios possam provocar danos em componentes do sistema e, principalmente, a interrupção do fornecimento de energia aos consumidores. Este sistema inteligente será desenvolvido baseando-se no emprego da transformada wavelet, lógica fuzzy e redes neurais artificiais, em especial uma arquitetura da família ART (Adaptive Resonance Theory), a rede neural Fuzzy ARTMAP. Por ser uma arquitetura estável e plástica, esta permite a inclusão do módulo do treinamento continuado, o qual possibilita a extração do conhecimento sem a necessidade de reiniciar o processo de treinamento com a inclusão de novos padrões, diferentemente do que ocorre com a maioria das redes neurais. Este recurso possibilita usar um conjunto reduzido de padrões na fase de treinamento e, na medida em que forem realizadas as análises (aplicação), a extração do conhecimento é continuada, ou seja, trata-se de um sistema que busca o aperfeiçoamento com o passar o tempo. O sistema irá contemplar as principais anormalidades caracterizadas por distúrbios de tensão, curtos- circuitos e faltas de alta impedância. Por conseguinte, o objetivo refere-se ao desenvolvimento de um modelo embrionário capaz de incorporar permanentemente inovações com o propósito de torná-lo um sistema de inferência mais eficiente / This project aims to develop an intelligent system that performs the preventive control in electric power distribution systems. It is a procedure to disturbances diagnosis that can potentially cause damage to system’s components and, particularly, the interruption of electric power supply to consumers. This intelligent system is based on wavelet transform, fuzzy logic and artificial neural networks, in special the ART (Adaptive resonance Theory) family architecture, i.e., the Fuzzy ARTMAP. Due to the stability and plasticity characteristics, this architecture enables the introduction of the continuous training module, which allows the knowledge extraction without the need to restart the training process when a new training pattern is included, unlike what happens in most neural networks. Thus, it is possible to use a reduced set of patterns on the training phase and, as the analyses are performed, the extraction of the knowledge is continuous, i.e., a system that seeks to improve over time. The system will introduce the main disorders characterized by voltage disturbances, short-circuit faults and high impedance faults. Therefore, it deals with a methodology that can permanently incorporate new information to become an efficient inference system

Made available in DSpace on 2014-06-11T19:22:34Z (GMT). No. of bitstreams: 0 Previous issue date: 2010-07-30Bitstream added on 2014-06-13T18:08:32Z : No. of bitstreams: 1 cruz_ced_me_bauru.pdf: 2306291 bytes, checksum: 490ef2d600c46e48d97b175d02746256 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / A crescente competitividade do mercado, exigência por qualidade, padronização cada vez superior a necessidade de redução do desperdícios trazem cada vez mais a automação às indústrias. Por suas características, os processos automatizados podem ser melhorados com a utilização de métodos de controle e supervisão e, neste campo, a utilização de sensores e redes neurais artificiais têm cada vez mais destaque em pesquisa. No processo de furação, estudos relatam a aplicação bem sucedida destas técnicas na determinação do fim da vida de ferramentas, contudo, em muitas aplicações, apenas o controle do desgaste da broca não é suficiente para garantir a qualidade do produto. Diâmetro do furo usinado, rugosidade e a formação de rebarbas são alguns exemplos de importantes resultados do processo que não dependem exclusivamente da condição da ferramenta de corte, neste âmbito, estudos dedicados ao controle destas variáveis são limitados, senão inexistentes. Desta forma, este estudo foi conduzido buscando gerar uma contribuição à supervisão do processo de furação com foco na estimação do diâmetro e rugosidade do furo usinado. Utilizando um sistema multi sensores instalados em uma máquina ferramenta e corpus de prova compostos por uma liga de titânio seguida de uma liga de alumínio, registraram-se os sinais dos sensores durante o corte para variados parâmetros de usinagem. Os dados coletados serviram de entrada a uma rede neural artificial, que foi treinada com os valores de diâmetro e rugosidade medidos parte das amostras. Depois do treinamento, a rede capacitou-se a estimar os valores de diâmetro e rugosidade média a partir dos sinais coletados somados aos parâmetros de corte utilizados na concepção do furo. Os erros dos processo foram então calculados da diferença entre os valores medidos e as saídas obtidas. Os resultados demonstraram alta capacidade da rede em determinar as viariáveis desejadas / The growing market competitiveness, product quality requirements and just in time production concept is bringing every time more automation to manufacturing industries. Productivity and quality in machining process can be improved by using monitoring and controlling methods. Along the last decades, sensors and Artificial Neural Network have been successfully utilized in many drill wear monitoring systems. However, in many industrial fields, to supervise the tool wear is not enough to assure the product qualities. Roughnessm burr formation and hole diameter are some examples of important process results does not exclusively depend on the tool condition and in this area of knowledge the number of studies is limited or inexistent. Thus, this work brings a contribution on drilling process monitoring where the target was to determine the hole diameter and roughness using a multi-sensor system and artificial neural network. The speciments used were composed by a titanium alloy and aluminum alloy plates. The sensors were installed in a machine tool and the process was accomplished using several drilling parameters. The acquired sensors data were used a input in an artificial neural network which was trained with the roughness and diameter measured in some samples. After trained, the system was qualified to output the expected variables from the input signals. To calculate the errors these output values were compared with the samples measured. The results showed efficiency of the system in determining the roughness and hole diameters as the obtained errors can be considered low or neigligible for the majority of drilling industrial application

Made available in DSpace on 2014-06-11T19:22:34Z (GMT). No. of bitstreams: 0 Previous issue date: 2012-06-01Bitstream added on 2014-06-13T20:09:49Z : No. of bitstreams: 1 contrucci_jg_me_bauru.pdf: 2454572 bytes, checksum: 7843bddaf20e07b30304b6613b501c4d (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / O mercado, de maneira geral, vem exigindo níveis de quantidade cada vez maiores e redução de custos operacionais. Dentro desse contexto, as indústrias buscam processos mais automatizados e robustos, visando padronização nas operações e redução dos desperdícios. O controle eficaz o processo de fabricação é chave para atender às crescentes exigências do mercado. A utilização de redes neurais artificiais para o controle de processos complexos, com inúmeras variáveis, é um método que vem ganhando destaque acadêmico ao longo dos anos. O processo de furação para instalação de prendedores em estruturas aeronáuticas é um processo especial, no qual são exigidos controle rigorosos de qualidade devido aos requisitos de projeto, sendo, em muitos casos, mais importante a qualidade da furação, do que a vida útil da ferramenta. Este trabalho tem por objetivo apresentar um método para predição de diâmetros médicos e rugosidade de furos realizados durante o processo de furação de ligas aeronáuticas por meio de brocas helicoidais. Com a utilização de um sistema multi sensores acoplados a uma fresadora extrairam-se sinais, potência do motor elétrico, emissão acústica, vibração e forças de usinagem que alimentaram uma primeira rede neural artificial feedforward que teve a função de estimar a rugosidade e o diâmetro médio do furo. Uma vez de posse do valor estimado, ele servia de entrada em uma segunda rede neural time delay - TDNN que atuou na predição da rugosidade e diâmetro médio do próximo furo a ser realizado, mesmo antes de esse ser realizado mecanicamente. Posteriormente, buscou-se o mesmo procedimento previamente descrito, porém utilizando apenas apenas os sinais de potência e força no eixo Z como entrada da rede neural de estimação. Todos os valores preditos apresentaram erros pequenos... / The market, in general, is demanding high levels of quality and reduction of the operational costs. The majority of companies has been searching for processes even more automatic and robust, aiming to standardize operations and reduce wastage. The effective control of the manufacturing process is the key for the growing market demands. The use of artificial neural networks for the control of complex processes, with many variables, has been drawing attention over the last years. The drilling process for fastenes installation in aircraft structures is a special process which requires a rigorous quality control due to the design requirements and, in may cases; the most important characteristic is the quality of hole. This work aims to present a method for prediction of diameter and surface roughness of holes performed in aeronautic alloys with carbide drill bit. Using a multi sensory system connected to a milling machine, signals were extracted (electric power, acoustic emission, vibration, cutting forces) and fed up into artificial neural network feedforward that had the function of estimating the surface roughness and the final diameters of the holes. The estimated values were used as inputs to a time delay neural network (TDNN) that acted in the prediction of the surface roughness and the final diameter of the next hole carried through, even before this hole was performed. Also, only the electrical motor power and force in Z axis were used as inputs to the first artificial neural network. All predicted values showed small errors when compared to the actual and the estimated values, the method was able to... (Complete abstract click electronic access below)

Made available in DSpace on 2016-06-02T19:10:02Z (GMT). No. of bitstreams: 1 TeseCL.pdf: 10208729 bytes, checksum: c527b49760e4f73c81deddd8b9282627 (MD5) Previous issue date: 2004-08-12 / Universidade Federal de Minas Gerais / The influence of the injection molding parameters on the morphology and mechanical properties of poly(phenylene sulfide), PPS, and of a 80/20(%wt) blend of PPS/block copolymer styrene-ethylene-butylene-styrene ,SEBS, were evaluated. The injection molding conditions were defined through an experimental design. The lower and upper limits of each variable were set considering the material characteristics and the machine capacity. The software MOLDFLOW® was used to simulate the injection molding process, to define the cooling and holding times, to guarantee the part quality and to obtain the shear rate and bulk temperature profiles at the end of the filling step. For PPS, it was observed that the variables with highest influence on the gradient of crystallinity along the part thickness and on the mechanical properties were melt (Tinj) and mold (Tm) temperatures. For the PPS/SEBS blend, the flow rate (Q), mold temperature and holding pressure (Ph) were the variables with highest influence on the morphology. The aspect ratio of the SEBS particles, dispersed on the PPS matrix, was almost unaffected by the changes of the injection conditions; on the other hand, the mean particle size (caliper length along the major axis) and the value of the dispersion function represented qualitatively well the morphological variations observed for the blend. The artificial neural networks, built with experimental data and trained with the group cross validation method (GCV), predicted with good precision the morphology and the mechanical properties, starting from the injection molding processing conditions, as well as the mechanical properties starting from the morphological aspects. / A influência das variáveis de processamento da moldagem por injeção na morfologia e nas propriedades mecânicas foi avaliada para o poli(sulfeto de p-fenileno), PPS, e para a blenda de PPS com o copolímero em bloco de estireno-etileno-butileno-estireno, SEBS, na concentração em massa 80/20 (PPS/SEBS). A definição das condições de injeção foi feita através de planejamento de experimentos. Os limites inferiores e superiores de cada variável foram definidos levando em consideração as características do material e a capacidade da máquina injetora. O programa computacional MOLDFLOW® foi utilizado para a simulação do processo de injeção para a definição dos tempos de resfriamento e de empacotamento, para garantia da qualidade do moldado e para a obtenção dos perfis de taxa de cisalhamento e de temperatura da massa ao final da etapa de preenchimento. Foi verificado que, no caso do PPS, as variáveis de maior influência no gradiente de cristalinidade ao longo da espessura da peça e nas propriedades mecânicas foram as temperaturas da massa polimérica fundida (Tinj) e do molde (Tm). No caso da blenda PPS/SEBS, a velocidade de injeção ou vazão (Q), a temperatura do molde e a pressão de empacotamento (Ph) foram as variáveis de maior influência na morfologia. A razão de aspecto das partículas de SEBS, dispersas na matriz de PPS, praticamente não foi alterada com a variação das condições de injeção, ao contrário do tamanho médio de partícula e do valor da função dispersão, que pôde representar qualitativamente bem as alterações morfológicas observadas na blenda. As redes neurais construídas a partir dos dados experimentais e treinadas com o método de validação cruzada em grupo (VCG) puderam predizer com boa precisão a morfologia e as propriedades mecânicas do moldado a partir das condições de processamento, bem como as propriedades mecânicas a partir da morfologia. Palavras-chave: morfologia, cristalinidade, blenda, propriedades mecânicas, moldagem por injeção, A influência das variáveis de processamento da moldagem por injeção na morfologia e nas propriedades mecânicas foi avaliada para o poli(sulfeto de p-fenileno), PPS, e para a blenda de PPS com o copolímero em bloco de estireno-etileno-butileno-estireno, SEBS, na concentração em massa 80/20 (PPS/SEBS). A definição das condições de injeção foi feita através de planejamento de experimentos. Os limites inferiores e superiores de cada variável foram definidos levando em consideração as características do material e a capacidade da máquina injetora. O programa computacional MOLDFLOW® foi utilizado para a simulação do processo de injeção para a definição dos tempos de resfriamento e de empacotamento, para garantia da qualidade do moldado e para a obtenção dos perfis de taxa de cisalhamento e de temperatura da massa ao final da etapa de preenchimento. Foi verificado que, no caso do PPS, as variáveis de maior influência no gradiente de cristalinidade ao longo da espessura da peça e nas propriedades mecânicas foram as temperaturas da massa polimérica fundida (Tinj) e do molde (Tm). No caso da blenda PPS/SEBS, a velocidade de injeção ou vazão (Q), a temperatura do molde e a pressão de empacotamento (Ph) foram as variáveis de maior influência na morfologia. A razão de aspecto das partículas de SEBS, dispersas na matriz de PPS, praticamente não foi alterada com a variação das condições de injeção, ao contrário do tamanho médio de partícula e do valor da função dispersão, que pôde representar qualitativamente bem as alterações morfológicas observadas na blenda. As redes neurais construídas a partir dos dados experimentais e treinadas com o método de validação cruzada em grupo (VCG) puderam predizer com boa precisão a morfologia e as propriedades mecânicas do moldado a partir das condições de processamento, bem como as propriedades mecânicas a partir da morfologia.

Submitted by Maria Suzana Diniz (msuzanad@hotmail.com) on 2015-11-05T12:39:09Z No. of bitstreams: 1 arquivototal.pdf: 6708796 bytes, checksum: 6e76285c41e0c7cce86179c206fac0db (MD5) / Made available in DSpace on 2015-11-05T12:39:09Z (GMT). No. of bitstreams: 1 arquivototal.pdf: 6708796 bytes, checksum: 6e76285c41e0c7cce86179c206fac0db (MD5) Previous issue date: 2015-02-26 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / Cerebrovascular Accident (CVA) is a disease characterized by an interruption of blood flow to the encephalon, which represents the leading cause of long-term disability and functional impairment in adult population. Therefore, the individual who had suffered CVA needs to access health services that offer rehabilitation assistance as they promote a better physical, functional, and mental capacity, helping the reinsertion and reintegration of this individual into society. Thus, this study aims to develop a decision-making model to determine the access to physiotherapy services for rehabilitation of patients who had suffered acute CVA in the cities of João Pessoa and Cabedelo. This is an observational-longitudinal study among man and women who were admitted at a public hospital in João Pessoa and live in its metro area, who had presented CVA as primary cause of hospitalization. A questionnaire was used containing items related to socioeconomic, demographic, and clinical data from this person, such as general health conditions, risk factors, functionality evaluation, and access to physiotherapy services. Interviews were conducted between 15 and 21 days after hospital discharge (T0) and between 90 and 105 days after the first interview (T1). There was a homogeneous distribution of sexes, group age over 60 years (mean age= 61.6 years; standard deviation= 15.7 years). Most of the subjects (69.2%) have had a ischemic CVA, which the right side was more affected (46.2%) and 89.7% have had up to two CVA episodes. From interviewed patients, 69.2% have not had access to physiotherapy services after three months from the first interview. For utilization of decision model, 16 variables were selected helped by WEKA software, generating a feedfoward Artificial Neural Network model composed by 16 neurons in the input layer, followed by two hidden layers with two hidden neurons in each layer and an output layer with 2 neurons with backpropagation learning. This decision model allowed classifying correctly almost all subjects that accessed or not the physiotherapy services, achieving 97.4% of successes, representing a greater reliability. Therefore, this model is constituted as an important tool in the visibility of the problem, helping in the decision-making process, planning, and reorganization of public health system and its several attention levels. / O Acidente Vascular Encefálico (AVE) é uma doença causada pela interrupção no suprimento sanguíneo ao encéfalo, representando a primeira causa de incapacidade prolongada e o comprometimento funcional em adultos. Assim, o indivíduo com AVE necessita acessar os serviços de saúde que oferecem assistência de reabilitação, pois promovem uma melhora na capacidade física, funcional e/ou mental, proporcionando a reinserção e a reintegração à sociedade. Portanto, o objetivo deste estudo foi elaborar um modelo de tomada de decisão para averiguar o acesso aos serviços de fisioterapia para reabilitação de pacientes com AVE agudo dos municípios de João Pessoa e Cabedelo. Trata-se de um estudo longitudinal observacional com indivíduos de ambos os sexos, admitidos em um hospital público de João Pessoa/PB e residentes na região metropolitana de João Pessoa, que apresentaram como causa primária da internação o AVE. Para tanto, foi utilizado um questionário contendo itens referentes aos dados socioeconômicos, demográficos e clínicos do sujeito, condições gerais de saúde, fatores de risco, avaliação da funcionalidade e do acesso aos serviços de fisioterapia. As entrevistas foram realizadas entre 15 e 21 dias após a alta hospitalar (T0) e entre 90 e 105 dias após a realização da primeira entrevista (T1). Verificou-se uma distribuição homogênea dos sexos, com faixa etária acima de 60 anos (média de idade=61,6 anos, dp=15,7). A maioria dos sujeitos (69,2%) tiveram um AVE do tipo isquêmico, sendo o lado direito mais afetado (46,2%) e 89,7% tiveram até dois episódios de AVE. Dos pacientes entrevistados, 69,2% não tiveram acesso aos serviços de fisioterapia após três meses da primeira entrevista. Para a utilização do modelo de decisão, selecionou-se 16 variáveis com auxílio do software WEKA, gerando um modelo de Redes Neurais Artificiais do tipo feedforward composta por 16 neurônios na camada de entrada, seguido por duas camadas ocultas com dois neurônios ocultos em cada e uma camada de saída com 2 neurônios com aprendizagem por backpropagation. Este modelo de decisão permitiu classificar corretamente quase todos os sujeitos que acessaram ou não os serviços de fisioterapia, obtendo 97,4% de acertos, representando uma maior confiabilidade. Portanto, este modelo constitui-se como uma ferramenta importante na visibilidade do problema, auxiliando no processo de tomada de decisão, no planejamento e na reorganização da rede de saúde em seus diversos níveis de atenção.

Made available in DSpace on 2016-12-12T17:29:55Z (GMT). No. of bitstreams: 1 Angelo Luis Pagliosa.pdf: 1725265 bytes, checksum: d01cb2eed64463999696ddaef3a82724 (MD5) Previous issue date: 2003-12-18 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / This dissertation presents an hybrid computational model that combines fuzzy system techniques and artificial neural networks. Its objective is the automatic generation of membership functions, in particular, triangle forms, aiming at a dynamic modelling of a system. The model is named Neo-Fuzzy-Neuron Modify by Kohonen (NFN-MK), since it starts using Kohonen network to obtain the central vertices in triangular curves. A set of these curves are used to model a variable of the real system. NFN-MK is based on the Neo-Fuzzy- Neuron (NFN) model originally proposed by Yamakawa, where a network is adapted in order to associate fuzzy, "if-then"rules allowing elicitation and extraction of knowledge in linguistic form. The NFN-MK model is tested by simulation of real systems. They are here represented by classical mathematical functions, chosen due their importance in the system identification field. Finally, a comparison of the results obtained by NFN-MK is carried out against other models such as analytical results, traditional neural networks, and correlated studies of neurofuzzy systems applied to system identification. This work ends with a comparison of the results obtained by NFN-MK with analytical results, and those obtained by using traditional neural networks and other system identification neurofuzzy methods. / Esta dissertação propõe um modelo computacional que combina técnica de Sistemas Fuzzy (SF) e Redes Neurais Artificiais (RNA´s), com o objetivo de realizar a identificação desistemas, os quais são modelados pela descoberta de curvas de pertinência e pesos de conexões no modelo proposto. O modelo proposto chamado de Neo Fuzzy Neuron Modificadopela rede de Kohonen (NFN-MK) foi reestruturado a partir do modelo do Neo Fuzzy Neuron (NFN), proposto originalmente por Yamakawa. O modelo NFN é construído sob uma topologia neural que associa as regras do tipo Se Então , sendo estas do tipo fuzzy. A virtude do modelo de Yamakawa é combinar o conhecimento apresentado nos SF´s com a habilidade de aprendizagem e generalização das RNA´s. A partir deste modelo, o NFN-MK introduz a rede de Kohonen em um estágio inicial da aprendizagem, a fim de encontrar os vértices iniciais das curvas triangulares de pertinência do modelo proposto. A partir da definição inicial dos vértices dos triângulos nas curvas de pertinência, inicia-se um processo de aprendizagem, análogo ao backpropagation clássico, a fim de ajustar os pesos de cada conexão da topologia neural proposta. Ao final da aprendizagem, o NFN-MK é submetido a experimentos na identificação de três sistemas. Estes sistemas são representados com curvas matemáticas clássicas, a fim de comparar a eficiência do modelo proposto a outros resultados como: o próprio valor analítico das funções, RNA´s clássicas e outros modelos neurofuzzy de trabalhos correlatos.