Made available in DSpace on 2016-12-12T17:29:55Z (GMT). No. of bitstreams: 1 Cesar Silvestre.pdf: 2134551 bytes, checksum: 05af274ad4d4fb0958bb261dd17e5004 (MD5) Previous issue date: 2003-02-14 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Esta dissertação trata do problema de uma aplicação de automação inteligente no processo de controle de qualidade de água para tanques de água doces, tais como aqueles utilizados pelos psicultores e aquaristas(ou aquariofilista). Para esta implementação montou-se um tanque de água doce e um conjunto de equipamentos de controle (hardware e software) para se medir e corrigir a qualidade da água (essencialmente pH e temperatura0 necessários para a criação de peixes e plantas ornamentais. Estes animais e plantas são bastantes sensíveis a qualidade da água necessitando um bom controle de temperatura e pH. A proposta portanto é utilizar-se de técnicas de Inteligência Artificial, especificamente da Lógica Difusa associada a automação e controle, com o objetivo de realizar o monitoramento e correção dos parâmetros que influenciam este ambiente aquático. Com a Lógica difusa procurou-se representar o conhecimento do especialista em criação de peixes e plantas, de forma a dar a resposta necessária para o controle eficiente do tanque de água doce. O sistema aqui analisado encontra-se dentro de uma classe de problemas de difícil solução devido ao fato dos processos biológicos serem pouco definidos, ou definido de maneira vaga e as equações físico-químicas que regem o sistema serem de grande complexidade. Através da Lógica Difusa procurou-se facilitar a resolução deste problema uma vez que, co o uso desta não necessita-se de uma modelagem matemática completa e precisa através de funções ou equações diferenciais que caracterizam o comportamento do sistema. A montagem prática do sistema contempla uma implementação em hardware e software. O hardware dói dividido em duas placas: a placa controladora do sistema e placa de aquisição de sinais e acionamento. Estas duas placas funcionam integradas com o propósito de realizar o controle inteligente do tanque de água doce. A placa controladora é responsável pelo processamento digital das informações e a placa de aquisição e acionamento é responsável pelo tratamento da informação de entrada (sensores) e saída da placa, ou seja, comandos de acionamento dos dispositivos de aquecimento, arrefecimento e injeção de CO2. O software foi programado em linguagem de baixo nível (assembly) e inserido no microcomputador que irá realizar todo o processamento das informações do sistema. Neste programa foram armazenados todas as curvas de pertinência necessárias para o funcionamento do algoritimo da Lógica Difusa. O teste prático do sistema de controle difuso foi realizado em um aquário de água doce de pequenas dimensões, o que se mostrou bastante adequado a esse tipo de aplicação. Entre os benefícios obtidos com a montagem e teste do sistema difuso observou-se que o pH e temperatura da água ficaram mais estáveis, houve um aumento significativo no crescimento das plantas e a redução da taxa de mortalidade dos peixes foi acentuada, o que prova que o uso da Inteligência Artificial é bastante válido neste tipo de aplicação.

Made available in DSpace on 2014-06-11T19:29:39Z (GMT). No. of bitstreams: 0 Previous issue date: 2012-08-02Bitstream added on 2014-06-13T18:39:28Z : No. of bitstreams: 1 caldasjunior_crd_me_sjrp.pdf: 669834 bytes, checksum: bb1a2044c8a20046b364cf6e0b7141cb (MD5) / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / A presença de sistemas automatizados é cada vez mais comum para as pessoas. Seus exemplos vão desde máquinas de lavar, que executam praticamente todo o processo de lavagem e secagem de roupas, até linhas de produção em fábricas dos mais diversos produtos. Esses são exemplos de aplicações que exigem pouca interferência humana no processo, já que as etapas realizadas pelos sistemas são bem definidas e iterativas. Porém, outros tipos de processos podem exigir capacidade de discernimento daquele – ou daquilo – que os executam. Para automatizar esse tipo de processo uma das alternativas é o uso de técnicas de inteligência artificial. Esse trabalho visa realizar uma análise comparativa entre técnicas de inteligência artificial, quais sejam Redes Neurais Artificiais e Máquinas de Vetores de Suporte. Com essa análise espera-se estabelecer qual técnica é mais vantajosa para implementação em hardware de sistemas inteligentes, por meio do uso das principais métricas de projeto de circuitos digitais: tamanho do circuito gerado, consumo de energia e desempenho. Para tanto, foram realizados diversos testes com técnicas de pré-processamento e extração de características das imagens para determinar requisitos necessários para o funcionamento do sistema. A partir desses requisitos foram implementadas diversas arquiteturas de sistemas inteligentes para obter-se o classificador mais adequado para resolver o problema. Por fim, o classificador escolhido foi implementado em FPGA na forma de um módulo, o qual se integrará a um sistema maior, para interpretação de imagens digitais para detecção de ervas daninhas em plantações de soja / Automated systems have become common for people. Examples range from washing machines, which perform almost the entire cloth washing and drying process, to the production of many products. These are examples of applications that require modest human interference, since the steps taken by the systems are well defined and iterative. However, other processes may require a capacity of judgment of the natural or artificial system performing them. An alternative to automate this kind of process is the use of artificial intelligence techniques. This study aims at a comparative analysis of artificial intelligence techniques, namely Artificial Neural Networks and Support Vector Machines. With this analysis we hope to establish which technique is more advantageous for hardware implementation of an intelligent system, through the use of key metrics for digital circuit design: circuit size, power consumption and performance. Therefore, several tests were performed with image preprocessing and feature extraction techniques to determine requirements for system operation. From these requirements, various architectures for intelligent systems were implemented to obtain the most appropriate classifier to solve the problem. Finally, the chosen classifier was implemented in FPGA as a module to fit into a larger system for digital image interpretation for the detection of weeds in crops of soybeans

Made available in DSpace on 2016-01-05T01:03:29Z (GMT). No. of bitstreams: 1 000476876-Texto+Completo-0.pdf: 2803272 bytes, checksum: 9305b74451ec83ddca38d1c444ffb3dd (MD5) Previous issue date: 2015 / This work presents an overview of text independent speaker verification, describing the basic operation of the system and the reviewing some important developments in speaker modeling and feature extraction from speech. Following, a point of improvement identified within the feature extraction stage leads to the main objective of this work: to determine one or more sets of coefficients relevant to speaker discrimination while minimizing the equal error rate (EER). The proposal is to replace the delta(Δ) and double-delta(Δ²) coefficients by a linear predictor code (LPC) for the mel frequency cepstral coefficients (MFCC). In addition, score level fusion is employed to combine the ouputs of MFCC-only and MFCC-LPC systems, as well as MFCC-only and MFCC-Δ-Δ² systems. In all cases, performance is evaluated with respect to variations of the signal to noise-ratio (SNR) in the tested audio. In addition, the work introduces a new Brazilian Portuguese speech repository containing free-speech from 155 males. Results and discussions are presented with a reflection on the expected outcomes, as well as general comments and observations. Finally, concludings remarks are made about the work, featuring future prospects regarding text independent speaker verification research. This work attained a 4% reduction in the EER compared to the reference system (MFCC-only), with best results occuring in the case fusion of MFCC-only and MFCC-Δ-Δ² scores. / Este trabalho apresenta uma visão geral acerca de verificação de locutor independente de texto, demonstrando o funcionamento básico do sistema e as principais referências de métodos já utilizados ao longo de anos para extração de características da fala e modelamento do locutor. Detectado um ponto a ser trabalhado dentro da etapa de extração de características, objetiva-se determinar coeficientes ou um conjunto destes relevantes para discriminação do locutor, com o intuito de minimizar a EER (Equal Error Rate). A proposta consiste em substituir os coeficientes delta(Δ) e double-delta(Δ2) por coeficientes de um preditor LPC (Linear Predictor Coding) o qual realiza a predição dos coeficientes MFCC (Mel Frequency Cepstral Coeficients). Além disso, aplica-se uma fusão a nível de score em função de sistemas baseados em MFCC e LPC. Outra análise discutida no trabalho é a fusão de um sistema MFCC com Δ e Δ².Um tópico também avaliado é com relação a variações de SNRs (Signal to Noise Ratios) nos áudios testados. Além disso, é elaborado um banco de falas em português brasileiro. Por fim, são expostos os resultados obtidos e é feita a análise dos mesmos, a fim de refletir sobre o que era esperado e levantar alguns comentários. Enfim, são feitas as considerações a respeito do trabalho, e elencadas as perspectivas futuras em torno das pesquisas de verificação de locutor independente de texto. Com este trabalho atingiu-se uma redução de 4% na taxa de erro igual (EER) em comparação ao sistema de referência, sendo que os melhores resultados foram apresentados pelo sistema que realiza um fusão do sistema MFCC com o Δ e Δ².

Orientador: Maria de Lourdes Bueno Trindade Galo / Banca: Selma Regina Aranha Ribeiro / Banca: Aparecida Doniseti Pires de Souza / Resumo: Experimento baseado na aplicação de uma rede neural artificial para a classificação da cobertura do solo urbano de Presidente Prudente, SP, e na análise da incerteza na representação das classes temáticas mapeadas. A ambigüidade que caracteriza essas classes foi analisada através da distribuição espacial da probabilidade por classe, da incerteza por classe e da entropia, as quais foram posteriormente representadas em imagens em tons de cinza e mapas temáticos. Os resultados mostraram que o objetivo de discriminar as variações na cobertura do solo urbano através da aplicação de uma rede neural artificial na classificação foi atingido e, a partir das representações geradas, foi possível visualizar a variação espacial da incerteza na atribuição das classes de cobertura do solo urbano ao pixel. Além disso, foi possível verificar que a classe caracterizada por um padrão definido como intermediário, quanto à impermeabilidade do solo urbano, foi aquela que apresentou maior grau de ambigüidade e, portanto, maior mistura em relação às demais. A realização do experimento confirmou a expectativa inicial quanto ao potencial da rede neural artificial em discriminar classes de cobertura do solo urbano, caracterizadas pelo alto grau de mistura que apresentam, e representar espacialmente a incerteza associada a cada classe, desde que a aplicação de interesse seja cuidadosamente modelada. / Abstract: This experiment aims the classification of the urban land cover of Presidente Prudente city and the analysis of the uncertainty in the representation of the mapped thematic classes. The ambiguity that characterizes those classes was analyzed through of the spatial distribution of the probability by class, of the uncertainty for class and of the entropy, wich were represented in gray levels images and thematic maps. The results showed that the aim of discriminating the variations in the urban land cover through the application of an ANN in the classification was reached. It was also possible to visualize the spatial variation of the uncertainty in the attribution of classes of urban land cover and from the generated representations. The class characterized by a pattern that define an intermediary level, related to the impermeability of the urban soil, showed larger ambiguity degree and, therefore, larger mixture. The experiment confirmed that the ANN can discriminate classes of urban land cover with high level of mixture and represent spatially the uncertainty associated with each class, since the application of interesting be modeled carefully. / Mestre

Resumo: 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. / Abstract: 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. / Orientador: Maria de Lourdes Bueno Trindade Galo / Coorientador: Nilton Nobuhiro Imai / Banca: Bernardo Friedrich Theoodor Rudorff / Banca: Vilma Mayumi Tachibana / Mestre

Orientador: Carlos Roberto Minussi / Banca: Francisco Villarreal Alvarado / Banca: Mário Oleskovicz / Resumo: 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 / Abstract: 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 / Mestre

Orientador: Paulo Roberto de Aguiar / Banca: Carlos Elias da Silva Junior / Banca:m Eduardo Carlos Bianchi / Resumo: 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 / Abstract: 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 / Mestre

Orientador: Vicente Lopes Júnior / Banca: Amarildo Tabone Paschoalini / Banca: Marcelo Areias Trindade / Resumo: Este trabalho apresenta o estudo e desenvolvimento de técnicas para o monitoramento da integridade estrutural em sistemas inteligentes com sensores e atuadores piezelétricos acoplados. Os índices de sensibilidade estudados e utilizados no monitoramento da estrutura são: índice de falha métrica, calculado diretamente do sinal de impedância elétrica dos sensores/atuadores piezelétricos; índices do sensor, calculados com as normas de sistemas ou com as matrizes grammiana de observabilidade e os índices de entrada, calculados com as matrizes grammianas de controlabilidade. Tais índices são utilizados para detectar e localizar as falhas em aplicações numéricas e experimentais. As normas de sistemas e as matrizes grammianas de controlabilidade e observabilidade são obtidas através de um modelo numérico, como por exemplo, Método dos Elementos Finitos; ou um modelo identificado experimentalmente, via o método de realização para autossistemas, mais conhecido como ERA (Eigensytem Realization Algorithm). Em uma segunda etapa do procedimento proposto, as falhas são quantificadas utilizando Redes Neurais Artificiais, que foram treinadas com as normas de sistemas e com as matrizes grammianas. / Abstract: This work presents the study and development of Structural Health Monitoring techniques for application in intelligent systems with coupled piezoelectric sensors and actuators. The indices of sensitivity for structural monitoring are based on: root-means-square deviation index, directly calculated from electric impedance signal of the piezoelectric sensors/actuators; sensor indices, calculated from system norms or observability grammian matrix, and input index, calculated from controllability grammian matrix. Such indices are used for damage detection and location in numerical and experimental applications. System norms, controllability and observability grammian matrices are obtained through numerical model, as for instance, Finite Element Method; or by experimental identification technique, via Eigensytem Realization Algorithm (ERA). In the second stage of the proposed procedure, damages were quantified using Artificial Neural Networks, that were trained with systems norms and grammian matrices. / Mestre

Orientador: Antonio Fernando Crepaldi / Banca: Rogério Andrade Flauzino / Banca: José Alfredo Colovan Ulson / Resumo: A previsão de séries temporais financeiras é uma das questões mais pesquisadas no campo das finanças, sobretudo, no que diz respeito ao mercado acionário e à análise de riscos. Para tanto, essas pesquisas envolvem desde modelos estatísticos e econométricos até modelos de inteligência artificial, como as redes neurais dinâmicas. Nesse sentido este estudo tem o propósito de desenvolver e aplicar dois modelos de redes neurais artificiais dinâmicas, a rede neural focada atrasada no tempo - FTDNN (focused time delay neural network) e a rede neural auto regressiva com entradas exógenas - NARX (nonlinear autoregressive network with exogenous inputs) para previsão de séries temporais financeiras, tendo como padrão de referência de desempenho mínimo um modelo estatístico tradicional do tipo ARMA-GARCH. Essa abordagem camparativa também considera três modalidades diferentes de transformação de dados na fase pré-processamento das redes: as diferenças de primeira ordem, os retornos logarítmicos e a transformação Box-Cox, buscando analisar o impacto de cada uma delas no desempenho preditivo das redes neurais. Também propõe uma abordagem neural para o processo de reversão dos dados previstos e uma métrica de erro capaz de verificar o desempenho preditivo das redes neurais e sua capacidade de captar tendências de curto prazo e eficiência negocial. Em sentido amplo, os resultados obtidos indicam que a rede NARX apresenta melhor desempenho preditivo que a rede FTDNN, sobretudo, no que diz respeito à captura de tendências; que a transformações de dados podem melhorar o nível de acurácia das previsões em ambas as redes e que a transformação por retornos logarítimos gera os melhores desempenhos. Quanto ao processo de reversão dos dados previstos para a escala da série original, o método neural proposto foi bem sucedido apenas para a transformação Box-cox / Abstract: Financial time-series forescasting is one of the most researched issues in finances, mainly with regard to the stock market and risk analysis. Therefore, these studies involve from statistical and econometric models up to artificial intelligence models, such as dynamic neural networks. In this sense, this study aims to develop and apply two models of dynamic artificial neural networks, FTDNN (focused time delay neural network) and NARX (nonlinear autoregressive network with exagenous inputs) for financial time series forescasting, with a traditional statistical model such as ARMAGARCH as the benchmark for minimum performance. The comparative approach also considers three diferent types of data transformation in the pre-processing phase of the networks: first order differences, logarithmics returns and Box-Cox transformation, and tries to analyze the impact of each on the predictive performance of the neural networks. It also proposes a neural approach to the process of reversing the predicted data set, and an error metric that could be able to verify the predictive performance of neural networks and its ability to capture short-term trends and negotiation efficiency. In a bropad sense, the reults indicate that the NARX network network performs beter than the FTDNN, especially with regard to capturing trends; that data transformations may improve the forescasting accuracy in both networks, and that the logarithmics returns transformation generates the best prediction performance. Regarding the process of reversing the predicted data for the scale of the original series, the neural method proposed succeeded only for Box-Cox transformation / Mestre

ANP; FINEP / Este trabalho apresenta um estudo sobre o emprego de redes de período longo como transdutores aplicados ao setor petroquímico. Resultados são apresentados ilustrando as fases envolvidas na produção, caracterização, encapsulação e aplicação das redes de período longo. Utilizando o método de gravação ponto-a-ponto e luz ultravioleta, foram produzidas três redes de período longo. Foi proposta uma metodologia para encapsulação de redes capaz de agregar robustez e versatilidade ao sistema de medição. A rede encapsulada foi aplicada na análise de misturas de combustíveis e solventes. Foi observado que a sensibilidade da rede ao índice de refração externo não foi prejudicada pela encapsulação e que, além da proteção adicional contra danos externos, a reprodutibilidade da rede foi melhorada consideravelmente. Para as amostras empregadas, a melhoria na reprodutibilidade apresentou valores entre 40 % e 78 %. Finalmente, o desempenho da rede encapsulada foi verificado para análise da concentração de etanol em uma mistura etanol-água. Foi observado que a resposta da rede à concentração de etanol é não-linear e possui uma região de ambiguidade para amostras com concentração de etanol entre 60 % e 100 %. Para solucionar o problema da ambiguidade e determinar a concentração de etanol em misturas etanol-água, foram propostos quatro métodos baseados em redes neurais artificiais e sistemas fuzzy. O método com o melhor desempenho foi construído baseado em redes neurais artificiais e implementado de forma a correlacionar a resposta da LPG com a velocidade do som obtida para amostras com diferentes concentrações de etanol. O desvio máximo observado entre o valor da concentração de etanol em uma amostra em relação ao valor fornecido pela rede neural artificial foi de apenas 0,55%, com erro médio quadrático de 0,13%. / This work shows the applicability of long period gratings as transducers in the petrochemical industry. Results are presented in order to illustrate the phases involved in the fabrication, characterization, encapsulation and application of the long period gratings. Three long period gratings were produced using the point-by-point technique based on the ultraviolet irradiation. An encapsulation methodology was proposed to improve the long period grating robustness and versatility. The encapsulated long period grating was applied to the fuel blends and solvents analysis. It was shown that the optical fiber device sensitivity for changes in the external refractive index is not affected by the encapsulation. In addition to the extra protection to external damages added by the encapsulation, the device reproducibility was considerably improved. For the employed samples this improvements range from 40 % to 78 %. Finally the transducer performance was assessed in the analysis of ethanol concentration in ethanol-water mixture. It was found that the long period grating response to the ethanol concentration is non-linear and presents an ambiguous behavior to samples with ethanol concentration ranging from 60 % to 100 %. Four different methods based on artificial neural networks and fuzzy inference systems were proposed to determine the ethanol concentration in ethanol-water mixtures. The method with the best performance was based on artificial neural networks, and implemented in order to correlate the LPG response with the sample’s sound velocity obtained to samples with different ethanol concentration. The maximum deviation observed between the sample’s ethanol concentration and the value provided by the artificial neural network was 0,55%, with mean squared error of 0.13 %.