Submitted by Cassius Figueiredo (cassius.figueiredo@fgvmail.br) on 2015-10-02T14:14:49Z No. of bitstreams: 1 Dissertação_Cassius_Figueiredo.pdf: 1419517 bytes, checksum: 0bc08a99261a6abda6c7592ca62cddaa (MD5) / Approved for entry into archive by Janete de Oliveira Feitosa (janete.feitosa@fgv.br) on 2015-10-06T13:08:24Z (GMT) No. of bitstreams: 1 Dissertação_Cassius_Figueiredo.pdf: 1419517 bytes, checksum: 0bc08a99261a6abda6c7592ca62cddaa (MD5) / Approved for entry into archive by Marcia Bacha (marcia.bacha@fgv.br) on 2015-10-13T13:12:20Z (GMT) No. of bitstreams: 1 Dissertação_Cassius_Figueiredo.pdf: 1419517 bytes, checksum: 0bc08a99261a6abda6c7592ca62cddaa (MD5) / Made available in DSpace on 2015-10-13T13:12:33Z (GMT). No. of bitstreams: 1 Dissertação_Cassius_Figueiredo.pdf: 1419517 bytes, checksum: 0bc08a99261a6abda6c7592ca62cddaa (MD5) Previous issue date: 2015-08-31 / A common scenario in countries with inflation targeting regimes is Central Bank intervention in exchange market to keep volatility under control. Those interventions are commom in developing countries. In Brazil interventions are mostly done through spot market, derivatives market (exchange rate swaps) and also through forward market operations, liquidity and borrowing lines. Due to low volumes related to the last three, we kept our efforts concentrated in interventions through spot and derivatives markets. There are several articles discussing how successful those interventions are but only a few evaluating which factors may lead Central Bank of Brazil to an intervention. We try to fill this gap using two different techniques: the ever present logistic regression and a new approach (as fas as we know) using artificial neural networks. In parallel we will try to define if there are specific factors affecting different scenarios of intervention. The dataset goes from 2005 to 2012, period where Central Bank of Brazil has been intervening based on market demand and not in a standardized way for longer periods of time. Our results show that there may be factors more relevant to one of the intervention decisions (buying or selling dollars) and we can highlight the relevance of exchange rate volatility, particularly in interventions where Central Bank of Brazil is buying dollars. This result is fully aligned with other papers on the subject. / Em economias com regimes de metas de inflação é comum que Bancos Centrais intervenham para reduzir os níveis de volatilidade do dólar, sendo estas intervenções mais comuns em países não desenvolvidos. No caso do Brasil, estas intervenções acontecem diretamente no mercado à vista, via mercado de derivativos (através de swaps cambiais) ou ainda com operações a termo, linhas de liquidez e via empréstimos. Neste trabalho mantemos o foco nas intervenções no mercado à vista e de derivativos pois estas representam o maior volume financeiro relacionado à este tipo de atuação oficial. Existem diversos trabalhos que avaliam o impacto das intervenções e seus graus de sucesso ou fracasso mas relativamente poucos que abordam o que levaria o Banco Central do Brasil (BCB) a intervir no mercado. Tentamos preencher esta lacuna avaliando as variáveis que podem se relacionar às intervenções do BCB no mercado de câmbio e adicionalmente verificando se essas variáveis se relacionam diferentemente com as intervenções de venda e compra de dólares. Para tal, além de utilizarmos regressões logísticas, como na maioria dos trabalhos sobre o tema, empregamos também a técnica de redes neurais, até onde sabemos inédita para o assunto. O período de estudo vai de 2005 a 2012, onde o BCB interveio no mercado de câmbio sob demanda e não de forma continuada por longos períodos de tempo, como nos anos mais recentes. Os resultados indicam que algumas variáveis são mais relevantes para o processo de intervenção vendendo ou comprando dólares, com destaque para a volatilidade implícita do câmbio nas intervenções que envolvem venda de dólares, resultado este alinhado com outros trabalhos sobre o tema.

Orientador: Adriano Wagner Ballarin / Coorientador: Osvaldo César Pinheiro de Almeida / Banca: Diego Augusto de Campos Moraes / Banca: Carlos Roberto Pereira Padovani / Banca: Alexandre Dal Pai / Banca: Ricardo Rall / Resumo: O setor madeireiro e toda sua cadeia produtiva possuem grande força e importância para a economia brasileira, representando 1,5% do produto interno bruto nacional em 2016. Toda madeira serrada deveria, idealmente, ser submetida a uma classificação para definição mais precisa do seu destino e justa de seu valor comercial. Quando essa madeira serrada é destinada ao exterior, a classificação é, na maioria das vezes, obrigatória. Nas serrarias do país que em sua maioria são pequenas e pouco automatizadas, a classificação é normalmente feita por visão humana, ou seja, um profissional faz a análise visual de cada peça e a classifica segundo algum critério. Como em todo processo que envolve capacidade humana, o erro é inerente e, nesse caso, elevado, em torno de 52%, segundo a literatura. Dada a importância do setor, a demanda de matéria prima e a necessidade crescente dessa classificação, é extremamente justificável que esse processo seja aperfeiçoado. A alternativa é a automatização, visando sobretudo o aumento no acerto dessa classificação. O objetivo deste trabalho foi desenvolver um modelo de redes neurais artificiais usando Deep Learning (DL) para a classificação automatizada de madeiras serradas de Pinus, seguindo as recomendações das normas da ABNT. O modelo aplicou Redes Neurais Convolucionais (Convolutional Neural Network - CNN), técnica muito estudada recentemente e promissora em diversas áreas, principalmente no processamento de imagens digitais e visão de máquina. Foram... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The timber sector and its entire production chain have great strength and importance for the Brazilian economy, representing 1.5% of the national gross domestic product in 2016. All lumber should ideally be subjected to a classification for a more precise definition of its destination and fairness of its commercial value. When this lumber is destined to the outside, classification is, in most cases, mandatory. In the country sawmills that are mostly small and little automated, the classification is usually done by human vision, that is, a professional makes the visual analysis of each piece and classifies it according to some criterion. As in any process involving human capacity, the error is inherent and, in this case, high, around 52%, according to the literature. Given the importance of the industry, the demand for raw materials and the growing need for such classification, it is extremely justifiable that this process is improved. The alternative is automation, aiming in particular to increase the accuracy of this classification. The objective of this work was to develop a model of artificial neural networks using Deep Learning (DL) for the automated classification of Pinus sawn timber, following the recommendations of ABNT standards. The model applied Convolutional Neural Network (CNN), a very recently studied and promising technique in several areas, mainly in digital image processing and machine vision. Several models were tried, being the one of better performance with accuracy of 97.50%. It was concluded that DL with CNN produces acceptable results in the classification of boards, even with few images (284), difference in the Pinus variety (elliottii and taeda) and presentation (green or dry wood, planed or not). / Doutor

Orientador: João Fernando Marar / Banca: Regilene Aparecida Sarzi Ribeiro / Banca: Antonio Tadeu Pellison / Resumo: Objetos conectados e um ambiente sensível capaz de interagir de forma calma e praticamente onipresente entre si e com humanos. Essa é a premissa da computação ubíqua, termo cunhado em 1991 pelo cientista da computação Mark Weiser. Recentemente têm-se ouvido falar de forma cada vez mais frequente de aplicações e dispositivos para internet das coisas, porém existem aplicações complexas demais para uso e outras têm custo proibitivo para implantação em larga escala. O atual projeto tem como objetivo investigar as potencialidades do desenvolvimento de um dispositivo para ser um modelo de neurônio artifical para Internet das Coisas e comunicação M2M utilizando-se do microcontrolador Wi-Fi ESP8266 e da linguagem de programação Micropython. Justificamos para a escolha desse microcontrolador, além do seu baixo custo e simplicidade, o fato de comparativamente ser uma opção mais prática e de baixo consumo de energia, quando comparado com outros dispositivos semelhantes, como Arduino e Raspberry Pi. Para nossa pesquisa utilizaremos além de pesquisa bibliográfica uma proposta prática de utilização do dispositivo com compartilhamento de informações de sensores através da rede wireless. A metodologia utilizada constitui-se na proposta do dispositivo, seu desenvolvimento e testes, bem como a demonstração dos scripts de programação utilizados no sistema. / Abstract: Connected objects and a sensitive environment capable of interacting in a calm and practically omnipresent way with each other and with humans. This is the premise of ubiquitous computing, a term coined in 1991 by computer scientist Mark Weiser. Recently there has been listen in an increasing frequency of applications and Internet devices of things, but there are too many applications that are too complex to use and others have a prohibitive cost for large-scale deployment. The current project aims to investigate the potential of developing a device to be an artificial neuron model for Internet of Things and M2M communication using the Wi-Fi ESP8266 microcontroller and the Micropython programming language. We justify for the choice of this microcontroller, in addition to its low cost and simplicity, the fact that it is comparatively a more practical and low energy option when compared to other similar devices, such as Arduino and Raspberry Pi. For our research we will use besides bibliographical research a practical proposal of use of the device with information sharing of sensors through the wireless network. The methodology used is based on the proposal of the device, its development and testing, as well as the demonstration of programming scripts used in the system. / Mestre

Orientador: Maria de Lourdes Boeno Trindade Galo / Resumo: As formas de uso e cobertura da terra no entorno de corpos d’água é um dos fatores que mais impactam águas continentais. Diante disso, é que ambientes aquáticos se tornam cada vez mais susceptíveis a processos de eutrofização, o que favorece a proliferação de macrófitas. Uma maneira de monitorar a proliferação de macrófitas, assim como alterações nas formas de uso e cobertura da terra no entorno de reservatórios é a partir de dados de sensoriamento remoto. Sensores remotos surgem como uma alternativa com grande potencial para a análise da variabilidade espaço-temporal de macrófitas aquáticas. Classificadores baseados em aprendizado máquina são cada vez mais utilizados em alternativa às técnicas tradicionais, uma vez que alguns desses algoritmos não requerem a distribuição estatística dos dados permitindo assim a inclusão de atributos não espectrais no processo de classificação. Este estudo teve por objetivo avaliar o potencial de redes neurais artificiais (RNAs) no monitoramento sazonal da dispersão de macrófitas aquáticas no reservatório de Salto Grande, Americana (SP), simultaneamente às alterações no uso e cobertura da terra do seu entorno. No processo de classificação, foram realizados diversos experimentos a fim de selecionar os atributos e arquiteturas de RNA mais adequados para discriminar tanto as macrófitas no corpo hídrico, quanto os tipos de uso e cobertura da terra no seu entorno. Os dados de entrada constituíram-se de bandas espectrais do sistema OLI/Landsat-8, i... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The land use/cover surrounding water bodies is one of the factors that most impact continental waters. Thus, aquatic environments become increasingly susceptible to eutrophication processes, which favors the growth of macrophytes. One way to monitor the growth of macrophytes as well as changes in the forms of land use/cover surrounding reservoirs, is from remote sensing data. Remote sensors emerge as an alternative with great potential for the analysis of spatio-temporal variability of aquatic macrophytes. Classifiers based on machine learning are alternatives increasingly used in detriment to traditional techniques. Those algorithms do not require the statistical distribution of the data, thus allowing the inclusion of non-spectral attributes in the classification process. In this sense, this wok aims to evaluate the potential of artificial neural network (ANN) in the seasonal monitoring of aquatic macrophytes dispersion in Salto Grande, Americana (SP), simultaneously with the changes monitoring in the land use/cover of the surrounding areas. In the classification process, several experiments were performed to select the most appropriate attributes, as well as the best ANN architecture to discriminate the macrophytes in the water body and the types of land use/cover of the surrounding. The input data consisted of OLI / Landsat-8 system spectral bands, texture images derived from OLI images, normalized spectral indices for vegetation enhancement (NDVI), moisture content (MNDW... (Complete abstract click electronic access below) / Mestre

Orientador: José Paulo Fernandes Garcia / Banca: Marcelo Carvalho Minhoto Teixeira / Banca: Falcondes José Mendes de Seixas / Banca: Cristiano Quevedo Andrea / Banca: Ivan Nunes da Silva / Resumo: Neste trabalho investiga-se a capacidade de uma rede neural artificial, com ajustes de pesos em tempo real, executar o controle de sistemas por meio de uma estrutura de rastreamento de sinais em três contextos: inicialmente em uma série de sistemas lineares e não-lineares; em um segundo momento, a rede neural é utilizada no controle de sistemas sujeitos a incertezas paramétricas; e por fim, no controle de máquinas elétricas que podem ou não estar sujeitas a variações paramétricas, incertezas e perturbações lineares e não-lineares. Na primeira aplicação da rede neural artificial verifica-se o desempenho de rastreamento de sistemas lineares de 1 a , 2 a e 3 a ordens controlados em malha fechada por meio de simulações computacionais. Nesse sentido, calcula-se um índice de desempenho utilizando a integral do valor absoluto do erro (IAE - Integral of the Absolute Magnitude of the Error). Esse índice indica a proximidade da saída real do sistema com relação ao sinal de referência. Essa estrutura rastreadora de sinais poderá funcionar conjuntamente com controlador clássico Proporcional, Integral e Derivativo (PID). Testes são realizados utilizando controladores com estrutura variável e modos desli- zantes, os quais, são estratégias robustas às incertezas paramétricas do tipo casadas, todavia não apresentam o mesmo comportamento no que tange às incertezas do tipo não casadas. Dentro desse contexto, apresenta-se uma estratégia de controle utilizando redes neurais artificiais em conjunto com modos deslizantes para reduzir as influências de quaisquer tipos de incertezas e perturbações. A eficácia da estrutura de controle proposta é verificada por meio de simulações computacionais considerando um modelo de eixo lateral de um avião L-1011 em condições de voo. O controle de máquinas elétricas é realizado inicialmente em motor de corrente contínua e posteriormente em motor ... / Abstract: This thesis investigates the ability of an Artificial Neural Network (ANN), with real-time adjustable weights, to execute the control systems through a tracking structure for signals in three applications: in a series of linear and non-linear systems; to control systems subject to parametric uncertainties; and to control electrical machines that may be subject to linear and nonlinear disturbances and uncertainties. In the first application of ANN, it is verified the per- formance of tracking signals in systems of 1 st , 2 nd and 3 rd order through computer simulations results. In this regard, it estimates a performance index using the Integral of the Absolute va- lue of the Error (IAE), which indicates the difference between the system real output and the reference signal value. The proposed structure with the neural network is able to work with clas- sical compensators, the proportional, integral and derivative (PID) controller. Evaluation tests are performed using controllers with variable structure and sliding mode. This strategies pre- sents robustness to a class of parametric uncertainties, called matched parametric uncertainty. However, this technique is not robust related to unmatched uncertainty class. Thus, in this paper a control strategy is proposed based on ANN through sliding mode control technique to mini- mize the uncertainties and disturbances effects. In order to show the effectiveness of proposed method, simulation results are performed using a lateral axis model of an L-1011 in cruise flight conditions subject to the uncertainties and external disturbances. Initially, it is accompli- shed of direct current (DC) motors, and after that, the technique is applied to alternating current (AC) motors (three-phase induction). Through the combination of PID controller and ANN, some evaluations tests are performed in DC motors. The performance of induction motor has been addressed ... / Doutor

Orientador: Carlos Roberto Minussi / Banca: Anna Diva Plasencia Lotufo / Banca: Maria do Carmo Gomes da Silveira / Banca: Edivaldo Romanini / Banca: Fernando Nogueira de Lima / Resumo: A evasão escolar é um dos problemas mais complexos e cruciais no âmbito da educação. Está presente e é motivo de preocupação nos vários níveis e modalidades de ensino, além de ferir o princípio da dignidade humana. No que tange ao ensino superior, internacionalmente, o fenômeno é objeto de atenção e de cuidado, no intuito de aumentar os índices de permanência e conclusão dos estudantes de graduação e minimizar os prejuízos sociais, econômicos, políticos, acadêmicos e financeiros causados a todos os envolvidos no processo educacional. Nesse contexto, é imprescindível o desenvolvimento de métodos e instrumentos eficientes e eficazes para predição, avaliação e acompanhamento de estudantes em risco de evasão, possibilitando o planejamento e a adoção de medidas proativas no intuito de minimizar a situação. Assim sendo, esta pesquisa tem por objetivo apresentar as potencialidades de um sistema inteligente capaz de identificar, de maneira proativa, continuada e acurada, o grupo de risco de evasão discente, da educação clássica-presencial, no ensino de nível superior. No desenvolvimento deste sistema foi utilizada uma das técnicas da inteligência artificial, as Redes Neurais Artificiais, mais especificamente, a Rede Neural ARTMAP-Fuzzy, uma rede neural da família ART (Adaptive Resonance Theory) que possibilita o aprendizado continuado do sistema. Para o treinamento e teste da Rede Neural e, posteriormente, a validação do sistema proposto foram utilizados os dados socioeconômicos e acadêmicos dos estudantes matriculados nos cursos superiores de tecnologia do Instituto Federal de Mato Grosso - IFMT. Os dados que compuseram os vetores de entrada do sistema foram coletados a partir de dois bancos de dados do sistema de informação do IFMT, respectivamente, o Q-seleção e o Q-Acadêmico. Este sistema faz a classificação dos padrões de entrada em propensos ... / Abstract: School dropout is one of the most complex and crucial problems in the field of education. It permeates and afflicts the several levels and teaching modalities, besides hurting the principle of human dignity. In relation to higher education, internationally, the phenomenon is an object of attention and care, aiming to increase the indexes of permanence and completion rate of the undergraduate students and minimize social, economic, political and financial damage caused to all involved in the educational process. In this context, it is fundamental to develop efficient and effective methods and instruments for prediction, assessment and monitoring of the students at risk of dropping out, making the planning and the adoption of proactive actions possible for the improvement of the situation. Thus, this study aims to present the potentialities of an intelligent system able to identify, in a proactive, continued and accurate way, the student dropout risk group in higher education classroom courses. In the development of this system one of the artificial intelligence techniques was used, the Artificial Neural Networks, more specifically, the Fuzzy-ARTMAP Neural network, a neural network of the ART (Adaptive Resonance Theory) family which makes the continued learning of the system possible. For the training and test of the Neural Network and, later, the validation of the system proposed the socio-economic and academic records of the students enrolled in the technology courses of the Federal Institute of Mato Grosso - IFMT were used. The data that constituted the input vectors of the system were extracted from two database of the IFMT information system, respectively, the Q-selection and the Q-Academic. This system classifies the input patterns in school dropout propensity. The consistence of the results, showing a success rate of the dropout group around 95% and 100% and the overall mean accuracy around ... / Doutor

Orientador: José Roberto Campanha / Banca: Márcio Luiz de Andrade Netto / Banca: Gerson Antonio Santarine / Resumo: Neste trabalho construímos modelos de redes neurais artificiais recorrentes com dois, com quatro, com seis e com oito neurônios na tentativa de simular computacionalmente como os neurônios receptores olfativos dos vertebrados, em especial dos seres humanos, conseguem identificar e reconhecer as diferentes moléculas odoríferas (ou odorantes) transportadas pelo ar. Para isso, usamos uma rede que evolui de um sistema dinâmico caótico, na ausência de odorantes, para o não-caótico, quando do reconhecimento de um odor constituído, no máximo, de até três odorantes. / Abstract: We built models of recurrent artificial neural networks with two, four, six and eight neurons in order to simulate, using computational simulation, the way vertebrate’s olfactory neurons, in special the humans, identify and recognize different odoriferous molecules (or odorants) in the air. For that purpose, we used a network that evolves from a chaotic dynamic system, in the absence of odorants, to the non-chaotic, when it recognizes an odor that is made of, at most, three odorants. / Mestre

Orientador: Paulo Roberto de Aguiar / Banca: Eduardo Carlos Bianchi / Banca: Janaina Fracaro de Souza Gonçalves / Resumo: O monitoramento em tempo real do processo de dressagem vem se tornando cada vez mais necessário, pois tem um papel muito importante no acabamento de peças produzidas pelo processo de retificação. Por outro lado, o desgaste dos dressadoers é muito custoso e pouco eficiente para ser monitorado visualmente, como normalmente é feito nas indústrias. O sensor de vibração é uma grande ferramenta na automação desse processo, porém ainda é pouco utilizado, como se constata na literatura. Este trabalho apresenta um método de classificação do desgaste da ferramenta de ponta única em três condições distintas (novo, meia-vida e desgastado), por meio de vibração e redes neurais. Ensaios de dressagens foram realizados em uma retificadora plana tangencial, rebolo de óxido de alumínio, com a aquisição dos sinais de vibração por meio de um sensor fixo no suporte do dressador. Um estudo foi desenvolvido do espectro do sinal para as três condições de desgaste, no qual sete bandas de frequências foram selecionadas. Vários modelos neurais foram testados, os quais possuíam como entradas duas estatísticas obtidas a partir do sinal original filtrado para uma dada banda de frequência selecionada. Após centenas de combinações de entradas, número de camadas ocultas e número de neurônio, dois melhores modelos foram escolhidos e analisados, os quais apresentaram resultados com até 98,3% de taxa de acertos / Abstract: Real time monitoring of the dressing process is becoming more and more necessary because it plays a very important role in the finish of the part manufactured by the grinding process. On the other hand, dresser wear is very expensive and not much effective to be monitored visually, but it is usually so developed in industry. The vibration sensor can be a useful tool in the process automation; however, it is rarely used as can be verified in research works. This work presents a classification method for three wear conditions (new, semi-new, and worn) of single-point dresser by using vibration signal and neural networks. Experimental runs were carried out in a surface grinding machine equipped with aluminium oxide grinding wheel, where the vibration signal was acquired by a fixed sensor attached to the dresser bolder. The signal spectra analysis was performed with regarding to the aforementioned wear conditions, and seven frequency bands were selected. Several neural network models were tested, which had two input statistics from the digital processing of the raw signal filtered for a given frequency band selected. Following hundreds of input combinations, number of hidder layers and neurons, two best models were chosen and analyzed, which showed results with up to 98.3% success rate / Mestre

Orientadores: Hermano M.F. Tavares, Fernando Antonio Campos Gomide / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-23T06:02:46Z (GMT). No. of bitstreams: 1 Caminhas_WalmirMatos_D.pdf: 9286248 bytes, checksum: 6278bb59afd29fde6eebfd6e5603e2c1 (MD5) Previous issue date: 1997 / Resumo: A detecção e diagnóstico de falhas (DDF) em sistemas dinâmicos baseados em redundância analítica são tratadas sob diversas abordagens, fundamentadas em conceitos básicos que incluem: espaço de paridade; estimação de estados; estimação de parâmetros; sistemas especialistas; reconhecimento de padrões e outros. Neste trabalho a DDF é abordada sob a ótica de classificação de padrões. O problema de classificação de padrões pode ser resolvido utilizando-se diversas técnicas, tais como algoritmos heurísticos, técnicas de probabilidade, redes neurais, lógica fuzzy e outras. Aqui, para classificação de padrões, é proposta uma estrutura de rede neurofuzzy and/or, além de uma modificação na estrutura clássica da rede neural auto-organizada. São propostas três estratégias de sistema de detecção e diagnóstico de falhas. Na primeira, os padrões são formados a partir das informações de entrada e saída da planta. A segunda e a terceira são baseadas em sistema de classificação de padrões e geração residual (estratégias híbridas). Na segunda, os resíduos são gerados a partir de comparações entre os estados para diversos observadores em modos deslizantes. Na terceira, são utilizados parâmetros do modelo da planta, que são os pesos de uma rede neurofuzzy. As estruturas foram testadas em três sistemas dinâmicos, a saber: sistema de acionamento elétrico utilizando máquina de corrente contínua; sistema de acionamento elétrico utilizando máquina de corrente alternada e sistema de tanques interativos (acoplados) / Abstract: Analytical redundancy for fault detection and diagnosis of dynamic systems, FDD, has been approached by several methodologies, state estimation, parameter estimation, expert systems, and pattern classification and recognition being typical examples. In particular, pattern classification and recognition methods adopt probabilistic, heuristic, neural, and fuzzy set based techniques as a solution framework. This work introduces the FDD as a pattern classification and recognition problem. Two neural approaches for pattern classific ation and recognition are introduced and compared: a neurofuzzy network composed by logical and and or neurons with a competitive learning, and a variation of a supervised Learning Vector Quantization (LVQ) network with ?N IND. 1?,? N IND. 2? and Noo norrns and a pruning scheme, respectively. In addition, three schemes are proposed to solve FDD problems. The first scheme uses input and output signals to classify the operational condition of the dynamic system. In this case mathematical models are not needed to detect and to diagnose faults. The second uses residues generated by comparisons among the states of several sliding mode observers. The third uses the parameters of a model of the system. The model parameters are the weights of a neurofuzzy network. The last two schemes constitute hybrid strategies to solve FDD problems. The schemes developed herein were tested in three different dynamic systems: a DC motor drive; an AC motor drive, and an interactive tank system. Simulation results are reported for these three example problems / Doutorado / Doutor em Engenharia Elétrica

Orientador: Rubens Maciel Filho / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Quimica / Made available in DSpace on 2018-09-11T20:57:27Z (GMT). No. of bitstreams: 1 Assis_AdilsonJosede_D.pdf: 6105753 bytes, checksum: 9010c90975f2c752f4b1df55a7471934 (MD5) Previous issue date: 2001 / Resumo: Considerando que a maioria dos processos industriais de interesse da Engenharia Química apresentam certo grau de não linearidade inerente ou introduzido por sistemas de controle automático, surge a importante necessidade de se investigar o desempenho de novas técnicas advindas da inteligência artificial, cujo interesse aqui está nas redes neurais artificiais, capazes de lidar com não linearidades de modo direto. Realizou-se neste trabalho uma ampla revisão bibliográfica referente à identificação e controle de sistemas não lineares. As várias possibilidades de identificação de sistemas dinâmicos utilizando modelos empíricos paramétricos foram apresentadas segundo uma visão unificada, com ênfase nos métodos baseados em redes neurais artificiais. Revisou-se também de modo amplo as principais técnicas de controle desenvolvidas para processos não lineares assim como as principais aplicações reportadas na literatura no âmbito da Engenharia Química. Posteriormente, utilizando-se de dois processos característicos da Engenharia Química, a saber, (1) dois reatores tanques conectados em série, nos quais ocorrem uma reação exotérmica, e com troca térmica; (2) evaporador de duplo efeito; foram discutidas várias possibilidades de identificação e controle utilizando redes neurais, em diversos níveis. Os resultados, obtidos por simulação computacional, mostram o potencial de utilização das redes neurais (na forma NNARX e NNSSIF), especialmente nas técnicas de controle preditivo, onde os melhores resultados foram obtidos. O primeiro sistema considerado possui dinâmica complexa e uma entrada e uma saída apenas (SISO), sendo que o segundo sistema possui múltiplas entradas e saídas (MIMO). Unindo técnicas advindas da inteligência artificial, como as redes neurais artificiais, métodos clássicos de identificação e a moderna teoria de controle, mostrou-se como estas metodologias podem ser utilizadas com sucesso na busca de melhores desempenhos dos processos químicos sob a ação do controle automático / Abstract: Considering that most of the industrial processes of interest to Chemical Engineering present a certain degree of inherent non-linearity or one introduced by systems of automatic control, an important necessity of inquiring about the performance the new techniques derived from artificial intelligence, whose interest here is in the artificial neural networks, capable of dealing with non-linearity in a straightforward way. It was made in this work a thorough bibliographical review related to the identification and control of non-linear systems. The various possibilities of identification of dynamic systems using parametric empirical models were presented according to a unifying view, with emphasis in the methods based on artificial neural networks. The main control techniques developed for non-linear processes as well as the main uses reported in literature on the Chemical Engineering field were also thoroughly reviewed. Afterwards, making use of two processes typical ofthe Chemical Engineering, (1) two tanks reactors connected in series, in which a exothermal reaction occur, with thermal exchange; (2) double effect evaporator; various possibilities of identification and control using neural networks were discussed, in several levels. The results, obtained through computer simulation, show the potential usage of neural networks (in the form NNARX and NNSSIF), especially in the techniques of predictive control, where the best results were obtained. The first system taken into account has complex dynamics and Single Input, Single Output (SISO), whereas the second system has Multiple Input, Multiple Output (MIMO). Uniting techniques derived from artificial intelligence, such as artificial neural networks, classic methods of identification and the modem theory of control, it was shown that these methodologies can be successfully used in the search for better performances of chemical processes under the action of automatic control / Doutorado / Desenvolvimento de Processos Químicos / Doutor em Engenharia Química