Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. / Made available in DSpace on 2012-10-17T22:04:28Z (GMT). No. of bitstreams: 0Bitstream added on 2013-07-16T18:06:35Z : No. of bitstreams: 1 174771.pdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / À frente de pequenas e médias empresas encontram-se indivíduos responsáveis pelo processo de criação e desenvolvimento empresarial. É de suma importância identificar quais são as características e atributos que contribuem para determinar o sucesso desses empreendedores. Esta tese, através de seus resultados, comprovou a hipótese da existência de características da personalidade e comportamento de indivíduos que obtiveram sucesso que os diferenciam de outros que não obtiveram sucesso em seus empreendimentos. Isso foi possível por meio de um método que possibilita captar a incerteza e a existência de informações predominantes em um conjunto de dados, utilizando um sistema neurodifuso.

Dissertação (Mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. / Made available in DSpace on 2012-10-17T02:37:45Z (GMT). No. of bitstreams: 0Bitstream added on 2016-01-08T22:31:56Z : No. of bitstreams: 1 138964.pdf: 1552749 bytes, checksum: 601dd4405424197392c2a231ffe85727 (MD5)

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Metrologia Científica e Industrial, Florianópolis, 2010 / Made available in DSpace on 2012-10-25T12:39:23Z (GMT). No. of bitstreams: 1 284635.pdf: 4885627 bytes, checksum: c2aafc84150b8addb4daf7e42a815bd2 (MD5) / Ensaios de compressores constituem uma ferramenta essencial no desenvolvimento de sistemas de refrigeração mais eficientes. Um dos ensaios mais representativos é o de desempenho. Tais ensaios são geralmente realizados em bancadas que apresentam incertezas de medição muito altas quando comparadas aos ganhos incrementais que devem ser analisados. Isso implica uso de técnicas estatísticas e faz com que ensaios tenham que ser replicados. Associando-se a esse fato há um longo tempo demandado por cada ensaio, o que torna evidente a dificuldade e o alto custo associado a tal análise. A demora do ensaio é devida principalmente ao longo tempo que o compressor e a bancada levam para entrar em condições de regime permanente - condição nominal de ensaio. Trabalhos recentes mostraram que é viável reduzir o tempo de ensaio empregando redes neurais artificiais (RNA) para analisar o compressor ainda em condições transitórias. Esta dissertação visa contribuir com a validação da técnica de redução de tempos demandados por ensaios de desempenho de compressores de refrigeração através do uso de redes neurais artificiais (RNA). Nesse contexto, foi avaliada a aplicação da técnica em diferentes compressores sob diferentes condições operacionais. A técnica neural avaliada analisa a evolução dos valores das variáveis de ensaio durante o período transitório e tira conclusões quanto ao instante de entrada em regime de cada uma das variáveis de interesse: consumo; capacidade; COP. Além disso, a técnica neural realiza a inferência do valor final de ensaio das variáveis de interesse logo após a entrada em regime permanente dessas. Um sistema desenvolvido usando tal técnica foi implantado em bancada de ensaios de uma empresa. Os resultados obtidos mostram que a aplicação de RNA pode reduzir drasticamente o tempo demandado por tais ensaios.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia de Produção. / Made available in DSpace on 2012-10-22T16:02:12Z (GMT). No. of bitstreams: 0 / O sequenciamento de genomas inteiros é, sem dúvida, uma grande conquista, mas o significado dessa massa acumulada de dados está apenas começando a ser desvendado. O acúmulo de uma grande quantidade de dados biológicos, relativo à pesquisa de genes e proteínas provou ser necessário abstrair o significado biológico desses dados. Esse grande volume de dados tem sido acumulado desde o lançamento das pesquisas em biologia molecular depois da proposta do modelo de dupla-hélice do DNA e a aplicação do sequenciamento de proteínas e do próprio DNA. A predição da estrutura tridimensional de uma proteína, conhecida também como estrutura terciária, em função de sua seqüência de DNA ou seqüência de aminoácidos é o objeto de estudo desse trabalho. Desenvolver um modelo e conseqüentemente uma aplicação computacional para agregar informação ao processo de predição dessa estrutura é o norteador principal do trabalho. Dado que as proteínas são construídas a partir da informação contida no DNA, uma vez conhecido o gene pode-se deduzir a seqüência de aminoácidos. É necessário então, determinar sua estrutura. Para determinar a estrutura de uma proteína é necessário analisar as seqüências de DNA e de aminoácidos, procurando então padrões na geração destas estruturas. Constata-se, portanto, que o conhecimento da estrutura de proteínas em nível atômico permitirá descrever como a forma particular de uma proteína determina, por sua vez, a sua função. Dessa forma, o problema consiste em determinar a relação entre seqüência e estrutura. Considerou-se a Inteligência Artificial (IA) vital para o estudo do modelo computacional, pois devido à dimensão das cadeias de DNA e a complexidade do processo biológico, torna-se inviável uma solução puramente algorítmica. O modelo de predição utiliza uma rede neural com função de base radial (RBF), que determina as estruturas secundárias de uma seqüência e as transforma em coordenadas para uma visualização tridimensional. O modelo apresentou resultados compatíveis com abordagens que utilizam outros métodos já mencionados na literatura. Percebe-se que o papel da estrutura tridimensional de uma proteína face ao seu contexto funcional na biologia molecular, a transição da seqüência de aminoácidos para a estrutura funcional, a importância dessa estrutura para os profissionais da área, e conseqüentemente desse setor para a sociedade, e por fim, a importância de desenvolver modelos e métodos computacionais mais precisos, são assuntos que merecem estudos mais aprofundados.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-graduação em Ciências da Computação / Made available in DSpace on 2012-10-24T04:54:11Z (GMT). No. of bitstreams: 1 252385.pdf: 5217834 bytes, checksum: 1e4b5b42b072de961cc5882ecc5c346d (MD5) / O presente trabalho apresenta um modelo híbrido wavelet/redes neurais, onde é empregada a análise wavelet como préprocessamento para a rede neural. Desta forma a análise desempenhará papel de extrator de características. Baseado nas características extraídas, a rede neural artificial efetua a aproximação de função com o intuito de retornar valores de previsão da série temporal desejada. Como validador para o modelo é utilizada a série temporal da vazão do Rio Itajaí Açu. Para a escolha da wavelet, a ser aplicado na quantização do modelo, são elencadas vinte candidatas (haar, db3, db5, db7, db10, db15, db20, coif1, coif2, coif3, coif4, coif5, sym3, sym5, sym7, sym10, sym15, sym20, chroma4 e chroma6). Testes repetitivos são efetuados tirando índices de erro para selecionar a melhor candidata. Baseado sob a wavelet selecionada para a resolução do problema de previsão é feito uma análise de combinações de anela/sobreposição para averiguar o comportamento do modelo utilizando diferentes parâmetros. Como resultado, obtiveramse índices de acertos relativamente parecidos utilizando uma quantidade de dados de inferência menor, devido característica de transformação das wavelets. Em outros casos é constatado um ganho computacional, o que é discutido separando o processo em quatro etapas distintas e simulando várias configurações para um mesmo exemplo. The present work presents a hybrid model wavelet/neural networks, which is employed wavelet analysis as a preprocessing work for the artificial neural network. This preprocessing activity will cast as a feature extraction. In these features extracted the neural network makes the approximation with the aim of returning values of the time series forecasting desired. To validate the model is used the Itajaí Açu river#s flow history. Regarding the avelet#s choice, twenty candidates were enrolled in order to be applied in the quantization of the model, as follows: haar, db3, db5, db7, db10, db15, db20, coif1, coif2, coif3, coif4, coif5, sym3, sym5, sym7, sym10, sym15, ym20, chroma4 and chroma6. Repetitive tests are performed to extract error rates for selecting the best candidate. Based on the selected wavelet to solve the problem of forecasting time series, an analysis is made using a combination of window size/overlap to investigate the behavior using different parameters. The results obtained are very similar using a lower amount of data due to the characteristics of the wavelet transform. In other cases a computational gain is obtained which is discussed separating the process into four distinct stages and simulating various configurations for the same arrangement.

Orientador: Naasson Pereira de Alcantara Junior / Banca: Diógenes Pereira Gonzaga / Banca: José Alfredo Covolan Ulson / Resumo: Este trabalho apresenta uma contribuição ao estudo de técnicas para a detecção de defeitos em tubulações metálicas, causados pela ação agressiva dos fluidos conduzidos pelos mesmos, ou ações atmosféricas. O trabalho consiste no mapeamento e classificação da assinatura magnética que cada defeito, em uma tubulação metálica. A assinatura magnética do defeito pode ser entendida como sendo o padrão apresentado pela indução magnética na superfície do tubo, na presença de defeitos, objetos de investigação deste trabalho. Os defeitos simulados tiveram uma variação na altura e largura. Após as simulações, foram gerados vetores com valores da indução magnética na superfície logo acima de cada defeito simulado (assintura magnética). Os vetores obtidos foram utilizados para o treinamento de duas redes... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: This work presents an investigation into the use of the finite element method and artificial neural networks in the identification of defects in industrial plants metallic tubes, due to the aggressive actions of the fluids contained by them, and/or atmospheric agents. The methodology used in this study consists of simulating a very large number of defects in a metallic tube, using the finite element method. Both variations in width and height of the defects are considered. Then, the obtained results are used to generate a set of vectors for the training of two perception multilayer artifical neural network. The first one was used to classify a group of new defects, simulated by the finite element method and the second one was used... (Complete abstract click electronic access below) / Mestre

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica / Made available in DSpace on 2012-10-22T12:59:12Z (GMT). No. of bitstreams: 1 234339.pdf: 1611971 bytes, checksum: 2a048bf5b3b720f9e4b9b21fd3ae4c61 (MD5) / O presente trabalho de dissertação aborda o desenvolvimento de uma ferramenta computacional para o diagnóstico de Descargas Parciais (DP) que ocorrem em Subestações Isoladas à Gás (GIS), em especial ao gás hexafluoreto de enxofre (SF6). Esta ferramenta computacional é baseada nas Redes Neurais Artificiais (RNA), com arquitetura do tipo Multi-Camadas (MLP). O objetivo da ferramenta é fornecer a causa para a ocorrência da Descarga Parcial que é capturada pelo sistema de monitoramento através da emissão de altíssimas freqüências (UHF), dando suporte ao operador para melhores procedimentos em relação à GIS. Para a validação da ferramenta foram utilizados dados gerados a partir do catálogo do sistema de monitoramento instalado na SE Machadinho, pertencente à ELETROSUL. Esse diagnóstico é de grande valia para a manutenção preditiva de uma GIS, pois indica a atividade da DP que dependendo da intensidade e das características destas descargas degradam as características de isolação elétrica do gás SF6. Assim, a equipe de manutenção responsável pela GIS, com a utilização das informações deste diagnóstico, pode atuar de forma mais eficaz nesta subestação. This master#s thesis research results in the development of a computational tool for Partial Discharge (PD) diagnosis taking place at Gas Insulated Substation (GIS), especially with sulphur hexafluoride (SF6). This computational tool is based on an Artificial Neural Network (ANN), with a Multi-Layer Perceptron (MLP) architecture. The target of this tool is to give the cause of occurrence of Partial Discharge captured by system monitoring through emission of ultra high frequency (UHF) signals, giving support to the operator for better procedures about GIS. The tool is validated with data generated from the catalog of a monitoring system installed at Machadinho Substation, owned by the Transmission Company of Electric Energy ELETROSUL. This diagnostic is of great value for GIS preventive maintenance because of given PD activity. Depending on the discharge intensity and characteristic it can destroy the electric isolation of the SF6 gas. With this diagnostic, the responsible maintenance team can work more effectively at this substation.

OLIVEIRA JÚNIOR, J. L. W. Desenvolvimento de plataforma emuladora de turbina eólica para estudos de algoritmos de MPPT eólicos inteligentes. 2016. 193 f. Dissertação (Mestrado em Engenharia Elétrica) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2016. / Submitted by Hohana Sanders (hohanasanders@hotmail.com) on 2016-07-25T13:16:49Z No. of bitstreams: 1 2016_dis_jlaolliveirajúnior.pdf: 13413641 bytes, checksum: 7ba68ba625c196550468a14be5e4cb3c (MD5) / Approved for entry into archive by Marlene Sousa (mmarlene@ufc.br) on 2016-07-25T14:11:18Z (GMT) No. of bitstreams: 1 2016_dis_jlaolliveirajúnior.pdf: 13413641 bytes, checksum: 7ba68ba625c196550468a14be5e4cb3c (MD5) / Made available in DSpace on 2016-07-25T14:11:18Z (GMT). No. of bitstreams: 1 2016_dis_jlaolliveirajúnior.pdf: 13413641 bytes, checksum: 7ba68ba625c196550468a14be5e4cb3c (MD5) Previous issue date: 2016-06-29 / The dynamics of the wind within the wind power small context is problematic since the operating speed of the machine must accompany him in order to extract the maximum wind power. In this paper, we propose the design and development of a wind turbine emulator bench and peak power tracking algorithms models based on artificial neural networks and reinforcement learning. The emulation system aims to allow the algorithms of experimental evaluation previously validated by simulation, since the proposed algorithms aim to achieve a good performance compared to classical algorithms. In addition to literature review, computer simulations were implemented in PSIM and Matlab software, as well as the design, development and validation of emulator bench wind turbine based on DC motor. They present all design steps the emulator converters and charge controller responsible for carrying out the maximum power tracking, as well as all the material necessary for reproduction of the work in the form of appendices. In the emulator bench, two algorithms are proposed in this work: one based on a modification algorithm and disturbs observed through insertion of a neural network that defines the size of the perturbation; already the second is based on recent learning algorithms for enhancing the Actuator-Critical type (CACLA), which had not been used for this purpose / A dinâmica dos ventos dentro do contexto da geração eólica de pequeno porte é uma problemática uma vez que a velocidade de operação da máquina deve acompanha-lo para poder extrair a máxima potência do vento. Neste trabalho, são propostos o projeto e desenvolvimento de uma bancada emuladora de turbina eólica, bem como modelos de algoritmos de rastreio de máxima potência baseados em Redes Neurais Artificiais e aprendizagem por reforço. O sistema de emulação tem como objetivo permitir a avaliação experimental de algoritmos previamente validados via simulação, já os algoritmos propostos visam alcançar uma boa performance frente a algoritmos clássicos. Além de revisão bibliográfica, foram implementadas simulações computacionais em software PSIM e Matlab, bem como o projeto, desenvolvimento e validação da bancada emuladora de turbina eólica baseada em motor de corrente contínua. São apresentados todos os passos de projeto dos conversores do emulador e do controlador de carga responsável pela realização do rastreio de máxima potência, bem como todo o material necessário para a reprodução do trabalho, na forma de apêndices. Além da bancada emuladora, dois algoritmos são propostos nesse trabalho: um baseado numa modificação do algoritmo perturba e observa, através da inserção de uma rede neural que define o tamanho da perturbação; já o segundo baseia-se em recentes algoritmos de aprendizagem por reforço do tipo Atuador-Critico (CACLA), que ainda não haviam sido utilizados com essa finalidade

RIBEIRO, A. J. A. Um Modelo de previsão do módulo de resiliência dos solos no estado do Ceará para fins de pavimentação. 2016. 151 f. Tese (Doutorado em Engenharia de Transportes) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2016. / Submitted by Hohana Sanders (hohanasanders@hotmail.com) on 2016-08-03T14:04:10Z No. of bitstreams: 1 2016_tese_ajaribeiro.pdf: 6354204 bytes, checksum: 9c6bfb8d567f07df5ecdbcd01ec6c0c4 (MD5) / Approved for entry into archive by Marlene Sousa (mmarlene@ufc.br) on 2016-08-05T17:40:15Z (GMT) No. of bitstreams: 1 2016_tese_ajaribeiro.pdf: 6354204 bytes, checksum: 9c6bfb8d567f07df5ecdbcd01ec6c0c4 (MD5) / Made available in DSpace on 2016-08-05T17:40:15Z (GMT). No. of bitstreams: 1 2016_tese_ajaribeiro.pdf: 6354204 bytes, checksum: 9c6bfb8d567f07df5ecdbcd01ec6c0c4 (MD5) Previous issue date: 2016-06-13 / The development of models to support the transport infrastructure design has established itself as an alternative to obtain data and information on the geotechnical characteristics of the soil in a given region. One of the techniques that have been successful in generating the estimates is the Artificial Neural Networks (ANN).The neural modeling has allowed both the prediction of different geotechnical soil attributes as their locations with relative accuracy for a given study area. It is known that the methods of empirical-mechanistic pavement design depend on their application, prior knowledge of some of these characteristics. Obtaining geotechnical soil information, such as AASHTO classification, CBR and resilient modulus (RM), imply high financial cost. Thus, this thesis proposes the use of artificial intelligence techniques to generate models to estimate the RM of soil in order to be used in methods of pavement design, for which this information is essential. It is proposed to perform conventional geotechnical testing (Particle size analysis of soils and Compaction) to obtain data that will allow the proposed model, aiming to estimate the resilient behavior of soils in the state of Ceará. From the results, estimates were generated that can be integrated into the pavement design methods for the study area, reducing the financial costs of the projects and the execution time. The results showed that the ANN are able to predict with good accuracy, with 0.984 correlation coefficient, RM values of the soil, showing that the use of neural models to predict the RM to the empirical-mechanistic design of pavements is possible. This technique allows the use of the models generated for the design of pavements, where there is lack of information or lack of funding for road design. / O desenvolvimento de modelos como apoio aos projetos de infraestrutura de transportes vem se firmando como uma alternativa para se obter dados e informações acerca das características geotécnicas dos solos de uma determinada região. Uma das técnicas que tem obtido sucesso na geração dessas estimativas é a de Redes Neurais Artificiais (RNA). A modelagem neural tem permitido tanto a predição de diferentes atributos geotécnicos dos solos quanto de suas localizações com relativa precisão para uma dada região de estudo. Sabe-se que os métodos de dimensionamentos empírico-mecanísticos de pavimentos dependem, para sua aplicação, do conhecimento prévio de algumas dessas características. A obtenção de informações geotécnicas de solos, como por exemplo, a classificação da AASHTO, CBR e Módulo de Resiliência (MR), implicam em elevados custos. Assim, esta tese propõe o uso de técnicas de inteligência artificial na geração de modelos destinados a estimar o MR de solos, a fim de que sejam usados nos métodos de dimensionamentos de pavimentos, para os quais esta informação seja imprescindível. Propõe-se a realização de ensaios geotécnicos convencionais (Análise Granulométrica e Compactação) para obtenção dos dados que permitirão a modelagem proposta, visando-se estimar o comportamento resiliente dos solos no estado do Ceará. A partir dos resultados obtidos, foram geradas estimativas que podem ser integradas aos métodos de dimensionamento de pavimentos para a área de estudo, reduzindo-se os custos financeiros dos projetos e o tempo de execução. Os resultados mostraram que as RNA são capazes de prever com boa precisão, com coeficiente de correlação de 0,984, os valores de MR dos solos, se mostrando assim, promissor, o uso de modelos neurais para prever o MR para o dimensionamento empírico-mecanístico de pavimentos. Esta técnica permite assim o uso dos modelos gerados no dimensionamento de pavimentos, quando da ausência de informações ou escassez de recursos financeiros para projetos rodoviários.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro de Ciências Físicas e Matemáticas, Programa de Pós-Graduação em Física, Florianópolis, 2014. / Made available in DSpace on 2014-08-06T18:00:35Z (GMT). No. of bitstreams: 1 326725.pdf: 20330785 bytes, checksum: 676fb68bd4aedf6d97313111c46615dc (MD5) Previous issue date: 2014 / O uso de Óptica Adaptativa está se tornando cada vez mais importante para o aproveitamento máximo dos telescópios, e será obrigatória para os telescópios gigantes de nova geração. Neste documento serão descritos os projetos trabalhados no desenvolvimento de técnicas para óptica adaptativa utilizando redes neurais artificiais. Para a técnica de campo amplo MOAO apresentamos uma técnica com redes neurais artificiais capaz de executar tomografia como outras técnicas existentes, mas com o benefício de não necessitar de conhecimento prévio do perfil da turbulência atmosférica. Também utilizamos redes neurais artificiais para sensores de frente de onda Shack-Hartmann em telescópios gigantes. Quando este tipo de sensor é usado com estrelas guia laser para amostrar a pupila de telescópios com 30 m de diâmetro ou mais, é necessário computar o centroide de pontos alongados, com o ângulo e razão de alongamento variando através da pupila. Técnicas existentes como matched filter são consideradas as melhores para computar o centroide de pontos alongados, entretanto elas não são boas em lidar com condições dinâmicas como a variação no perfil da camada de sódio. Neste trabalho propomos uma nova técnica usando redes neurais artificiais, que se aproveita da habilidade das redes neurais de lidarem com condições variáveis, superando as técnicas existentes quando testada sob condições variáveis. Desenvolvemos simulações completas para examinar nossa nova técnica e compará-la com outras.<br>