A rugosidade é um parâmetro de acabamento importante nos processos de fabricação por usinagem e é determinado de acordo com a aplicação técnica da superfície usinada. A rugosidade afeta atributos funcionais dos produtos como desgaste, atrito, reflexão da luz, capacidade de manter e espalhar um lubrificante, etc.. Como a inspeção da superfície é normalmente feita com rugosímetros após a operação de usinagem, essa tarefa consome tempo e demanda trabalho, gerando custo adicional ao produto. Assim, este trabalho tem como objetivo estimar os valores das rugosidades média (Ra) e total (Rt) geradas no processo de fresamento frontal a seco do aço SAE 1045 com fresa de topo reto via redes neurais artificiais (RNA). Dessa forma, os valores de rugosidade Ra e Rt podem ser obtidos somente informando os parâmetros do processo ao modelo. Foram considerados como variáveis de entrada do processo a velocidade de corte (vc), o avanço por dente (fz) e o raio de ponta da ferramenta (r). Após uma análise estatística, constatou-se que as variáveis de saída que melhor se correlacionavam com os valores de rugosidade foram a força média no eixo x (Fx) (direção de avanço) e a variação da força no eixo z (Fz) (direção axial). Os dados de força foram obtidos usando um sistema sensório constituído de plataforma piezelétrica, placa de aquisição de dados e computador com software apropriado. Portanto, os cinco parâmetros de entrada utilizados nos 16 modelos testados foram vc, fz, r, Fx e Fz. O algoritmo de treinamento usado foi o de Levemberg-Marquardt. Dentre os testados, os modelos com topologia 5-10-10-1 (cinco entradas e uma saída) apresentaram as melhores capacidade de estimação para os valores de Ra e Rt, mostrando a eficiência da técnica de modelagem da rugosidade por RNA. / The surface roughness is an important finishing parameter in the machining manufacturing processes and it is determined according with the technical application of the machined surface. The surface roughness affects functional attributes of parts such as wear, friction, light reflection, ability to spreading and retaining a lubricant etc. As the surface inspection is usually done with the rugosimeter after the machining operation, this task is time consuming and labor demand, generating additional cost to the product. Thus, this work aims to estimate the values of average roughness (Ra) and total roughness (Rt) generated in the dry end milling process of the SAE 1045 steel via artificial neural networks (ANN). Thus, the roughness values of Ra and Rt may be obtained only by informing the process parameters to the model. Cutting speed (vc), feed per tooth (fz) and tool nose radius (r) were considered as input variables. After statistical analysis, it was found that output variables that best correlate with roughness values were the average force on the x axis (Fx) (feed direction) and the force variation in the z-axis (Fz) (axial direction). The cutting force data signals were obtained using a sensory system composed by piezoelectric platform, data acquisition board and personal computer with appropriate software. Therefore, the five input parameters applied in the 16 models tested were vc, fz, r, Fx and Fz and the training algorithm used was the Levemberg-Marquardt. Among the models tested, those with 5-10-10-1 topology (five inputs and one output) showed the best capacity for estimation of the Ra and Rt values that can demonstrate the modeling technique effectiveness of the surface roughness using ANN.

Submitted by Mayara Nascimento (mayara.nascimento@ufba.br) on 2016-05-31T14:15:01Z No. of bitstreams: 1 Igor Bastos - Dissertação VFinal.pdf: 3703212 bytes, checksum: a00013910865dacb8025d56659076abb (MD5) / Approved for entry into archive by Alda Lima da Silva (sivalda@ufba.br) on 2016-06-03T23:17:29Z (GMT) No. of bitstreams: 1 Igor Bastos - Dissertação VFinal.pdf: 3703212 bytes, checksum: a00013910865dacb8025d56659076abb (MD5) / Made available in DSpace on 2016-06-03T23:17:29Z (GMT). No. of bitstreams: 1 Igor Bastos - Dissertação VFinal.pdf: 3703212 bytes, checksum: a00013910865dacb8025d56659076abb (MD5) / Gestos são ações corporais não-verbais voltadas para a expressão de algum significado. Estes incluem movimentos de mãos, face, braços, dedos, entre outros, sendo abordados por trabalhos que visam reconhecê-los para promover interações humanas com sistemas computacionais. Devido à grande aplicabilidade do reconhecimento de gestos, tem-se notado que estes trabalhos estão se tornando mais comuns, utilizando técnicas e metodologias mais elaboradas e capazes de prover resultados cada vez melhores. A opção por quais técnicas aplicar para o reconhecimento de gestos varia de acordo com a estratégia empregada em cada trabalho e quais aspectos são utilizados para este reconhecimento. Tem-se, por exemplo, trabalhos baseados no uso de modelos estatísticos. Outros optam pela aquisição de características geométricas de mãos e partes do corpo, enquanto outros, dentre os quais se enquadra o presente trabalho, optam pelo uso de descritores e classificadores, responsáveis por extrair características das imagens relevantes para o seu reconhecimento e; por realizar a classificação efetiva dos gestos baseado nestas informações. Neste âmbito, o presente trabalho visa elaborar, aplicar e apresentar uma abordagem para o reconhecimento de gestos, embasando-se em uma revisão da literatura a respeito das principais técnicas e metodologias empregadas para este fim e escolhendo como campo prático, a Língua Brasileira de Sinais (Libras). Para a extração de informações das imagens, optou-se pelo uso de um vetor de características resultante da aplicação dos descritores Histograma de Gradientes Orientados (HOG) e Momentos Invariantes de Zernike (MIZ), os quais voltam-se para as formas e contornos presentes nas imagens. Para o reconhecimento, foi utilizado o classificador Perceptron Multicamada, sendo este disposto em uma arquitetura onde o processo de classificação é dividido em 2 estágios. Devido à inexistência de datasets públicos da Libras, fez-se necessária, com o auxílio de especialistas da língua e alunos surdos, a criação de um dataset de 9600 imagens, as quais referem-se a 40 sinais da Libras. Isso fez com que a presente abordagem partisse desta criação do dataset até a etapa final de classificação dos sinais. Por fim, testes foram realizados e obteve-se 96,77% de taxa de acerto, evidenciando um alto índice de acerto. Este resultado foi validado considerando possíveis ameaças à abordagem, como a realização de testes considerando um indivíduo não-presente no conjunto de treinamento do classificador e a aplicação da abordagem em um dataset público de gestos.

Submitted by DANIEL ARANA null (daniel_arana1@hotmail.com) on 2016-03-27T18:29:09Z No. of bitstreams: 1 DEFESA - Daniel Arana - V8.pdf: 41186649 bytes, checksum: c8969b31497d1612d3bd90d0759d6524 (MD5) / Approved for entry into archive by Ana Paula Grisoto (grisotoana@reitoria.unesp.br) on 2016-03-28T17:35:42Z (GMT) No. of bitstreams: 1 arana_d_me_prud.pdf: 41186649 bytes, checksum: c8969b31497d1612d3bd90d0759d6524 (MD5) / Made available in DSpace on 2016-03-28T17:35:42Z (GMT). No. of bitstreams: 1 arana_d_me_prud.pdf: 41186649 bytes, checksum: c8969b31497d1612d3bd90d0759d6524 (MD5) Previous issue date: 2016-02-22 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / A determinação da componente altimétrica por meio do GNSS (Global Navigation Satellite System) vem ganhando destaque e tem sido utilizada para fins de nivelamento com auxílio de modelos geoidais. Todavia, a desvantagem desse método está na qualidade dos modelos geoidais utilizados, que degradam as altitudes e limitam as aplicações do método. Com intuito de proporcionar ao nivelamento/GNSS uma melhor qualidade na transformação de altitudes, essa pesquisa objetiva o desenvolvimento de uma metodologia de hibridização dos modelos geoidais gravimétricos EGM08, MAPGEO2015 e GEOIDSP2014 para o Estado de São Paulo, proporcionando modelos mais consistentes com a tecnologia GNSS. As redes neurais RBF (Radial Based Function) foram utilizadas na obtenção das superfícies de distorção, baseadas nas diferenças entre as ondulações geoidais dos modelos e as ondulações obtidas por rastreamento em referencias de nível. Para geração dos modelos híbridos foram considerados somente os pontos da Rede Altimétrica Fundamental Brasileira. A partir das distorções obtidas foi realizada uma filtragem, com objetivo de minimizar as inconsistências altimétricas. Os modelos geoidais híbridos HYDEGM, HYDMAPEO e HYDGEOIDSP foram gerados utilizando 319, 317 e 315 pontos, respectivamente. Os experimentos permitiram concluir que o interpolador mais indicado para modelagem das distorções é o RBF linear. Para validação dos modelos foi utilizado 10% dos pontos altimétricos, enquanto 90% dos dados foram utilizados na geração das superfícies de distorção. Os pontos de verificação indicam que os modelos geoidais híbridos apresentam RMS de ± 0,107, ± 0,104 e ± 0,098 m, respectivamente. Os resultados dos modelos são promissores, uma vez que representam uma melhora das consistências de 30 à 40% em comparação com os geoides gravimétricos, proporcionando aos usuários uma melhor qualidade na transformação de altitudes geométricas para ortométricas. / Determination of the altimetric component using GNSS (Global Navigation Satellite System) is becoming better known and used for purposes of leveling with the aid of geoid models. However, the disadvantage of this method is the quality of the geoid models, which degrade heights and limit the application of the method. In order to provide better quality in transforming height using GNSS/leveling, this research aims to develop a hybridization methodology of gravimetric geoid models EGM08, MAPGEO2015 and GEOIDSP2014 for the State of São Paulo, providing more consistent models with GNSS technology. RBF (Radial Basis Function) neural networks were used to obtain the surface distortion, based on differences between geoid model undulations and the undulations obtained by GNSS tracking in benchmarks. Only points from the Altimetric Fundamental Brazilian Network were considered for the generation of hybrid geoids. Filtering was carried out from the offsets obtained in order to minimize altimetric inconsistencies. The hybrid geoid models HYDEGM, HYDMAPGEO and HYDGEOIDSP were generated using, respectively, 319, 317 and 315 points. The experiments showed that the most suitable interpolation for modeling distortions is the linear RBF. 10% of the altimetric points were used for validation of the models, while 90% of the data was used in offset surface generation. Checkpoints indicate that the geoid hybrid models feature RMS ± 0,107, 0,104 and ± 0,098 m, respectively. The results are promising since they represent an improvement of 30 to 40% in consistencies compared with the gravimetric geoids, providing users better quality transformation of geometric to orthometric heights.

Submitted by CÍCERO MANOEL DOS SANTOS null (ciceromanoel2007@gmail.com) on 2016-04-05T16:44:35Z No. of bitstreams: 1 Tese_FINAL.pdf: 8502485 bytes, checksum: 26494d2583b4a89dbd92a2f0a37703b8 (MD5) / Approved for entry into archive by Juliano Benedito Ferreira (julianoferreira@reitoria.unesp.br) on 2016-04-07T19:37:27Z (GMT) No. of bitstreams: 1 santos_cm_dr_bot.pdf: 8502485 bytes, checksum: 26494d2583b4a89dbd92a2f0a37703b8 (MD5) / Made available in DSpace on 2016-04-07T19:37:27Z (GMT). No. of bitstreams: 1 santos_cm_dr_bot.pdf: 8502485 bytes, checksum: 26494d2583b4a89dbd92a2f0a37703b8 (MD5) Previous issue date: 2016-03-04 / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / A irradiação direta na incidência normal (Hb) possui papel importante no manejo de culturas agrícolas, na utilização como fonte de energia renovável e na modelagem atmosférica. Apesar de sua importância em diferentes áreas, medidas pontuais de Hb não são facilmente disponíveis nos centros de pesquisas, devido ao elevado custo de exportação dos sensores e suas manutenções periódicas. Os modelos estatísticos têm sido desenvolvidos e utilizados para estimativa de Hb nos locais onde não são monitorados. Estes modelos, normalmente, utilizam a Hg como variável de entrada, pois é a variável mais comumente medida em estações solarimétricas. Os modelos estatísticos correlacionam à fração transmitida da irradiação direta na incidência normal (ktb) com transmissividade atmosférica (kt) ou com a razão de insolação (n/N). Recentemente as técnicas de Aprendizado de Máquinas foram inseridas para estimativa de Hb. Teoricamente, são técnicas que apresentam alto desempenho na estimativa de modelos e gerar valores estimados mais precisos de Hb que os modelos estatísticos. O trabalho está divido em 4 capítulos divididos da seguinte forma. Capítulo 1: Propor a utilização da técnica Máquina de Vetor de Suporte – SVM e da Redes Neurais Artificiais para estimativa de Hb e comparar com os modelos estatísticos, testando diferentes variáveis de entrada, . Capítulo 2: Comparar a SVM com os modelos estatísticos. Capítulo 3: Comparar Rede Neural Artificial – RNA com os modelos estatísticos, utilizando o algoritmo Backpropagation. Capítulo 4: Modelagem da turbidez atmosférica de Linke com Hb. A fração transmitida de Hb (ktb) é modelada para obter Hb. Para treinamento e validação dos modelos é utilizado um banco de dados de 13 anos (1996 – 2008), medidos na estação radiométrica localizada na Faculdade de Ciências Agronômicas – FCA/UNESP (22,85°S; 48,45°W e 786m). Foram testadas diferentes variáveis de entrada para verificar qual a melhor na estimava dos modelos. Os índices estatísticos: MBE, rMBE, RMSE, rRMSE, d de Willmott e o erro percentual (%) são utilizados para validar os modelos. Os modelos foram propostos e avaliados nas partições de tempo: horária e diária. Os resultados mostraram que os modelos estatísticos estimam Hb com resultados (20% ≤ rRMSE < 30%). Os modelos propostos (SVM e RNA) geram resultados melhores que os modelos estatísticos e são indicados para estimativa de Hb (rRMSE < 20%). O modelo da SVM estima Hb melhor que RNA, por isso seu uso é tido como a primeira escolha entre os modelos. / The direct irradiation at normal incidence (Hb) is an important role in the management of crops, in the use as a renewable energy source and atmospheric modeling. Despite its importance in different areas, specific measures Hb are not readily available in research centers, due to the high cost of exporting the sensors and periodic maintenance of the sensors. Statistical models have been developed and used to estimate Hb in places where they are not monitored. These models usually use the Hg as input variable, as is the variable most commonly measured in solarimetric stations. Statistical models correlate to the fraction transmitted at Hb (ktb) with atmospheric transmissivity (kt) or insolation ratio (n/N). Recently the Machine Learning techniques (ML) were inserted for estimation of Hb. Theoretically, these techniques have greater capacity to model and generate more precise values of Hb that statistical models. The work is divided into four chapters divided as follows. Chapter 1: To propose the use of Support Vector Machine (SVM) and Artificial Neural Networks (ANN) technical to estimate Hb and compare the statistical models, testing different input variables. Chapter 2: To compare the SVM with the statistical models. Chapter 3: To compare Artificial Neural Network ANN) with statistical models using the backpropagation algorithm. Chapter 4: Modeling of atmospheric turbidity Linke with Hb. The ktb is modeled for get indirectly Hb. The validation methodology of the models with typical and atypical year is adopted and evaluated. It used a database of 13 years data (1996-2008), measured in radiometric station located at the Faculty of Agricultural Sciences - FCA/UNESP (22.85° S, 48.45° W and 786m. Different input variables are tested in the models to see if the estimate is improving. The variables used are: Hb, Hg, solar insolation (n), air temperature and relative humidity the other variables were obtained by mathematical equations. Statistical indices: MBE, rMBE, RMSE, rRMSE, d Willmontt and percent error (%) are used to validate the models. The models are proposed and evaluated in time: hourly and daily partitions. The results show that the statistical models estimate Hb with acceptable results (rRMSE ≤ 20% <30%). The proposed models (SVM and ANN) generate better results than the statistical models and are suitable for estimation of Hb (rRMSE <20%). The model of SVM estimates Hb better than ANN, so its use is considered the first choice among the models. / CNPq: 140104/2013-5

Tese (doutorado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2016. / Submitted by Fernanda Percia França (fernandafranca@bce.unb.br) on 2017-03-31T17:04:45Z No. of bitstreams: 1 2016_LynwoodLivideSouza.pdf: 2820676 bytes, checksum: e21d69f85aa2935b6d115055d119447a (MD5) / Approved for entry into archive by Raquel Viana(raquelviana@bce.unb.br) on 2017-04-07T17:46:14Z (GMT) No. of bitstreams: 1 2016_LynwoodLivideSouza.pdf: 2820676 bytes, checksum: e21d69f85aa2935b6d115055d119447a (MD5) / Made available in DSpace on 2017-04-07T17:46:14Z (GMT). No. of bitstreams: 1 2016_LynwoodLivideSouza.pdf: 2820676 bytes, checksum: e21d69f85aa2935b6d115055d119447a (MD5) / O autismo infantil é um transtorno de início precoce que afeta predominantemente três habilidades: interação social, comunicação/linguagem e comportamento. As consequências desse transtorno são diversas. Várias teorias foram criadas na tentativa de explicar as características presentes em pessoas com autismo, contudo a etiologia permanece desconhecida. Uma grande particularidade desse distúrbio é a complexidade de seu diagnóstico conclusivo. Para uma completa avaliação, são necessários diversos profissionais de diferentes áreas – como pediatras, psicólogos e neurologistas –, e isso leva a uma peregrinação dos pais até que se conclua o diagnóstico. A falta de um biomarcador é bastante discutida na literatura cientifica, pois diminuiria o tempo de diagnóstico e, consequentemente, anteciparia as terapias indicadas aos indivíduos portadores do autismo. Tais terapias são importantes, pois possibilitam aos indivíduos o desenvolvimento necessário para se socializar e conseguir ter uma vida normal. Com base na discussão da literatura cientifica, existem défices motores nos autistas, os quais, frequentemente são refletidos na dinâmica da marcha. Este trabalho tem como objetivo analisar, por Dinâmica Simbólica (DS) otimizada por Algoritmo Genético (AG) os dados de Pressão Plantar da Marcha (PPM) de um grupo de autistas (GAU), a fim de encontrar estruturas que possam propor a PPM como um biomarcador importante no diagnóstico precoce do autismo. Com base na etiologia mecânica da passada, busca-se caracterizar como a dinâmica da pressão da caminhada de um autista é diferente em certas regiões do pé. A metodologia desenvolvida neste trabalho iniciou-se com a obtenção dos dados de PPM do GAU e grupo de controle (GCO), desenvolveu-se um Algoritmo Genético (AG) para otimizar os parâmetros da DS. Para tanto, realizou-se a simbolização das séries temporais por DS, e, em seguida, analisaram-se estatisticamente os resultados, os quais mostraram a existência de alteração significativa na distribuição, indicando evidências de estruturas determinísticas nas amostras de PPM, o que permitiu distinguir características dos autistas em sua pressão plantar ao caminhar. Desta forma demonstra-se que o método da Dinâmica Simbólica otimizada por Algoritmo Genético para análise dos dados de PPM é eficiente em detectar alterações na pressão plantar da marcha de portadores de autismo. / O autismo infantil é um transtorno de início precoce que afeta predominantemente três habilidades: interação social, comunicação/linguagem e comportamento. As consequências desse transtorno são diversas. Várias teorias foram criadas na tentativa de explicar as características presentes em pessoas com autismo, contudo a etiologia permanece desconhecida. Uma grande particularidade desse distúrbio é a complexidade de seu diagnóstico conclusivo. Para uma completa avaliação, são necessários diversos profissionais de diferentes áreas – como pediatras, psicólogos e neurologistas –, e isso leva a uma peregrinação dos pais até que se conclua o diagnóstico. A falta de um biomarcador é bastante discutida na literatura cientifica, pois diminuiria o tempo de diagnóstico e, consequentemente, anteciparia as terapias indicadas aos indivíduos portadores do autismo. Tais terapias são importantes, pois possibilitam aos indivíduos o desenvolvimento necessário para se socializar e conseguir ter uma vida normal. Com base na discussão da literatura cientifica, existem défices motores nos autistas, os quais, frequentemente são refletidos na dinâmica da marcha. Este trabalho tem como objetivo analisar, por Dinâmica Simbólica (DS) otimizada por Algoritmo Genético (AG) os dados de Pressão Plantar da Marcha (PPM) de um grupo de autistas (GAU), a fim de encontrar estruturas que possam propor a PPM como um biomarcador importante no diagnóstico precoce do autismo. Com base na etiologia mecânica da passada, busca-se caracterizar como a dinâmica da pressão da caminhada de um autista é diferente em certas regiões do pé. A metodologia desenvolvida neste trabalho iniciou-se com a obtenção dos dados de PPM do GAU e grupo de controle (GCO), desenvolveu-se um Algoritmo Genético (AG) para otimizar os parâmetros da DS. Para tanto, realizou-se a simbolização das séries temporais por DS, e, em seguida, analisaram-se estatisticamente os resultados, os quais mostraram a existência de alteração significativa na distribuição, indicando evidências de estruturas determinísticas nas amostras de PPM, o que permitiu distinguir características dos autistas em sua pressão plantar ao caminhar. Desta forma demonstra-se que o método da Dinâmica Simbólica otimizada por Algoritmo Genético para análise dos dados de PPM é eficiente em detectar alterações na pressão plantar da marcha de portadores de autismo.

O objetivo principal deste trabalho é estudar empiricamente o processo de formação de expectativas inflacionárias no Brasil, no período recente (pós metas de inflação), através de um modelo conexionista, que aproxima a forma como os agentes fazem previsões. A coordenação das expectativas do mercado em relação à inflação futura é um aspecto crucial do regime de metas de inflação. Dessa forma, entender os fatores que afetam tais expectativas é de grande relevância para o direcionamento adequado da política monetária. Os dados para expectativas de inflação utilizados são provenientes da pesquisa FOCUS do Banco Central do Brasil, e constituem um painel de dados não balanceado. Os resultados obtidos nos permitem afirmar que a maior influência sobre as expectativas inflacionárias no período como um todo foi da volatilidade cambial, seguida pela variação no preço das commodities, pela defasagem de ordem um das expectativas, pela variação cambial e pela meta. Em menor magnitude, afetam as expectativas o resultado primário do governo, a defasagem de ordem dois e a taxa Selic. O comportamento desse efeito ao longo do tempo foi verificado através da análise de sensibilidade do produto da rede em resposta a cada uma das variáveis. No período de crise de confiança, há um expressivo descolamento das expectativas em relação à meta, com um aumento do efeito das demais variáveis. Resultado inverso ocorre no período pós-crise: o efeito da meta de inflação aumenta e das demais variáveis tende a se reduzir, ainda que em alguns casos tais efeitos sejam expressivos (como da defasagem de ordem um e da volatilidade cambial). Isso nos leva a concluir que o Banco Central vem consolidando sua credibilidade ao longo do tempo, mas que há ainda espaço para melhorias. / This work aims to empirically study the formation process of inflationary expectations in Brazil, in the recent period (after the introduction of the inflation targeting policy) by a connexionist model that approaches the way agents forecast. The coordination of market expectations in relation to the future inflation is a crucial aspect of the inflation targeting. This way, understanding the factors that affect such expectations has great relevance for the adequate aiming of the monetary policies. The data for inflation expectations used in this work are from the FOCUS research of the Brazilian Central Bank, and it constitutes a unbalanced data panel. The results obtained allow us to affirm that the biggest influence on the inflationary expectations in the period as a whole was from exchange rate volatility, followed by the commodities prices variation, by the first order lag of the expectations, by the exchange rate variation and by the target. In lesser magnitude, the primary result of the government, the second order lag and the Selic tax affect the expectations. The behavior of this effect throughout the time was verified through the analysis of sensitivity of the product of the network in reply to each one of the inputs. In the period of reliable crisis, there is an expressive shift of the expectations in relation to the target, with an increase of the effect of the other variables. Inverse result occurs in the after-crisis period: the effect of the inflation target increases and of the other variables tend to be reduced, despite in some cases such effect are expressive (as the first order lag and exchange rate volatility). Thus we may conclude that the Brazilian Central Bank has been consolidating its credibility throughout the time, but there is still an open space for improvements.

Os ensaios não destrutivos servem como uma importante ferramenta para a análise de estruturas de concreto armado. A utilização de ensaios de velocidade de propagação do pulso ultra-sônico (VPU) permite realizar um acompanhamento das características do material ao longo de sua vida útil. Através da análise dos dados obtidos, pode-se averiguar a uniformidade do concreto, controlar a sua qualidade, acompanhar sua deterioração e, através de comparação com corpos de prova de referência e, até mesmo, estimar a resistência do mesmo. No entanto, as técnicas atuais para análise dos resultados coletados são, em grande parte, baseadas na sensibilidade dos profissionais que as aplicam. Para facilitar o controle e inspeção de estruturas de concreto armado é fundamental desenvolver estratégias para tornar esta análise mais simples e precisa. Este trabalho se baseia na hipótese de que a aplicação de Redes Neurais Artificiais (RNAs) pode gerar modelos de relacionamento úteis e acurados entre as características do concreto, sua compacidade e sua resistência à compressão. O intuito é determinar se com o uso de RNAs é possível estabelecer relações não-lineares que permitam estimar a resistência do concreto a partir do conhecimento de algumas propriedades básicas e da verificação da sua compacidade por meio de ensaios de VPU. Os resultados indicam que as RNAs podem ser usadas para gerar métodos numéricos robustos e flexíveis para estimativa da resistência à compressão a partir de dados de VPU. O estudo evidencia uma considerável melhora nos resultados de estimação da resistência quando se empregam modelos neurais, em comparação a modelos estatísticos tradicionais. Para os dados coletados, provenientes de diversas pesquisas, os modelos tradicionais geram estimativas com coeficientes de determinação que não ultrapassam um valor de R² de 0,40. Já as redes neurais conseguem ajustes com R² da ordem de 0,90. Além de contribuir para uma melhor análise de situações em que haja dúvidas sobre a resistência ou homogeneidade de elementos de concreto, o trabalho demonstra que modelos neurais são uma forma eficiente de ordenar e transferir conhecimento não estruturado. Constatou-se, ainda, que, dada sua capacidade de aprendizagem e de generalização do conhecimento adquirido, as RNAs se constituem em um meio rápido e preciso para modelagem de fenômenos complexos. / Nondestructive Testing (NDT) techniques are useful tools for analyzing reinforced concrete (RC) structures. The use of Ultrassonic Pulse Velocity (UPV) measurements enables the monitoring of changes in some critical characteristics of concrete over the service life of a structure. The interpretation of the data collected allows an assessment of concrete uniformity, and can be used to perform quality control, to monitor deterioration and even, by means of comparison against reference samples, to estimate compressive strength. Nonetheless, the current techniques for UPV data analysis are, on a large degree, based on the sensitivity of the professionals who apply these tests. For accurate diagnosis it is necessary to consider the various factors and conditions that can affect the results. To proper control and inspect RC facilities it is essential to develop appropriate strategies to make the task of data interpretation easier and more accurate. This work is based on the notion that using Artificial Neural Networks (ANNs) is a feasible way to generate workable estimation models correlating concrete characteristics, compacity and compressive strength. The goal is to determine if it is possible to establish models based on non-linear relationships that are capable of estimating with good accuracy the concrete strength based on previous knowledge of some basic material characteristics and UPV measurements. The study shows that this goal is achievable and indicates that neural models perform better than traditional statistical models. For the data collected in this work, provided by various researchers, traditional regression models cannot exceed R² = 0.40, while the use of ANNs allows the creation of models that can reach a determination coefficient R² = 0.90. The results make clear that, besides contributing to better the analysis of situations where there is doubts regarding concrete strength or uniformity, neural models are an efficient way to order and transfer unstructured knowledge. It was shown that, given the learning capacity and its ability to generalize acquired information into mathematical patterns, ANNs are a quick and adequate way to model complex phenomena.

Submitted by Automação e Estatística (sst@bczm.ufrn.br) on 2018-07-03T14:17:15Z No. of bitstreams: 1 JeanMarioMoreiraDeLima_DISSERT.pdf: 2889834 bytes, checksum: f4a43ed1a203489a4ac1293aa8e04bf0 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2018-07-11T11:19:44Z (GMT) No. of bitstreams: 1 JeanMarioMoreiraDeLima_DISSERT.pdf: 2889834 bytes, checksum: f4a43ed1a203489a4ac1293aa8e04bf0 (MD5) / Made available in DSpace on 2018-07-11T11:19:44Z (GMT). No. of bitstreams: 1 JeanMarioMoreiraDeLima_DISSERT.pdf: 2889834 bytes, checksum: f4a43ed1a203489a4ac1293aa8e04bf0 (MD5) Previous issue date: 2018-05-28 / Atualmente, diante de um mercado cada vez mais competitivo, produzir de forma eficiente é essencial para se obter um balanço econômico positivo. Reduzir custos, realizar processos otimizados e ofertar produtos cada vez melhores são fatores que influenciam diretamente na economia de qualquer indústria. Diante disso, técnicas que podem melhorar e/ou otimizar processos, como o monitoramento da qualidade de produto ou controle avançado tornam-se fundamentais para a indústria como um todo. No caso de Unidades de Processamento de Gás Natural (UPGNs), o monitoramento da qualidade do produto produzido é intrínseco a uma produção satisfatória, e esse controle da qualidade faz-se, como na maioria dos processos químicos, através da composição química dos produtos. Entretanto, mesmo quando cromatógrafos a gás são utilizados para análise química dos componentes, tem-se lentidão no processo analítico e longos intervalos de medição são observados. Isso impede que técnicas de monitoramento em tempo real, ou de controle, sejam estabelecidas para obtenção de melhor rendimento do processo. Dentre esses produtos, em termos econômicos, o principal é o GLP (Gás Liquefeito de Petróleo), composto por propano, butano e contaminantes como etano e pentano. Neste trabalho é proposto um sistema chamado de soft sensor que faça a inferência, baseada em redes neurais, da composição do GLP, isto é, dos seus principais componentes. Dessa forma, o monitoramento, em tempo real, da qualidade do GLP produzido torna-se possível, uma vez que a medição de sua composição não será feita através do lento processo analítico. Assim, melhora-se a qualidade do processo, do produto e, consequentemente, a lucratividade. Para o desenvolvimento deste trabalho, utilizou-se uma UPGN simulada no software HYSYS, formada por uma coluna deetanizadora em série com uma coluna debutanizadora. Na instrumentação da planta, têm-se alguns controladores PIDs. O sensor virtual tem como entradas algumas das variáveis de processo desses controladores. Neste tabalho, é proposto também um sistema de correção do erro, em tempo real, do soft sensor, tendo com base a leitura da composição do GLP feita por cromatógrafos presentes no processo. Os resultados se mostraram promissores, atestando o funcionamento adequado do soft sensor. / In face of an increasingly competitive market, producing efficiently and effectively is essential for a positive economic balance. Reducing costs, optimizing processes and offering even better products are factors that directly influence the economy of any industry. In this view, techniques that can improve and / or guarantee optimization of processes, such as the monitoring of product quality or advanced and intelligent control become fundamental for the industry as a whole. In case of Natural Gas Processing Units (NGPUs), monitoring the quality of the product is intrinsic to a satisfactory production, and quality control has been done such as in most chemical processes, through the chemical composition of the products. However, even when chromatographs are used for chemical analysis of the components, the analytical process is slow and long measurement intervals are observed. This hampers real-time product monitoring or control techniques from being established to obtain better process performance.Among these products, the most important, economically speaking, is LPG (Liquefied Petroleum Gas) composed of propane, butane and contaminats such as ethane and pentane. In this work, a system called soft sensor that makes the inference of the main components of GLP based on artificial neural network is proposed. Then, the real-time monitoring of the quality of the produced LPG becomes possible, since the measurement of the composition of the LPG will not be obtained through the slow analytical process. Thus, the quality of the process, the LPG itself, consequently, its profitability are improved.In the development of this work, a simulated GNPU has been used in HYSYS, consisting of a deethanizing column in series with a debutanizer column. In the instrumentation of the plant, there are some PID controllers. The virtual sensor is based on process variables of these controllers. In this work, a real-time error correction module of the softsensor is also proposed, based on the measuruments of the LPG composition made by the chromatographs present in the process. The results are promising, attesting the adequate behavior of the soft sensor.

Submitted by ADRIANO DE SOUZA MARQUES (adrianosmarques@gmail.com) on 2018-07-24T20:31:46Z No. of bitstreams: 1 TESE-FINAL- OK - ADRIANO DE SOUZA MARQUES.pdf: 4099150 bytes, checksum: 7d637f84bcd1d9458ad52467f0e5bfe8 (MD5) / Approved for entry into archive by Ana Lucia de Grava Kempinas (algkempinas@fca.unesp.br) on 2018-07-25T11:31:18Z (GMT) No. of bitstreams: 1 marques_as_dr_botfca.pdf: 4099150 bytes, checksum: 7d637f84bcd1d9458ad52467f0e5bfe8 (MD5) / Made available in DSpace on 2018-07-25T11:31:18Z (GMT). No. of bitstreams: 1 marques_as_dr_botfca.pdf: 4099150 bytes, checksum: 7d637f84bcd1d9458ad52467f0e5bfe8 (MD5) Previous issue date: 2018-05-30 / Neste trabalho é realizado um estudo para estimar a transmissividade da radiação global (Ktβh) e a fração difusa (Kdβh) incidentes em uma superfície com inclinação de 22,85° na base horária utilizando técnicas de aprendizado de máquina (TAM), a partir de dados obtidos no período de 1998 a 2001 em Botucatu/SP/Brasil. As estimativas foram realizadas usando uma série de combinações de variáveis astronômicas e geográficas por meio de três técnicas de redes neurais artificiais (RNA) do tipo Perceptron Multicamadas (MLP), Função de Base Radial (RBF) e Regressão Generalizada (GRNN) e do Sistema Adaptativo de Inferência Neuro Fuzzy (ANFIS). Como referência foram elaborados modelos estatísticos (ME) de regressão linear e polinomial. No Capítulo 1 as estimativas de (Ktβh) foram realizadas por combinações de variáveis medidas e calculadas a partir da irradiação global na superfície horizontal (HgH) e nas estimativas de (Kdβh) utilizou-se combinações de variáveis medidas e calculadas a partir de (HgH) e da irradiação global na superfície inclinada (Hgβ). No Capítulo 2 as estimativas de (Kdβh) foram realizadas por combinações de variáveis medidas e calculadas a partir das irradiações difusa (HdH) e global (HgH) obtidas na superfície horizontal. Os indicadores estatísticos r (correlação), RMSE(%) (precisão) e MBE(%) (exatidão) foram utilizados para avaliar os resultados das estimativas. No capítulo 1 os melhores resultados nas estimativas de (Ktβh) a partir das combinações realizadas com (HgH) foram: MLP - RMSE=3,73%; RBF - RMSE=3,99%; GRNN - RMSE=5,27%; ANFIS - RMSE=3,78% e ME - RMSE=6,65%. Nesse caso os indicadores de precisão mostram uma redução de aproximadamente 44% com o uso da técnica (MLP) em comparação ao modelo estatístico (ME). Nas estimativas de (Kdβh) a partir das combinações de (HgH) os melhores resultados foram: MLP - RMSE=21,69%; RBF - RMSE=25,43%; GRNN - RMSE=29,39%; ANFIS - RMSE=23,08% e - ME - RMSE=35,35%. Da mesma forma os indicadores de precisão mostram uma redução de aproximadamente 39% com o uso da técnica (MLP) em comparação ao modelo estatístico (ME). E nas estimativas de (Kdβh) a partir das combinações realizadas com (Hgβ) os melhores resultados foram: MLP - RMSE=20,32%; RBF - RMSE=21,95%; GRNN - RMSE=29,11%; ANFIS - RMSE=21,75% e ME - RMSE=36,48%. Os indicadores de precisão mostram uma redução de aproximadamente 44% com o uso da técnica (MLP) em comparação ao modelo estatístico (ME). No capítulo 2 as melhores estimativas de (Kdβh) a partir das combinações realizadas com (HdH) foram: MLP - RMSE=4,03%; RBF - RMSE=5,84%; GRNN - RMSE=10,85%; ANFIS - RMSE=4,15% e ME - RMSE=12,42%. Os indicadores de precisão mostram uma redução de aproximadamente 67% com o uso da técnica (MLP) em comparação ao modelo estatístico (ME). Nas estimativas de (Kdβh) a partir de (HgH) os melhores resultados foram: MLP - RMSE=21,69%; RBF - RMSE=25,43%; GRNN - RMSE=29,39%; ANFIS - RMSE=23,08% e ME - RMSE=35,35%. Os indicadores de precisão mostram uma redução de aproximadamente 39% com o uso da técnica (MLP) em comparação ao modelo estatístico (ME). Os resultados mostram que a técnica de rede neural artificial MLP apresentou os melhores índices em todas as estimativas de (Ktβh) e (Kdβh) com reduções significativas quando comparadas aos resultados obtidos com as estimativas obtidas com os modelos estatísticos. Pela análise dos resultados é possível observar que o uso das técnicas de aprendizado de máquina (TAM) nas combinações de variáveis propostas e com os dados obtidos de Botucatu/SP, se apresentam como alternativa aos modelos estatísticos (ME) para estimar as variáveis de (Ktβh) e (Kdβh). / In this work, a study was carried out to estimate the transmissivity of the global radiation (Ktβh) and the diffuse fraction (Kdβh) incident on a surface with slope of 22.85 ° in the hourly basis using machine learning techniques (MLT), from data obtained from 1998 to 2001 in Botucatu / SP / Brazil. The estimates were made using a series of combinations of astronomical and geographic variables by means of three artificial neural network (ANN) techniques such as MultLayer Perceptron (MLP), Radial Basis Functions Networks (RBF) and Generalized Regression Neural Network (GRNN) Adaptive Neuro Fuzzy Inference System (ANFIS). Statistical models (SM) of linear and polynomial regression were elaborated as reference. In Chapter 1 estimates of (Ktβh) were performed by combinations of variables measured and calculated from global horizontal surface irradiation (HgH) and estimates of (Kdβh) combinations of variables measured and calculated from (HgH) and global radiation on the sloped surface (Hgβ). In Chapter 2 estimates of (Kdβh) were performed by combinations of variables measured and calculated from the diffuse (HdH) and global (HgH) irradiances obtained on the horizontal surface. The statistical indicators r (correlation), RMSE (%) (precision) and MBE (%) (accuracy) were used to evaluate the results of the estimates. In Chapter 1 the best results in the estimates of (Ktβh) from the combinations performed with (HgH) were: MLP - RMSE = 3.73%; RBF - RMSE = 3.99%; GRNN - RMSE = 5.27%; ANFIS-RMSE = 3.78% and SM - RMSE = 6.65%. In this case the precision indicators show a reduction of approximately 44% with the use of the technique (MLP) in comparison to the statistical model (SM). In the estimates of (Kdβh) from the combinations of (HgH) the best results were: MLP - RMSE = 21.69%; RBF - RMSE = 25.43%; GRNN - RMSE = 29.39%; ANFIS - RMSE = 23.08% and SM - RMSE = 35.35%. Likewise, the precision indicators show a reduction of approximately 39% with the use of the technique (MLP) in comparison to the statistical model (SM). And in the estimates of (Kdβh) from the combinations performed with (Hgβ) the best results were: MLP - RMSE = 20.32%; RBF - RMSE = 21.95%; GRNN - RMSE = 29.11%; ANFIS - RMSE = 21.75% and SM - RMSE = 36.48%. The precision indicators show a reduction of approximately 44% with the use of the technique (MLP) in comparison to the statistical model (SM). In Chapter 2 the best estimates of (Kdβh) from the combinations performed with (HdH) were: MLP - RMSE = 4.03%; RBF - RMSE = 5.84%; GRNN - RMSE = 10.85%; ANFIS - RMSE = 4.15% and SM - RMSE = 12.42%. The precision indicators show a reduction of approximately 67% with the use of the technique (MLP) in comparison to the statistical model (SM). In the estimates of (Kdβh) from (HgH) the best results were: MLP - RMSE = 21.69%; RBF - RMSE = 25.43%; GRNN - RMSE = 29.39%; ANFIS - RMSE = 23.08% and SM - RMSE = 35.35%. The precision indicators show a reduction of approximately 39% with the use of the technique (MLP) in comparison to the statistical model (SM). The results show that the artificial neural network MLP technique presented the best indexes in all estimates of (Ktβh) and (Kdβh) with significant reductions when compared to the results obtained with the estimates obtained with the statistical models. By the analysis of the results it is possible to observe that the use of the machine learning techniques (MLT) in the combinations of proposed variables and the data obtained from Botucatu / SP, are presented as an alternative to the statistical models (SM) to estimate the variables of (Ktβh) and (Kdβh).

Orientador: Anna Diva Plasencia Lotufo / Resumo: This work analysis load data from desegregated levels that presented difficulties to load forecasting with several methods due to variation in electrical energy consumption. The application proposed in this work is short-term load forecasting to a university building by GRNN (General Regression Neural Network) considering the bottom up approach and using a moving average filter to deal with the missing or wrong data. It is presented the system that provides the data as well as the methods used for pre-processing and realize the forecasting. The results are evaluated by MAPE (Mean Absolute Perceptual Error) and are considered good when compared with other methods. / Mestre