Made available in DSpace on 2014-12-17T14:54:49Z (GMT). No. of bitstreams: 1 CrisluciKSS.pdf: 1753956 bytes, checksum: 06fc893387f3832c2cc344c281169f6d (MD5) Previous issue date: 2008-10-13 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / Post dispatch analysis of signals obtained from digital disturbances registers provide important information to identify and classify disturbances in systems, looking for a more efficient management of the supply. In order to enhance the task of identifying and classifying the disturbances - providing an automatic assessment - techniques of digital signal processing can be helpful. The Wavelet Transform has become a very efficient tool for the analysis of voltage or current signals, obtained immediately after disturbance s occurrences in the network. This work presents a methodology based on the Discrete Wavelet Transform to implement this process. It uses a comparison between distribution curves of signals energy, with and without disturbance. This is done for different resolution levels of its decomposition in order to obtain descriptors that permit its classification, using artificial neural networks / An?lises p?s-despacho de sinais oriundos de registradores de perturba??es fornecem muitas vezes informa??es importantes para identifica??o e classifica??o de dist?rbios nos sistemas, visando a uma gest?o mais eficiente do fornecimento de energia el?trica. Para auxiliar nessa tarefa, faz-se necess?rio recorrer a t?cnicas de processamento de sinais, a fim de automatizar o diagn?stico sobre os tipos de dist?rbio presentes nos sinais registrados. A transformada wavelet constitui-se em uma ferramenta matem?tica bastante eficaz na an?lise de sinais de tens?o ou corrente, obtidos imediatamente ap?s a ocorr?ncia de dist?rbios na rede. Este trabalho apresenta uma metodologia baseada na transformada wavelet discreta e na compara??o de curvas de distribui??o da energia de sinais, com e sem dist?rbio, para diferentes n?veis de resolu??o de sua decomposi??o, com o objetivo de obter descritores que permitam a sua classifica??o atrav?s do uso de redes neurais artificiais

Made available in DSpace on 2014-12-17T14:55:03Z (GMT). No. of bitstreams: 1 OscarGF.pdf: 1901439 bytes, checksum: f8f1a37dca7a69d726f7a9453cbf0a98 (MD5) Previous issue date: 2004-03-05 / This work develops a robustness analysis with respect to the modeling errors, being applied to the strategies of indirect control using Artificial Neural Networks - ANN s, belong to the multilayer feedforward perceptron class with on-line training based on gradient method (backpropagation). The presented schemes are called Indirect Hybrid Control and Indirect Neural Control. They are presented two Robustness Theorems, being one for each proposed indirect control scheme, which allow the computation of the maximum steady-state control error that will occur due to the modeling error what is caused by the neural identifier, either for the closed loop configuration having a conventional controller - Indirect Hybrid Control, or for the closed loop configuration having a neural controller - Indirect Neural Control. Considering that the robustness analysis is restrict only to the steady-state plant behavior, this work also includes a stability analysis transcription that is suitable for multilayer perceptron class of ANN s trained with backpropagation algorithm, to assure the convergence and stability of the used neural systems. By other side, the boundness of the initial transient behavior is assured by the assumption that the plant is BIBO (Bounded Input, Bounded Output) stable. The Robustness Theorems were tested on the proposed indirect control strategies, while applied to regulation control of simulated examples using nonlinear plants, and its results are presented / Este trabalho utiliza as Redes Neurais Multicamadas - RNM s, totalmente com treinamento em tempo real (on-line), no desenvolvimento de duas estrat?gias de controle indireto. Os esquemas propostos denominam-se Controle H?brido Indireto e Controle Neural Indireto. Todo o treinamento dos neurodispositivos - o identificador da planta e o controlador, quando presentes na malha de controle indireto, ? realizado com um m?nimo de atraso computacional, de modo a contemplar o controle de plantas com pequenos per?odos de amostragem. S?o apresentados Teoremas de Estabilidade para garantia da converg?ncia dos dispositivos neurais, assim como foram feitas considera??es para adequar o m?todo de acelera??o da converg?ncia h-adaptativo utilizado ?s condi??es de estabilidade. Para cada esquema de controle indireto foi desenvolvido um teorema que permite calcular o m?ximo erro permanente (steady-state error) que poder? ocorrer em fun??o da toler?ncia previamente especificada para converg?ncia dos dispositivos neurais usados na malha de controle, desde que a estabilidade seja garantida. Estes teoremas foram denominados de Teoremas da Robustez e constituem a principal contribui??o deste trabalho. As condi??es de estabilidade e robustez foram testadas para as estrat?gias de Controle H?brido Indireto e de Controle Neural Indireto, sendo apresentados os resultados obtidos na simula??o computacional do controle de regula??o de plantas n?o-lineares, BIBO (Bounded Input, Bounded Output) est?veis

Made available in DSpace on 2014-12-17T14:55:10Z (GMT). No. of bitstreams: 1 ElderECO.pdf: 2183610 bytes, checksum: d02ab6a3abf8c0cd3e77eadf92d529a0 (MD5) Previous issue date: 2008-12-03 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / The microstrip antennas are in constant evidence in current researches due to several advantages that it presents. Fractal geometry coupled with good performance and convenience of the planar structures are an excellent combination for design and analysis of structures with ever smaller features and multi-resonant and broadband. This geometry has been applied in such patch microstrip antennas to reduce its size and highlight its multi-band behavior. Compared with the conventional microstrip antennas, the quasifractal patch antennas have lower frequencies of resonance, enabling the manufacture of more compact antennas. The aim of this work is the design of quasi-fractal patch antennas through the use of Koch and Minkowski fractal curves applied to radiating and nonradiating antenna s edges of conventional rectangular patch fed by microstrip inset-fed line, initially designed for the frequency of 2.45 GHz. The inset-fed technique is investigated for the impedance matching of fractal antennas, which are fed through lines of microstrip. The efficiency of this technique is investigated experimentally and compared with simulations carried out by commercial software Ansoft Designer used for precise analysis of the electromagnetic behavior of antennas by the method of moments and the neural model proposed. In this dissertation a study of literature on theory of microstrip antennas is done, the same study is performed on the fractal geometry, giving more emphasis to its various forms, techniques for generation of fractals and its applicability. This work also presents a study on artificial neural networks, showing the types/architecture of networks used and their characteristics as well as the training algorithms that were used for their implementation. The equations of settings of the parameters for networks used in this study were derived from the gradient method. It will also be carried out research with emphasis on miniaturization of the proposed new structures, showing how an antenna designed with contours fractals is capable of a miniaturized antenna conventional rectangular patch. The study also consists of a modeling through artificial neural networks of the various parameters of the electromagnetic near-fractal antennas. The presented results demonstrate the excellent capacity of modeling techniques for neural microstrip antennas and all algorithms used in this work in achieving the proposed models were implemented in commercial software simulation of Matlab 7. In order to validate the results, several prototypes of antennas were built, measured on a vector network analyzer and simulated in software for comparison / As antenas de microfita est?o em constante evid?ncia nas pesquisas atuais, isso devido ?s in?meras vantagens que apresentam. A geometria fractal aliada ao bom desempenho e comodidade das estruturas planares s?o uma excelente combina??o para projetos e an?lise de estruturas cada vez menores e com caracter?sticas multi-ressonantes e banda larga. Essa geometria tem sido aplicada em antenas tipo patch em microfita para reduzir o seu tamanho e evidenciar o seu comportamento multi-banda. Em compara??o com as antenas em microfita convencionais, as antenas patch quase-fractais apresentam freq??ncias de resson?ncia inferiores, possibilitando a fabrica??o de antenas ainda mais compactas. O objetivo desse trabalho consiste no projeto de antenas patches quase-fractal por meio da utiliza??o de curvas fractais de Koch e Minkowski aplicado ?s margens radiante e n?o-radiante de uma antena inset-fed patch retangular convencional alimentada por linha de microfita com reentr?ncias, inicialmente projetada para a freq??ncia de 2,45 GHz a ser observada. A t?cnica inset-fed ? investigada para o casamento de imped?ncias das antenas fractais, que s?o alimentadas atrav?s de linhas de microfita com reentr?ncias. A efici?ncia dessa t?cnica ? investigada experimentalmente e comparada com simula??es realizadas pelo software comercial Ansoft Designer, usado para a an?lise precisa do comportamento eletromagn?tico das antenas atrav?s do m?todo dos momentos e pelo modelo neural proposto. Nessa disserta??o um estudo bibliogr?fico em teoria de antenas de microfita ? realizado, o mesmo estudo ? realizado a respeito da geometria fractal, dando ?nfase a suas mais diversas formas, t?cnicas de gera??o desses fractais bem como sua aplicabilidade. Este trabalho ainda apresenta um estudo em redes neurais artificiais, evidenciando os tipos/arquitetura de redes utilizadas e suas caracter?sticas, bem como os algoritmos de treinamento que foram utilizados para sua implementa??o. As equa??es dos ajustes dos par?metros para as redes utilizadas nesse trabalho foram deduzidas a partir do m?todo do gradiente. Tamb?m ser? realizada uma investiga??o com ?nfase na miniaturiza??o dessas novas estruturas propostas, indicando o quanto uma antena projetada com contornos fractais ? capaz de miniaturizar uma antena patch retangular convencional. O estudo tamb?m consiste de uma modelagem por meio de redes neurais artificiais dos mais diversos par?metros eletromagn?ticos das antenas quase-fractais. Os resultados apresentados demonstram a excelente capacidade das t?cnicas neurais para modelagem de antenas de microfita, e todos os algoritmos utilizados nesse trabalho na obten??o dos modelos propostos foram implementados no software comercial de simula??o Matlab 7. Com a finalidade de validar os resultados obtidos, v?rios prot?tipos de antenas foram constru?dos, medidos em um analisador de rede vetorial e simulados em software para compara??o

Made available in DSpace on 2014-12-17T14:55:29Z (GMT). No. of bitstreams: 1 AnaCMLA_da_capa_ate_pag_32.pdf: 11099536 bytes, checksum: 4f9f0f481f00f3c8e66d9a39f591e6a2 (MD5) Previous issue date: 2005-02-01 / ln this work, it was deveIoped a parallel cooperative genetic algorithm with different evolution behaviors to train and to define architectures for MuItiIayer Perceptron neural networks. MuItiIayer Perceptron neural networks are very powerful tools and had their use extended vastIy due to their abiIity of providing great resuIts to a broad range of appIications. The combination of genetic algorithms and parallel processing can be very powerful when applied to the Iearning process of the neural network, as well as to the definition of its architecture since this procedure can be very slow, usually requiring a lot of computational time. AIso, research work combining and appIying evolutionary computation into the design of neural networks is very useful since most of the Iearning algorithms deveIoped to train neural networks only adjust their synaptic weights, not considering the design of the networks architecture. Furthermore, the use of cooperation in the genetic algorithm allows the interaction of different populations, avoiding local minima and helping in the search of a promising solution, acceIerating the evolutionary process. Finally, individuaIs and evolution behavior can be exclusive on each copy of the genetic algorithm running in each task enhancing the diversity of populations / Neste trabalho foi desenvolvido um algoritmo gen?tico paralelo cooperativo com diferentes comportamentos evolutivos para o treinamento e defini??o de redes neurais Perceptron de M?ltiplas Camadas. As redes neurais Perceptron de M?ltiplas Camadas s?o ferramentas poderosas e tiveram seu uso intensificado j? que s?o capazes de proporcionar bons resultados para diversas aplica??es. A combina??o de algoritmos gen?ticos e de processamento paralelo aplicados no processo de treinamento e na defini??o de redes neurais Perceptron de M?ltiplas Camadas ? interessante uma vez que o processo de aprendizagem geralmente ? lento e a maioria dos algoritmos de treinamento existente realiza apenas o ajuste dos pesos sin?pticos da rede neural. Sabe-se que, sem conhecimento pr?vio da aplica??o, ? dif?cil definir uma arquitetura ideal para a rede neural. Desta maneira, tem-se que t?cnicas para automatizar a defini??o da arquitetura de redes neurais s?o de interesse. Al?m disso, o uso de coopera??o no algoritmo gen?tico permite a explora??o de ?reas promissoras do espa?o de busca encontradas por diferentes popula??es, pode evitar m?nimos locais e possibilita a re-introdu??o nas popula??es de informa??es previamente perdidas. Por fim, atrav?s da incorpora??o de diferentes comportamentos evolutivos, intensifica-se a diversidade dos indiv?duos e, assim, a busca por uma solu??o promissora

Made available in DSpace on 2014-12-17T14:55:42Z (GMT). No. of bitstreams: 1 LeandroLSL_DISSERT.pdf: 1890433 bytes, checksum: 540cbd4cf39fb3515249b7cecd6d0dcc (MD5) Previous issue date: 2010-03-19 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / Nowadays, where the market competition requires products with better quality and a constant search for cost savings and a better use of raw materials, the research for more efficient control strategies becomes vital. In Natural Gas Processin Units (NGPUs), as in the most chemical processes, the quality control is accomplished through their products composition. However, the chemical composition analysis has a long measurement time, even when performed by instruments such as gas chromatographs. This fact hinders the development of control strategies to provide a better process yield. The natural gas processing is one of the most important activities in the petroleum industry. The main economic product of a NGPU is the liquefied petroleum gas (LPG). The LPG is ideally composed by propane and butane, however, in practice, its composition has some contaminants, such as ethane and pentane. In this work is proposed an inferential system using neural networks to estimate the ethane and pentane mole fractions in LPG and the propane mole fraction in residual gas. The goal is to provide the values of these estimated variables in every minute using a single multilayer neural network, making it possibly to apply inferential control techniques in order to monitor the LPG quality and to reduce the propane loss in the process. To develop this work a NGPU was simulated in HYSYS R software, composed by two distillation collumns: deethanizer and debutanizer. The inference is performed through the process variables of the PID controllers present in the instrumentation of these columns. To reduce the complexity of the inferential neural network is used the statistical technique of principal component analysis to decrease the number of network inputs, thus forming a hybrid inferential system. It is also proposed in this work a simple strategy to correct the inferential system in real-time, based on measurements of the chromatographs which may exist in process under study / Nos dias atuais, em que a concorr?ncia de mercado exige produtos de melhor qualidade e a busca constante pela redu??o de custos e pelo melhor aproveitamento das mat?rias-primas, a utiliza??o de estrat?gias de controle mais eficientes torna-se fundamental. Nas Unidades de Processamento de G?s Natural (UPGNs), assim como na maioria dos processos qu?micos, o controle de qualidade ? realizado a partir da composi??o de seus produtos. Entretanto, a an?lise de composi??es qu?micas, mesmo quando realizada por equipamentos como os cromat?grafos a g?s, apresenta longos intervalos de medi??o. Esse fato dificulta a elabora??o de estrat?gias de controle que proporcionem um melhor rendimento do processo. Geralmente, o principal produto econ?mico de uma UPGN ? o GLP (G?s Liquefeito de Petr?leo). Outros produtos comumente obtidos nessas unidades s?o a gasolina natural e o g?s residual. O GLP ? formado idealmente por propano e butano. Entretanto, na pr?tica, apresenta em sua composi??o contaminantes, tais como o etano e o pentano. Neste trabalho ? proposto um sistema de infer?ncia utilizando redes neurais para estimar as fra??es molares de etano e pentano no GLP e a fra??o molar de propano no g?s residual. O objetivo ? estimar essas vari?veis a cada minuto com uma ?nica rede neural de m?ltiplas camadas, permitindo a aplica??o de t?cnicas de controle inferencial visando a controlar a qualidade do GLP e reduzir a perda de propano no processo. No desenvolvimento deste trabalho, ? simulada no software HYSYS R uma UPGN formada por uma coluna de destila??o deetanizadora e outra debutanizadora. A infer?ncia ? realizada a partir das vari?veis de processo de alguns controladores PID presentes na instrumenta??o das colunas citadas. Com o intuito de reduzir a complexidade da rede neural de infer?ncia, ? utilizada a t?cnica estat?stica de an?lise de componentes principais (ACP) para diminuir o n?mero de entradas da rede. Tem-se, portanto, um sistema h?brido de infer?ncia. Tamb?m ? proposta neste trabalho, uma estrat?gia simples para a corre??o em tempo real do sistema de infer?ncia, tendo como base as medi??es dos poss?veis cromat?grafos de linha presentes no processo em estudo

Made available in DSpace on 2014-12-17T14:55:47Z (GMT). No. of bitstreams: 1 AdersonJSR_DISSERT.pdf: 1340267 bytes, checksum: 7e5d7b1cac94782e60f91d869bb998c3 (MD5) Previous issue date: 2010-02-19 / This work presents a diagnosis faults system (rotor, stator, and contamination) of three-phase induction motor through equivalent circuit parameters and using techniques patterns recognition. The technology fault diagnostics in engines are evolving and becoming increasingly important in the field of electrical machinery. The neural networks have the ability to classify non-linear relationships between signals through the patterns identification of signals related. It is carried out induction motor?s simulations through the program Matlab R & Simulink R , and produced some faults from modifications in the equivalent circuit parameters. A system is implemented with multiples classifying neural network two neural networks to receive these results and, after well-trained, to accomplish the identification of fault?s pattern / Este trabalho apresenta um sistema de diagn?stico de falhas (rotor, estator e contamina??o) do motor de indu??o trif?sico atrav?s dos par?metros do circuito equivalente e utilizando t?cnicas de reconhecimento de padr?es. A tecnologia de detec??o de falhas em motores est? evoluindo e tornando cada vez mais importante na ?rea de m?quinas el?tricas. As redes neurais possuem a habilidade de classificar rela??es n?o lineares entre sinais atrav?s da identifica??o de padr?es dos sinais relacionados. S?o realizados simula??es do motor de indu??o atrav?s do programa Matlab R & Simulink R e produzido alguns tipos de falhas no conjunto a partir de modifica??es nos par?metros do circuito equivalente. ? implementado um sistema com m?ltiplos classificadores neurais para receber estes resultados e, ap?s o treinamento, realizar a identifica??o dos padr?es de falhas

Made available in DSpace on 2014-12-17T14:55:47Z (GMT). No. of bitstreams: 1 RafaelNAP_DISSERT.pdf: 1349793 bytes, checksum: 6843077c7952b1e58788ef395d9822e6 (MD5) Previous issue date: 2011-02-22 / This work proposes hardware architecture, VHDL described, developed to embedded Artificial Neural Network (ANN), Multilayer Perceptron (MLP). The present work idealizes that, in this architecture, ANN applications could easily embed several different topologies of MLP network industrial field. The MLP topology in which the architecture can be configured is defined by a simple and specifically data input (instructions) that determines the layers and Perceptron quantity of the network. In order to set several MLP topologies, many components (datapath) and a controller were developed to execute these instructions. Thus, an user defines a group of previously known instructions which determine ANN characteristics. The system will guarantee the MLP execution through the neural processors (Perceptrons), the components of datapath and the controller that were developed. In other way, the biases and the weights must be static, the ANN that will be embedded must had been trained previously, in off-line way. The knowledge of system internal characteristics and the VHDL language by the user are not needed. The reconfigurable FPGA device was used to implement, simulate and test all the system, allowing application in several real daily problems / Prop?e uma arquitetura em hardware, descrita em VHDL, desenvolvida para embarque de redes neurais artificiais, do tipo Multilayer Perceptron (MLP). Idealiza que, nessa arquitetura, as aplica??es com RNA tenham facilidade no procedimento de embarque de uma rede neural MLP em hardware, bem como permitam f?cil configura??o de v?rios tipos de redes MLP em campo, com diferentes topologias (quantidade de neur?nios e camadas). Uma rede de comunica??o foi desenvolvida para fazer reuso de neur?nios artificiais. A defini??o da arquitetura MLP que o sistema proposto ir? se configurar e executar depende de uma entrada de dados espec?fica, a qual define a quantidade de neur?nios, camadas e tipos de fun??es de ativa??o em cada neur?nio. Para permitir essa maleabilidade de configura??es nas RNA, um conjunto de componentes digitais (datapath) e um controlador foram desenvolvidos para executar instru??es que definir?o a arquitetura da rede MLP. Desta forma, o hardware funcionar? a partir de uma entrada de instru??es previamente conhecidas por um usu?rio, as quais indicar?o as caracter?sticas de uma determinada rede MLP, e o sistema ir? garantir a execu??o da MLP desejada a partir dos neur?nios artificiais desenvolvidos para o sistema, pelo controlador e pelos componentes do datapath, a rede de comunica??o interligar? os neur?nios e auxilia no reuso dos mesmos. Separadamente, os pesos e bias ter?o de estar fixos, ou seja, a rede neural a ser embarcada j? deve estar treinada de maneira off-line (realizada antecipadamente em software). A arquitetura vislumbra que o operador n?o necessite conhecer o dispositivo internamente, nem tampouco ter conhecimento sobre linguagem VHDL. O dispositivo reconfigur?vel e de prototipagem r?pida FPGA foi escolhido para implementa??o, simula??o e testes oportunizando aplicar o sistema a problemas reais do nosso cotidiano

Made available in DSpace on 2014-12-17T14:55:48Z (GMT). No. of bitstreams: 1 MarconiCR.pdf: 3477416 bytes, checksum: 7bf9d3b9014c2ba726d8694085022188 (MD5) Previous issue date: 2006-02-17 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / A neuro-fuzzy system consists of two or more control techniques in only one structure. The main characteristic of this structure is joining one or more good aspects from each technique to make a hybrid controller. This controller can be based in Fuzzy systems, artificial Neural Networks, Genetics Algorithms or rein forced learning techniques. Neuro-fuzzy systems have been shown as a promising technique in industrial applications. Two models of neuro-fuzzy systems were developed, an ANFIS model and a NEFCON model. Both models were applied to control a ball and beam system and they had their results and needed changes commented. Choose of inputs to controllers and the algorithms used to learning, among other information about the hybrid systems, were commented. The results show the changes in structure after learning and the conditions to use each one controller based on theirs characteristics / Neste trabalho ? mostrado tanto o desenvolvimento quanto as caracter?sticas de algumas das principais t?cnicas utilizadas para o controle inteligente de sistemas. Partindo de um controlador fuzzy foi poss?vel aplicar t?cnicas de aprendizagem, similares ?s utilizadas pelas Redes Neurais Artificiais (RNA's), evoluir para os modelos neuro-fuzzy ANFIS e NEFCON. Estes modelos neuro-fuzzy foram aplicados a uma planta real do tipo ball and beam e tiveram tanto suas adapta??es quanto seus resultados comentados. Para cada controlador desenvolvido s?o especificadas as vari?veis de entrada, os par?metros utilizados para a adapta??o das vari?veis e os algoritmos aplicados em cada um deles. J? os resultados est?o voltados para a obten??o de um comparativo entre a fase inicial e a final da evolu??o dos controladores neuro-fuzzy, assim como, a aplicabilidade de cada um deles de acordo com suas caracter?sticas intr?nsecas

Made available in DSpace on 2014-12-17T14:55:50Z (GMT). No. of bitstreams: 1 DiogoLR_DISSERT.pdf: 2166475 bytes, checksum: 3d70392d30b6b18a8ab0f79aa206e435 (MD5) Previous issue date: 2011-06-21 / In a real process, all used resources, whether physical or developed in software, are subject to interruptions or operational commitments. However, in situations in which operate critical systems, any kind of problem may bring big consequences. Knowing this, this paper aims to develop a system capable to detect the presence and indicate the types of failures that may occur in a process. For implementing and testing the proposed methodology, a coupled tank system was used as a study model case. The system should be developed to generate a set of signals that notify the process operator and that may be post-processed, enabling changes in control strategy or control parameters. Due to the damage risks involved with sensors, actuators and amplifiers of the real plant, the data set of the faults will be computationally generated and the results collected from numerical simulations of the process model. The system will be composed by structures with Artificial Neural Networks, trained in offline mode using Matlab? / Em um processo real, todos os recursos utilizados, sejam f?sicos ou desenvolvidos em software, est?o sujeitos a interrup??es ou a comprometimentos operacionais. Contudo, nas situa??es em que operam os sistemas cr?ticos, qualquer tipo de problema pode vir a trazer grandes consequ?ncias. Sabendo disso, este trabalho se prop?e a desenvolver um sistema capaz de detectar a presen?a e indicar os tipos de falhas que venham a ocorrer em um determinado processo. Para implementa??o e testes da metodologia proposta, um sistema de tanques acoplados foi escolhido como modelo de estudo de caso. O sistema desenvolvido dever? gerar um conjunto de sinais que notifiquem o operador do processo e que possam vir a ser p?s-processados, possibilitando que sejam feitas altera??es nas estrat?gias ou nos par?metros dos controladores. Em virtude dos riscos envolvidos com rela??o ? queima dos sensores, atuadores e amplificadores existentes na planta real, o conjunto de dados das falhas ser? gerado computacionalmente e os resultados coletados a partir de simula??es num?ricas do modelo do processo, n?o havendo risco de dano aos equipamentos. O sistema ser? composto por estruturas que fazem uso de Redes Neurais Artificiais, treinadas em modo offline pelo software matem?tico Matlab?

Made available in DSpace on 2014-12-17T14:55:56Z (GMT). No. of bitstreams: 1 MarcioGP.pdf: 1534925 bytes, checksum: d1c777b1e76b23d509caeb3258a0aa97 (MD5) Previous issue date: 2006-06-19 / This dissertation contributes for the development of methodologies through feed forward artificial neural networks for microwave and optical devices modeling. A bibliographical revision on the applications of neuro-computational techniques in the areas of microwave/optical engineering was carried through. Characteristics of networks MLP, RBF and SFNN, as well as the strategies of supervised learning had been presented. Adjustment expressions of the networks free parameters above cited had been deduced from the gradient method. Conventional method EM-ANN was applied in the modeling of microwave passive devices and optical amplifiers. For this, they had been proposals modular configurations based in networks SFNN and RBF/MLP objectifying a bigger capacity of models generalization. As for the training of the used networks, the Rprop algorithm was applied. All the algorithms used in the attainment of the models of this dissertation had been implemented in Matlab / Esta disserta??o contribui para o desenvolvimento de metodologias atrav?s de redes neurais artificiais de alimenta??o direta para a modelagem de dispositivos de microondas e ?pticos. Uma revis?o bibliogr?fica sobre as aplica??es de t?cnicas neuro-computacionais na ?reas de engenharia de microondas e ?ptica foi realizada. As caracter?sticas das redes MLP, RBF e SFNN, bem como as estrat?gias de aprendizado supervisionado foram apresentadas. As express?es de ajuste dos par?metros livres das redes acima citadas foram deduzidas a partir do m?todo do gradiente. O m?todo convencional EM-ANN foi aplicado na modelagem de dispositivos passivos de microondas e amplificadores ?pticos. Para isto, foram propostas configura??es modulares baseadas em redes SFNN e RBF/MLP objetivando uma maior capacidade de generaliza??o dos modelos. No que se refere ao treinamento das redes utilizadas, o algoritmo Rprop foi aplicado. Todos os algoritmos utilizados na obten??o dos modelos desta disserta??o foram implementados em Matlab