Master of Science / Department of Electrical and Computer Engineering / James E. DeVault / Working with the subject of sensorless motor control requires an understanding of several topical areas; this report presents an understanding that was gained during this research work. The fundamentals of electric motors (particularly brushless motors) are developed from first principles and the basic models are discussed. The theory of sinusoidal synchronous motors is reviewed (phasor analysis of the single phase equivalent circuit). The concept of a complex space vector is introduced and developed using a working knowledge of the sinusoidal synchronous motor. This leads to the presentation of the space vector model of the permanent magnet synchronous motor, in both the stationary and rotor reference frames. An overview of the operation of three-phase voltage source inverters is given, followed by an explanation of space vector modulation and its relationship to regular sinusoidal pulse width modulation. Torque control of the permanent magnet synchronous machine is reviewed in several reference frames and then rotor-flux-field-oriented-control is explained. Finally, some schemes for sensorless operation are discussed.

No description available.

Ingeniero Civil Electricista / En el actual escenario mundial, donde cada vez es más frecuente que pequeños generadores ERNC suministren energ ía el éctrica residencial, comercial e inclusive industrial, se prevee que los sistemas de el éctricos de potencia tradicionales migren a sistemas que incorporen pequeños generadores ERNC inyectando su energí a excedente directamente a la red de distribución. Frente a este nuevo escenario, el Estado ha tenido que legislar al respecto promulgando una ley que regula el ingreso de estas nuevas tecnologí as y desarrollando el reglamento correspondiente con la finalidad de hacer sustentanble y mantener de forma segura los sistemas eléctricos de potencia, exigíendolos cumplir con normas técnicas. Además la nueva legislación incentiva el ingreso de estos nuevos actores con el pago, de las empresas distribuidoras de la energía excedente inyectada. Para poder incorporar estos pequeños generadores dentro del sistema eléctrico, se propone la construcción de un dispositivo que amplí e la forma de operación de distintos tipos de estos pequeños generadores, y que además permita que estos cumplan con las nuevas normativas para que se incorporen al sistema eléctrico de distribución y sincronizarlos en forma segura. El objetivo del trabajo de título es desarrollar y construir un dispositivo, que cumpla la función de interfaz entre el generador y consumo-red, con una potencia de 10[kW], que sea autónomo y que permita operar con un consumo aislado o sincronizado, que busca obtener un mejor rendimiento uniendo fases para el caso de operación en isla con conexión monofásica, y además, evaluar la rentabilidad del dispositivo. Se contruye un conversor de 7 piernas que se compone principalmente de un DSP que controla su funcionamiento, placas de transductores que miden variables eléctricas necesarias para el control y la placa del conversor, la cual recibe las señales de control y controla los circuitos de potencia. Se acondiciona parte del laboratorio de electrónica de potencia para realizar pruebas controladas y seguras. Se diseñan los algoritmos de modulación y control del sistema, que corresponden a modulación de espacio vectorial en 3 dimensiones que permite tener una salida del inversor trifásica con neutro, lo que permite conectar carga directamente, y control resonante que tiene la característica de controlar en torno a una frecuencia específica de 50[Hz]. Se realizan las pruebas de algoritmos y se registran las salidas que verifica que el inversor mantiene una tensión de salida a 50[Hz], en vacío, con variación de carga e igualando fases. Se calcula una breve evaluación económica para estimar la rentabilidad del equipo. Finalmente se obtiene un dispositivo experimental que puede servir como referencia de diseño y construcción de un conversor, desarrollo de algoritmos de modulación y control. Además de una base de aprendizaje en uso software para programar DSP y hardware de electr onica de potencia.

Sentiment analysis has emerged as a field that has attracted a significant amount of attention since it has a wide variety of applications that could benefit from its results, such as news analytics, marketing, question answering, knowledge management and so on. This area, however, is still early in its development where urgent improvements are required on many issues, particularly on the performance of sentiment classification. In this thesis, three key challenging issues affecting sentiment classification are outlined and innovative ways of addressing these issues are presented. First, text pre-processing has been found crucial on the sentiment classification performance. Consequently, a combination of several existing preprocessing methods is proposed for the sentiment classification process. Second, text properties of financial news are utilised to build models to predict sentiment. Two different models are proposed, one that uses financial events to predict financial news sentiment, and the other uses a new interesting perspective that considers the opinion reader view, as opposed to the classic approach that examines the opinion holder view. A new method to capture the reader sentiment is suggested. Third, one characteristic of financial news is that it stretches over a number of domains, and it is very challenging to infer sentiment between different domains. Various approaches for cross-domain sentiment analysis have been proposed and critically evaluated.

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Les capteurs RSO (Radar à Synthèse d'Ouverture) fournissent des observations des surfaces terrestres de manière continue depuis 1991 avec la mise en orbite du satellite ERS-1. Les données acquises jusqu'à peu, principalement basées sur l'exploitation de l'intensité du signal acquis selon une configuration de polarisation particulière, ont été l'objet de nombreuses études, notamment sur le suivi de la déforestation. Depuis 2007, de nouveaux capteurs RSO polarimétriques (PALSAR, RADARSAT-2, TerraSAR-X...) permettent la caractérisation polarimétrique des surfaces observées. Ces données nécessitent des traitements adpatés afin d'en extraire l'information la plus pertinente pour la thématique considérée. L'objet de ces travaux a été d'évaluer leur potentiel pour la cartographie de surfaces naturelles en milieu tropical. L'apport des multiples indices polarimétriques a été évalué à partir de l'algorithme de classification SVM (Machines à Vecteurs de Support). Cet algorithme est spécialement adapté pour prendre en compte un grand nombre d'indices non forcément homogènes. Les données utilisées ont été acquises par le capteur aéroporté AIRSAR sur une île en Polynésie Française. De nombreux relevés in situ ont permis la validation des résultats obtenus. Les résultats montrent que la sensibilité de ces données à la structure géométrique des surfaces observées permet une bonne discrimination entre les différents couvert végétaux étudiés, en particulier des types de forêts. De plus, la classification obtenue à partir de la méthode SVM est particulièrement plus performante que la classification usuelle basée sur la distribution de Wishart vérifiée a priori par les données radar. Ces résultats laissent présager de l'apport significatif des données radar polarimétriques futures pour le suivi des surfaces naturelles / The SAR (Synthetic Aperture Radar) sensor provides land use observation over the Earth since 1991 with the launching of the satellite ERS-1. The data acquired until recently, mainly based on the uses of the intensity channel with only one configuration of polarization, have been subject to numerous studies especially for the forest monitoring. Since 2007, new polarimetric SAR sensors (PALSAR, RADARSAT-2, TerraSAR-X...) allow polarimetric characterization of the studied area. Theses data require specific processing to extract the most relevant information to the considered thematic. The purpose of this work was to assess their potential for land use mapping in tropical environment. The contribution of multiple polarimetric indices was evaluated with the SVM classification algorithm (Support Vector Machine). This algorithm is specially adapted to take into account a large number of indices nos necessarily homogeneous. The data used in this study were acquired by the airborne AIRSAR sensor on an island in French Polynesia. Many ground surveys allow the results validation. The results show that the data sensitivity to the geometric structure of the observed areas allows a good discrimination between the different vegetation, particularly forest types. In addition, the classification obtained from the SVM algorythm is particularly more efficient than the usual classification based on the distribution of a priori Wishart verified by radar data. These results suggest the significant contribution of the polarimetric radardata for future monitoring of natural surfaces

La sélection de modèle est un thème majeur de l'apprentissage statistique. Dans ce manuscrit, nous introduisons des méthodes de sélection de modèle dédiées à des SVM bi-classes et multi-classes. Ces machines ont pour point commun d'être à coût quadratique, c'est-à-dire que le terme empirique de la fonction objectif de leur problème d'apprentissage est une forme quadratique. Pour les SVM, la sélection de modèle consiste à déterminer la valeur optimale du coefficient de régularisation et à choisir un noyau approprié (ou les valeurs de ses paramètres). Les méthodes que nous proposons combinent des techniques de parcours du chemin de régularisation avec de nouveaux critères de sélection. La thèse s'articule autour de trois contributions principales. La première est une méthode de sélection de modèle par parcours du chemin de régularisation dédiée à la l2-SVM. Nous introduisons à cette occasion de nouvelles approximations de l'erreur en généralisation. Notre deuxième contribution principale est une extension de la première au cas multi-classe, plus précisément à la M-SVM². Cette étude nous a conduits à introduire une nouvelle M-SVM, la M-SVM des moindres carrés. Nous présentons également de nouveaux critères de sélection de modèle pour la M-SVM de Lee, Lin et Wahba à marge dure (et donc la M-SVM²) : un majorant de l'erreur de validation croisée leave-one-out et des approximations de cette erreur. La troisième contribution principale porte sur l'optimisation des valeurs des paramètres du noyau. Notre méthode se fonde sur le principe de maximisation de l'alignement noyau/cible, dans sa version centrée. Elle l'étend à travers l'introduction d'un terme de régularisation. Les évaluations expérimentales de l'ensemble des méthodes développées s'appuient sur des benchmarks fréquemment utilisés dans la littérature, des jeux de données jouet et des jeux de données associés à des problèmes du monde réel / Model selection is of major interest in statistical learning. In this document, we introduce model selection methods for bi-class and multi-class support vector machines. We focus on quadratic loss machines, i.e., machines for which the empirical term of the objective function of the learning problem is a quadratic form. For SVMs, model selection consists in finding the optimal value of the regularization coefficient and choosing an appropriate kernel (or the values of its parameters). The proposed methods use path-following techniques in combination with new model selection criteria. This document is structured around three main contributions. The first one is a method performing model selection through the use of the regularization path for the l2-SVM. In this framework, we introduce new approximations of the generalization error. The second main contribution is the extension of the first one to the multi-category setting, more precisely the M-SVM². This study led us to derive a new M-SVM, the least squares M-SVM. Additionally, we present new model selection criteria for the M-SVM introduced by Lee, Lin and Wahba (and thus the M-SVM²). The third main contribution deals with the optimization of the values of the kernel parameters. Our method makes use of the principle of kernel-target alignment with centered kernels. It extends it through the introduction of a regularization term. Experimental validation of these methods was performed on classical benchmark data, toy data and real-world data

L'objectif de cette thèse est de proposer un ensemble d'outils méthodologiques pour répondre à deux problématiques : la prédiction de masse salariale des collectivités, et l'analyse de leurs données de fiscalité. Pour la première, les travaux s'articulent à nouveau autour de deux thèmes statistiques : la sélection de modèle de série temporelle, et l'analyse de données fonctionnelles. Du fait de la complexité des données et des fortes contraintes de temps de calcul, un rassemblement de l'information a été privilégié. Nous avons utilisé en particulier l'Analyse en Composantes Principales Fonctionnelle et un modèle de mélanges gaussiens pour faire de la classification non-supervisée des profils de rémunération. Ces méthodes ont été appliquées dans deux prototypes d'outils qui représentent l'une des réalisations de cette thèse. Pour la seconde problématique, le travail a été effectué en trois temps : d'abord, des méthodes novatrices de classification d'une variable cible ordinale ont été comparées sur des données publiques déjà analysées dans la littérature, notamment en exploitant des forêts aléatoires, des SVM et du gradient boosting. Ensuite, ces méthodes ont été adaptées à la détection d'anomalies dans un contexte ciblé, ordinal, non supervisé et non paramétrique, et leur efficacité a été principalement comparée sur des jeux de données synthétiques. C'est notre forêt aléatoire ordinale par séparation de classes qui semble présenter le meilleur résultat. Enfin, cette méthode a été appliquée sur des données réelles de bases fiscales, où les soucis de taille et de complexité des données sont plus importants. Destinée aux directions des collectivités territoriales, cette nouvelle approche de l'examen de leur base de données constitue le second aboutissement de ces travaux de thèse. / The aim of this thesis is to provide a set of methodological tools to answer two problems: the prediction of the payroll of local authorities, and the analysis of their tax data. For the first, the work revolves around two statistical themes: the selection of time series model, and the analysis of functional data. Because of the complexity of the data and the heavy computation time constraints, a clustering approach has been favored. In particular, we used Functional Principal Component Analysis and a model of Gaussian mixtures to achieve unsupervised classification. These methods have been applied in two prototypes of tools that represent one of the achievements of this thesis. For the second problem, the work was done in three stages: first, innovative methods for classifying an ordinal target variable were compared on public data, notably by exploiting random forests, SVM and gradient boosting. Then, these methods were adapted to outlier detection in a targeted, ordinal, unsupervised and non-parametric context, and their efficiency was mainly compared on synthetic datasets. It is our ordinal random forest by class separation that seems to have the best result. Finally, this method has been applied to real data of tax bases, where the concerns of size and complexity are more important. Aimed at local authorities directorates, this new approach to examining their database is the second outcome of this work.

This thesis proposes a methodology for the design of man-machine interfaces by combining top-down and bottom-up processes in vision. From a computational perspective, we propose that the scientific-cognitive question of combining top-down and bottom-up knowledge is similar to the engineering question of labeling a training set in a supervised learning problem. We investigate these questions in the realm of facial analysis. We propose the use of a linear morphable model (LMM) for representing top-down structure and use it to model various facial variations such as mouth shapes and expression, the pose of faces and visual speech (visemes). We apply a supervised learning method based on support vector machine (SVM) regression for estimating the parameters of LMMs directly from pixel-based representations of faces. We combine these methods for designing new, more self-contained systems for recognizing facial expressions, estimating facial pose and for recognizing visemes.

The capability of estimating the walking direction of people would be useful in many applications such as those involving autonomous cars and robots. We introduce an approach for estimating the walking direction of people from images, based on learning the correct classification of a still image by using SVMs. We find that the performance of the system can be improved by classifying each image of a walking sequence and combining the outputs of the classifier. Experiments were performed to evaluate our system and estimate the trade-off between number of images in walking sequences and performance.