Este trabalho apresenta um método para obtenção e simplificação de uma base de regras nebulosas. O método proposto para a extração de regras nebulosas é oriundo da combinação eficiente de diferentes técnicas relatadas independentemente na literatura. Inicialmente, são gerados agrupamentos de entrada e agrupamentos de saída correspondentes. Em seguida são definidas, de forma recursiva, regras nebulosas para classificação de padrões. Cada regra é associada a uma hipercaixa que define a região de existência de uma classe e/ou inibe a classificação do dado nos casos em que duas ou mais hipercaixas se superpõem (situação onde um ou mais dados podem pertencer a mais de uma região) evitando assim que sejam geradas regras conflitantes. Então, é discutido um mecanismo de redução do conjunto de regras com base nas superposições de classes, para a simplificação do conjunto de regras gerado, onde serão gerados os graus de pertinência para os dados de entrada. O método é ilustrado através de um exemplo no qual são determinadas regras para um controlador nebuloso para um sistema de controle de atitude utilizando atuadores com restrições de tempo de chaveamento e atrasos.

Idealmente, espera-se que uma planta permaneça em operação até a próxima manutenção programada. Para isso, o esforço de controle deve ser distribuído ao longo do tempo de forma que a degradação do atuador não cause sua avaria ou falha. Neste trabalho, assume-se que tal degradação é relacionada com o esforço exercido acumulado ao longo do tempo, sendo avaliada por um índice convenientemente definido que associa o risco de avaria com um valor limiar. Propõe-se então o uso de leis de controle preditivo para mitigar o desgaste do atuador, por meio da imposição de restrições relacionadas com a evolução temporal do índice de degradação. Neste contexto, três abordagens são investigadas. A primeira consiste na limitação da amplitude do controle de modo a garantir que um dado limiar de degradação não seja superado ao final de um horizonte de tempo pré-estabelecido. Na segunda abordagem, emprega-se uma técnica de prognóstico de falha de modo a aprimorar a distribuição do esforço de controle ao longo do tempo. Por fim, a terceira abordagem adota uma estratégia fuzzy para relaxamento da restrição de degradação, a fim de melhorar o desempenho do sistema de controle. Uma análise comparativa das três abordagens é efetuada considerando-se um problema de regulação na presença de perturbações aleatórias. Simulações de Monte Carlo são efetuadas de modo a avaliar o desempenho de regulação, bem como a degradação do atuador. Conclui-se que o segundo controlador é menos conservador que o primeiro devido à inserção do prognóstico de falhas, permitindo que se obtenha uma regulação melhor, ainda obedecendo ao limiar de degradação. A flexibilização da restrição de degradação, através do uso da lógica fuzzy no terceiro controlador, permite que ele seja o mais agressivo dos três, obtendo-se o melhor desempenho de regulação entre os três controladores implementados.

O presente trabalho tem por objetivo propor uma nova arquitetura e baseada nela, projetar um circuito que funcione como um controlador baseado na lógica fuzzy tipo-2 intervalar. Neste trabalho são apresentados o projeto e a implementação dos circuitos que compõem o referido controlador, tais como: o circuito fuzificador tipo-2 intervalar (FOU); os circuitos de máximo e mínimo que são utilizados na máquina de inferência Mamdani tipo-2; os circuitos multiplicador-divisor; somador; escalonador; subtrator; mínimo e máximo que são utilizados para implementar o módulo tipo-redutor baseado no método de Wu-Mendel. E por fim, o circuito de média aritmética que é utilizado para implementar o circuito defuzificador. Todos estes circuitos foram implementados em tecnologia CMOS 0,35m da AMS - Austria Mikro Systems International AG, com tensão de alimentação de 3,3V.

Esta dissertação trata de um estudo e o desenvolvimento de uma proposta de um ambiente de aprendizagem, para qualquer instituição de ensino superior, em três níveis de ensino da área de controle e automação: graduação, pós-graduação Lato Sensu e Stricto Sensu. Primeiramente, foram feitas visitas aos laboratórios em universidades e entrevistas com professores que ministram as disciplinas de controle e automação nos três níveis de aprendizagem. Foram constatadas virtudes e fragilidades metodológicas na questão da prática laboratorial em relação a aspectos industriais na área de engenharia elétrica de três instituições do Estado do Rio de Janeiro, sendo uma federal, uma estadual e outra privada. Posteriormente, foram analisados mecanismos e instrumentos necessários para interagir com modelos experimentais propostos nas entrevistas de maneira didática, para fins de constituir o ambiente de aprendizagem em automação, no qual foi eleito o LABVIEW como a interface mais favorável para aplicação de controles, mantendo uma analogia de cunho prático-industrial. A partir dessas análises foram sugeridos ainda elementos típicos de automação e três estudos de caso: um sistema térmico, um controle de velocidade de motores e um pêndulo invertido, por meio de controles simples e avançados como o controlador nebuloso, caracterizando-se pelo fortalecimento da atividade acadêmico-industrial / This dissertation is a study and develop a proposal for a learning environment, to any institution of higher education, three levels of education in the area of control and automation: undergraduate, graduate and Lato Sensu stricto sensu. First, visits were made to laboratories in universities and interviews with teachers who teach the disciplines of automation and control in three levels of learning. Strengths and weaknesses were found in the methodological issue of laboratory practice in relation to industrial aspects of electrical engineering in the area of three institutions in the State of Rio de Janeiro, being one federal, one state and one private. Subsequently, we analyzed mechanisms and instruments to interact with experimental models proposed in the interviews in a didactic manner for the purpose of providing the learning environment in automation, in which he was elected as the LABVIEW interface more favorable for the application of controls, keeping an analogy for practical industrial. From these analysis have been suggested yet typical elements of automation and three case studies: a thermal system, a speed control motor and an inverted pendulum, through simple and advanced controls such as fuzzy control, characterized by the strengthening of academic-industrial activity.

Esta dissertação trata de um estudo e o desenvolvimento de uma proposta de um ambiente de aprendizagem, para qualquer instituição de ensino superior, em três níveis de ensino da área de controle e automação: graduação, pós-graduação Lato Sensu e Stricto Sensu. Primeiramente, foram feitas visitas aos laboratórios em universidades e entrevistas com professores que ministram as disciplinas de controle e automação nos três níveis de aprendizagem. Foram constatadas virtudes e fragilidades metodológicas na questão da prática laboratorial em relação a aspectos industriais na área de engenharia elétrica de três instituições do Estado do Rio de Janeiro, sendo uma federal, uma estadual e outra privada. Posteriormente, foram analisados mecanismos e instrumentos necessários para interagir com modelos experimentais propostos nas entrevistas de maneira didática, para fins de constituir o ambiente de aprendizagem em automação, no qual foi eleito o LABVIEW como a interface mais favorável para aplicação de controles, mantendo uma analogia de cunho prático-industrial. A partir dessas análises foram sugeridos ainda elementos típicos de automação e três estudos de caso: um sistema térmico, um controle de velocidade de motores e um pêndulo invertido, por meio de controles simples e avançados como o controlador nebuloso, caracterizando-se pelo fortalecimento da atividade acadêmico-industrial / This dissertation is a study and develop a proposal for a learning environment, to any institution of higher education, three levels of education in the area of control and automation: undergraduate, graduate and Lato Sensu stricto sensu. First, visits were made to laboratories in universities and interviews with teachers who teach the disciplines of automation and control in three levels of learning. Strengths and weaknesses were found in the methodological issue of laboratory practice in relation to industrial aspects of electrical engineering in the area of three institutions in the State of Rio de Janeiro, being one federal, one state and one private. Subsequently, we analyzed mechanisms and instruments to interact with experimental models proposed in the interviews in a didactic manner for the purpose of providing the learning environment in automation, in which he was elected as the LABVIEW interface more favorable for the application of controls, keeping an analogy for practical industrial. From these analysis have been suggested yet typical elements of automation and three case studies: a thermal system, a speed control motor and an inverted pendulum, through simple and advanced controls such as fuzzy control, characterized by the strengthening of academic-industrial activity.

Orientador: Gilmar Barreto / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-05T07:10:06Z (GMT). No. of bitstreams: 1 Almeida_FelipedeMello_M.pdf: 6968120 bytes, checksum: 59d5634a5a4bff603ee4b2bf138d55ec (MD5) Previous issue date: 2005 / Resumo: Este trabalho enfoca o problema de identificação multivariável de um processo de incineração de resíduos líquidos que faz parte do complexo da unidade de utilidades da empresa BASF S.A, localizada em Resende-RJ. Para trabalhos futuros, pretendemos utilizar esta identificação em um projeto de controlador inteligente. A escolha desse processo foi motivada pelo potencial de melhoria no sistema de controle da combustão, sendo realizado um estudo com as possíveis melhorias econômicas e operacionais com a otimização do processo de incineração. Os sistemas nebulosos foram enfocados de maneira especial, por causa da sua capacidade de processar informação de natureza incerta e qualitativa. O modelo nebuloso Takagi-Sugeno (TS) foi implementado para representar o processo de incineração de resíduos líquidos em estudo. Os resultados das simulações efetuadas com os modelos nebulosos TS obtidos representam de maneira adequada o comportamento real do sistema de incineração / Abstract: This work is concerned with the problem of multivariable identification of liquids residues incineration process that is a complex part of utilities unit in BASF SA. Company, located in Resende-RJ. For future works, we intend use this identification in an intelligent controller design. The choice of this process was motivated by the potential of improvement on combustion system control of the incineration process, and was realized a study considering the possible economic and operational improvements with the incineration process optimization. The fuzzy systems were focused in a special way, because of its capability to process information of uncertain and qualitative nature. The Takagi-Sugeno (TS) fuzzy model was implemented to represent the studied liquids residues incineration process. The simulation results obtained with TS fuzzy models represent, in an adequate way, the real behavior of an incineration system / Mestrado / Automação / Mestre em Engenharia Elétrica

Orientadores: Fernando Antonio Campos Gomide, Marcos Eduardo Ribeiro do Valle Mesquita / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-26T08:06:32Z (GMT). No. of bitstreams: 1 Rosa_RaulArthurFernandes_M.pdf: 8750754 bytes, checksum: 0535142e4de0e75e311aea59a977386e (MD5) Previous issue date: 2014 / Resumo: Esta dissertação estuda uma classe de redes neurais evolutivas para modelagem de sistemas a partir de um fluxo de dados. Esta classe é caracterizada por redes evolutivas com estruturas feedforward e uma camada intermediária cujo número de neurônios é variável e determinado durante a modelagem. A aprendizagem consiste em utilizar métodos de agrupamento para estimar o número de neurônios na camada intermediária e algoritmos de aprendizagem extrema para determinar os pesos da camada intermediária e de saída da rede. Neste caso, as redes neurais são chamadas de redes neurais evolutivas. Um caso particular de redes evolutivas é quando o número de neurônios da camada intermediária é determinado a priori, mantido fixo, e somente os pesos da camada intermediária e de saída da rede são atualizados de acordo com dados de entrada. Os algoritmos de agrupamento e de aprendizagem extrema que compõem os métodos evolutivos são recursivos, pois a aprendizagem ocorre de acordo com o processamento de um fluxo de dados. Em particular, duas redes neurais evolutivas são propostas neste trabalho. A primeira é uma rede neural nebulosa híbrida evolutiva. Os neurônios da camada intermediária desta rede são unineurônios, neurônios nebulosos com processamento sináptico realizado por uninormas. Os neurônios da camada de saída são sigmoidais. Um algoritmo recursivo de agrupamento baseado em densidade, chamado de nuvem, é utilizado para particionar o espaço de entrada-saída do sistema e estimar o número de neurônios da camada intermediária da rede; a cada nuvem corresponde um neurônio. Os pesos da rede neural nebulosa híbrida são determinados utilizando a máquina de aprendizado extremo com o algoritmo quadrados mínimos recursivo ponderado. O segundo tipo de rede proposto neste trabalho é uma rede neural multicamada evolutiva com neurônios sigmoidais na camada intermediária e de saída. Similarmente à rede híbrida, nuvens particionam o espaço de entrada-saída do sistema e são utilizadas para estimar o número de neurônios da camada intermediária. O algoritmo para determinar os pesos da rede é a mesma versão recursiva da máquina de aprendizado extremo. Além das redes neurais evolutivas, sugere-se também uma variação da rede adaptativa OS-ELM (online sequential extreme learning machine) mantendo o número de neurônios na camada intermediária fixo e introduzindo neurônios sigmoidais na camada de saída. Neste caso, a aprendizagem usa o algoritmo dos quadrados mínimos recursivo ponderado no aprendizado extremo. As redes foram analisadas utilizando dois benchmarks clássicos: identificação de forno a gás com o conjunto de dados de Box-Jenkins e previsão de série temporal caótica de Mackey-Glass. Dados sintéticos foram gerados para analisar as redes neurais na modelagem de sistemas com parâmetros e estrutura variantes no tempo (concept drif e concept shift). Os desempenhos foram quantificados usando a raiz quadrada do erro quadrado médio e avaliados com o teste estatístico de Deibold-Mariano. Os desempenhos das redes neurais evolutivas e da rede adaptativa foram comparados com os desempenhos da rede neural com aprendizagem extrema e dos métodos de modelagem evolutivos representativos do estado da arte. Os resultados mostram que as redes neurais evolutivas sugeridas neste trabalho são competitivas e têm desempenhos similares ou superiores às abordagens evolutivas propostas na literatura / Abstract: Abstract: This dissertation studies a class of evolving neural networks for system modeling from data streams. The class encompasses single hidden layer feedforward neural networks with variable and online de nition of the number of hidden neurons. Evolving neural network learning uses clustering methods to estimate the number of hidden neurons simultaneously with extreme learning algorithms to compute the weights of the hidden and output layers. A particular case is when the evolving network keeps the number of hidden neurons xed. In this case, the number of hidden neurons is found a priori, and the hidden and output layer weights updated as data are input. Clustering and extreme learning algorithms are recursive. Therefore, the learning process may occur online or real-time using data stream as input. Two evolving neural networks are suggested in this dissertation. The rst is na evolving hybrid fuzzy neural network with unineurons in the hidden layer. Unineurons are fuzzy neurons whose synaptic processing is performed using uninorms. The output neurons are sigmoidals. A recursive clustering algorithm based on density and data clouds is used to granulate the input-output space, and to estimate the number of hidden neurons of the network. Each cloud corresponds to a hidden neuron. The weights of the hybrid fuzzy neural network are found using the extreme learning machine and the weighted recursive least squares algorithm. The second network is an evolving multilayer neural network with sigmoidal hidden and output neurons. Like the hybrid neural fuzzy network, clouds granulate the input-output space and gives the number of hidden neurons. The algorithm to compute the network weights is the same recursive version of the extreme learning machine. A variation of the adaptive OS-ELM (online sequential extreme learning machine) network is also suggested. Similarly as the original, the new OS-ELM xes the number of hidden neurons, but uses sigmoidal instead of linear neurons in the output layer. The new OS-ELM also uses weighted recursive least square.The hybrid and neural networks were evaluated using two classic benchmarks: the gas furnace identi cation using the Box-Jenkins data, and forecasting of the chaotic Mackey-Glass time series. Synthetic data were produced to evaluate the neural networks when modeling systems with concept drift and concept shift. This a modeling circumstance in which system structure and parameters change simultaneously. Evaluation was done using the root mean square error and the Deibold-Mariano statistical test. The performance of the evolving and adaptive neural networks was compared against neural network with extreme learning, and evolving modeling methods representative of the current state of the art. The results show that the evolving neural networks and the adaptive network suggested in this dissertation are competitive and have similar or superior performance than the evolving approaches proposed in the literature / Mestrado / Engenharia de Computação / Mestre em Engenharia Elétrica

Ao longo dos últimos anos tem-se declarado que estamos na era da informação e a razão por trás de tal afirmação é a nossa crescente percepção de valor da informação e conhecimento. Com a atenção voltada ao valor que há na informação, mais e mais informação é gerada a cada instante. E este processo ocorre de tal forma exponencial que nos faz deparar com um pretenso paradoxo que consiste no seguinte: quanto mais informação relevante é gerada no mundo menos de útil se consegue extrair. Desde que se chegou a conclusão de que é necessário haver filtros, na tentativa de extrair de uma determinada massa de dados, apenas o que é de fato de interesse para alguém num determinado momento, a tarefa de desenvolver tais filtros, na medida em que as teorias envolvidas evoluem, vem se tornando cada vez mais desafiadora. Dentro deste escopo, o presente trabalho vem apresentar uma proposta de um "Sistema Inteligente de Organização de Documentos" que permita aos usuários criar sua própria forma de organizar seu acervo de documentos e que seja capaz de indexação personalizada, dinâmica e por conteúdo dos documentos digitais (arquivos texto).

Made available in DSpace on 2016-06-02T19:06:23Z (GMT). No. of bitstreams: 1 DissMGP.pdf: 1155179 bytes, checksum: 853fabfd715d513d373e075b049d726a (MD5) Previous issue date: 2004-08-20 / The success of Fuzzy Rule Based Systems is due to their ability to represent vague and uncertain knowledge and to the facility to express the system behavior in a language easily interpretable by human beings. The knowledge acquisition of a Fuzzy Rule Based System is done from a human expert, which is known as the direct approach to knowledge acquisition, or through methods that automatically extract this knowledge from numerical information that represent samples or examples of the problem. Genetic Algorithms have demonstrated to be a powerful tool to rule bases construction, rule bases optimization, membership functions generation and membership functions optimization. The main research focus of this work is the investigation of fuzzy systems automatic generation approaches applied to pattern classification problems, using genetic algorithms to the definition and tuning of fuzzy sets that belong to the fuzzy partitions of the domains involved, considering interpretability maintenance of the linguistic values. The genetic learning is employed only in the fuzzy system data base, that is, in the membership functions, either through the traditional way of tuning previously defined functions after the rule base has been defined or through the more recent approach of constructing membership functions before the rules definition. This kind of investigation requires the use of different rule generation methods, the rules being generated before or after the use of genetic algorithm. The combination Fuzzy Systems + Genetic Algorithms, known as Genetic Fuzzy Systems, has great acceptance in the scientific community, since this systems are robust and capable of finding good solutions in complex and irregular spaces. / O sucesso dos Sistemas Baseados em Regras Nebulosas deve-se à habilidade para representar o conhecimento vago e incerto e à facilidade de expressar o comportamento do sistema em uma linguagem facilmente interpretável pelos seres humanos. A aquisição de conhecimento de um Sistema Baseado em Regras Nebulosas é feita a partir de um especialista humano, a qual é conhecida como abordagem direta para aquisição do conhecimento, ou através de métodos que automaticamente extraem este conhecimento a partir de informações numéricas que representam amostras ou exemplos do problema. Algoritmos Genéticos vêm demonstrando ser uma poderosa ferramenta para a construção de bases de regras, otimização de bases de regras, geração de funções de pertinência e otimização de funções de pertinência. O principal foco de pesquisa deste trabalho é a investigação das abordagens de modelagem automática de sistemas nebulosos aplicados a problemas de classificação de padrões, através de algoritmos genéticos para a definição e sintonia dos conjuntos nebulosos que compõem as partições nebulosas dos domínios envolvidos, considerando a manutenção da interpretabilidade dos valores lingüísticos. O aprendizado genético é empregado somente na Base de Dados do sistema nebuloso, isto é, nas funções de pertinência, tanto pela maneira mais tradicional, de sintonizar as funções já definidas depois da definição das regras, como pela abordagem mais recente, de construir as funções de pertinência antes da definição das regras. Esse tipo de investigação supõe o uso de outros métodos para a geração das regras, sejam elas geradas antes ou depois da aplicação do algoritmo genético. A combinação de Sistemas Nebulosos + Algoritmos Genéticos, conhecida como Sistemas Genéticos Nebulosos, tem grande aceitação na comunidade científica, uma vez que estes sistemas são robustos e capazes de encontrar boas soluções em espaços complexos e irregulares.

Orientadores: Fernando Antonio Campos Gomide, Pyramo Pires Costa Junior / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-15T16:46:31Z (GMT). No. of bitstreams: 1 Hell_MichelBortolini_D.pdf: 7545996 bytes, checksum: 071a8d962605648b1cbdab01fc9a54b2 (MD5) Previous issue date: 2008 / Resumo: Este trabalho propõe um procedimento sistemático para obtenção de modelos de sistemas dinâmicos não-lineares complexos utilizando redes neurais nebulosas. As redes neurais nebulosas aplicadas em modelagem são capazes de extrair conhecimento de dados entrada/saída e representar este conhecimento na forma de regras nebulosas do tipo se-então, gerando modelos lingüísticos convenientes para compreensão humana. Duas novas classes de redes neurais nebulosas são propostas a partir de generalizações dos neurônios lógicos AND e OR. Estas generalizações, denominadas unineurons e nullneurons, implementam, além da plasticidade sináptica, outra importante característica dos neurônios biológicos, a plasticidade neuronal. Desta forma, os neurônios propostos neste trabalho são capazes de modificar parâmetros internos em resposta à alterações, permitindo que unineurons e nullneurons variem individualmente de um neurônio AND para um neurônio OR (e vice-e-versa), dependendo da necessidade do problema. Conseqüentemente, uma rede neural nebulosa composta por unineurons e nullneurons é mais geral do que as redes neurais nebulosas similares sugeridas na literatura. Além da introdução de redes neurais com unineurons e nullneurons, um novo algoritmo de treinamento para obtenção de modelos nebulosos de sistemas dinâmicos é proposto utilizando aprendizado participativo. Neste algoritmo, uma nova informação fornecida à rede por meio de um dado entrada/saída é comparada com o conhecimento que já se tem a respeito do sistema. A nova informação só tem influência na atualização do conhecimento se não entrar em conflito com o conhecimento adquirido anteriormente. Como conseqüência, redes neurais nebulosas que utilizam este novo algoritmo de treinamento são mais robustas a dados de treinamento com valores que correspondem a comportamentos anômalos ou mesmo a erros durante a obtenção destes dados. As abordagens propostas foram utilizadas para desenvolver modelos para previsão de séries temporais e modelagem térmica de transformadores de potência. Os resultados experimentais mostram que os modelos aqui propostos são mais robustos e apresentam os melhores desempenhos, tanto em termos de precisão quanto em termos de custos computacionais, quando comparados com abordagens alternativas sugeridas na literatura / Abstract: This work suggests a systematic procedure to develop models of complex nonlinear dynamical systems using neural fuzzy networks. The neural fuzzy networks are able to extract knowledge from input/output data and to encode it explicitly in the form of if-then rules. Therefore, linguistic models are obtained in a form suitable for human understanding. Two new classes of fuzzy neurons are introduced to generalize AND and OR logic neurons. These generalized login neurons, called unineurons and nullneurons, provide a mechanism to implement synaptic plasticity and an important characteristic of biological neurons, the neuronal plasticity. Unineurons and nullneurons achieve synaptic and neuronal plasticity modifying their internal parameters in response to external changes. Thus, unineurons and nullneurons may individually vary from a AND neuron to a OR neuron (and vice-versa), depending upon the necessity of the modeling task. Neural fuzzy networks constructed with unineurons and nullneurons are more general than similar fuzzy neural approaches suggested in literature. Training algorithms for neural fuzzy networks with unineurons and nullneurons are also studied. In particular, a new training algorithm based on the participatory learning is introduced to develop fuzzy models of dynamical systems. In the participatory learning algorithm, a new information brought to the network through an input/output data is first compared with the knowledge that the network already has about the model. The new information influences the update of the knowledge only if it does not conflict with the current knowledge. As a result, neural fuzzy networks trained with participatory learning show greater robustness to training data with anomalous values than their counterparts. The neural fuzzy network and training algorithms suggested herein are used to develop time series forecast models and thermal models of power transformers. Experimental results show that the models proposed here are more robust and perform best in terms of accuracy and computational costs when compared against alternative approaches suggested in the literature / Doutorado / Automação / Doutor em Engenharia Elétrica