Submitted by Rosivalda Pereira (mrs.pereira@ufma.br) on 2017-09-04T18:35:15Z No. of bitstreams: 1 OrlandoRochaFilho.pdf: 10104010 bytes, checksum: 7c750a6e03597fc2e7f7474b62c35a46 (MD5) / Made available in DSpace on 2017-09-04T18:35:15Z (GMT). No. of bitstreams: 1 OrlandoRochaFilho.pdf: 10104010 bytes, checksum: 7c750a6e03597fc2e7f7474b62c35a46 (MD5) Previous issue date: 2017-04-24 / This thesis presents a maximum likelihood based modeling approach applied to dynamic systems operating in non-stationary environment that uses recursive parametric estimation based on the method of fuzzy instrumental variable. The context is evolving and the idea is to guarantee a robust for estimation of the parameters of noise-corrupted experimental data. The methodology consists of an evolving fuzzy clustering algorithm based on the similarity of the data which employs an adaptive distance norm based on the maximum likelihood criterion that use an adaptive search strategy on the experiment in order to avoid the curse of dimensionality related to the number of rules created during data clustering of the data set. The computational and experimental results to exemplify the proposed methodology are: statistical analysis of the fuzzy instrumental variable inserted in the evolving context; black box modeling of a thermal plant; identification of a benchmark nonlinear system widely published in the literature and the black box modeling of a 2DOF helicopter. These examples are used to illustrate the performance and efficiency by operating in a non–stationary environment. / Nesta tese é apresentada uma proposta de modelagem baseada máxima verossimilhança aplicada a sistemas dinâmicos operando em ambiente não-estacionário que utiliza a estima- ção paramétrica recursiva baseada no método de variável instrumental nebulosa, inserido no contexto evolutivo, no sentido de garantir robustez para estimação dos parâmetros diante de dados experimentais corrompidos por ruído. A metodologia é composta por um algoritmo de agrupamento nebuloso evolutivo baseado na similaridade dos dados que emprega uma norma de distância adaptativa baseada no critério de máxima verossimilhança que utiliza uma estratégia de busca adaptativa no experimento para evitar o problema da maldição de dimensionalidade relacionada ao número de regras criadas durante o agrupamento do conjunto de dados. Os resultados computacionais e experimentais para exemplificação da metodologia proposta são: análise estatística da variável instrumental nebulosa inserida no contexto evolutivo; na modelagem caixa preta de uma planta térmica (processo térmico); identificação de um sistema não-linear amplamente divulgado na literatura e a modelagem caixa preta de um helicóptero com dois graus de liberdade que ilustra o desempenho e a eficiência operando ambiente não-estacionário.

Orientador: Rubens Maciel Filho / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química / Made available in DSpace on 2018-08-17T11:36:13Z (GMT). No. of bitstreams: 1 Lima_NadsonMuriloNascimento_D.pdf: 3180060 bytes, checksum: f741044cb982f1d0e9d33a4f7aba7597 (MD5) Previous issue date: 2010 / Resumo: A síntese de controladores representa uma importante vertente dos desenvolvimentos atuais no campo da pesquisa acadêmica e industrial. Um controlador bem projetado pode significar sucesso no que se refere aos objetivos de produção, sendo gerados materiais com as especificações desejadas e proporcionando que o sistema opere sob certas restrições, levando em consideração aspectos relativos à operabilidade, segurança e minimização de resíduos. Para tanto, sabe-se que as etapas de modelagem são fundamentais para a delineação de estratégias de controle. Contudo, a obtenção de representações matemáticas precisas e, ao mesmo tempo, aplicáveis para o controle da maioria dos processos de interesse da engenharia química é uma tarefa árdua, devido à presença de comportamentos dinâmicos não lineares e variantes ao longo do tempo e, por vezes, do espaço. Deste modo, busca-se a obtenção de modelos mais simples, porém dotados da imprescindível representatividade inerente aos sistemas de produção, a fim de serem projetadas estruturas de controle adequadas para cada necessidade específica. Esta tese enfoca o desenvolvimento de quatro controladores avançados híbridos preditivos não lineares multivariáveis, baseados em modelos nebulosos (fuzzy) funcionais não lineares multivariáveis, para processos de polimerização. Tais sistemas apresentam dinâmicas altamente complexas e de difícil modelagem matemática, dificultando, assim, a aplicação, com sucesso, de metodologias clássicas de controle ou avançadas baseadas em modelos convencionais. Foram considerados dois casos de estudo para a análise de desempenho das configurações de controle propostas: o processo de copolimerização em solução do metacrilato de metila com o acetato de vinila, e a copolimerização industrial do eteno/1-buteno com catalisador Ziegler-Natta solúvel. Os modelos fenomenológicos de ambos os processos já se encontram descritos na literatura, sendo considerados como plantas virtuais para a geração de dados dinâmicos e implementação dos desenvolvimentos sugeridos. A partir de simulações computacionais, os modelos nebulosos dinâmicos funcionais não lineares multivariáveis foram construídos ¿ os quais demonstraram excelentes capacidades para a predição das saídas dos processos como uma função dos dados dinâmicos de entrada ¿ sendo, posteriormente, acoplados à estrutura de controle preditivo MPC (Model-based Predictive Control). A escolha da metodologia MPC como base para o desenvolvimento das estratégias propostas deve-se ao fato de sua notória aplicabilidade industrial a processos químicos multivariáveis, além de possibilitar a incorporação de restrições operacionais nas variáveis controladas e manipuladas. Por fim, foram comparados os desempenhos entre os controladores híbridos delineados e duas estratégias de controle preditivo bastante difundidas na literatura. Os problemas regulatório e servo foram analisados, observando-se resultados satisfatórios em ambas as condições. Isto demonstra o alto potencial dos algoritmos propostos para o controle multivariável de sistemas não lineares. / Abstract: Controllers design has currently a great importance in the field of açademic and industrial research. A well-projected controller may mean the success regarding the aims of production, and it also provides the production of materials with desirable specifications and it allows that the system operates under specific restrictions, considering aspects related to operability, safety and minimization of residue. Then, it is known that modeling stages are fundamental for delineation of controller strategies. However, the obtaining of precise and applicable mathematical representations to the control of most of relevant process in chemical engineering is a challenging task, because of the presence of nonlinear dynamic behaviors and space-time mutable. Therefore, an effort is done to obtain the simpler models, but provided with the essential representativity inherent to production systems. Thus, suitable control structures could be designed for each specific necessity. This work focus on the development of four multivariable nonlinear predictive hybrid advanced controllers, based on multivariable nonlinear functional fuzzy models, to polymerization processes. Such systems present high complex dynamic and hard mathematical modeling, making difficult to apply classic controllers or advanced control methodologies based on conventional models. Two study cases for the performance analysis of the proposed controllers were considered: the copolymerization process of methyl methacrylate and vinyl acetate, and industrial copolymerization of ethene/1 butene with Ziegler-Natta catalysis. The phenomenologic models of the two processes already are described in relevant literature, and they are considered as virtual plants to create dynamic data and to implement the suggested developments. Based on computational simulations, multivariable nonlinear functional dynamic fuzzy models were made - they demonstrated excellent capacity for outputs prediction from input dynamic data - and they were, subsequently, inserted in the MPC (Model-based Predicitve Control) control structure. The choice of MPC methodology to develop the proposal structures is because of its wellknown industry applicability to multivariable chemical processes, beyond it makes possible the incorporation of restrictions in controlled and manipulated variables. Finally, the performance among outlined hybrid controllers and two predictive control strategies fairly widespread in the literature were compared. The regulatory and servo problems were analyzed and satisfactory results were observed in both conditions. This demonstrates the high potential of proposed algorithms to control multivariable nonlinear systems. / Doutorado / Desenvolvimento de Processos Químicos / Doutor em Engenharia Química

Orientadores: Gilmar Barreto, Ginalber Luiz de Oliveira Serra / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-09T18:49:20Z (GMT). No. of bitstreams: 1 Godoy_AndrePereirade_M.pdf: 5878897 bytes, checksum: e24b9a4ace4612b1e7cc56ccc677932f (MD5) Previous issue date: 2007 / Resumo: Este estudo objetiva identificar e ajustar um modelo nebuloso (Fuzzy) para a predição de um passo a frente dos processos de acumulação de biomassa e de açúcar da cana-de-açúcar com índices de erro inferiores aos obtidos pelo modelo QCANE. Os processos fisiológicos de acumulação da cana-de-açúcar são estudados para determinação dos fatores mais influentes a serem tratados no procedimento de identificação do modelo. Algumas técnicas de identificação disponíveis são estudadas e experimentos computacionais são realizados para selecionar e avaliar a representação matemática e a estrutura de modelo mais dequadas. Durante o procedimento de identificação procura-se obter modelo com o menor número de parâmetros possível, que permita ao usuário compreender de forma mais clara o resultado da simulação do modelo. Para estes processos são apresentados resultados para modelos contínuos, modelos ARX e modelos nebulosos discretos. A opção pela utilização dos modelos nebulosos para estes processos deve-se a expectativa confirmada de que esta estrutura matemática obtivesse um melhor desempenho nas predições utilizando uma quantidade reduzida de parâmetros. Os resultados computacionais indicam a obtenção de respostas mais precisas e exatas para os modelos nebulosos do que para o modelo QCANE, tido como o modelo mais preciso da literatura para estimação de acumulação de biomassa e de açúcar na cana-de-açúcar, em todos os aspectos desejados para este trabalho / Abstract: The aim of this master thesis is to identify and adjust a fuzzy model for the one step ahead prediction of the process of biomass and sugar accumulation of the sugarcane with a level of errors inferior to those gotten by the QCANE model. The physiological processes of accumulation in sugar cane are studied for determination of the most influent factors to be dealt within the procedure of model identification. Some available identification techniques are studied and computer experiments are done to select and evaluate the mathematical representation and the structure of a more suitable model. During the process of identification, the search is for a model with a smaller number of parameters, that allows the user to understand in a simple, clear way, the result of the simulation of the model. To these processes results for continuous, ARX and discrete fuzzy models are presented. The option for the use of the fuzzy model for these processes is due to confirmation of the expectation that this mathematical structure could have a better performance in the prediction using a reduced amount of parameters. The computer results indicate the obtention of more accurate and precise answers to the fuzzy models than to the QCANE model considered the most precise model from the literature in biomass and sugar accumulation of the sugar cane estimation according to all the aspects set for this work / Mestrado / Automação / Mestre em Engenharia Elétrica

Made available in DSpace on 2016-08-17T16:54:32Z (GMT). No. of bitstreams: 1 TESE_WASHINGTON LUIS SANTOS SILVA.pdf: 2994073 bytes, checksum: 86620806fbcc7af4fcf423defd5776bc (MD5) Previous issue date: 2015-03-20 / This thesis proposes a methodology that uses an intelligent system for voice recognition. It uses the definition of intelligent system, as the system has the ability to adapt their behavior to achieve their goals in a variety of environments. It is used also, the definition of Computational Intelligence, as the simulation of intelligent behavior in terms of computational process. In addition the speech signal pre-processing with mel-cepstral coefficients, the discrete cosine transform (DCT) is used to generate a two-dimensional array to model each pattern to be recognized. A Mamdani fuzzy inference system for speech recognition is optimized by genetic algorithm to maximize the amount of correct classification of standards with a reduced number of parameters. The experimental results achieved in speech recognition with the proposed methodology were compared with the Hidden Markov Models-HMM and the classifiers Gaussians Mixtures Models-GMM and Support Vector Machine-SVM. The recognition system used in this thesis was called Intelligent Methodology for Speech Recognition-IMSR / Neste trabalho propõe-se uma metodologia que utiliza um sistema inteligente para reconhecimento de voz. Utiliza-se a definição de sistema inteligente, como o sistema que possui a capacidade de adaptar seu comportamento para atingir seus objetivos em uma variedade de ambientes. Utiliza-se, também, a definição de Inteligência Computacional, como sendo a simulação de comportamentos inteligentes em termos de processo computacional. Além do pré-processamento do sinal de voz com coeficientes mel-cepstrais, a transformada discreta cosseno (TCD) é utilizada para gerar uma matriz bidimensional para modelar cada padrão a ser reconhecido. Um sistema de inferências nebuloso Mamdani para reconhecimento de voz é otimizado por algoritmo genético para maximizar a quantidade de acertos na classificação dos padrões com um número reduzido de parâmetros. Os resultados experimentais alcançados no reconhecimento de voz com a metodologia proposta foram comparados com o Hidden Markov Models-HMM e com os classificadores Gaussian Mixture Models-GMM e máquina de vetor de suporte (Support Vector Machine-SVM) com intuito de avaliação de desempenho. O sistema de reconhecimento usado neste trabalho foi denominado Intelligent Methodology for Speech Recognition-IMSR.

Orientadores: Fernando Antonio Campos Gomide, Rosangela Ballini / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-12T14:32:10Z (GMT). No. of bitstreams: 1 Lima_EltonMariode_M.pdf: 1259231 bytes, checksum: 7a910e84bfb43d6c13b2deb8b6f511c2 (MD5) Previous issue date: 2008 / Resumo: Este trabalho propõe um modelo fuzzy funcional evolutivo que utiliza uma aplicação do aprendizado participativo para a construção de uma base de regras. O aprendizado participativo é um modelo de aprendizado baseado na noção de compatibilidade para a atualização do conhecimento do sistema. O aprendizado participativo pode ser traduzido em um algoritmo de agrupamento não supervisionado conhecido como agrupamento participativo. O algoritmo intitulado Aprendizado Participativo Evolutivo é proposto para construir um modelo fuzzy funcional evolutivo no qual as regras são obtidas a partir de um algoritmo de agrupamento não supervisionado. O algoritmo utiliza uma versão do agrupamento participativo para a determinação de uma base de regras correspondente ao modelo funcional do tipo Takagi-Sugeno evolutivo. A partir de uma noção generalizada, o modelo proposto é aplicado em problemas de previsão de séries temporais e os resultados são obtidos para a conhecida série Box-Jenkis, além da previsão de uma série de carga horária de energia elétrica. Os resultados são comparados com o modelo Takagi-Sugeno evolutivo que utiliza a noção de função potencial para agrupar os dados dinâmicamente e com duas abordagens baseadas em redes neurais. Os resultados mostram que o modelo proposto é eficiente e parcimonioso, abrindo potencial para aplicações e estudos futuros. / Abstract: This work introduces an approach to develop evolving fuzzy rule-based models using participatory learning. Participatory learning assumes that learning and beliefs about a system depend on what the learning mechanism knows about the system itself. Participatory learning naturally augments clustering and yields an e_ective unsupervised fuzzy clustering algorithms for on-line, real time domains and applications. Clustering is an essential step to construct evolving fuzzy models and plays a key role in modeling performance and model quality. A least squares recursive approach to estimate the consequent parameters of the fuzzy rules for on-line modeling is emphasized. Experiments with the classic Box-Jenkins benchmark are conducted to compare the performance of the evolving participatory learning with the evolving fuzzy system modeling approach and alternative fuzzy modeling and neural methods. The experiments show the e_ciency of evolving participatory learning to handle the benchmark problem. The evolving participatory learning method is also used to forecast the average hourly load of an electric generation plant and compared against the evolving fuzzy system modeling using actual data. The results confirm the potential of the evolving fuzzy participatory method to solve real world modeling problems. / Mestrado / Automação Industrial / Mestre em Engenharia Elétrica

Orientador: Pedro Luis Dias Peres, Ricardo Coração de Leão Fontoura de Oliveira / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-19T07:25:52Z (GMT). No. of bitstreams: 1 Tognetti_EduardoStockler_D.pdf: 1309075 bytes, checksum: 3848aea254594b5081e40f2de57efe3f (MD5) Previous issue date: 2011 / Resumo: A principal contribuição dessa tese é a proposta de novas condições, em termos de desigualdades matriciais lineares, para a análise de estabilidade e síntese de controladores de sistemas nebulosos Takagi-Sugeno, casos discretos e contínuos no tempo. A lei de controle considerada é por realimentação de estados, sendo que para sistemas contínuos no tempo são também projetados controladores de realimentação de saída estática e dinâmica, de ordem arbitrária. São adotados como critérios de desempenho os custos garantidos H2 e H?. As funções de Lyapunov propostas, mais gerais que as existentes na literatura, são construídas como a combinação nebulosa de funções quadráticas nos estados, polinomiais homogêneas de grau arbitrário em termos das funções de pertinência do sistema nebuloso. As funções de pertinência são modeladas em um espaço definido pelo produto Cartesiano de simplexos no mesmo instante de tempo, no caso contínuo, ou em múltiplos instantes de tempo, permitindo o projeto de controladores com memória finita de parâmetros presentes e passados, no caso discreto. Em sistemas contínuos, as variáveis premissas usadas na lei de controle podem ser escolhidas pelo projetista, de acordo com a disponibilidade ou não para implementação em tempo real, dando um caráter seletivo ao controlador. Nas condições de síntese de controladores, duas situações distintas para as taxas de variação das funções de pertinência são consideradas. Um conjunto convexo modela o espaço ao qual pertencem as derivadas temporais das funções de pertinência, no caso em que algumas taxas máximas de variação são conhecidas. Para taxas de variações arbitrárias, quando as variáveis premissas são os estados, utilizam-se funções de Lyapunov do tipo integral de linha associadas a uma estratégia de síntese em dois estágios. No primeiro estágio um ganho de realimentação de estados é projetado e utilizado como entrada no segundo estágio, que retorna, se possível, um controlador de realimentação de estados que atende especificações de desempenho mais exigentes, ou ganhos de realimentação estática ou dinâmica de saída, de ordem completa ou reduzida. Exemplos numéricos ilustram os resultados, mostrando que os métodos propostos podem reduzir o conservadorismo nos problemas estudados, sendo mais eficientes quando comparados com outras abordagens da literatura / Abstract: This thesis proposes, as main contribution, new linear matrix inequalities conditions for stability analysis and control synthesis of continuous and discrete-time Takagi-Sugeno fuzzy systems. A state feedback control law is considered and, for continuous-time systems, static and dynamic output feedback controllers of arbitrary order are also determined. The H2 and H? guaranteed costs are adopted as performance criteria. The proposed Lyapunov functions, more general than the others in the literature, are constructed as fuzzy combinations of quadratic in the state functions that are homogeneous polynomials of arbitrary degree depending on the membership functions of the fuzzy systems. The membership functions are modeled in a space defined by the Cartesian product of simplexes in the same instant of time, in the continuous-time case, or in multiple instants of time, yielding finite memory controllers depending on the present and past parameters, in the discrete-time case. In the continuous-time synthesis conditions, the premise variables used in the control law can be defined by the designer, accordingly to real-time availability, as a selective feature of the controller. Two different situations are considered in terms of the rates of variation of the membership functions. A convex set models the space of the timederivatives of the membership functions if some upper bounds of the variation rates are known. For arbitrary rates, when the premise variables are the states of the system, a line-integral Lyapunov function is considered associated with a two steps procedure. At the first step, a state feedback is computed and used as an input for the second step, that provides, if possible, a state feedback controller that take into account more stringent performance specifications, or static or dynamic controllers, of full and reduced orders. Numerical examples illustrate the results, showing that the proposed approaches can be less conservative and more efficient when compared with other methods available in the literature / Doutorado / Automação / Doutor em Engenharia Elétrica

Orientadores: Fernando Antonio Campos Gomide, Rosangela Ballini / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-20T17:20:07Z (GMT). No. of bitstreams: 1 Maciel_LeandrodosSantos_M.pdf: 2052895 bytes, checksum: a88ae55ebe5e6a0ea1053d3c5aef5f66 (MD5) Previous issue date: 2012 / Resumo: Este trabalho propõe a utilização de técnicas de inteligência computacional para a estimação e previsão da estrutura a termo das taxas de juros, com base em dados dos mercados de renda fixa dos Estados Unidos e Brasil. Para o problema de estimação da curva de juros, as técnicas de computação evolucionária, Algoritmos Genéticos, Evolução Diferencial e Estratégias Evolutivas, foram comparadas com abordagens tradicionais da literatura, como mínimos quadrados não-lineares e programação quadrática sequencial. A motivação da aplicação de técnicas de computação evolucionária no problema de estimação da estrutura a termo busca superar limitações como não-convergência e elevada instabilidade dos parâmetros à inicialização. Além disso, recentemente, a literatura tem apontado o elevado desempenho dos algoritmos genéticos em problemas de modelagem da curva de rendimentos. Outra contribuição deste trabalho consiste no desenvolvimento de um modelo nebuloso evolutivo de aprendizado participativo estendido, denominado ePL+, que inclui em sua versão original, ePL, mecanismos para aumentar sua autonomia e adaptabilidade na modelagem de sistemas complexos. Dessa forma, o modelo ePL+ e outros modelos nebulosos funcionais evolutivos foram avaliados na questão da previsão das taxas futuras de juros, em contraposição com modelos econométricos baseados em processos autoregressivos e modelos de redes neurais artificiais multi-camadas, uma vez que a evolução das taxas de juros apresenta uma dinâmica altamente não-linear e variante no tempo, justificando a ideia de modelagem adaptativa. O desempenho dos métodos considerados foi avaliado em termos de métricas de erro, complexidade computacional e por meio de testes estatísticos paramétricos e não-paramétricos, MGN e SIGN, respectivamente. Os resultados evidenciaram o elevado potencial dos modelos de inteligência computacional na estimação e previsão da estrutura a termo em ambas economias consideradas, constatado pelo melhor desempenho, em termos de ajuste e significância estatística, em relação às técnicas de otimização de parâmetros e econométricas mais utilizadas na literatura / Abstract: This work proposes the term structure of interest rates modeling and forecasting using computational intelligence techniques, based on data from the US and Brazilian fixed income markets. The yield curve modeling includes the use of some evolutionary computation methods like Genetic Algorithms, Differential Evolution and Evolution Strategies in comparison with traditional optimization techniques such as nonlinear least squares and sequential quadratic programming. The motivation behind the use of evolutionary computation to yield curve estimation aims to overcome limitations like non-convergence and high parameters instability to initialization. Moreover, recently, the literature has been shown the higher performance of genetic algorithms in yield curve modeling problems. This work also contributes by developing an extended participatory learning fuzzy model, called ePL+, which includes on its original version, ePL, mechanisms to improve its autonomy and adaptability in complex systems modeling. Therefore, the ePL+ model and some evolving functional fuzzy approaches were evaluated in the future interest rates forecasting, as opposed to econometric models based on autoregressive processes and multilayer artificial neural networks methodologies, since interest rates evolution shows a high non-linear dynamics and also time-varying, justifying the idea of adaptive modeling. Models' performance were compared in terms of error measures, computational complexity and by parametric and non-parametric statistical tests, MGN and SIGN, respectively. The results reveal the high potential of computational intelligence methods to deal with the term structure modeling and forecasting for both economies considered, as pointed out by their adjustment and statistical superior performance then traditional optimization and econometrics techniques reported in the literature / Mestrado / Automação / Mestre em Engenharia Elétrica

Orientador: Lee Luan Ling / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-22T11:35:06Z (GMT). No. of bitstreams: 1 Chipana_AnaGloriaMamani_M.pdf: 2882297 bytes, checksum: e463366f676910239386bd95bd3a6753 (MD5) Previous issue date: 2012 / Resumo: Nesta dissertação se propõe um método de controle de admissão de chamadas fuzzy (FCAC) e um método de controle de fluxo fuzzy (FFC), considerando tráfegos multiclasses. Ambos métodos trabalham em conjunto e são implementados na interface aérea das redes 3G UMTS. O método FCAC aceita ou rejeita a requisição de uma nova chamada considerando a prioridade de cada classe de tráfego, assim como a banda efetiva total disponível na interface aérea. Devido a natureza de controle fuzzy, o método FCAC-FFC proposto é considerado como um método de bloqueio gradual. Os usuários de menor prioridade serão sempre os primeiros a serem bloqueados se a banda efetiva total disponível não for suficiente. O método FFC reduz a taxa de transmissão dos usuários ativos de menor prioridade caso seja necessário e, como consequência, a banda efetiva disponível aumenta. Desta forma, temos um uso mais eficiente dos recursos do sistema incrementando o número médio de usuários ativos. O método proposto foi implementado no ambiente de simulação MATLAB e foi utilizada a toolbox de lógica fuzzy para projetar os controladores fuzzy. Os resultados da simulação mostram que o esquema de controle de admissão proposto garante o uso eficiente dos recursos da interface aérea e obtém um melhor desempenho em comparação com os esquemas CAC-FC e FCAC-FC analisados, em termos de probabilidade de bloqueio total / Abstract: This dissertation proposes a fuzzy call admission control method (FCAC) and a fuzzy flow control method (FFC) for multi-class traffic. Two methods should be used on the air interface of 3G UMTS networks. The FCAC method accepts or rejects a new call evaluating the priority of the input traffic class and the total effective bandwidth available at the air interface. Due to inherited fuzzy characteristics the proposed FCAC-FFC can be considered as a soft-blocking approach. The calls with lowest priority are blocked first whenever the currently available bandwidth is not large enough. The FFC method can reduce the transmission rates of active users of lower priority if necessary and consequently increases the effective bandwidth available. Therefore, the more efficient use of system transmission resource can be achieved by increasing the average number of active users. The proposed method was implemented in MATLAB environment, and the fuzzy logic toolbox was used to design the fuzzy controllers. The simulation results show that the proposed call admission control method guarantees efficient use of the air interface resource and achieves lower call blocking probability than the CAC-FC and FCAC-FC methods / Mestrado / Telecomunicações e Telemática / Mestra em Engenharia Elétrica

Made available in DSpace on 2016-08-17T14:52:59Z (GMT). No. of bitstreams: 1 Heitor Hugo Dias Mangueira.pdf: 499392 bytes, checksum: 0ab64bec14057aedb36d224a57047e6d (MD5) Previous issue date: 2005-07-05 / In this work, the spread of the uncertainties of wind power generation systems on a network is evaluated. The study uses a flow of power foggy multi-linearized. / Neste trabalho, a propagação das incertezas dos sistemas de geração eólica em rede é avaliada. O estudo utiliza um fluxo de potência nebuloso multi-linearizado.

Orientador: Celso Pascoli Bottura / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e Computação / Made available in DSpace on 2018-08-31T09:18:30Z (GMT). No. of bitstreams: 1 Serra_GinalberLuizdeOliveira_D.pdf: 2165582 bytes, checksum: a1dad46bc4d817f8d4e6457f60ae9599 (MD5) Previous issue date: 2005 / Resumo: Esta tese apresenta propostas de metodologias para identificação e controle inteligentes. Uma metodologia para identificação de sistemas dinâmicos não-lineares no tempo discreto, baseada tio método de variável instrumental e no modelo nebuloso Takagi-Sugeno, é apresentada. Nesta metodologia, a qual é uma extensão do método de variável instrumental tradicional, as variáveis instrumentais escolhidas, estatisticamente independentes do ruído, são mapeadas em conjuntos nebulosos, particionando o espaço de entrada em sub-regiões, para estimação não-polarizada dos parâmetros do conseqüente dos modelos nebulosos TS em ambiente ruidoso. Um esquema de controle adaptativo gain scheduling baseado em redes neurais, sistemas nebulosos e algoritmos genéticos para sistemas dinâmicos não-lineares no tempo discreto também é apresentado. 0 controlador nebuloso é desenvolvido e projetado com o usa de um algoritmo genético para satisfazer, simultaneamente, múltiplos objetivos. Com o esquema de aprendizagem supervisionada, os parâmetros do controlador nebuloso são usados para projetar um gain scheduler neural para ajuste on-line do controlador nebuloso em alguns pontos de operação do sistema dinâmico / Abstract: This thesis presents proposals of methodologies for intelligent identification and control. A methodology tor nonlinear dynamic discrete time systems identification, based on the instrumental variable method and Takagi-Sugeno fuzzy model, is presented. In this methodology, which is an extension of the standard instrumental variable method, the chosen instrumental variables, estatistically independent of the noise, are mapped into fuzzy sets, partitioning the input space in subregions, for unbiased estimation of Takagi-Sugeno fuzzy model consequent parameters in a noisy environment. A gain scheduling adaptive control design based on neural network, fuzzy systems and genetic algorithms for nonlinear dynamic discrete time systems is also presented. The fuzzy controller is developed and designed by a genetic algorithm to satisfy, simultaneously, multiple objectives. "With the supervised learning scheme, the fuzzy controller parameters are used to design the gain neural scheduler to tune on-line the fuzzy controller in some operation points of the dynamic system / Doutorado / Automação / Doutor em Engenharia Elétrica