Orientador: Gilmar Barreto / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-04T17:28:20Z (GMT). No. of bitstreams: 1 Pucciarelli_AmilcarJose_M.pdf: 3241769 bytes, checksum: cfad3cee97a35c84df363b3a8578479d (MD5) Previous issue date: 2005 / Resumo: Este estudo primeiramente investiga fundamentos teóricos para análise, desenvolvimento e implementação de algoritmos para modelagem de dados de sistemas dinâmicos e de séries temporais com a finalidade de predição. As séries temporais utilizadas são baseadas em dados reais retirados da literatura. A grande vantagem de se modelar uma série temporal e de se prever um dado futuro é poder tomar ações antecipadas sobre ela o quem vem a ser muito útil, por exemplo em controle. O modelo nebuloso Takagi-Sugeno será utilizado na modelagem das séries temporais onde os conjuntos nebulosos do antecedente e os parâmetros do conseqüente são estimados via métodos de agrupamentos e identificação paramétrica, respectivamente / Abstract: This work firstly explores theoretical foundations for analisis, development and implementation of algorithms for data modelling dynamic systems and time series with a prediction goaI. The used time series are based on real data from the literature. The main advantage of time series modelling and forecasting is make antecipated decisions about it, and this becomes very useful, for example, in controI. The Takagi-Sugeno fuzzy model is used for time series modelling where the antecedent fuzzy partitions and the consequent parameters are estimated by clustering methods and parametric identification, respectively / Mestrado / Automação / Mestre em Engenharia Elétrica

Orientador: Leonardo de Souza Mendes / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-22T07:53:28Z (GMT). No. of bitstreams: 1 AriasArias_Richard_M.pdf: 2020622 bytes, checksum: d259852aeda010c74fd5adffbf0cc63c (MD5) Previous issue date: 2012 / Resumo: Esta dissertação propõe um modelo de avaliação de aprendizado de alunos baseado em lógica difusa para ambientes de educação mediada por computador. O modelo proposto contempla as três dimensões relevantes citadas pelo método de Weon e Kim (2001): dificuldade, complexidade e importância das atividades. A avaliação multidimensional é feita por meio dos processos de fuzzificação, defuzzificação e de inferência difusa de Mandani (1974). O modelo tem como entrada os acertos e o tempo gasto pelos alunos nas atividades realizadas nos módulos educacionais. As regras difusas e os pesos da complexidade e importância são definidos pelo professor especialista na disciplina. A saída do modelo é um vetor de notas correspondente ao desempenho dos alunos que foram avaliados multidimensionalmente. O modelo foi aplicado em uma escola que utiliza o sistema Conexão do Saber, desenvolvido pelo Laboratório de Redes de Comunicações da Faculdade de Engenharia Elétrica e Computação da UNICAMP. Os resultados obtidos mostram que o modelo pode ser usado para avaliar o desempenho de alunos em várias dimensões e de uma forma mais precisa e interpretativa / Abstract: This dissertation proposes a model to evaluate a student's learning development based on fuzzy logic for educational environments mediated by computer. The proposed model considers the three main dimensions quoted by Weon and Kim method (2001): difficulty, complexity and importance of activities. Multidimensional evaluation is carried out through the fuzzification, fuzzy inference and defuzzification processes of Mandani (1974). The inputs for the model are the ac-curacy rates of student's answerscripts and the time spent by them on educational activities in the modules. The fuzzy rules and weight for complexity and importance are defined by the specialist in the discipline. The output is an array of scores corresponding to the performance of students who were assessed multidimensionally. The model was applied to a school that uses the Conexão do Saber system, developed by the Laboratory of Communication Networks at the School of Electrical and Computer Engineering of the University of Campinas. The results show that the model can be used to evaluate the performance of students in various dimensions and an easily interpreted way / Mestrado / Telecomunicações e Telemática / Mestre em Engenharia Elétrica

Os motores de indução trifásicos são largamente usados em vários setores da indústria. O dimensionamento da potência adequada de um motor de indução ou assíncrono trifásico, em função do comportamento das cargas acopladas ao eixo, continua em alguns casos impreciso pela falta de conhecimento mais completo do comportamento das cargas. A proposta deste trabalho consiste na utilização de sistemas Fuzzy como uma alternativa aos métodos tradicionais para levantamento do comportamento de carga e, em processos de controle, onde há a necessidade de conhecimento do comportamento do conjugado aplicado ao eixo do motor, enfocando diversos tipos de cargas encontrados em indústrias. Resultados de simulações são apresentados para validar a proposta deste trabalho. / The three phase induction motors are widely used in all industrial sectors. The selection procedure of the motor for a particular application is sometimes inaccurate due to the lack of complete knowledge about the load connected to its shaft. The proposal of this work consists of using Fuzzy system as an alternative tool to the classical methods for extraction of the load behavior and, in control process, where knowledge of the torque behavior applied to the motor shaft are need, focusing several types of loads found in industries. Simulation results are presented to validate the proposal of this work.

[pt] Turbinas a gás industriais modernas instaladas em usinas termelétricas têm seus parâmetros de desempenho monitorados em tempo real. Contudo, existem inúmeras falhas de operação que são impossíveis de serem detectadas pela simples visualização destes parâmetros, uma vez que a condição de operação do equipamento é influenciada por diversos fatores. Sistemas de diagnóstico são usualmente oferecidos pelos fabricantes destes equipamentos, mas não são divulgados na literatura aberta, que conta em geral com trabalhos aplicados a casos específicos e a turbinas aeronáuticas. Esta dissertação propõe um sistema de diagnóstico de falhas em turbinas a gás, o qual opera através da contínua comparação entre sinais medidos em campo, os quais são simulados por um programa computacional, e resultados gerados por um modelo de referência, simulador da turbina saudável. O sinal comparado serve de entrada para um sistema fuzzy, que identifica e quantifica a severidade das falhas. Foram testadas falhas fictícias no compressor e foi avaliada a influência da mudança de geometria na calibração do sistema. Os resultados mostraram a robustez do sistema e sua capacidade de aplicação em uma situação real. / [en] Modern industrial gas turbines installed in thermal power plants have its performance parameters monitored in real time, however, there are innumerable operation faults that cannot be detected by a simple visual analysis of these parameters, once the equipment operating condition is influenced by several factors. Diagnosis systems are usually offered by the manufacturers of these equipments, but the methodologies are not published in the open literature, which is mostly dedicated to aircraft engines. This dissertation proposes a gas turbine diagnosis system that operates through the continuous comparison between the field measured signals, simulated by a software, and results generated by a reference numerical model, which represents the healthy gas turbine. The compared signal is used as input to a fuzzy system that identifies and quantifies the faults severity. Dummy compressor faults have been tested and the influence of the variable geometry has been analyzed during the system calibration. The results have shown the robustness of the system and its capability to be applied in a real world situation.

[pt] Métodos de previsão são muito importantes para o desenvolvimento de diversas atividades no cotidiano produtivo de nossa sociedade. Vários modelos estatísticos são desenvolvidos até hoje, contudo possuem muitos pressupostos que devem ser seguidos com o intuito de se obter uma resposta aceitável. Modelos não estatísticos para prever séries temporais como os que envolvem Sistemas de Inferência Fuzzy (SIFs) fornecem uma descrição do processo de previsão por meio de regras linguísticas. Explora-se, nesta dissertação, o GPFIS-Forecast: versão do GPFIS - Sistema de Inferência Fuzzy Genético baseado em Programação Genética Multigênica - para previsão de série temporais univariadas. O modelo apresenta, em sua execução, quatro etapas básicas: Fuzzificação, Inferência, Defuzzificação e Avaliação. Em cada uma destas etapas, pode-se fazer uso de diferentes configurações, com implicações evidentes nos resultados finais. Este trabalho propõe o aperfeiçoamento do GPFIS-Forecast em duas vertentes principais:( i) aumentar a quantidade de possibilidades de configurações, avaliando se podem contribuir significativamente para a acurácia das previsões;(ii) adicionar informações complementares como alternativas para a interpretação do resultado do modelo, tendo como compromisso tanto a acurácia e quanto a interpretabilidade. Os estudos de caso demonstram que, em casos de séries temporais com pouca tendência, o GPFIS-Forecast apresenta uma acurácia entre as 10 melhores da competição NN3; quando há forte tendência, faz-se necessário o uso de pré-processamento, prejudicando a interpretabilidade do resultado. Os Limites de Previsão Fuzzy introduzidos neste trabalho agregam mais informação ao resultado da previsão pontual, apontando possíveis ajustes finais nas bases de regras de modelos com maior granularidade. / [en] Forecasting methods are very important for the development of various activities in everyday society. Several statistical models have been developed, but many assumptions must be made in order to obtain an acceptable response. Nonstatistical models for time series forecasting such as those involving systems Fuzzy Inference Systems (FIS) provide a description of the process through linguistic rules. This dissertation delves into GPFISForecast: a version of GPFIS - Fuzzy Inference System based on Multigene Genetic Programming - for univariate time series forecasting. This model consists of four basic stages: Fuzzification, Inference, Defuzzification and Evaluation. In each of these steps, different configurations will have distinct impacts on the results. This work proposes the improvement of GPFIS-Forecast along two main lines (i) increase the amount of possible configurations and assess their contribution to a better forecasting accuracy and (ii) add further information to the interpretation of results, keeping in mind both accuracy and interpretability. The case studies show that in the case of time series with small tendency, GPFIS-Forecast provides a good accuracy; when tendency is larger and pre-processing becomes necessary, interpretability is affected. The Fuzzy Forecasting Limits introduced here add more information to the result, pointing to possible adjustments to rule bases of models with greater granularity.

Submitted by Ronildo Prado (ronisp@ufscar.br) on 2017-08-08T20:30:11Z No. of bitstreams: 1 DissMVRL.pdf: 2179441 bytes, checksum: 3c4089c4b24a3d98521f8561c6f2c515 (MD5) / Approved for entry into archive by Ronildo Prado (ronisp@ufscar.br) on 2017-08-08T20:30:33Z (GMT) No. of bitstreams: 1 DissMVRL.pdf: 2179441 bytes, checksum: 3c4089c4b24a3d98521f8561c6f2c515 (MD5) / Approved for entry into archive by Ronildo Prado (ronisp@ufscar.br) on 2017-08-08T20:30:39Z (GMT) No. of bitstreams: 1 DissMVRL.pdf: 2179441 bytes, checksum: 3c4089c4b24a3d98521f8561c6f2c515 (MD5) / Made available in DSpace on 2017-08-08T20:31:24Z (GMT). No. of bitstreams: 1 DissMVRL.pdf: 2179441 bytes, checksum: 3c4089c4b24a3d98521f8561c6f2c515 (MD5) Previous issue date: 2016-03-03 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Inductive Decision Trees (DT) are mechanisms based on the symbolic paradigm of machine learning which main characteristics are easy interpretability and low computational cost. Though they are widely used, the DTs can represent problems with just discrete or continuous variables. However, for some problems, the variables are not well represented in this way. In order to improve DTs, the Fuzzy Decision Trees (FDT) were developed, adding the ability to deal with fuzzy variables to the Inductive Decision Trees, making them capable to deal with imprecise knowledge. In this text, it is presented a new algorithm for fuzzy decision trees induction. Its fuzification method is applied during the induction and it is inspired by the C4.5’s partitioning method for continuous attributes. The proposed algorithm was tested with 20 datasets from UCI repository (LICHMAN, 2013). It was compared with other three algorithms that implement different solutions to classification problem: C4.5, which induces an Inductive Decision Tree, FURIA, that induces a Rule-based Fuzzy System and FuzzyDT, which induces a Fuzzy Decision Tree where the fuzification is done before tree’s induction is performed. The results are presented in Chapter 4. / As Árvores de Decisão Indutivas (AD) são um mecanismo baseado no paradigma simbólico do Aprendizado de Máquina que tem como principais características a fácil interpretabilidade e baixo custo computacional. Ainda que sejam amplamente utilizadas, as ADs são limitadas à representação de problemas cujas variáveis são do tipo discreto ou contínuo. No entanto, para alguns tipos de problemas, pode haver variáveis que não são bem representadas por estes formatos. Diante deste contexto, foram criadas as Árvores de Decisão Fuzzy (ADF), que adicionam à interpretabilidade das Árvores de Decisão Indutivas, a capacidade de lidar com variáveis fuzzy, as quais representam adequadamente conhecimentos imprecisos. Neste texto, apresentamos o trabalho desenvolvido durante o mestrado, que tem como principal resultado um novo algoritmo para indução de Árvores de Decisão Fuzzy, cujo método de fuzificação dos atributos contínuos é realizado durante a indução da árvore e foi inspirado no método de particionamento de atributos contínuos adotado pelo C4.5. Para validação do algoritmo, foram realizados testes com 20 conjuntos de dados do repositório UCI (LICHMAN, 2013) e o algoritmo foi comparado com outros três algoritmos que abordam o problema de classificação por meio de técnicas diferentes: o C4.5 que induz uma Árvore de Decisão Indutiva, o FURIA, que induz um Sistema Fuzzy Baseado em Regras, porém não segue a estrutura de árvore e o FuzzyDT que induz uma Árvore de Decisão fuzzy realizando a fuzificação dos atributos contínuos antes da indução da árvore. Os resultados dos experimentos realizados são apresentados e discutidos no Capítulo 4 deste texto.

Made available in DSpace on 2016-06-02T19:05:54Z (GMT). No. of bitstreams: 1 3998.pdf: 3486824 bytes, checksum: f1c040adfdc7d0672bc93a058f8a413d (MD5) Previous issue date: 2011-06-28 / Financiadora de Estudos e Projetos / The goal of this work is to study, expand and evaluate the use of multiobjective genetic algorithms and the iterative rule learning approach in fuzzy system generation, especially, in fuzzy rule-based systems, both in automatic fuzzy rule generation from datasets and in fuzzy sets optimization. This work investigates the use of multi-objective genetic algorithms with a focus on the trade-off between accuracy and interpretability, considered contradictory objectives in the representation of fuzzy systems. With this purpose, we propose and implement an evolutive multi-objective genetic model composed of three stages. In the first stage uniformly distributed fuzzy sets are created. In the second stage, the rule base is generated by using an iterative rule learning approach and a multiobjective genetic algorithm. Finally the fuzzy sets created in the first stage are optimized through a multi-objective genetic algorithm. The proposed model was evaluated with a number of benchmark datasets and the results were compared to three other methods found in the literature. The results obtained with the optimization of the fuzzy sets were compared to the result of another fuzzy set optimizer found in the literature. Statistical comparison methods usually applied in similar context show that the proposed method has an improved classification rate and interpretability in comparison with the other methods. / O objetivo deste trabalho é estudar, expandir e avaliar o uso dos algoritmos genéticos multiobjetivo e a abordagem iterativa na geração de sistemas fuzzy, mais especificamente para sistemas fuzzy baseados em regras, tanto na geração automática da base de regras fuzzy a partir de conjuntos de dados, como a otimização dos conjuntos fuzzy. Esse trabalho investiga o uso dos algoritmos genéticos multiobjetivo com enfoque na questão de balanceamento entre precisão e interpretabilidade, ambos considerados contraditórios entre si na representação de sistemas fuzzy. Com este intuito, é proposto e implementado um modelo evolutivo multiobjetivo genético composto por três etapas. Na primeira etapa são criados os conjuntos fuzzy uniformemente distribuídos. Na segunda etapa é tratada a geração da base de regras usando a abordagem iterativa e um algoritmo genético multiobjetivo. Por fim, na terceira etapa os conjuntos fuzzy criados na primeira etapa são otimizados mediante um algoritmo genético multiobjetivo. O modelo desenvolvido foi avaliado em diversos conjuntos de dados benchmark e os resultados obtidos foram comparados com outros três métodos, que geram regras de classificação, encontrados na literatura. Os resultados obtidos após a otimização dos conjuntos fuzzy foram comparados com resultados de outro otimizador de conjuntos fuzzy encontrado na literatura. Métodos estatísticos de comparação usualmente aplicados em contextos semelhantes mostram uma melhor taxa de classificação e interpretabilidade do método proposto com relação a outros métodos.

Made available in DSpace on 2016-06-02T19:06:08Z (GMT). No. of bitstreams: 1 656.pdf: 1176051 bytes, checksum: 79408472b8b3606bcf1eb1699d034a2e (MD5) Previous issue date: 2004-05-24 / Financiadora de Estudos e Projetos / The construction of the knowledge base of fuzzy systems has been beneficited intensively from automatic methods that extract the necessary knowledge from data sets which represent examples of the problem. The evolutionary computation, especially genetic algorithms, has been the focus of a great number of researches that deal with the problem of automatic generation of knowledge bases as search and optimization processes using di erent approaches. This work presents a methodology to learn fuzzy rule bases from examples by means of Genetic Algorithms using the Pittsburgh approach. The methodology is composed of 2 stages. The first one is the genetic learning of rule base and the other one is the genetic optimization of the rule base previously obtained in order to exclude redundant and unnecessary rules. The first stage uses a Self Adaptive Genetic Algorithm, that changes dynamically the crossover and mutation rates ensuring genetic diversity and avoiding the premature convergence. The membership functions are defined previously by the fuzzy clustering algorithm FC-Means and remain fixed during all learning process. The application domain is multidimensional pattern classification, where the attributes and, sometimes, the class are fuzzy, so they are represented by linguistic values. The proposed methodology performance is evaluated by computational simulations on some real-world pattern classification problems. The tests focused the accuracy of generated fuzzy rules in di erent situations. The dynamic change of algorithm parameters showed that better results can be obtained and the use of don t care conditions allowed to generate a small number of comprehensible and compact rules. / A construção da base de conhecimento de sistemas fuzzy tem sido beneficiada intensamente por métodos automáticos que extraem o conhecimento necessário a partir de conjuntos de dados que representam exemplos do problema. A computação evolutiva, em particular os algoritmos genéticos, tem sido alvo de um grande número de pesquisas que tratam, usando abordagens variadas, a questão da geração automática da base de conhecimento de sistemas fuzzy como um processo de busca e otimização. Este trabalho apresenta uma metodologia para o aprendizado de bases de regras fuzzy a partir de exemplos por meio de Algoritmos Genéticos usando a abordagem Pittsburgh. A metodologia é composta por duas etapas. A primeira é a geração genética da base de regras e a segunda é a otimização genética da base de regras previamente obtida, a fim de eliminar regras redundantes e desnecessárias. A primeira etapa utiliza um algoritmo genético auto-adaptativo, que altera dinamicamente os valores das taxas de cruzamento e mutação, a fim de garantir diversidade genética na população e evitar convergência prematura. As funções de pertinência são previamente definidas pelo algoritmo de agrupamento fuzzy FC-Means e permanecem fixas durante todo o processo de aprendizado. O domínio da aplicação é a classificação de padrões multi-dimensionais, onde os atributos e, algumas vezes, as classes são fuzzy, portanto, representados por valores lingüísticos. O desempenho da metodologia proposta é avaliado por simulações computacionais em alguns problemas de classificação do mundo real. Os testes focaram a acuidade das bases de regras geradas em diferentes situações. A alteração dinâmica dos parâmetros do algoritmo mostrou que melhores resultados podem ser obtidos e o uso da condição de don t care permitiu gerar um reduzido n´umero de regras mais compreensíveis e compactas.

Este trabalho apresenta uma estratégia para realizar o controle de tensão em um sistema de distribuição de energia elétrica dotado de comutadores de tap sob carga. Será investigada a aplicação de sistemas inteligentes para tornar os relés reguladores de tensão mais flexíveis. A inserção de módulos inteligentes em relés reguladores de tensão convencionais irá permitir um melhor aproveitamento das funcionalidades já existentes destes dispositivos. Ainda como foco do estudo, pretende-se atuar apenas na subestação de distribuição, realizando medições no barramento secundário e tomando medidas de controle também neste barramento. A capacidade dos sistemas fuzzy em tratar informações incertas, bem como sua potencial aplicabilidade em problemas tendo comportamentos não previsíveis, permitiram a criação de uma estratégia de controle de tensão que atende todas as regulamentações dos órgãos fiscalizadores e, também, os anseios das concessionárias de distribuição de energia elétrica devido aos resultados promissores obtidos em simulação com dados reais das subestações. / This work presents an approach to voltage control in power distribution systems with load tap changers. Intelligent approaches are studied and applied in voltage regulator relay in order to improve the voltage profiles of the system. The proposal of this work is the addition of fuzzy modules in the conventional voltage regulator relays, which allows the exploration of the main functionalities already implemented in such devices. The adaptive fuzzy voltage regulator relay controls the voltage in the distribution substation, monitoring electrical variables and performing the regulation on secondary bus based on the results provided by the fuzzy modules, which are capable to take into account the voltage profile standards for distribution systems as well as operational interests defined by electrical distribution companies. Simulation results using real data from substations are presented to validate the proposed approach.

Este trabalho apresenta uma metodologia para alocação eficiente de dispositivos indicadores de faltas em sistemas de distribuição de energia elétrica. São avaliadas como as principais variáveis que influenciam na quantificação da potencialidade para instalação de dispositivos indicadores de faltas se comportam ao longo do tronco principal dos alimentadores de distribuição de energia elétrica. Como metodologia, empregou-se sistemas de inferência fuzzy para quantificar a referida potencialidade a partir das variáveis avaliadas. Resultados com dados reais destacam também a eficiência da metodologia proposta para quantificar e avaliar a rede de dispositivos indicadores já existentes em alimentadores. / This work presents a methodology for efficient allocation of fault indicator devices in electric power distribution systems. The behavior of the main variables that influence in the quantification of the potentiality for installation of fault indicator devices were analyzed taking into account the feeder length. In methodology terms, fuzzy inference systems were used to quantify this potentiality from the analyzed variables. Results with real data have also highlighted the efficiency of the proposed methodology to quantify and to evaluate the fault indicator device network already existent in power distribution feeders.