Rastreamento de alvos ée a capacidade de estimar a posição de um ou mais alvos em tempos específicos, utilizando as medidas feitas por um ou mais sensores. As medidas geralmente não correspondem às posições reais do alvo, já que as mesmas são afetadas por ruído e erro sistemático (bias), ou podem fornecer informações incorretas devido à falha do respectivo sensor. As metodologias de rastreamento de alvos conhecidas são probabilísticas, no sentido de que elas têm a intenção de fornecer o valor esperado da estimativa, considerado premissas sobre o movimento do alvo e o conjunto de medidas disponível. Em algumas aplicações, no entanto, as informações sobre outros valores possíveis (ou prováveis) ée potencialmente mais útil ou pode ser usada para complementar a informação do valor esperado. Este ée particularmente o caso de aplicações de predição, onde posições futuras do alvo (ou mais especificamente, posições após a última medida) precisam ser rastreadas. A proposta deste trabalho ée prover uma abordagem possibilística em rastreamento de alvos, através do uso de dados fuzzy. Ao invés de fornecer apenas o valor esperado da estimativa, o método proposto ée capaz de prover informações sobre os valores possíveis, classificados segundo um critério de relevância. Esta informação pode ser valiosa já que a informação sobre valor esperado pode diferir consideravelmente da trajetória real sendo executada (ou que será executada) pelo alvo.

Neste trabalho apresentamos um estudo sobre técnicas de classificação com uso de conjunto representativo. Existem diferentes técnicas aplicadas à classificação, sendo uma das principais vantagens da classificação com conjuntos representativos a simplicidade de implementação e de entendimento. Porém, para a composição deste conjunto, ainda existem dificuldades a serem abordadas. Neste trabalho estamos interessados em três destas dificuldades que consideramos importantes, que são a escolha do tamanho do conjunto representativo, a distribuição dos vetores representativos entre os grupos/classes e como evoluir este conjunto com uma menor dependência de seu estado inicial. A maneira como estas dificuldades são enfrentadas atualmente é discutida através de uma revisão bibliográfica onde apresentamos trabalhos relacionados. Um dos produtos deste trabalho é a proposta de uma alteração no método de aprendizado Growing Neural Gás (FRITZKE, 1995) para que permita a classificação reduzindo a influência dos problemas abordados, o qual foi testado com problemas de classificação largamente conhecidos, e também demonstrado com a implementação de um estudo de caso de reconhecimento de voz. Com base nos testes apresentados foi possível verificar que o método proposto é eficiente na abordagem dos problemas considerados, atingindo níveis de precisão comparáveis aos de outros métodos de classificação com menor necessidade de conhecimento prévio dos dados.

Metodologias de prognóstico de falhas têm atraído a atenção da indústria aeronáutica devido à necessidade de aperfeiçoar o planejamento da manutenção, maximizar a vida útil em operação dos equipamentos, aumentar a disponibilidade e a segurança, minimizar os custos de operação e manutenção ao longo da vida útil do sistema. O presente trabalho tem por objetivo propor uma metodologia de prognóstico de falhas baseada em modelo para o sistema de atuação do leme da aeronave EMBRAER 190. Esta metodologia consiste em modelar, simular, extrair características e analisar a condição real do sistema, com o intuito de realizar previsões acerca do tempo de vida remanescente do atuador do sistema. Os resultados são avaliados através da inserção de falhas incipientes em modelos simulados de um atuador para o sistema de leme da aeronave EMBRAER 190. Assim, uma estimativa do instante da falha é obtida com um grau de confiança associado.