Orientador: Robson Pederiva / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica / Made available in DSpace on 2018-08-26T01:39:31Z (GMT). No. of bitstreams: 1 Varanis_MarcusViniciusMonteiro_D.pdf: 5116959 bytes, checksum: b16ac36565b93c6bf49eb1863f7e9823 (MD5) Previous issue date: 2014 / Resumo: Motores elétricos são componentes de grande importância na maioria dos equipamentos de plantas industriais. As diversas falhas que ocorrem nas máquinas de indução podem gerar consequências severas no processo industrial. Os principais problemas estão relacionados à elevação dos custos de produção, piora nas condições do processo e de segurança e, sobretudo piora na qualidade do produto final. Muitas destas falhas mostram-se progressivas. Neste trabalho, apresenta-se uma contribuição ao estudo de Técnicas de Processamento de Sinais Baseadas na Transformada Wavelet para extração de parâmetros de Energia e Entropia a partir de sinais de vibração para detecção de falhas no regime não-estacionário (parada e partida do motor). Em conjunto com a transformada Wavelet utilizam-se métodos de redução de dimensionalidade como, a análise em componentes principais (PCA e a análise Linear Discriminante (LDA). O uso de uma bancada experimental mostra que os resultados da classificação têm alta precisão / Abstract: Electric motors are very important components in most industrial plants equipment. The several faults occurring in induction machines can generate severe consequences in the industrial process. The main problems are related to high production costs, worsening the conditions of process and security, and especially poor quality of the final product. Many of these failures are shown progressive. This work presents a contribution to the study of Signal Processing Techniques Based on Wavelet Packet Transform for extracting parameters of Energy and Entropy, together makes the use of dimensionality reduction methods like the Principal components Analysis (PCA) and Linear Dscriminant Analysis (LDA). This analysis is done from the acquisition of vibration signals in Non-Stationary state (stop and start the engine). The results show that the performance of classification has high accuracy based on experimental work / Doutorado / Mecanica dos Sólidos e Projeto Mecanico / Doutor em Engenharia Mecânica

CAPES; CNPq / Este trabalho apresenta uma proposta de metodologia para detecção e classificação de falhas em motores de indução trifásicos ligados diretamente à rede elétrica. O método proposto é baseado na análise dos sinais de corrente do estator, com e sem a presença de falhas nos rolamentos, estator e rotor. Um dos efeitos desses tipos de falhas é o aparecimento de componentes de frequência específicas, relacionados à velocidade de rotação da máquina. Os sinais foram analisados usando a decomposição wavelet-packet, que permite a avaliação dos sinais em bandas de frequência de tamanhos variáveis. A partir dessa decomposição, aplicaram-se medidas de previsibilidade, como entropia relativa, potência de previsão e variância de erro normalizada, obtida com a análise de componentes previsíveis. Com essas medidas, foi possível verificar quais componentes da decomposição são mais previsíveis. Neste trabalho, a variância de erro normalizada e a potência de previsão foram utilizadas como entradas para três topologias de redes neurais artificiais classificadoras: perceptron multicamadas, redes de funções de base radial e mapas auto-organizáveis de Kohonen. Foram testados seis diferentes vetores de entrada para as redes neurais, utilizando medidas de previsibilidade e número de elementos dos vetores variados. Os ensaios foram realizados considerando amostras de sinal de diferentes motores, com vários tipos de falha, operando sob diversos regimes de torque e condições de desequilíbrio de tensão. Primeiramente, os sinais foram classificados em dois padrões: com e sem a presença de falhas. Posteriormente, detectou-se o tipo de falha presente nos sinais: rolamento, estator ou rotor. Por último, as amostras foram classificadas dentro do subgrupo de falha em que estavam presentes. / This work presents a methodology for diagnosis and classification of faults in three-phase induction motors connected directly to the power grid. The proposed method is based on the analysis of the stator current signals, with and without the presence of faults in the bearings, stator and rotor. These faults cause the presence of specific frequency components that are related to the machine rotational speed. The signals were analyzed using wavelet-packet decomposition, which allows a multiresolution evaluation of the signals. Using this decomposition, we estimated some predictability measures, such as relative entropy, predictive power and normalized error variance, obtained with the predictability component analysis. With this measures, we verified which were the most predictable components. In this work, normalized error variance and the predictive power were used as inputs to three topologies of artificial neural networks used as classifiers: multilayer perceptron, radial basis function and Kohonen self-organizing maps. We tested six different input vectors to the artificial neural networks, in which we vary the predictability measures and the number of elements of the vectors. The studies were performed considering samples of signals from different motors, with various kinds of faults, working under several load conditions and with voltage unbalance. The signals were firstly classified in two patterns: with and without the presence of faults. After, we detected the kind of fault was present in the signal: bearing, stator or rotor fault. Last, the samples were classified inside the subgroup in which they were.

Este trabalho apresenta uma metodologia para classificação de eventos de curto-circuito e mano-bras em redes de distribuição de energia elétrica, com base nos registros oscilográficos de tensão na barra da subestação de distribuição. São apresentados os resultados obtidos para duas formas distintas de pré-processamento dos sinais de tensão, sendo a primeira baseada em Transformada de Fourier e a segunda em Transformada Wavelet para diferentes famílias de funções wavelet. Foram comparados três modelos neurais para o processo de classificação: Multi-Layer Perceptron, Radial Basis Function e Support Vector Machine. Os modelos foram treinados levando em conta uma característica autônoma de operação das redes, ou seja, a seleção automática do modelo e o controle de complexidade. Os resultados foram validados para um conjunto de simulações realizadas no programa Alternative Transient Program, visando a aplicação prática do método proposto em um equipamento registrador de oscilografias, desenvolvido pelo Lactec em conjunto com a Copel - Curitiba, PR, denominado Power Quality Monitor. Foram obtidos resultados com desempenho na ordem de 90% de acerto médio para as diferentes formas de pré-processamento e diferente modelos neurais. / This work presents a method for automatic classification of faults and events related to quality of service in power distribution networks, based on oscillographies of the bar feeder voltages of the distribution substation. We present the results for two distinct pre-processing forms of the voltage signals. The first is based on the Fourier Transform and the second on the Wavelet Transform for different families of wavelet functions. We compared three neural models for the process of classification: Multi-Layer Perceptron, Radial Basis Function and Support Vector Machine. The models were trained taking into account the autonomous operation of networks, i.e. automatic model selection and control complexity. The results were validated for a set of simulations performed using the Alternative Transient Program, aimed at practical implementation of the proposed method in an oscillograph logger, developed by Lactec together with Copel, called the Power Quality Monitor. The results were obtained with performance on the order of 90% of average accuracy for the various pre-processing forms and neural models.

Este trabalho tem como foco de estudo a análise automática de registros de perturbações em unidades geradoras do sistema elétrico. Propõe-se um método, baseado na transformada wavelet, para aplicar aos registros de perturbações de curta duração (forma de onda) e detectar instantes de faltas em geradores, realizar a segmentação dos registros e extrair informações que caracterizem a falta. Como saída deste método, se obtém um conjunto de informações representativas dos sinais monitorados em unidades geradoras. Essas informações podem ser aplicadas a um sistema especialista voltado para a classificação de faltas e demais condições anormais de operação. O grande volume de dados, produzidos pelos registradores digitais de perturbações do sistema elétrico, justifica a pesquisa e a busca por métodos de análise automática que auxiliem o trabalho dos analistas em busca das causas das perturbações. A revisão bibliográfica apontou as possíveis aplicações para as oscilografias e o estado da arte dessas. A revisão conceitual do padrão COMTRADE e da transformada wavelet embasa a escolha do método adequado à solução do problema. Testes foram realizados para determinar a melhor wavelet mãe no processo de segmentação. O método proposto foi aplicado a cinco estudos de casos com registros de oscilografias reais e o resultado obtido confirmou a eficiência deste. Espera-se, com esta pesquisa, aperfeiçoar o processo de análise pós-operação de ocorrências no Sistema Interligado Nacional, tendo como resultado direto a redução no tempo de indisponibilidade de equipamentos, como geradores. / The focus of this work is the automatic analysis of disturbance records for electrical power generating units. The main proposition is a method based on wavelet transform applied to short-term disturbance records (waveform records). The goal of the method is to detect the time instants of recorded disturbances and extract meaningful information that characterize the faults. The result is a set of representative information of the monitored signals in power generators. This information can be further classified by an expert system (or other classification method) in order to classify the faults and other abnormal operating conditions. The large amount of data produced by digital fault recorders during faults justify the research of methods to assist the analysts in their task of analysing the disturbances. The literature review pointed out the state of the art and possible applications for oscillography records. The review of the COMTRADE standard and wavelet transform underlines the choice of the method for solving the problem. The conducted tests lead to the determination of the best mother wavelet for the segmentation process. The application of the proposed method to five case studies with real oscillographic records confirmed the accuracy and efficiency of the proposed scheme. With this research, the post-operation analysis of occurrences is improved and as a direct result is the reduction of the time that generators are offline.

Este trabalho apresenta uma metodologia para classificação de eventos de curto-circuito e mano-bras em redes de distribuição de energia elétrica, com base nos registros oscilográficos de tensão na barra da subestação de distribuição. São apresentados os resultados obtidos para duas formas distintas de pré-processamento dos sinais de tensão, sendo a primeira baseada em Transformada de Fourier e a segunda em Transformada Wavelet para diferentes famílias de funções wavelet. Foram comparados três modelos neurais para o processo de classificação: Multi-Layer Perceptron, Radial Basis Function e Support Vector Machine. Os modelos foram treinados levando em conta uma característica autônoma de operação das redes, ou seja, a seleção automática do modelo e o controle de complexidade. Os resultados foram validados para um conjunto de simulações realizadas no programa Alternative Transient Program, visando a aplicação prática do método proposto em um equipamento registrador de oscilografias, desenvolvido pelo Lactec em conjunto com a Copel - Curitiba, PR, denominado Power Quality Monitor. Foram obtidos resultados com desempenho na ordem de 90% de acerto médio para as diferentes formas de pré-processamento e diferente modelos neurais. / This work presents a method for automatic classification of faults and events related to quality of service in power distribution networks, based on oscillographies of the bar feeder voltages of the distribution substation. We present the results for two distinct pre-processing forms of the voltage signals. The first is based on the Fourier Transform and the second on the Wavelet Transform for different families of wavelet functions. We compared three neural models for the process of classification: Multi-Layer Perceptron, Radial Basis Function and Support Vector Machine. The models were trained taking into account the autonomous operation of networks, i.e. automatic model selection and control complexity. The results were validated for a set of simulations performed using the Alternative Transient Program, aimed at practical implementation of the proposed method in an oscillograph logger, developed by Lactec together with Copel, called the Power Quality Monitor. The results were obtained with performance on the order of 90% of average accuracy for the various pre-processing forms and neural models.

Este trabalho tem como foco de estudo a análise automática de registros de perturbações em unidades geradoras do sistema elétrico. Propõe-se um método, baseado na transformada wavelet, para aplicar aos registros de perturbações de curta duração (forma de onda) e detectar instantes de faltas em geradores, realizar a segmentação dos registros e extrair informações que caracterizem a falta. Como saída deste método, se obtém um conjunto de informações representativas dos sinais monitorados em unidades geradoras. Essas informações podem ser aplicadas a um sistema especialista voltado para a classificação de faltas e demais condições anormais de operação. O grande volume de dados, produzidos pelos registradores digitais de perturbações do sistema elétrico, justifica a pesquisa e a busca por métodos de análise automática que auxiliem o trabalho dos analistas em busca das causas das perturbações. A revisão bibliográfica apontou as possíveis aplicações para as oscilografias e o estado da arte dessas. A revisão conceitual do padrão COMTRADE e da transformada wavelet embasa a escolha do método adequado à solução do problema. Testes foram realizados para determinar a melhor wavelet mãe no processo de segmentação. O método proposto foi aplicado a cinco estudos de casos com registros de oscilografias reais e o resultado obtido confirmou a eficiência deste. Espera-se, com esta pesquisa, aperfeiçoar o processo de análise pós-operação de ocorrências no Sistema Interligado Nacional, tendo como resultado direto a redução no tempo de indisponibilidade de equipamentos, como geradores. / The focus of this work is the automatic analysis of disturbance records for electrical power generating units. The main proposition is a method based on wavelet transform applied to short-term disturbance records (waveform records). The goal of the method is to detect the time instants of recorded disturbances and extract meaningful information that characterize the faults. The result is a set of representative information of the monitored signals in power generators. This information can be further classified by an expert system (or other classification method) in order to classify the faults and other abnormal operating conditions. The large amount of data produced by digital fault recorders during faults justify the research of methods to assist the analysts in their task of analysing the disturbances. The literature review pointed out the state of the art and possible applications for oscillography records. The review of the COMTRADE standard and wavelet transform underlines the choice of the method for solving the problem. The conducted tests lead to the determination of the best mother wavelet for the segmentation process. The application of the proposed method to five case studies with real oscillographic records confirmed the accuracy and efficiency of the proposed scheme. With this research, the post-operation analysis of occurrences is improved and as a direct result is the reduction of the time that generators are offline.

Orientador: Eurípedes Guilherme de Oliveira Nóbrega / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica / Made available in DSpace on 2018-08-16T07:47:06Z (GMT). No. of bitstreams: 1 Raizer_Klaus_M.pdf: 2682241 bytes, checksum: 765c3dc138a1e4c9258fd0201cd56a8f (MD5) Previous issue date: 2010 / Resumo: Este trabalho apresenta a implementação de um sistema de análise de sinais de ECGs (eletrocardiogramas) embarcado em FPGA (field programmable gate array), capaz de classificar cardiopatias. A análise de ECGs é de grande importância devido a sua natureza potencialmente não-invasiva, baixo custo e alta eficiência na identificação de patologias cardíacas. Visto que um sinal de ECG pode ser composto por horas de gravação da atividade cardíaca, uma abordagem computacional para a sua análise torna-se um instrumento valioso para a redução do tempo e dos erros de diagnóstico. No presente trabalho uma série de características são extraídas dos pulsos de ECG, que foram obtidos a partir dos sinais do banco de dados MIT-BIH, através da decomposição por transformada wavelet discreta. Essas características foram então utilizadas para treinar uma Rede Neural do tipo feedforward para discernir pulsos normais de pulsos anômalos. Uma versão da rede neural foi então programada em VHDL e em seguida implementada em um Kit da Xilinx modelo Spartan 3E para a classificação pulso a pulso dos sinais de ECG. As implicações dessa arquitetura são discutidas e os resultados são apresentados / Abstract: this work presents an implementation of an embedded ECG (electrocardiogram) signal analysis system using FPGA (field programmable gate array), capable of classifying cardiopathies. The importance of ECG analysis is mainly due to its potentially non-invasive nature, low cost and high efficiency to identify heart pathologies. Since a single ECG signal can be the record of hours of heart activity, a computational approach to its analysis is invaluable to reduce diagnostic errors and the time taken by the process. In the present work, features are extracted from ECG pulses, obtained from the MIT-BIH database, by decomposing them with the Discrete Wavelet Transform. These features are then used to train a Backpropagation Neural Network in order to discriminate normal ECG pulses from anomalous ones. The neural network is programmed in VHDL and uploaded into a Spartan 3E Xilinx development kit, which performs a pulse-by-pulse classification. The implications of such architecture are discussed and its results are presented / Mestrado / Mecanica dos Sólidos e Projeto Mecanico / Mestre em Engenharia Mecânica

Orientador: Yuzo Iano / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e Computação / Made available in DSpace on 2018-08-06T03:07:07Z (GMT). No. of bitstreams: 1 Ponchet_AndredaFontoura_M.pdf: 26328595 bytes, checksum: c9274a3ea90909625472bd920293d379 (MD5) Previous issue date: 2006 / Resumo: A codificação distribuída de vídeo constitui um novo paradigma em compressão de vídeo frente aos codificadores híbridos da família MPEG-x e H.26x. Nesses codificadores, a estimação de movimento é a principal etapa do processo de compressão do sinal de vídeo. Desta forma, a codificação demanda um alto custo computacional exigindo desempenho do codificador. Neste trabalho é apresentado um codec de vídeo baseado na teoria da codificação distribuída com perdas. O compressor apresentado codifica os quadros ímpares e os quadros pares separadamente utilizando códigos turbo e a transformada wavelet. O processo de decodificação é feito de forma iterativa e explora a dependência estatística entre os quadros da seqüência de vídeo original. Esta abordagem permite uma redução bastante significativa no tempo de processamento envolvido na compressão do sinal de vídeo, tornando viável a implementação deste tipo de codificador em dispositivos com recursos escassos de processamento e memória. Os resultados obtidos em simulações comprovam o bom desempenho do codec proposto em relação ao padrão estado da arte em compressão de vídeo, o H.264/AVC / Abstract: Distributed video coding is a new paradigm for video compression in opposition over the existing video coding standards like MPEG-x and H.26x families. These codecs make use of motion estimation algorithms, the main part of the compression process of the video signal. Hence, the compression process demands a high computational cost and high performance of the encoder. The present work proposes a video compression scheme based on the lossy distributed source coding theory. The proposed compressor encodes the odd frames and the even frames separately using turbo codes and the discrete wavelet transform. The decoding process is performed in an iterative manner and explores the statistical dependency of the video frames of the original sequence. This approach gives a great encoding runtime reduction and allows the implementation at devices with limited computation power and memory. Simulation results show the good performance of the proposed codec in comparison with the state of the art video compression standard H.264/AVC / Mestrado / Telecomunicações e Telemática / Mestre em Engenharia Elétrica

Orientadores: Yuzo Iano, Ana Lucia Mendes Cruz Silvestre da Silva / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-14T10:02:55Z (GMT). No. of bitstreams: 1 Oliveira_Lucasde_M.pdf: 5052260 bytes, checksum: 34b1fa9e0e25d00990c118c6c93f964c (MD5) Previous issue date: 2009 / Resumo: O campo de análise e compressão de imagens tem recebido especial atenção da comunidade científica recentemente por abranger os principais sistemas de TV digital, comunicações via satélite e comunicações móveis. Neste contexto, as Transformadas Wavelets Discretas (TWD) surgem como uma ferramenta poderosa e suas inúmeras vantagens permitiram sua inserção em importantes padrões tais como JPEG2000, MPEG4 e MPEG7. O método lifting realiza a TWD sub-amostrando o sinal antes do processo de filtragem, implicando em rápido processamento por fazer uso das similaridades entre filtros passa-alta e passa-baixa, acelerando o cálculo dos coeficientes. Na literatura, ganhos aritméticos teóricos de diferentes proporções foram obtidos sobre o método tradicional, destacando-se os trabalhos de Daubechies e Sweldens e de Reichel. O objetivo desta pesquisa consiste em estender esta discussão de resultados teóricos quando implementados através de ferramentas, interpretada e compilada, focando no tempo de processamento necessário para a realização (decomposição e reconstrução) de diferentes imagens estáticas empregando wavelets pertencentes às famílias de Daubechies, Symlets e Biortogonais. Medidas de PSNR foram utilizadas de forma a corroborar a perfeita implementação do lifting, dado que o mesmo não pode implicar em deterioração na imagem reconstruída. / Abstract: The field of analysis and compression of images has been received special attention of the scientific community because of including in the main systems of digital TV, satellite communications and mobile communications. In this context, the Discrete Transform Wavelet (TWD) arise how a powerful tool and its many advantages allowed your insertion in important standards such as JPEG2000, MPEG4 and MPEG7. The lifting method realizes the TWD sub-sampling the signal before the filtering, resulting in faster processing by using the similarities between high and low pass filters, speeding up the calculation of coefficients. In the literature, arithmetic theoretical gains of different proportions were obtained on the traditional method, especially the works of Daubechies and Sweldens and of Reichel. The objective of this research is to extend this discussion of theoretical results when implemented through tools, interpreted and compiled, targeting the processing time required to perform (decomposition and reconstruction) of different images using wavelets belonging to the families of Daubechies, and Symlets Biortogonais. Measures of PSNR were used to corroborate the perfect implementation of the lifting, since that cannot result in deterioration in the reconstructed image. / Mestrado / Telecomunicações e Telemática / Mestre em Engenharia Elétrica

Orientador: Yuzo Iano / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-15T16:56:14Z (GMT). No. of bitstreams: 1 Silva_KarinneSaraivada_M.pdf: 10827460 bytes, checksum: 88bfa38e14ff8802bd4874d959af1e99 (MD5) Previous issue date: 2010 / Resumo: Segmentação de texturas é um ponto crucial em muitas aplicações da área de visão computacional e processamento digital de imagens. Muitas são as aplicações que utilizam imagens com texturas, como: sensoriamento remoto, análise de imagens médicas, inspeção industrial, etc. Para análise de texturas, é essencial o uso de um extrator de características capaz de representar bem cada textura presente na imagem. A transformada wavelet packet fornece a caracterização necessária para discriminação de texturas, oferecendo também uma representação multi-escala, ferramenta muito importante na análise de texturas. Outro ponto importante neste trabalho, é o fato da metodologia aqui proposta ser não supervisionada. Para tal, é utilizado o algoritmo de clusterização ARIA, que determina automaticamente o número de clusters presentes no conjunto de dados. A eficiência do método desenvolvido é comprovada aplicando-o em diversas imagens, como: mosaicos de Brodatz, imagens naturais, imagens médicas e outras aplicações. / Abstract:Texture segmentation is a crucial aspect in many computer vision and digital image processing applications. Several of these applications use texture images, such as remote sensing, medical image analysis, industrial inspection, etc. For texture analysis, it is essential to use a feature-extractor that can represent precisely each of the textures present in the picture. The wavelet packet transform provides the characteristics required for discrimination of the textures, as well as offering a multi-scale representation, which is a very important tool in texture analysis. Another important aspect in this work is that the proposed methodology is unsupervised. To achieve that, the clustering algorithm ARIA is used, which automatically determines the number of clusters present in the data set. The efficiency of the developed method is clear in the application of the method on several types of images, such as mosaics of Brodatz, natural images, medical images and other applications. / Mestrado / Telecomunicações e Telemática / Mestre em Engenharia Elétrica