Orientador: José Maria Campos dos Santos / Dissertação (mestrado profissional) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica / Made available in DSpace on 2018-08-18T21:55:11Z (GMT). No. of bitstreams: 1 Camargo_ThiagoAugustoBentodaSilva_M.pdf: 11218597 bytes, checksum: 9ad5907f28a4fff2ee79e0049c0e3460 (MD5) Previous issue date: 2011 / Resumo: Neste trabalho, foram feitas avaliações da utilização da transformada wavelet aplicada, principalmente, na identificação de falhas em rolamentos de esferas com contato angular. Como essa transformada pode ser comparada a transformada de Fourier, foi feito, primeiramente, um estudo comparativo entre a transformada wavelet contínua e a transformada de Fourier com sinais variantes no tempo. Posterior a essa avaliação, a transformada Wavelet discreta foi aplicada em diferentes métodos de identificação de presença de falhas em rolamentos como os métodos da porcentagem de energia, contagem de WZC (Wavelet Zero Crossing) e distancia euclidiana avaliados comparativamente entre sinais simulados de rolamento considerado bom e outro considerado ruim, para cada banda de freqüência. E, em seguida, a transformada wavelet contínua foi comparada através da avaliação dos resultados da identificação de origem de falhas pelo método do envelope, sendo utilizada como filtro em substituição ao filtro passa banda de Butterworth comumente utilizado. Os resultados mostraram que a transformada Wavelet consegue identificar a variação de freqüência em sinais variantes no tempo e a transformada de Fourier não. Os métodos que utilizaram a transformada wavelet discreta puderam fazer a identificação positiva da presença de falha em rolamentos, sendo que dois deles, método da energia e distancia euclidiana, apresentaram também robustez para identificação na presença de ruído branco nos sinais. Pela técnica do envelope, a transformada wavelet contínua, além de mostrar resultados equivalentes àqueles obtidos pela filtragem com filtro Butterworth, possibilitou identificações corretas de falhas em rolamentos em freqüências próximas à freqüência máxima de aquisição e também em janelas de inspeção com até 200 Hz de diferença entre a freqüência central da falha e da janela / Abstract: Hereby, the Wavelet transform was evaluated, mainly, being applied to angular contact ball bearings. As this transform can be comparable with the Fourier transform, a first comparative study was done using time variant signals in order to compare both transforms' performs. Afterwards, the discrete wavelet transform was applied on different fault presence identification methods as: WZC (Wavelet Zero Crossing) counting, energy percentage and Euclidian distance. On these cases, simulated bearing signals for good and bad condition were used. Furthermore, the continues wavelet transform was used as a substitute for the Butterworth filtering on the envelope method of fault origin identification. The results have shown that the wavelet transform can identify the frequency variation on time and the Fourier cannot. The method where the discrete wavelet transform was applied could successfully identify the fault presence on simulated signals, even when applied together with white noise. On the envelope method, the continuous wavelet transform had a equivalent performance as the Butterworth filtering and could also provide correct results even when the analyzed frequency was near the maximum acquisition frequency and also when the center frequency of the inspection window was up to 200 Hz higher, where the other filtering could not perform the same way / Mestrado / Dinâmica / Mestre em Engenharia Automobilistica

Orientador: Janito Vaqueiro Ferreira / Dissertação (mestrado profissional) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica / Made available in DSpace on 2018-08-19T00:39:11Z (GMT). No. of bitstreams: 1 Souza_GustavoFurtadode_M.pdf: 3361483 bytes, checksum: 72dc9fa21313b39aa7b0b797d45f7793 (MD5) Previous issue date: 2011 / Resumo: A indústria de motores de um modo geral utiliza-se de testes de final de linha para assegurar a funcionalidade de seus produtos. Na indústria de motores estes testes são normalmente funcionais e verificam características de desempenho do motor, porém características construtivas são difíceis de avaliar e dependem de operadores habilidosos para serem identificadas. A dependência da habilidade dos operadores torna o processo subjetivo, pois não é possível aferir as habilidades dos operadores. A análise de vibrações surge como uma importante ferramenta para avaliação destas características, permitindo verificações não intrusivas nos motores. A implementação da transformada de wavelet packet - WTP aos sinais de vibração permite determinar o nível de energia em cada uma das bandas de freqüência, comparando então motor a motor. Para facilitar a análise, os coeficientes de energia são compactados e um polinômio de resposta pode ser determinado com auxilio da análise de componentes principais - ACP. A utilização de um polinômio de resposta, aplicado a um conjunto de resultados conhecidos, permite que seja definida uma assinatura mecânica padrão para os motores / Abstract: The engine industry in general is used for end of line testing to ensure the functionality of its products. In the engine industry these tests are usually functional and verify performance characteristics of the engine, but construction features are difficult to assess and depend on skilled operators to be identified. The dependence of the ability of operators makes the subjective process, it is not possible to assess the skills of operators. Vibration analysis emerges as an important tool for evaluation of these features, enabling non-intrusive checks on the engines. The implementation of wavelet packet transform - WTP to vibration signals to determine the energy level in each frequency bands, then comparing the motor engine. To make the analysis easy, the coefficients of energy is compressed and a polynomial response can be determined with the aid of main component analysis - PCA. The use of a polynomial response, applied to a set of known results, allows us to define a signature pattern for mechanical engines / Mestrado / Projetos / Mestre em Engenharia Automobilistica

Orientador: Yuzo Iano / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-19T20:29:50Z (GMT). No. of bitstreams: 1 LaricoChavez_RogerFredy_D.pdf: 2886619 bytes, checksum: 3c97581a74eb56d1cd20c390b38697c1 (MD5) Previous issue date: 2012 / Resumo: A área que trata de compressão de imagem com perdas é, atualmente, de grande importância. Isso se deve ao fato de que as técnicas de compressão permitem representar de uma forma eficiente uma imagem reduzindo assim, o espaço necessário para armazenamento ou um posterior envio da imagem através de um canal de comunicações. Em particular, o algoritmo SPIHT (Set Partitioning of Hierarchical Trees) muito usado em compressão de imagens é de implementação simples e pode ser aproveitado em aplicações onde se requer uma baixa complexidade. Este trabalho propõe um esquema de compressão de imagens utilizando uma forma personalizada de armazenamento da transformada DWT (Discrete Wavelet Transform), codificação flexível da ROI (Region Of Interest) e a compressão de imagens usando o algoritmo SPIHT. A aplicação consiste na transmissão dos dados correspondentes usando-se codificação turbo. A forma personalizada de armazenamento da DWT visa um melhor aproveitamento da memória por meio do uso de algoritmo SPIHT. A codificação ROI genérica é aplicada em um nível alto da decomposição DWT. Nesse ponto, o algoritmo SPIHT serve para ressaltar e transmitir com prioridade as regiões de interesse. Os dados a serem transmitidos, visando o menor custo de processamento, são codificados com um esquema turbo convolucional. Isso porque esse esquema é de implementação simples no que concerne à codificação. A simulação é implementada em módulos separados e reutilizáveis para esta pesquisa. Os resultados das simulações mostram que o esquema proposto é uma solução que diminui a quantidade de memória utilizada bem como o custo computacional para aplicações de envio de imagens em aplicações como transmissão de imagens via satélite, radiodifusão e outras mídias / Abstract: Nowadays, the area that comes to lossy image compression is really important. This is due to the fact that compression techniques allow an efficient way to represent an image thereby reducing the space required for storage or subsequent submission of an image through a communications channel. In particular, the algorithm SPIHT (Set Partitioning of Hierarchical Trees) widely used in image compression is simple to implement and can be used in applications where a low complexity is required. This study proposes an image compression scheme using a personalized storage transform DWT (Discrete Wavelet Transform), encoding flexible ROI (Region Of Interest) and image compression algorithm using SPIHT. The application consists in a transmission of the corresponding data using turbo coding. The shape of the custom storage DWT aims to make better use of memory by reducing the amount of memory through the use of SPIHT algorithm. ROI coding is applied in a generic high-level DWT decomposition. At this point, the algorithm serves to highlight SPITH and transmit the priority areas of interest. The data to be transmitted in order to lower the cost of processing are encoded with a turbo convolutional scheme. This is due this scheme is simple to implement with regard to coding. The simulation is implemented in separate modules and reusable for this research. The simulations and analysis show that the proposed scheme is a solution that decreases the amount of memory used and the computational cost for applications to send images in applications such as image transmission via satellite, broadcasting and others medias / Doutorado / Telecomunicações e Telemática / Doutor em Engenharia Elétrica

Orientadores: Emilson Pereira Leite, Alexandre Campane Vidal / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica e Instituto de Geociências / Made available in DSpace on 2018-08-20T11:46:52Z (GMT). No. of bitstreams: 1 Acquaviva_LeticiadeAvila_M.pdf: 3409962 bytes, checksum: cb41ac297ccc22f2e5e7c89007df133f (MD5) Previous issue date: 2011 / Resumo: Os substratos que constituem um reservatório são identificados com a utilização de dados sísmicos. O processo consiste na determinação de propriedades petrofísicas dos reservatórios. Entretanto, camadas de estruturas subsísmica são mascaradas devido à limitação do dado sísmico convencional. A falha proporcionada por esses dados produz um modelo comprometido para o reservatório. A falta de resolução vertical do dado sísmico pode ser superada através da integração do mesmo com todas as informações disponíveis do reservatório (Sancevero, 2006). A maneira mais efetiva de reunir esses dados encontra-se na geração de modelos de impedância acústica originados do processo de inversão. Como foco principal, foi produzido um algoritmo de inversão sísmica para impedância acústica, manuseado com o software MATLAB. Nesse algoritmo, o dado sísmico foi modelado como sendo a convolução da resposta refletiva do meio com o pulso sísmico sonoro, conhecido como wavelet. A assinatura do pulso sonoro faz com que o dado sísmico seja de banda limitada no domínio da frequência. O método proposto permite acrescentar nos dados sísmicos valores de baixas frequências providos de dados de perfis de poços. Tal método também permite analisar o impacto da extração da wavelet por meio da amarração sísmica-poço, bem como o valor limite de frequências utilizadas do dado de poço. O algoritmo foi aplicado em dados do Campo de Namorado da bacia de Campos, Brasil. Os resultados mostram dados de impedância acústica com banda de frequências mais larga que o dado sísmico e, portanto, imagens com maior resolução e com conteúdo petrofísico do reservatório / Abstract: The substrates that constitute a reservoir are identified using seismic data. The process consists of determining reservoir petrophysical properties. However, sub-seismic layers structures are masked due to the limitation of conventional seismic data. The failure provided by these data produces an erroneous model of reservoir. The lack of vertical resolution of seismic data can be overcome by integrating it with all available information from the reservoir (Sancevero, 2006). The most effective way to gather such data lies in the generation of acoustic impedance models derived from seismic inversion methods. As a main focus an inversion algorithm for seismic acoustic impedance have been produced, handled with MATLAB software. In this algorithm, the seismic data have been modeled as the convolution of the reflective response of the medium with the wavelet noise known as wavelet. The signature of the sound pulse makes the seismic data be a limited bandwidth in the frequency domain. The proposed method allows add low-frequencies data from well logs into seismic data. This method also analyzes the impact of the wavelet extraction through the well-seismic tie, and the limit of frequencies used from well data. The model was applied on data from the Namorado Field of the Campos Basin, Brazil. The results show the acoustic impedance data with a frequencies band wider than the seismic data and, therefore, images with higher resolution and with petrophysical content reservoir / Mestrado / Reservatórios e Gestão / Mestre em Ciências e Engenharia de Petróleo

M.Ing. / Recent traffic analyses have shown the existence of long-range dependencies in network traffic, specifically self-similar long-range dependencies. Due to the inability of traditional traffic models to capture these long-range dependencies, new network traffic models were developed that are able to capture it. In this paper we compare three self-similar long-range dependent traffic models, namely the FARIMA model, the wavelet independent Gaussian model and the multifractal wavelet model. We present results on their marginal distributions, their correlation matching to real traffic and their queuing behaviour. We show that the multifractal wavelet model is the best of the three models in all of the test aspects.

Orientadores: Furio Damiani, Romis Ribeiro de Faissol Attux / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-27T01:42:11Z (GMT). No. of bitstreams: 1 FernandesJunior_AntonioCarlosLopes_D.pdf: 3251957 bytes, checksum: 7a047b751489da833ab7c5efd9cd86ee (MD5) Previous issue date: 2015 / Resumo: A deteção de tempo em um sinal musical é uma tarefa muito importante em diversas aplicações. A presente tese apresenta os resultados da detecção de andamento usando uma nova abordagem baseada na extração de atributos de um conjunto de funções de detecção de periodicidade e aprendizado de máquina. Para isto a transformada wavelet foi utilizada para separar o sinal musical em diferentes resoluções e o domínio complexo retificado foi aplicado para a construção de funções de deteccão de onsets. Em seguida, as funções de deteccão de periodicidade para cada nível wavelet foram geradas por operações de autocorrelação. Descritores de áudio clássicos foram adaptados e extraídos de cada função de periodicidade e foram usados como entradas para a máquina de aprendizado que mapeia os descritores para o tempo da música. As máquinas utilizadas foram o perceptron de múltiplas camadas e a máquina de aprendizado extremo, com propostas diferenciadas de configuração. Um método para classificação e avaliação dos descritores foi proposto. Também, neste trabalho, um novo descritor foi proposto. Um método de seleção forward de atributos via Gram-Schmidt foi aplicado para a escolha do melhor subconjunto para o treinamento da máquina. Foi ainda aplicado um método de clustering via K-means para a partilha de observações entre os conjuntos de treinamento, teste e validação, e foi proposto um novo método de seleção de observações via análise de componentes principais denominado de seleção esférica de observações / Abstract: Tempo detection in a music signal is a very important task for many applications. This thesis presents results concerning this task using a new approach based on the extraction of features from a set of periodicity detection functions and on machine learning. The wavelet transform was utilized to separate the musical signal at different resolutions and the rectified complex domain was applied to the construction of onset detection functions. Then, periodicity detection functions for each resolution were generated by autocorrelation operations. Classic audio features were extracted from each periodicity function and were used as inputs to a neural network that maps descriptors to music tempo. The used machines were the multilayer perceptron and an extreme learning machine, with different configuration proposals. A method for classification and evaluation of features has been proposed. Also, in this work, a new descriptor has been proposed. A method of forward selection via Gram-Schmidt was applied to choosing the best subset for the machine training. A K-means clustering method was also applied for partitioning observations between the training sets and a new observation selection method via principal component analysis, called spherical selection of observations, was proposed / Doutorado / Eletrônica, Microeletrônica e Optoeletrônica / Doutor em Engenharia Elétrica

No description available.

Ocean is home to a large population of marine mammals such as dolphins and whales and concerns over anthropogenic activities in the regions close to their habitants have been increased. Therefore the ability to detect the presence of these species in the field, to analyze and classify their vocalization patterns for signs of distress and distortion of their communication calls will prove to be invaluable in protecting these species. The objective of this research is to investigate methods that automatically detect and classify vocalization patterns of marine mammals. The first work performed is the classification of bottlenose dolphin calls by type. The extraction of salient and distinguishing features from recordings is a major part of this endeavor. To this end, two strategies are evaluated with real datasets provided by Woods Hole Oceanographic Institution: The first strategy is to use contour-based features such as Time-Frequency Parameters and Fourier Descriptors and the second is to employ texture-based features such as Local Binary Patterns (LBP) and Gabor Wavelets. Once dolphin whistle features are extracted for spectrograms, selection of classification procedures is crucial to the success of the process. For this purpose, the performances of classifiers such as K-Nearest Neighbor, Support Vector Machine, and Sparse Representation Classifier (SRC) are assessed thoroughly, together with those of the underlined feature extractors. / Includes bibliography. / Dissertation (Ph.D.)--Florida Atlantic University, 2014. / FAU Electronic Theses and Dissertations Collection

Advance technology such as various types of automatic data acquisitions, management, and networking systems has created a tremendous capability for managers to access valuable production information to improve their operation quality and efficiency. Signal processing and data mining techniques are more popular than ever in many fields including intelligent manufacturing. As data sets increase in size, their exploration, manipulation, and analysis become more complicated and resource consuming. Timely synthesized information such as functional data is needed for product design, process trouble-shooting, quality/efficiency improvement and resource allocation decisions. A major obstacle in those intelligent manufacturing system is that tools for processing a large volume of information coming from numerous stages on manufacturing operations are not available. Thus, the underlying theme of this thesis is to reduce the size of data in a mathematical rigorous framework, and apply existing or new procedures to the reduced-size data for various decision-making purposes. This thesis, first, proposes {it Wavelet-based Random-effect Model} which can generate multiple functional data signals which have wide fluctuations(between-signal variations) in the time domain. The random-effect wavelet atom position in the model has {it locally focused impact} which can be distinguished from other traditional random-effect models in biological field. For the data-size reduction, in order to deal with heterogeneously selected wavelet coefficients for different single curves, this thesis introduces the newly-defined {it Wavelet Vertical Energy} metric of multiple curves and utilizes it for the efficient data reduction method. The newly proposed method in this thesis will select important positions for the whole set of multiple curves by comparison between every vertical energy metrics and a threshold ({it Vertical Energy Threshold; VET}) which will be optimally decided based on an objective function. The objective function balances the reconstruction error against a data reduction ratio. Based on class membership information of each signal obtained, this thesis proposes the {it Vertical Group-Wise Threshold} method to increase the discriminative capability of the reduced-size data so that the reduced data set retains salient differences between classes as much as possible. A real-life example (Tonnage data) shows our proposed method is promising.

To handle potentially large size and complicated nonstationary functional data, we present the wavelet-based methodology in data mining for process monitoring and fault classification. Since traditional wavelet shrinkage methods for data de-noising are ineffective for the more demanding data reduction goals, this thesis presents data reduction methods based on discrete wavelet transform. Our new methods minimize objective functions to balance the tradeoff between data reduction and modeling accuracy. Several evaluation studies with four popular testing curves used in the literature and with two real-life data sets demonstrate the superiority of the proposed methods to engineering data compression and statistical data de-noising methods that are currently used to achieve data reduction goals. Further experimentation in applying a classification tree-based data mining procedure to the reduced-size data to identify process fault classes also demonstrates the excellence of the proposed methods. In this application the proposed methods, compared with analysis of original large-size data, result in lower misclassification rates with much better computational efficiency. This thesis extends the scalogram's ability for handling noisy and possibly massive data which show time-shifted patterns. The proposed thresholded scalogram is built on the fast wavelet transform, which can effectively and efficiently capture non-stationary changes in data patterns. Finally, we present a SPC procedure that adaptively determines which wavelet coefficients will be monitored, based on their shift information, which is estimated from process data. By adaptively monitoring the process, we can improve the performance of the control charts for functional data. Using a simulation study, we compare the performance of some of the recommended approaches.