[pt] Este trabalho tem como objetivo estudar estratégias de Controle Preditivo baseado em Modelo Não-Linear (NMPC) aplicadas a uma coluna de destilação despropanizadora simulada. Essas colunas são empregadas em unidades de processamento de gás natural (UPGNs) para a separação do produto propano do butano. Colunas de destilação possuem características particularmente desafiadoras sob o ponto de vista de controle, como: não-linearidades, grandes constantes de tempo, atraso, restrições de variáveis e inversão do sinal de ganho estático. Como as medidas de composição frequentemente possuem atrasos e dados esparsos, os sistemas de controle convencionais não são capazes de controlar a composição diretamente e possuem dificuldade em manter os produtos dentro das especificações. Contudo, controladores baseados em modelo possuem a habilidade de prever a composição através do modelo interno do processo, além de serem capazes de lidar com restrições. Na literatura, nenhuma aplicação do modelo de Hammerstein modificado para coluna de destilação ou para sistemas multivariáveis foi encontrada, sendo esta uma novidade. Desta forma, foram estudadas três estratégias de controle: controle PID tradicional, NMPC com modelo de Hammerstein modificado (H-NMPC) e NMPC com modelo por Redes Neurais (NN-NMPC). O sistema estudado foi identificado de forma a se obter valores numéricos adequados aos parâmetros dos modelos. A identificação dos parâmetros dos modelos e os algoritmos de NMPC foram implementados no ambiente MATLAB. A coluna de destilação foi simulada usando o Aspen Plus Dynamics. Como resultado, o H-NMPC teve o melhor desempenho de controle ao rastrear diferentes trajetórias de referência, a desacoplar as variáveis controladas e a rejeitar os distúrbios. Além disso, esta apresentou maior rapidez computacional comparado com a estratégia NNNMPC. / [en] This work aims to study strategies of Nonlinear Model Predictive Control (NMPC) applied to a simulated depropanizer distillation column. These columns are used in natural gas processing units (NGPUs) for the separation of the product propane from butane. Distillation columns have particularly challenging features from the control point of view, such as: nonlinearities, large time constants, delay, variable constraints and static gain signal inversion. Because compositional measures often have delays and sparse data, conventional control systems are not able to control composition directly and have difficulty keeping products within specifications. However, model-based controllers predict composition through the internal process model, besides being able to handle constraints. In the literature, no applications of the modified Hammerstein model for distillation column or multivariable systems was found, so this is a novelty. Therefore, three control strategies were studied: traditional PID control, NMPC with modified Hammerstein model (H-NMPC) and NMPC with neural network model (NN-NMPC). The studied system was identified in order to obtain adequate numerical values of the model parameters. The model identification and the NMPC algorithms were implemented in the MATLAB environment. The distillation column was simulated using Aspen Plus Dynamics. As a result, the H-NMPC provided better control performance for different setpoint tracking, control variables decoupling, and disturbance rejection. Furthermore, it presented faster computational speed compared to NN-NMPC.

Computer simulation is a commonly applied technique for studying electronic warfare duels. This thesis aims to apply machine learning techniques to convert simulation output data into knowledge and insights regarding defensive actions for a ship facing multiple hostile missiles. The analysis may support tactical decision-making, hence the interpretability aspect of predictions is necessary to allow for human evaluation and understanding of impacts from the explanatory variables. The final distance for the threats to the target and the probability of the threats hitting the target was modeled using a multi-layer perceptron model with a multi-task approach, including custom loss functions. The results generated in this study show that the selected methodology is more successful than a baseline using regression models. Modeling the outcome with artificial neural networks results in a black box for decision making. Therefore the concept of interpretable machine learning was applied using a post-hoc approach. Given the learned model, the features considered, and the multiple threats, the feature contributions to the model were interpreted using Kernel SHapley Additive exPlanations (SHAP). The method consists of local linear surrogate models for approximating Shapley values. The analysis primarily showed that an increased seeker activation distance was important, and the increased time for defensive actions improved the outcomes. Further, predicting the final distance to the ship at the beginning of a simulation is important and, in general, a guidance of the actual outcome. The action of firing chaff grenades in the tracking gate also had importance. More chaff grenades influenced the missiles' tracking and provided a preferable outcome from the defended ship's point of view.

This thesis explores how revenue management (RM) principles would integrate into a parking system, and how advanced reservation-making, coupled with dynamic pricing (based on booking limits) could be used to maximize parking revenue. Detailed here is a comprehensive RM strategy for the parking industry, and an integer programming formulation that maximizes parking revenue over a system of garages is presented. Furthermore, an intelligent parking reservation model is developed that uses an artificial neural network procedure for online reservation decision-making. Next, the work evaluates whether the implementation of a parking RM system in a dense urban parking district (and thus avoiding "trial-and-error" behaviors exhibited by drivers) mitigates urban congestion levels. In order to test this hypothesis, a parallel modeling structure was developed that uses a real-time decision-making model that either accepts or rejects requests for parking via a back-propagation neural network. Coupled with the real-time decision-making model is a micro-simulation model structure used to evaluate the policy's effects on network performance. It is clear from the results that the rate at which parkers renege is a primary determinant of the value of the implementation of RM. All other things being equal, the RM model in which the majority of parkers is directed to their precise parking spot via the most direct route is much more robust to the random elements within the network that can instigate extreme congestion. The thesis then moves from micro-evaluation to macro-evaluation by measuring the performance of the urban parking system from the perspective of the set of relevant stakeholders using the hyperbolic DEA model within the context of the matrix DEA construct. The stakeholder models, including that of the provider, the user, and the community, have defined inputs/outputs to the hyperbolic DEA model, which allows for the inclusion of undesirable outputs such as network delay and incidence of extreme congestion. Another key contribution of this work is that of identifying design issues for current and future dense urban parking districts. Clearly, reneging rate and the tenacity of perspective parkers is a key consideration in cases where RM policy is not implemented. / Ph. D.

RESUMEN Los peces nativos son indicadores de la salud de los ecosistemas acuáticos, y se han convertido en un elemento de calidad clave para evaluar el estado ecológico de los ríos. La comprensión de los factores que afectan a las especies nativas de peces es importante para la gestión y conservación de los ecosistemas acuáticos. El objetivo general de esta tesis es analizar las relaciones entre variables biológicas y de hábitat (incluyendo la conectividad) a través de una variedad de escalas espaciales en los ríos Mediterráneos, con el desarrollo de herramientas de modelación para apoyar la toma de decisiones en la restauración de ríos. Esta tesis se compone de cuatro artículos. El primero tiene como objetivos modelar la relación entre un conjunto de variables ambientales y la riqueza de especies nativas (NFSR), y evaluar la eficacia de potenciales acciones de restauración para mejorar la NFSR en la cuenca del río Júcar. Para ello se aplicó un enfoque de modelación de red neuronal artificial (ANN), utilizando en la fase de entrenamiento el algoritmo Levenberg-Marquardt. Se aplicó el método de las derivadas parciales para determinar la importancia relativa de las variables ambientales. Según los resultados, el modelo de ANN combina variables que describen la calidad de ribera, la calidad del agua y el hábitat físico, y ayudó a identificar los principales factores que condicionan el patrón de distribución de la NFSR en los ríos Mediterráneos. En la segunda parte del estudio, el modelo fue utilizado para evaluar la eficacia de dos acciones de restauración en el río Júcar: la eliminación de dos azudes abandonados, con el consiguiente incremento de la proporción de corrientes. Estas simulaciones indican que la riqueza aumenta con el incremento de la longitud libre de barreras artificiales y la proporción del mesohabitat de corriente, y demostró la utilidad de las ANN como una poderosa herramienta para apoyar la toma de decisiones en el manejo y restauración ecológica de los ríos Mediterráneos. El segundo artículo tiene como objetivo determinar la importancia relativa de los dos principales factores que controlan la reducción de la riqueza de peces (NFSR), es decir, las interacciones entre las especies acuáticas, variables del hábitat (incluyendo la conectividad fluvial) y biológicas (incluidas las especies invasoras) en los ríos Júcar, Cabriel y Turia. Con este fin, tres modelos de ANN fueron analizados: el primero fue construido solamente con variables biológicas, el segundo se construyó únicamente con variables de hábitat y el tercero con la combinación de estos dos grupos de variables. Los resultados muestran que las variables de hábitat son los ¿drivers¿ más importantes para la distribución de NFSR, y demuestran la importancia ecológica de los modelos desarrollados. Los resultados de este estudio destacan la necesidad de proponer medidas de mitigación relacionadas con la mejora del hábitat (incluyendo la variabilidad de caudales en el río) como medida para conservar y restaurar los ríos Mediterráneos. El tercer artículo busca comparar la fiabilidad y relevancia ecológica de dos modelos predictivos de NFSR, basados en redes neuronales artificiales (ANN) y random forests (RF). La relevancia de las variables seleccionadas por cada modelo se evaluó a partir del conocimiento ecológico y apoyado por otras investigaciones. Los dos modelos fueron desarrollados utilizando validación cruzada k-fold y su desempeño fue evaluado a través de tres índices: el coeficiente de determinación (R2 ), el error cuadrático medio (MSE) y el coeficiente de determinación ajustado (R2 adj). Según los resultados, RF obtuvo el mejor desempeño en entrenamiento. Pero, el procedimiento de validación cruzada reveló que ambas técnicas generaron resultados similares (R2 = 68% para RF y R2 = 66% para ANN). La comparación de diferentes métodos de machine learning es muy útil para el análisis crítico de los resultados obtenidos a través de los modelos. El cuarto artículo tiene como objetivo evaluar la capacidad de las ANN para identificar los factores que afectan a la densidad y la presencia/ausencia de Luciobarbus guiraonis en la demarcación hidrográfica del Júcar. Se utilizó una red neuronal artificial multicapa de tipo feedforward (ANN) para representar relaciones no lineales entre descriptores de L. guiraonis con variables biológicas y de hábitat. El poder predictivo de los modelos se evaluó con base en el índice Kappa (k), la proporción de casos correctamente clasificados (CCI) y el área bajo la curva (AUC) característica operativa del receptor (ROC). La presencia/ausencia de L. guiraonis fue bien predicha por el modelo ANN (CCI = 87%, AUC = 0.85 y k = 0.66). La predicción de la densidad fue moderada (CCI = 62%, AUC = 0.71 y k = 0.43). Las variables más importantes que describen la presencia/ausencia fueron: radiación solar, área de drenaje y la proporción de especies exóticas de peces con un peso relativo del 27.8%, 24.53% y 13.60% respectivamente. En el modelo de densidad, las variables más importantes fueron el coeficiente de variación de los caudales medios anuales con una importancia relativa del 50.5% y la proporción de especies exóticas de peces con el 24.4%. Los modelos proporcionan información importante acerca de la relación de L. guiraonis con variables bióticas y de hábitat, este nuevo conocimiento podría utilizarse para apoyar futuros estudios y para contribuir en la toma de decisiones para la conservación y manejo de especies en los en los ríos Júcar, Cabriel y Turia. / Olaya Marín, EJ. (2013). Ecological models at fish community and species level to support effective river restoration [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/28853

[pt] Este trabalho apresenta um projeto mecânico de um robô lagartixa pneumática, capaz de se locomover em superfícies inclinadas em relação ao solo, através apenas de atuadores lineares que utilizam o ar comprimido como fonte de energia. Como parte fundamental do projeto mecânico neste trabalho, um sistema de garra é desenvolvido gerando vácuo mecanicamente, para haver uma economia de consumo energético no robô em comparação com os acessórios comerciais geralmente utilizados para esta tarefa de fixação. Com o protótipo de conceito fabricado e montado, o mesmo é submetido a uma bateria de testes com o intuito de posteriormente aplicar os dados obtidos em uma rede neural artificial, visando o aprendizado computacional dos movimentos do robô e, assim, sua otimização de velocidade em determinada sequência de movimentação. Após o treinamento desta rede neural, o protótipo é submetido a novos experimentos para verificar a eficiência do treinamento realizado e qual o impacto real obtido no robô. Finalmente, com a utilização de um sistema de câmeras, os deslocamentos do robô em diversas situações distintas são rastreados, visando gerar gráficos comparativos e analisar a repetibilidade e confiabilidade do sistema. / [en] This work presents the mechanical design of a pneumatic gecko robot, capable of moving on inclined surfaces with respect to the ground, using only linear actuators with compressed air as a source of energy. As a fundamental part of the mechanical design in this work, a claw system is developed by generating vacuum mechanically, significantly reducing the energy consumption of the robot when compared to commercial accessories generally used for this clamping task. With the concept prototype manufactured and assembled, a series of tests are conducted to later apply the collected data in an artificial neural network. This network allows the computational learning of the robot movements, and thus its speed optimization for a certain defined gait. After training this neural network, the prototype is submitted to new experiments to verify the efficiency of the training performed and the real impact obtained on the robot. Furthermore, with the use of a camera system, the movements of the robot along several different situations are tracked, generating comparative graphs to analyze the repeatability and reliability of the system.

[pt] Sensores capazes de detectar campos magnéticos são largamente aplicados nas mais variadas áreas da engenharia. Um magnetômetro é um dispositivo que, baseado na utilização de um sensor magnético, é capaz de medir a magnitude e/ou direção de um campo magnético. Magnetômetros GMI são transdutores magnéticos cujos elementos sensores se baseiam no efeito da Magnetoimpedância Gigante (Giant Magnetoimpedance - GMI) que se caracteriza pela grande variação da impedância (módulo e fase) de uma amostra de material ferromagnético quando submetida a um campo magnético externo. A sensibilidade dos transdutores magnéticos está diretamente associada à sensibilidade de seus elementos sensores. No caso de amostras GMI, a sensibilidade é afetada por diversos parâmetros, e essa dependência ainda não é bem modelada quantitativamente. Esta dissertação apresenta um modelo computacional baseado em Redes Neurais MLP e em Algoritmos Genéticos que determina a sensibilidade ótima da fase da impedância do efeito GMI em função do campo magnético externo, para ligas ferromagnéticas amorfas de composição Co70 Fe5 Si15 B10, a partir dos seguintes parâmetros que as afetam: comprimento das amostras, nível CC e frequência da corrente de excitação além do campo magnético externo. / [en] Sensors capable of detecting magnetic fields are widely applied in many areas of engineering. A magnetometer is a device that based on the use of a magnetic sensor is capable of measuring the magnitude and direction of a magnetic field. Magnetometers GMI are magnetic transducers which sensors elements are based on the Giant Magnetoimpedance effect (Giant Magnetoimpedance - GMI) that is characterized by large variation of the impedance (magnitude and phase) of a sample of ferromagnetic material when subjected to an external magnetic field. The magnetic transducers sensitivity is directly affected by the sensitivity of its sensor elements. In the case of GMI samples, the sensitivity is affected by several parameters, and this dependence is not well modeled quantitatively. This dissertation presents a computational model based on feedforward Multilayer Perceptron Neural Networks and Genetic Algorithms that determines the optimal impedance phase sensitivity of the GMI effect, as functions of the magnetic field, for Co70 Fe5 Si15 B10 ferromagnetic amorphous alloys, The proposed model is based on some of the main parameters that affect it: length of the samples, DC level and frequency of the excitation current and the external magnetic field.

During the assembly process of battery packs for electric vehicles, it is crucial to ensure that the cell-to-busbar joints can be produced with high quality, good reliability, and with minimal impact on the individual battery cells. This thesis project investigates the influence of different process parameters on the joint quality for laser welded dissimilar material cell-to-busbar joints. Nickel plated copper and steel plates, joined in an overlap configuration, are used as a simplified geometry, representing a cell-to-busbar joint. By the utilization of artificial neural network-based meta models, trained on numerical results from computational fluid dynamics simulations of the laser welding process, the joint quality is predicted and evaluated. The present thesis investigates how a set of optimized process parameters can be identified for the considered laser welded dissimilar material cell-to-busbar joints, in order to simultaneously maximize the interface width for the joints, and minimize the formation of undercuts and resulting in-process temperatures. NSGA-II is used to efficiently search for trade-off solutions, in an meta model-based multi-objective optimization approach, where the meta models are used to approximate the objectives, corresponding to the joint quality obtained from computational fluid dynamics simulations. With this, the time for one objective evaluation is reduced from approximately 9 hours, when the objectives are evaluated directly from computational fluid dynamics simulations, to only tenths of a second. With the proposed optimization approach, the Pareto-optimal front of trade-off solutions is identified, leading to the selection of three optimal solutions for validation. The validity of the proposed optimization approach, and the selected optimal solutions, are confirmed by means of both physical laser welding experiments and computational fluid dynamics simulations. It is shown that the selected optimal solutions, corresponding to three parameter setups, can be used to produce joints with large interface width and low in-process temperatures, without achieving a full penetration in the lower plate of the joint.

Computer-generated music composition programs have yet to produce creative, natural sounding music. To date, most approaches constrain the search space heuristically while ignoring the inherent structure of music over time. To address this problem, this thesis introduces NEAT Drummer, which evolves a special kind of artificial neural network (ANN) called compositional pattern producing networks (CPPNs) with the NeuroEvolution of Augmenting Topologies (NEAT) method for evolving increasingly complex structures. CPPNs in NEAT Drummer input existing human compositions and output an accompanying drum track. The existing musical parts form a scaffold i.e. support structure, for the drum pattern outputs, thereby exploiting the functional relationship of drums to musical parts (e.g. to lead guitar, bru:is, etc.) The results are convincing drum patterns that follow the contours of the original song, validating a new approach to computergenerated music composition.

[ES] El interés en reducir el peso y resistencia aerodinámica de vehículos y en desarrollar fuentes de energía renovables se ha incrementado debido a la compleja situación ambiental y los requerimientos legales para reducir las emisiones de contaminantes y el consumo de combustibles. La industria aeronáutica ha propuesto nuevos diseños que integren conceptos como alas de alto alargamiento y materiales con elevada resistencia específica, como los materiales compuestos. Por su parte, conceptos similares se emplean en la generación de energía eólica. El radio de las palas de las turbinas eólicas se incrementa paulatinamente, siendo un ejemplo muy claro las grandes instalaciones off-shore. El uso de estructuras más alargadas y ligeras provoca mayor deformación debida a las cargas aerodinámicas. Este fenómeno se conoce como aeroelasticidad y combina los efectos de las cargas aerodinámicas, los efectos inerciales y las tensiones internas de la estructura. La combinación de las cargas anteriores provoca fenómenos de amortiguamiento de las vibraciones, o por el contrario, inestabilidades aeroelásticas. Diferentes metodologías pueden ser empleadas para simular los fenómenos aeroelásticos. La metodología más extendida para la simulación de las ecuaciones elásticas del sólido es la conocida como análisis de elementos finitos. Respecto a las ecuaciones de conservación del fluido, la mecánica de fluidos computacional es la herramienta de resolución para un problema arbitrario. La combinación de las metodologías anteriores puede ser empleada para el cálculo de fenómenos aeroelásticos. Sin embargo, el coste computacional de estas simulaciones es inasumible en la mayoría de casos de aplicación. Se requiere una metodología nueva capaz de reducir el coste de cálculo. Este trabajo se centra en el desarrollo de modelos de orden reducido que permitan resolver el problema acoplado sin pérdidas sustanciales de precisión. En primer lugar, la estructura tridimensional se reduce a una sección equivalente que reproduzca la física del sólido original. La sección equivalente se acopla con dos modelos aerodinámicos: simulaciones de mecánica de fluidos computacional y un modelo reducido basado en redes neuronales. Ambos modelos presentan elevada precisión respecto a las simulaciones tridimensionales. Sin embargo, algunos efectos como los efectos aerodinámicos tridimensionales, las distribuciones de carga aerodinámica, la presencia de materiales ortotrópicos y los acoplamientos estructurales no pueden ser simulados. Con el objetivo de resolver los limitantes del modelo anterior, se propone un segundo modelo de orden reducido. En este caso se trata de un algoritmo basado en elementos de viga. El algoritmo se diseña para ser capaz de incluir el cálculo de materiales ortotrópicos y diferentes tipos de problemas aeroelásticos. Inicialmente, se emplea el software para determinar su precisión en el cálculo de una viga de material compuesto y sección rectangular. Estos resultados se validan con las simulaciones tridimensionales. De este modo se demuestra la capacidad de la herramienta computacional para predecir las inestabilidades y los efectos de acoplamiento estructural provocados por la orientación de las fibras. Posteriormente, el algoritmo se emplea en la simulación de turbinas eólicas, mejorando los rangos de operación de las palas sin que ello suponga una penalización desde el punto de vista del peso de la misma. Finalmente, un ala basada en una estructura de membrana resistente es simulada. El cálculo obtiene una gran precisión en la predicción de la velocidad de flameo respecto a la simulación acoplada, siendo la única limitación del modelo la predicción de la distorsión de la membrana. El trabajo presente un conjunto de modelos de orden reducido que permiten disminuir el coste computacional de las simulaciones aeroelásticas en órdenes de magnitud. También, se proporcionan directrices para la selección del modelo reducido apropiado para los casos de interés. / [CA] L'interès a reduir el pes i la resistència aerodinàmica dels vehicles i a desenvolupar fonts d'energia renovables s'ha incrementat a causa de la complexa situació ambiental i els requeriments legals per a reduir les emissions de contaminants i el consum de combustibles. La indústria aeronàutica ha proposat nous dissenys que integren conceptes com ales d'alt allargament i materials amb elevada resistència específica, com ara els materials compostos. Per la seua banda, conceptes similars es fan servir en la generació d'energia eòlica. El radi de les pales de les turbines eòliques s'incrementa progresivament, sent un exemple molt clar les grans instal·lacions off-shore. L'ús d'estructures més allargades i lleugeres provoca més deformació deguda a les càrregues aerodinàmiques. Aquest fenomen es coneix com a aeroelasticitat i combina els efectes de les càrregues aerodinàmiques, els efectes inercials i les tensions internes de l'estructura. La combinació de les càrregues anteriors provoca fenòmens d'esmorteïment de les vibracions, o per contra, inestabilitats aeroelàstiques. Diferents metodologies poden ser emprades per simular els fenòmens aeroelàstics. La metodologia més estesa per a la simulació de les equacions elàstiques del sòlid és la coneguda com a anàlisi d'elements finits. Pel que fa a les equacions de conservació del fluid, la mecànica de fluids computacional és l'eina de resolució per a un problema arbitrari. La combinació de les metodologies anteriors pot ser emprada per al càlcul de fenòmens aeroelàstics. Tot i això, el cost computacional d'aquestes simulacions és inassumible en la majoria de casos d'aplicació. Cal una metodologia nova capaç de reduir el cost de càlcul. Aquest treball se centra en el desenvolupament de models d'ordre reduït que permeten resoldre el problema acoblat sense pèrdues substancials de precisió. En primer lloc, l'estructura tridimensional es reduix a una secció equivalent que reproduixca la física del sòlid original. La secció equivalent s'acobla amb dos models aerodinàmics. El primer empra les forces aerodinàmiques obtingudes mitjançant simulacions de mecànica de fluids computacional. Posteriorment es fa servir un model reduït basat en xarxes neuronals. Tots dos models presenten elevada precisió respecte a les simulacions tridimensionals. No obstant això, alguns efectes com ara els efectes aerodinàmics tridimensionals, les distribucions de càrrega aerodinàmica, la presència de materials ortotròpics i els acoblaments estructurals no poden ser simulats. Amb l'objectiu de resoldre els limitants del model anterior, es proposa un segon model dordre reduït. En aquest cas és un algorisme basat en elements de biga. L'algorisme es dissenya per ser capaç d'incloure el càlcul de materials ortotròpics i diferents tipus de problemes aeroelàstics. Inicialment, s'empra el programari per determinar-ne la precisió en el càlcul d'una biga de material compost i secció rectangular. Aquests resultats es validen amb les simulacions tridimensionals. D'aquesta manera, es demostra la capacitat de l'eina computacional per predir les inestabilitats i els efectes d'acoblament estructural provocats per l'orientació de les fibres. Posteriorment, l'algorisme s'empra en la simulació de turbines eòliques, millorant els rangs d'operació de les pales sense que això suposi una penalització des del punt de vista del pes. Finalment, una ala basada en una estructura de membrana resistent és simulada. El càlcul obté una gran precisió en la predicció de la velocitat de flameig respecte a la simulació acoblada, i l'única limitació del model és la predicció de la distorsió de la membrana. El treball presenta un conjunt de models reduïts que permeten disminuir el cost computacional de les simulacions aeroelàstiques en ordres de magnitud. També es proporcionen directrius per a la selecció del model reduït adequat per als casos d'interès. / [EN] The complex environmental situation and the legal requirements for decreasing pollutant emissions and fuel consumption have increased the interest in reducing the empty weight and drag of vehicles and developing renewable energy sources. Due to the former, the aviation industry has proposed new designs integrating high strength-to-weight ratios, such as composite materials and higher aspect ratio wings. These increases in aspect ratio have also been applied to wind energy generation. The rotors of wind turbines are increasing their diameters in recent years: a clear example is the massive off-shore facilities. Using larger and lightweight structures increases the effects of the aerodynamic loads on structural deformation. Structural dynamics are strongly connected to the air-structure interaction. This phenomenon, called aeroelasticity, combines the effect of the external aerodynamic loads, the inertial forces, and the internal elastic stress of the structure. The complex combination of all the previous effects may damp the vibrations of the structure, or on the contrary, they could increase their amplitude, resulting in an unstable phenomenon. The simulation of the aeroelastic phenomena can be performed using different approaches. The well-known finite element analysis is the most extended methodology for solving solid elastic equations. Regarding fluid conservation equations, computational fluid dynamics is the principal tool for resolving general aerodynamic problems. The aeroelastic simulations can be calculated by combining the previous algorithms. Nevertheless, the computational cost of these methodologies is excessive for a general engineering case. Therefore, new methodologies are required. This work focuses on developing aeroelastic reduced-order models that compute the coupled phenomena without substantial accuracy losses. Initially, the complete three-dimensional structure is reduced to an equivalent section that reproduces the structure. The equivalent structural section is coupled with two aerodynamic models. The first one uses the forces calculated with aeroelastic computational fluid dynamics. Then, a surrogate model based on artificial neural networks is combined with the equivalent section. Both models show accurate agreement compared to the complete three-dimensional simulations in predicting unstable velocity. However, the three-dimensional aerodynamic effects, load distribution, orthotropic materials, and structural couplings cannot be considered. In order to solve the previous limitations, a reduced-order model based on a beam element solver is proposed. The algorithm is designed to consider a general orthotropic material and different typologies of aeroelastic problems. Initially, the software is proven to simulate accurately a squared cross-section composite material beam. The results are validated with the complete three-dimensional simulations, demonstrating the capabilities of the tool for predicting the instabilities and the effects of the fiber orientations. Then, the algorithm is used for simulating a wind turbine blade, and the algorithm results are used to improve the operation range of the blades without weight penalties. Finally, a resistant membrane wing is simulated, obtaining high accuracy in the prediction of the flutter velocity compared with the complete coupled simulation. In addition, the only limitation of the model is the prediction of the membrane distortion. The work presents a set of reduced-order models that allow for reducing the computational cost of the aeroelastic simulations by orders of magnitude. In addition, a decision pattern is provided for selecting the appropriate algorithm for the interest problem. / This thesis have been funded by Spanish Ministry of Science, Innovation and University through the University Faculty Training (FPU) program with reference FPU19/02201. / Cremades Botella, A. (2023). Fluid-structure interaction with the application to the non-linear aeroelastic phenomena [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/199249

Η παρούσα διατριβή ασχολείται με τη μελέτη, την ανάπτυξη και τη θεμελίωση νέων μεθόδων Υπολογιστικής Νοημοσύνης και Ευφυούς Βελτιστοποίησης. Συνοπτικά οργανώνεται στα ακόλουθα τρία μέρη: Αρχικά παρουσιάζεται το πεδίο της Υπολογιστικής Νοημοσύνης και πραγματοποιείται μία σύντομη αναφορά στους τρεις κύριους κλάδους της, τον Εξελικτικό Υπολογισμό, τα Τεχνητά Νευρωνικά Δίκτυα και τα Ασαφή Συστήματα. Το επόμενο μέρος αφιερώνεται στην παρουσίαση νέων, καινοτόμων οικογενειών των αλγορίθμων Βελτιστοποίησης Σμήνους Σωματιδίων (ΒΣΣ) και των Διαφοροεξελικτικών Αλγόριθμων (ΔΕΑ), για την επίλυση αριθμητικών προβλημάτων βελτιστοποίησης χωρίς περιορισμούς, έχοντας είτε ένα, είτε πολλαπλούς ολικούς βελτιστοποιητές. Οι αλγόριθμοι ΒΣΣ και ΔΕΑ αποτελούν τις βασικές μεθοδολογίες της παρούσας διατριβής. Όλες οι οικογένειες μεθόδων που προτείνονται, βασίζονται σε παρατηρήσεις των κοινών δομικών χαρακτηριστικών των ΒΣΣ και ΔΕΑ, ενώ η κάθε προτεινόμενη οικογένεια τις αξιοποιεί με διαφορετικό τρόπο, δημιουργώντας νέες, αποδοτικές μεθόδους με αρκετά ενδιαφέρουσες ιδιότητες και δυναμική. Η παρουσίαση του ερευνητικού έργου της διατριβής ολοκληρώνεται με το τρίτο μέρος στο οποίο περιλαμβάνεται μελέτη και ανάπτυξη μεθόδων ολικής βελτιστοποίησης για την εκπαίδευση Τεχνητών Νευρωνικών Δικτύων Υψηλής Τάξης, σε σειριακά και παράλληλα ή / και κατανεμημένα υπολογιστικά συστήματα. Η διδακτορική διατριβή ολοκληρώνεται με βασικά συμπεράσματα και τη συνεισφορά της. / The main subject of the thesis at hand revolves mainly around the development and foundations of new methods of computational intelligence and intelligent optimization. The thesis is organized into the following three parts: Firstly, we briefly present an overview of the field of Computational Intelligence, by describing its main categories, the Evolutionary Computation, the Artificial Neural Networks and the Fuzzy Systems. In the second part, we provide a detailed description of the newly developed families of algorithms for solving unconstrained numerical optimization problems in continues spaces with at least one global optimum. The proposed families are based on two well-known and widely used algorithms, namely the Particle Swarm Optimization (PSO) and the Differential Evolution (DE) algorithm. Both DE and PSO are the basic components for almost all methodologies proposed in the thesis. The proposed methodologies are based on common observations of the dynamics, the structural and the spacial characteristics of DE and PSO algorithms. Four novel families are presented in this part which exploit the aforementioned characteristics of the DE and the PSO algorithms. The proposed methodologies are efficient methods with quite interesting properties and dynamics. The presentation and description of our research contribution ends with the third and last part of the thesis, which includes the study and the development of novel global optimization methodologies for training Higher order Artificial Neural Networks in serial and parallel / distributed computational environments. The thesis ends with a brief summary, conclusions and discussion of the contribution of this thesis.