Proteger as linhas de transmissão é uma das tarefas mais importantes dentro dos sistemas elétricos de potência. Faltas em linhas de transmissão devem ser localizadas precisamente e extintas o mais rápido possível. Para tal, o esquema de proteção de linhas utiliza valores amostrados de correntes e tensões para a execução das tarefas de detecção, classificação e localização da falta. Neste esquema, grandezas trifásicas de corrente (IA, IB, IC) e tensão (VA, VB, VC) compõem as entradas do sistema. Após a detecção e classificação da falta, o relé efetua o cálculo da impedância aparente para a verificação da zona de proteção na qual a falta se insere (localização). Dentro deste contexto, a rápida detecção e a correta classificação da falta são passos fundamentais para a lógica de controle de um relé. Para a utilização de sistemas de proteção com alta velocidade de operação, o conjunto detector + classificador deve realizar uma decisão precisa do tipo de falta envolvida em menos de 10 ms após a ocorrência desta. Alguns métodos convencionais têm lidado com este problema, porém os tempos para estimação do tipo de falta são algumas vezes excessivamente longos. Este trabalho apresenta um novo sistema que provê uma rápida e confiável detecção e classificação de faltas através das medidas de valores de correntes trifásicas. O novo método utiliza-se da teoria de Redes Neurais Artificiais, baseada em dois diferentes tipos de redes (MLP e RBF), para a tarefa de detecção e classificação de faltas nos níveis de tempo requeridos para um moderno sistema de proteção. Um estudo comparativo em relação ao desempenho das redes mencionadas também foi realizado. Os testes efetuados para as redes dos tipos MLP e RBF mostraram que o sistema proposto foi capaz de detectar e classificar corretamente 100% dos casos estudados. Deve ainda ser ressaltado, que na maior parte dos casos (93% para a rede MLP e 84% para a rede RBF), o processo de detecção e classificação foi completado com no máximo 5 amostras de pós-falta (5ms). Isto demonstra a rapidez na tarefa de detecção e classificação embutida no método proposto, principalmente levando-se em consideração os tempos apresentados pelos métodos convencionais. / Transmission line protection is one of the major tasks for a power system. Transmission line faults must be located accurately and isolated as fast as possible. In order to perform this task, the power system protection system uses the three-phase currents (IA, IB, IC) and voltages (VA, VB, VC) to detect, classify and locate the fault. After detecting and classifying the fault, the relay calculates the apparent impedance to verify in which protection zone the fault is located. Taking this into account, precise and fast detection and classification methods are fundamental steps for the relay control algorithm. The combination detection + classification must carry out the correct response in less than 10 ms after the fault for a high-speed protection system. Some conventional methods have treated this problem but the time for a correct classification is sometimes excessively long. This work presents a fast and reliable new system for fault detection and classification using the three-phase current measurements. This new system is based on Artificial Neural Networks (RBF and MLP) for the detection and classification tasks. A comparative study involving both types of neural networks was done. Tests showed that the proposed system was able to correctly detect and classify 100% of the studied cases where the majority (93% of the cases for MLP net and 84% for RBF net) of them was done in up to 5 post-fault samples (5 ms). The afore-mentioned demonstrates the high speed of the new method for the detection and classification tasks when compared to the conventional ones.

Um relé de distância utilizado na proteção de Linhas de Transmissão é usualmente projetado para atuar sob condições fixas de operação. Portanto, o desempenho destes relés é afetado pela mudança no ponto de operação do sistema. Grandes avanços, relativos à proteção, podem ser alcançados com a implementação de reconhecimento de padrões para o diagnóstico de faltas em sistemas elétricos de potência. Este trabalho demonstra a utilização de Redes Neurais Artificiais operando como um classificador de padrões para a operação de um relé de distância. O projeto utiliza a magnitude dos fasores das três fases de corrente e tensão, de um dos barramentos da Linha de Transmissão, como dados de entrada. O uso de Redes Neurais Artificiais resulta em um melhor desempenho do relé, mantendo seu alcance mesmo diante de diferentes condições de falta ou mudanças no ponto de operação do sistema. / A distance relay for the protection of transmission lines is usually designed on the basis of fixed settings. The performance of such relays is therefore affected by the changing network parameters. The implementation of a pattern recognizer for power system diagnosis can provide great advances in the protection field. This work demonstrates the use of an Artificial Neural Network as a pattern classifier for a distance relay operation. The scheme utilizes the magnitudes of three phase voltage and current phasors, from one busbar of the transmission line, as inputs. An improved performance with the use of an Artificial Neural Networks approach is experienced once the relay can operate correctly, keeping the reach when faced with different fault conditions as well as network parameters change.

Este trabalho apresenta a proposta de um sistema completo de proteção diferencial de transformadores de potência, aplicando-se as técnicas de Redes Neurais Artificiais (RNAs). O esquema proposto busca a classificação do sistema de proteção como um problema de reconhecimento e reconstrução de padrões, representando um método alternativo aos algoritmos convencionais. Vários fatores como, por exemplo, as situações de energização do transformador e a saturação dos transformadores de corrente, podem causar uma má operação do dispositivo de proteção. Com o objetivo de melhoramento na proteção digital de transformadores de potência, desenvolveu-se um sistema de proteção diferencial, incluindo dispositivos com base em RNAs, em substituição à filtragem harmônica de sinais existente no algoritmo convencional. Em complementação, esquemas de reconstrução das ondas distorcidas provenientes da saturação dos TCs são também propostos e adicionados ao algoritmo final de proteção, sendo esses comparados ao algoritmo convencional de proteção diferencial de transformadores. Com a referida adição de ferramentas de inteligência artificial a um algoritmo completo de proteção diferencial de transformadores, obteve-se uma solução bastante precisa e eficiente, capaz de responder em um tempo reduzido, se comparada aos métodos convencionais. / This work proposes a complete differential protection system for power transformers, applying the Artificial Neural Network (ANN) theory. The proposed approach treat the classification of the protection system as a problem of pattern recognition and as an alternative method to the conventional algorithms. Several factors such as, for example, transformer energization and CT saturation can cause an inadequate operation of the protection relay. With the objective of improving the power transformer digital protection, a complete protection system was developed, including an ANN-based device in substitution to harmonic filters, in use in the conventional algorithm. Some approaches concerning the reconstruction of the distorted signals caused by the CTs saturation are also proposed. These routines are added to the final protection algorithm and they are compared to the conventional algorithm for power transformer protection. With the use of artificial intelligence tools in a complete power transformer protection algorithm, one intends to obtain a very precise, fast and efficient solution, if compared to the conventional methods.

As áreas de visão computacional e redes neurais artificiais (RNAs) e suas aplicações, tiveram um enorme progresso em pesquisa e aplicações práticas nos últimos anos. Sistemas de inspeção visual automática têm despertado muita atenção na indústria pois provêem meios econômicos, eficientes e precisos de obtenção de controle de qualidade. Porém, apesar do grande avanço tecnológico, a maioria dos sistemas existentes, com exceção de alguns poucos experimentais, são especializados e foram projetados para inspecionar um único objeto ou peça, de tipo previamente conhecido, e em posição, orientação e distância em relação à câmara altamente restritas. Este trabalho descreve um sistema de reconhecimento de imagens contendo múltiplos objetos de classes aleatórias e tolerante a ruído. Um estágio de pré-processamento filtra parte do ruído e segmenta regiões conectadas da imagem (RCI). A classificação dos padrões é feita com redes neurais de múltiplas camadas a partir de atributos invariantes calculados sobre as RCis. No final do processo temos uma listagem dos objetos contidos na cena, suas posições e orientações, os quais podem servir de entrada a um sistema de entendimento da cena, de mais alto nível, ou para outras máquinas, como um manipulador automático. Outros parâmetros podem ser utilizados para normalizar, em escala, orientação e posição, os padrões contidos na imagem, para efeito de comparações com imagens e parâmetros dos objetos previamente armazenados em bancos de dados. Dois métodos de treinamento de RNAs foram testados, o gradiente conjugado e o Levenberg-Marquardt, em conjunção com simulated annealing, para diferentes condições de erro e conjuntos de atributos. Imagens reais e sintéticas foram utilizadas para efeitos de testes de classificação correta e rejeição de padrões espúrios. Resultados são apresentados e comentados, destacando a capacidade de generalização do sistema mesmo com elevada degradação da imagem pelo ruído. Uma das vantagens do tipo de RNA empregado é a velocidade de execução, que permite ao sistema ser integrado a uma linha de montagem industrial. O sistema foi projetado com a utilização de recursos acessíveis e de baixo custo, sendo executado em computadores pessoais, e podendo ser facilmente adaptado para o uso em pequenas e médias empresas. / Computer vision (CV) and artificial neural networks (ANN) are important research fields of artificial intelligence. Visual pattern recognition (VPR) and object recognition (2 or 3-D) are central tasks in a high level computer vision system. Despite the great development in the recent years, most of the current automatic visual inspection systems work with only one kind of pattern at time which has pose highly restricted. This dissertation describes a system designed to recognize patterns and objects in a digital image which have unknown number object types and poses. Such image, which is also degraded by noise, serve as input for the system. After gray level change and filtering, the pixel connected regions (CR) are codified, and the remained noise is eliminated. lnvariant features, i.e., moment invariants, serve as inputs for artificial neural networks that perform pattern classification. An interpretation module decode the net\'s outputs and increases the correct assignment by testing the net\'s higher outputs values. After all identified patterns were classified, we have an object listing of the scene, their positions and other information, which can be the input for a higher level scene understanding system, that may check for objects relations and could send information for humans or for other machines. Two ANN learning methods were adopted for training the networks, the conjugate gradient and the Levenberg-Marquardt Algoritms, both in conjuction with siumlated annealing, for different error conditions and feature sets. Sinthetic and real images were utilized for testing the net\'s correct class assignments and rejections. Results are presented as well as comments focusing the system\'s generalization capability despite noise, geometrical transformations, object shadows and other degradations over the images. One of the advantages of the ANN employed is the low execution time allowing the system to be integrated to an assembly industry line. The system runs on low cost personal computers, therefore it can be easily adapted for the Brazilian reality and can even be used by little companies and industries.

Este trabalho apresenta um método utilizando redes neurais artificiais para a determinação das amplitudes e fases dos componentes harmônicos presentes na corrente de carga monofásica. O número de harmônicos identificados é previamente selecionado. Os hamônicos identificados estão presentes na corrente de cargas não-lineares de um sistema de iluminação onde é considerada a variação no tempo das características da forma de onda desta corrente. Os harmônicos presentes no sistema degradam a qualidade de energia, sendo assim é apresentado um breve estudo sobre este tema e métodos para atenuar a distorção harmônica no sistema. Dentre estes métodos é dado ênfase na aplicação de filtros ativos de potência em paralelo com carga não-linear. O trabalho também apresenta um estudo sobre os mais comumente métodos utilizados na identificação harmônica. Dentre eles está o método baseado em redes neurais artificiais. Este método é validado com base nos dados levantados por meio de simulação e de forma experimental. / In this thesis artificial neural networks are employed in a novel approach to identifying harmonic components of the single-phase nonlinear load current, whose amplitudes and phase angles are subject to unpredictable changes in steady-state. An identified harmonics number is previously selected. These harmonics are present in the non-linear loads current of electrical illumination system. The harmonics in the power system degrade the power quality, then is exhibited a concise study dealing with power quality problems and methods to mitigate the harmonic distortion in the power system. Among these methods emphasis is given in the application of pure active power filters in parallel with the non-linear load. The thesis also shows a study about the more commonly methods used in the harmonic detection. Among them is the method based on artificial neural networks. Simulation and experimental results are presented to validate the proposed approach.

\"Ver o corpo humano por dentro\" sem a necessidade de intervenção cirurgica é objetivo que motivou a criação de diversos instrumentos como eletrocardiogramas, eletroencefalogramas, equipamentos de ressonância magnética e raio-X. Através daavaliação de imagens ou resultados numéricos, pode-se detectar patologias nos primeiros estágios, permitindo uma ação decisiva de especialistas médicos na cura destas. Especialistas da fala normalmente empregam instrumentos comovideolaringoscopia e videoestroboscopia para avaliar qualitativamente o comportamento da laringe e pregas vocais. Comprendendo que a voz transmite informações sobre alterações orgânicas ou funcionais nas estruturas de vocalização, este trabalhoapresenta um conjunto de medidas acústicas neste sinal que evidenciam alterações na periodicidade do movimento das cordas vocais e quantidade de ruído turbulento que atravessa a glote. A partir de avaliação estatística da capacidadedescriminatória destes índices acústicos e empregando-se redes neurais artificiais, define-se um método automático para identificação probabilística das patologias que afetam as estruturas da laringe. / \"To see the inside of the human body\" without the necessity of surgical intervention is the objective that motivates the conception of several instruments like electrocardiogram, electroencephalongram, magnetic resonance and X-ray equipments. Through the image analysis or numerical results, it is possible to identify pathologies, allowing a decisive action of physician specialists in cure of these. Voice specialists, normally, use instruments as videolaryngoscopy and videostroboscopy to assess the vocal folds and larynx comportment, qualitatively. Understanding that the voice transmits information upon functional or organic alterations in vocalization structures, this work presents a set of acoustic measurements, based on this signal, that evidences alterations on vocal folds movement periodicity and quantify of turbulent noise throught the glottis. From the statistic evaluation of discriminatory capacity of these acoustic indexes and using artificial neural networks, it defines an automatic method for the probabilistic identification of pathologies that affect the laryngeal structures.

Esta tese teve por objetivo desenvolver um algoritmo preciso e robusto capaz de compensar os erros térmicos volumétricos de um centro de usinagem 5 eixos em diferentes condições operacionais. O comportamento térmico da máquina foi modelado usando técnicas do método dos elementos finitos (MEF) com base na teoria do calor de atrito e calor de convecção, e validadas através dos vários campos de temperatura obtidos experimentalmente usando termopares e imagens térmicas. Os principais subsistemas da máquina foram inicialmente modelados, como o conjunto de fusos de esferas, guias lineares e motofuso, o que permitiu posteriormente a validação do comportamento termoelástico da máquina completa para onze ciclos de trabalho em vazio, seis ciclos de usinagem, nove ciclos de posicionamento e dois ciclos com temperatura ambiente variando, obtendo erros máximos inferiores a 9%, ao comparar os resultados numéricos com os resultados experimentais. A validação do modelo em elementos finitos permitiu usar os resultados obtidos para treinar e validar uma rede neural artificial (RNA) para prever os erros térmicos do centro de usinagem. Os desvios entre os erros térmicos previstos pela RNA e os calculados pelo MEF foram inferiores a 5%. Baseado nos resultados obtidos pelas medições das peças de trabalho usinadas foi possível formular e implementar um modelo de compensação dos erros térmicos no CNC do centro de usinagem, que obteve uma redução dos erros entre 62% e 100% nas peças usinadas com compensação. Foi também proposto um algoritmo de previsão e compensação dos erros térmicos para o centro de usinagem, baseado em todos os ciclos e simulações realizadas, e que se comparando com os resultados experimentais mostrou-se capaz de reduzir os erros térmicos entre 50% e 95%. Após sua validação, foi possível concluir que o algoritmo desenvolvido é uma ferramenta precisa e robusta para compensar os erros térmicos da máquina para várias condições de trabalho, podendo compensá-los mesmo com esta movendo-se a diferentes velocidades, em usinagem ou mesmo operando em temperatura ambiente variável. / This thesis aims to develop an accurate and robust algorithm capable of compensating the volumetric thermal errors of a 5-axis machining center under different operating conditions. The thermal behavior of the machine was first modeled using finite element method (FEM) techniques based on theory of friction heat and convection heat, and validated with the various experimentally raised temperature fields using thermocouples and thermal imaging. The main machine subsystems were initially modeled, such as the ball screw system, linear guides and spindle, which allowed for validating of the thermoelastic behavior of the entire machine for eleven no load duty cycles, six cycles of machining, nine cycles of positioning and two cycles with varying ambient temperature, obtaining errors lower than 9%, when comparing the numerical results with the experimental results. The validation of the finite element model allowed for the use of the results obtained to train and validate an artificial neural network (ANN) for predicting the thermal errors of the machining center. The deviations between the thermal errors predicted by ANN and the FEM simulation results were less than 5%. Based on the results obtained by the measurements of the machined workpieces, it was possible to formulate and implement a model of compensation of the thermal errors in the CNC of the machining center, which obtained a reduction of errors of 62% and 100% of the machined parts with compensation. It was also proposed a thermal error prediction and compensation algorithm for the machining center, based on all cycles and simulations performed, and that, comparing with the experimental results, it was able to reduce the thermal errors between 50% and 95%. After its validation, it was possible to conclude that the developed algorithm is an accurate and robust tool to compensate the thermal errors of the machine for various duty conditions, being able to compensate the errors even when it is moving at different speeds, in machining process or even operating in variable ambient temperature.

A indústria automobilística é um dos mais importantes setores da economia no Brasil e no mundo. Nos últimos anos viu-se praticamente obrigada a melhorar o desempenho de seus veículos produzidos e reduzir seus custos. Um dos marcos desta transformação foi o desenvolvimento do sensor de oxigênio, sendo este um dos principais elementos dos sistemas gerenciadores de motor. Esta dissertação propõe o estudo de arquiteturas de sistemas inteligentes para sensoriamento virtual de oxigênio em veículos bicombustíveis, utilizando-se redes neurais artificiais supervisionadas, com arquitetura Perceptron multicamadas. As topologias implementadas atingiram resultados com erros relativos médios menores que 1% em centenas de topologias. Verificou-se também que para o sensoriamento virtual de oxigênio em veículos bicombustíveis, a abordagem de se realizar treinamentos com todos os tipos de combustíveis, segmentando conjuntos de todo o universo de dados, mostra-se a mais adequada. / The automotive industry is one of the most important sectors in Brazilians economy and in the world. In recent years, this industry has been forced to improve the performance of their produced vehicles and to reduce their costs. One of the landmarks of this transformation was the development of the oxygen sensor, which is one of the main elements of the engine management systems. This dissertation proposes the use of intelligent systems architectures for virtual oxygen sensing of bi-fuel vehicles, using multilayer Perceptron artificial neural networks. The implemented topologies reach results with mean relative errors less than 1% in hundreds of topologies. It was also noted that the approach to train the neural network with all types of fuels, using subsets of data universe, it is the most appropriate to have a virtual sensing of oxygen in bi-fuel vehicles.

CoordenaÃÃo de AperfeÃoamento de Pessoal de NÃvel Superior / Este trabalho investiga o grau de influÃncia que a inclusÃo de mecanismos de memÃria de curta duraÃÃo (MCD) exercem sobre o desempenho de classificadores neurais quando aplicados em tarefas de navegaÃÃo de robÃs. Em particular, trata da navegaÃÃo do tipo Wall Following. Para este fim, quatro conhecidas arquiteturas neurais (Perceptron LogÃstico, Perceptron Multicamadas, Mistura de Especialistas e rede de Elman) sÃo usadas com o intuito de associar diferentes padrÃes de leituras sensoriais com quatro classes de aÃÃes prÃ-determinadas. Todas as etapas dos experimentos - aquisiÃÃo dos dados, seleÃÃo e treinamento das arquiteturas em simulador, alÃm da execuÃÃo das mesmas em robà mÃvel real (SCITOS G5) - sÃo escritas em detalhes. Os resultados obtidos sugerem que a tarefa de seguir paredes, formulada como um problema de classificaÃÃo de padrÃes, à nÃo-linearmente separÃvel, resultado este que favorece a rede MLP quando os classificadores sÃo treinados sem MCD. Contudo, se mecanismos de MCD sÃo usados, entÃo atà mesmo uma rede linear à capaz de executar a tarefa de interesse com sucesso / This work reports results of an investigation on the degree of influence that the inclusion of short-term memory mechanisms has on the performance of neural classifiers when applied to robot navigation tasks. In particular, we deal with the well-known strategy of navigating by âwall-followingâ. For this purpose, four neural architectures (Logistic Perceptron, Multilayer Perceptron, Mixture of Experts and Elman network) are used to associate different sensory input patterns with four predetermined action categories. All stages of the experiments - data acquisition, selection and training of the architectures in a simulator and their execution on a real mobile robot - are described. The obtained results suggest that the wall-following task, formulated as a pattern classification problem, is nonlinearly separable, a result that favors the MLP network if no memory of input patterns are taken into account. If short-term memory mechanisms are used, then even a linear network is able to perform the same task successfully

In this dissertation it is reported the results of a comprehensive comparative study involving seven machine learning algorithms applied to the task of approximating the inverse kinematic model of 3 robotic arms (planar, PUMA 560 and Motoman HP6). The evaluated algorithm are the following ones: Multilayer Perceptron (MLP), Extreme Learning Machine (ELM), Least Squares Support Vector Regression (LS-SVR), Minimal Learning Machine (MLM), Gaussian Processes (GP), Adaptive Network-Based Fuzzy Inference Systems (ANFIS) and Local Linear Mapping (LLM). Each algorithm is evaluated with respect to its accuracy in estimating the joint angles given the cartesian coordinates which comprise end-effector trajectories within the robot workspace. A comprehensive evaluation of the performances of the aforementioned algorithms is carried out based on correlation analysis of the residuals. Finally, hypothesis testing procedures are also executed in order to verifying if there are significant differences in performance among the best algorithms. / Nesta dissertaÃÃo sÃo reportados os resultados de um amplo estudo comparativo envolvendo sete algoritmos de aprendizado de mÃquinas aplicados à tarefa de aproximaÃÃo do modelo cinemÃtico inverso de 3 robÃs manipuladores (planar, PUMA 560 e Motoman HP6). Os algoritmos avaliados sÃo os seguintes: Perceptron Multicamadas (MLP), MÃquina de Aprendizado Extremo (ELM), RegressÃo de MÃnimos Quadrados via Vetores-Suporte (LS-SVR), MÃquina de Aprendizado MÃnimo (MLM), Processos Gaussianos (PG), Sistema de InferÃncia Fuzzy Baseado em Rede Adaptativa (ANFIS) e Mapeamento Linear Local (LLM). Estes algoritmos sÃo avaliados quanto à acurÃcia na estimaÃÃo dos Ãngulos das juntas dos robÃs manipuladores em experimentos envolvendo a geraÃÃo de vÃrios tipos de trajetÃrias no volume de trabalho dos referidos robÃs. Uma avaliaÃÃo abrangente do desempenho de cada algoritmo à feito com base na anÃlise dos resÃduos e testes de hipÃteses sÃo executados para verificar se hà diferenÃas significativas entre os desempenhos dos melhores algoritmos.