Orientador: Marcio Luiz de Andrade Netto / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-08T10:53:36Z (GMT). No. of bitstreams: 1 Peres_SarajaneMarques_D.pdf: 11492142 bytes, checksum: 7eeb4f81f681e145111b43ccfdde2b7e (MD5) Previous issue date: 2006 / Resumo: Redes Neurais Artificiais Auto-Organizáveis (RNA-AO), introduzidas por Teuvo Kohonen na década de 60, constituem uma poderosa ferramenta para análise de dados, mais especificamente para análise de agrupamentos, visualização e aproximação de superfícies. Nesta tese definiu-se uma nova forma para determinar a dimensão topológica do espaço de saídada RNA-AO a partir da análise do conjunto de dados a ser explorado pela rede, realizada como apoio combinado da Teoria de Fractais e do Raciocínio Aproximado Fuzzy. Ao combinar essas duas teorias, concebeu-se uma nova medida de dimensão fractal, a medida de Dimensão Fractal Fuzzy Significativa (DFFS) de um conjunto de dados. Tanto o processo de determinação da DFFS quanto sua aplicação como inferência da dimensãotopológica para a RNA-AO foram validados neste trabalho. O primeiro por meio de sua aplicação ao problema de Tendência a Agrupamentos e o segundo por meio da análise de qualidade das RNAs-AO projetadas segundo tal inferência / Abstract: Self Organizing Maps (SOM), introduced by Teuvo Kohonen during the decade of 1960's, is a powerful tool for data analysis, mainly for clustering analysis and surface approximation. In this thesis, we have defined a new way to determine the output space topological dimension of the SOM using the analysis of the dataset to be explored by the map. This analysis is carried out with the combined support of the Fractal Theory and the Fuzzy Approximated Reasoning, deriving a new fractal dimension measure: the Meaningful Fractal Fuzzy Dimension - DFFS (of the Portuguese "Dimensão Fractal:..Fuzzy Significativa"). The DFFS determination process and its application as an inference to the SOM topological dimension have been both validated in this work. The former has been carried out through its application to the Clustering Tendency Analysis and the latter through the quality analysis of the SOM designed by such inference / Doutorado / Engenharia de Computação / Doutor em Engenharia Elétrica

Orientador: Ricardo Ribeiro Gudwin / Dissertação (mestrado) - Universidade Estadual de Campinas. Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-08T12:38:59Z (GMT). No. of bitstreams: 1 Weingaertner_Daniel_M.pdf: 1557993 bytes, checksum: 443eb132ca2377b1579d9dabfb29655c (MD5) Previous issue date: 2003 / Resumo: Neste trabalho desenvolvemos uma análise das redes neuroenergéticas (propostas por Leonid B. Emelyanov-Yaroslavsky) e a especificação de um agente inteligente constru'ido com estas redes, comparando-o com outras especificaçoes de agentes existentes na literatura e também avaliando suas capacidades semióticas. As redes neuroenergéticas caracterizam-se por serem autoorganizáveis em torno do objetivo de minimização do consumo de energia de seus neurônios. A partir deste objetivo, e dadas algumas restrições, Emelyanov-Yaroslavsky sugere que deveriam surgir no agente neuroenergético características típicas de sistemas inteligentes como memória, volição, aprendizado, capacidade de generalização, etc. Este trabalho visa dar os primeiros passos na validação das propostas de Emelyanov-Yaroslavsky por meio da compreensão das características básicas do modelo e sua reprodução e simulação. Uma versão computacional da rede neuroenergética foi implementada demonstrando sua viabilidade operacional e capacidade de auto-organização. Embora não tenha sido implementado, o modelo do agente neuroenergético abre perspectivas no sentido de criar sistemas cognitivos capazes de atuar nos mais diversos ambientes e domínios / Abstract: This work presents an analysis of the neuroenergetic networks (proposed by Leonid B. Emelyanov-Yaroslavsky) and the specification of an intelligent agent constructed with these networks, comparing it to other existing agent specifications in the literature and also evaluating its semiotic capabilities. The neuroenergetic networks are characterized by their capability of selforganizing, aiming at minimizing the energy consumption of their neurons. With this aim in mind, and given some restrictions, Emelyanov-Yaroslavsky suggests that the neuroenergetic agent should develop some typical characteristics of intelligent systems such as: memory, volition, learning and, generalizationcapabilities, etc. This work aims at making the first steps validating Emelyanov-Yaroslavsky¿s proposals through the comprehension of the model¿s basic features and its reproduction and simulation. A computational version of the neuroenergetic network was implemented, demonstrating its operational viability and capacity of selforganization. Even though it has not yet been implemented, the model of the neuroenergetic agent opens perspectives in the direction of creating cognitive systems, capable to act in most diverse environments and domains / Mestrado / Engenharia de Computação / Mestre em Engenharia Elétrica

Orientadores: Marcio Luiz de Andrade Netto, Jose Roberto Securato , Alessandra de Avila Montini / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-09T14:31:10Z (GMT). No. of bitstreams: 1 Freitas_AntonioAirtonCarneirode_D.pdf: 2395437 bytes, checksum: 02e1418421c18b7b627cbfe5f41ed90a (MD5) Previous issue date: 2007 / Resumo: A inferência sobre a previsibilidade de sistemas dinâmicos não lineares multivariados tem sido freqüentemente realizada a partir de testes que podem induzir à conclusões equivocadas. Isto porque em muitas pesquisas realizadas os testes utilizados são o de autocorrelação, o da razão de variância e do espectro, que só verificam a existência ou não da correlação serial de componentes lineares. Neste trabalho, também são utilizados testes para avaliar a correlação serial de componentes não lineares. Busca-se provar empiricamente se as classes de modelos ARMA-GARCH e neurais, bem como a combinação deles, tem qualidade de previsão superior ao modelo diferença Martingale em previsões na média condicional dos retornos da taxa de câmbio brasileira e da umidade em microclima. Um método de seleção de variáveis é proposto para melhorar os resultados obtidos com modelos de previsão multivariados não baseados em teoria. As não linearidades negligenciadas durante o ajuste dos modelos neurais são avaliadas por meio do teste de Blake and Kapetanios (2003). O teste de White (2000) é utilizado para comparar os modelos de previsão propostos em conjunto com o modelo benchmark. Foi constatado empiricamente que os dois processos analisados não são do tipo diferença Martingale / Abstract: The inference on predictability of nonlinear multivariate systems has been done with some possible misleading conclusions when the test statistics are insignificant because autocorrelation, variance ratio and spectrum tests check only serial uncorrelatedness (linear components). This work empirically explores the non linear components and if the ARMA-GARCH, neural network models, as well as their combination, outperform a Martingale model in the conditional mean out-of-sample forecasts. It is proposed a variable selection method to improve the results obtained with multivariate models without a priori knowledge. The neglected nonlinearities and data snooping bias were avoided applying respectively the Blake and Kapetanios (2003) and the White (2000) reality check tests. The empirical results indicate that the Brazilian exchange rates and the microclimate humidity are not Martingale differences / Doutorado / Engenharia de Computação / Doutor em Engenharia Elétrica

Orientador: Romis Ribeiro de Faissol Attux / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-15T11:06:22Z (GMT). No. of bitstreams: 1 Wada_Cristina_M.pdf: 4155297 bytes, checksum: 8683ce097ae6eab2c4bc3f3cae097225 (MD5) Previous issue date: 2010 / Resumo: Na transmissão de dados através de um canal ocorrem distorções que podem eventualmente levar a níveis inaceitáveis de degradação.Uma distorção bastante comum nesse cenário é a interferência intersimbólica ,que é a conseqüência do espalhamento temporal do sinal de informação.Para mitigar essa Interferência ,é usual empregar um equalizador ,que pode ser adaptado de modo supervisionado ou não upervisionado. Uma solução clássica no caso não supervisionado é fazer uso do critério de mínimo erro quadrático médio de predição.Sabe-se que tal abordagem ,no contexto linear,é eficiente apenas para canais de fase mínima ou máxima.Para lidar com canais de fase mista ,é preciso recorrer a estruturas não lineares. Neste trabalho ,investigaremos a relevância ,nesse contexto,do uso de preditores não lineares contendo laços de realimentação .Analizar-se-á o desempenho de estruturas neurais recorrentes sob um conjunto representativo de canais ,de modo a permitir a investigação dos efeitos da memória sobre o processo de desconvolução.O processo adaptativo será conduzido por um sistema imunológico artificial,dotado de significativo potencial de busca global e robustez a soluções instáveis / Abstract: When data is transmitted trough a channel, it may be subject to several sorts of distortion that might cause unacceptable level of degradation. A very usual type of distortion is the intersymbol interference ,which is a consequence of the temporal spread of the information-bearing signal .To mitigate this interference ,it is usual to employ an equalizer ,which can be adapted either in a supervised or an unsupervised manner. For the latter case, a predictive structure, optimized according to the mean squared error criterion, is a classical solution. In the linear context, it is known that this approach is efficient only for minimum- or maximum-phase channels: to deal with mixed-phase channels, it is necessary to resort to nonlinear structures. In this work, we investigate the relevance, in this context, of the use of nonlinear predictors with feedback loops. The performance of nonlinear neural structures is analyzed in asset of representative channels, in order to form a better understanding of the effect of the channel memory on the signal and to make use of it in the deconvolution process. An optimization algorithm based on the concept of artificial immune systems is applied in the adaptation of predictors, due to its powerful global search capabilities and robustness to unstable solutions / Mestrado / Engenharia de Computação / Mestre em Engenharia Elétrica

Orientadores: Carlos Alberto de Castro Jr., Marcos Julio Rider Flores / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-11T05:47:59Z (GMT). No. of bitstreams: 1 Muller_HeloisaHelena_M.pdf: 1272493 bytes, checksum: d78e9e8d9a329ccbf0cc8be6f666af25 (MD5) Previous issue date: 2008 / Resumo: A operação de um sistema de energia elétrica pode ser gerenciada remotamente através dos centros de controle utilizando sistemas de gerenciamento de energia (Energy Management Systems-EMS). Nesses centros de controle são realizadas e executadas freqüentemente muitas funções em tempo real e em modo de estudo. Dentre estas funções têm-se: o controle automático da geração, a estimação de estado, análise de topologia e análise estática de segurança entre tantas outras. A base da resolução destas funções é a execução e testes de um grande número de cálculos de fluxos de potência. A estimativa de estado de um sistema de potência pode ser determinada resolvendo as equações de um fluxo de carga, que matematicamente são representadas por um conjunto de equações algébricas não lineares. Este problema é conhecido como fluxo de potência ou fluxo de carga, e o seu objetivo principal é o cálculo das magnitudes das tensões e seus ângulos de fase, e consequentemente dos fluxos de potência nas linhas de transmissão. O objetivo deste estudo é usar redes neurais artificiais (RNA) na: (a) solução do fluxo de carga (FC); (b) solução do FC considerando controle de limites de tensão nas barras PV; (c) inicialização de um FC para sistema mal condicionados; e (d) cálculo de equivalentes externos estáticos para sistemas de energia elétrica. A idéia é que um fluxo de potência baseado em RNA seja mais rápido que o fluxo de potência convencional baseado no método de Newton-Raphson, particularmente nos casos envolvendo aplicações em tempo rela e em modo de estudo avançadas de fluxos de potência no EMS / Abstract: The operation of electric power systems can be managed remote and automatically from control centers using energy management systems (EMS). In these control centers many on-line and off-line functions are carried out periodically. Among those functions, we can list: the automatic generation control, state estimation, topological analysis, and static security analysis. These functions are based on the calculation of a large number of power flows. The operating state of power systems may be determined by solving power flow equations that are mathematically represented by a set of non-linear algebraic equations. This problem is known as the load flow or power flow problem and its main objective is the calculation of all bus voltage magnitudes and angles, and consequently the power flows through the transmission lines. The goal of this study is to propose an artificial neural networks (ANN) based methodology for (a) solving the basic load flow, (b) solving basic load flow considering reactive power limits of generation (PV) buses, (c) determining a good quality load flow starting point for ill-conditioned systems, and (d) computing static external equivalent circuits. The proposed ANN based power flow solver is intended to be faster than the conventional power flow problem solvers which use Newton-Raphson method, particularly in those cases involving advanced on-line applications of the power flow problem in the EMS / Mestrado / Energia Eletrica / Mestre em Engenharia Elétrica

Orientadores: Fernando Jose Von Zuben, Patricia Amancio Vargas / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-11T19:08:31Z (GMT). No. of bitstreams: 1 Moioli_RenanCipriano_M.pdf: 1774485 bytes, checksum: fbe8aa9cf8be0ba5310723711c91235c (MD5) Previous issue date: 2008 / Resumo: Este trabalho tem como objetivos principais estudar, desenvolver e aplicar duas ferramentas computacionais bio-inspiradas em navegação autônoma de robôs. A primeira delas é representada pelos Sistemas Classificadores com Aprendizado, sendo que utilizou-se uma versão da proposta original, baseada em energia, e uma versão baseada em precisão. Adicionalmente, apresenta-se uma análise do processo de evolução das regras de inferência e da população final obtida. A segunda ferramenta trata de um modelo denominado sistema homeostático artificial evolutivo, composto por duas redes neurais artificiais recorrentes do tipo NSGasNets e um sistema endócrino artificial. O ajuste dos parâmetros do sistema é feito por meio de evolução, reduzindo-se a necessidade de codificação e parametrização a priori. São feitas análises de suas peculiaridades e de sua capacidade de adaptação. A motivação das duas propostas está no emprego conjunto de evolução e aprendizado, etapas consideradas fundamentais para a síntese de sistemas complexos adaptativos e modelagem computacional de processos cognitivos. Os experimentos visando validar as propostas envolvem simulação computacional em ambientes virtuais e implementações em um robô real do tipo Khepera II. / Abstract: The objectives of this work are to study, develop and apply two bio-inspired computational tools in robot autonomous navigation. The first tool is represented by Learning Classifier Systems, using the strength-based and the accuracy-based models. Additionally, the rule evolution mechanisms and the final evolved populations are analyzed. The second tool is a model called evolutionary artificial homeostatic system, composed of two NSGasNet recurrent artificial neural networks and an artificial endocrine system. The parameters adjustment is made by means of evolution, reducing the necessity of a priori coding and parametrization. Analysis of the system's peculiarities and its adaptation capability are made. The motivation of both proposals is on the concurrent use of evolution and learning, steps considered fundamental for the synthesis of complex adaptive systems and the computational modeling of cognitive processes. The experiments, which aim to validate both proposals, involve computational simulation in virtual environments and implementations on real Khepera II robots. / Mestrado / Engenharia de Computação / Mestre em Engenharia Elétrica

Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-01-03T12:10:09Z No. of bitstreams: 1 matheusalbertodesouza.pdf: 12016608 bytes, checksum: 7403ebccb4f05e67a5f65a371f64f7e4 (MD5) / Approved for entry into archive by Diamantino Mayra (mayra.diamantino@ufjf.edu.br) on 2017-01-31T10:31:30Z (GMT) No. of bitstreams: 1 matheusalbertodesouza.pdf: 12016608 bytes, checksum: 7403ebccb4f05e67a5f65a371f64f7e4 (MD5) / Made available in DSpace on 2017-01-31T10:31:30Z (GMT). No. of bitstreams: 1 matheusalbertodesouza.pdf: 12016608 bytes, checksum: 7403ebccb4f05e67a5f65a371f64f7e4 (MD5) Previous issue date: 2016-09-30 / O presente trabalho tem por objetivo apresentar uma metodologia para a detecção de perdas comerciais de energia em sistemas de distribuição, bem como a identificação do usuário fraudulento em Infraestruturas Avançadas de Medição, próprias de Smart Grids. ParaaetapadedetecçãodeperdascomerciaisdeenergiaéutilizadoumEstimadorEstático de Estados Trifásico baseado em Medições Fasoriais Sincronizadas (Phasor Measurements Units - PMUs). Essa etapa visa detectar os transformadores na rede de distribuição, os quais, apresentam indícios de furtos/fraudes de energia, através da observância da curva de carga estimada. A próxima etapa visa identificar os consumidores, conectados aos transformadores suspeitos, que cometem o ato ilícito. Para isto, treinou-se uma Rede Neural Artificial (RNA) de Kohonen para clusterizar os consumidores honestos de acordo compadrõesdeconsumosemelhantes,apartirdedadosdeconsumoprovenientesdosSmart Meters decadacliente. ParacadaclassedefinidapelaRNAdeKohonencriou-seumaRNA MultiLayer Perceptron (MLP) para fins de classificação dos consumidores em duas classes, honestos ou fraudulentos. As duas grandes contribuições do trabalho estão em utilizar a técnica de detecção para diminuir o número de Falsos Positivos (FP) das metodologias de classificação, sem a necessidade de medições individuais nos transformadores, e a utilização de RNAs a partir de dados de medições do sistema de distribuição de forma robusta, em que não há a necessidade de medições sem perdas comerciais de energia para todos os consumidores do sistema. A forma de tratamento dos dados de medições ainda possibilita manter a privacidade dos usuários, questão bastante debatida no cenário mundial. Foram realizados testes para a etapa de detecção de perdas comerciais com os sistemas IEEE 33 Barras e IEEE 70 barras. Para a etapa de identificação do consumidor fraudulento foram utilizados dados de consumo reais de mais de 5000 consumidores provenientes de Smart Meters liberados pela Autoridade de Eletricidade e Energia Sustentável da Irlanda. Os testes mostraram bons resultados tornando a metodologia proposta aplicável na detecção e identificação de perdas comerciais de energia elétrica em Smart Grids. / This work aims to present a methodology for the detection of energy theft in distribution systems as well as the identification of the fraudulent users considering Advanced Metering Infrastructure, widely used in Smart Grids. For the stage of energy theft detection, a Static Three Phase State Estimator based on Synchronised Phasor Measurement Units (PMUs) is used. This step aims to detect the transformers in the distribution network, which have evidence of energy theft, by observing the estimated load curve. The next step is to identify consumers, connected to suspected transformers, which are stealing energy. For this, a Kohonen Artificial Neural Network (ANN) was trained to clustering honest consumers according to similar patterns of consumption, with the consumption data from the Smart Meters at every customer. For each class defined by the Kohonen ANN a MultiLayer Perceptron (MLP) ANN for classification of consumers into two classes, honest or fraudulent was created. The two major contributions of this work are the use of energy theft detection technique to reduce the number of false positives (FP) from the classification methods, without the need for individual measurements on the transformers, andtheuseofANNfromdistributionsystemmeasurementsmakethetechiniquerobust, in which there is no need for measurements without comercial loss of energy for all consumers. The way that the measurement data is treated allows maintaining the privacy of the consumers which is a debated question on the world. Tests were conducted for energy theft detection step with IEEE 33 Buses and IEEE 70 Buses systems. For the fraudulent user identification step, actual consumption data were used over 5000 consumers from their SmartMetersreleasedbytheElectricityAuthorityandSustainableEnergyofIreland. The tests showed good results making the proposed methodology applicable in the detection and identification of energy theft in Smart Grids.

O módulo de resiliência é uma propriedade mecânica dos solos indispensável para análise estrutural de pavimentos em termos de tensão e deformação. O principal ensaio laboratorial para estimativa do módulo de resiliência dos solos é o ensaio triaxial cíclico no qual existe um maior controle das condições da amostra, dos carregamentos aplicados e dos deslocamentos medidos. A utilização de relações para obtenção do módulo de resiliência a partir de propriedades do solo obtidas de ensaios mais simples e rotineiros é permitida pelo procedimento NCHRP 1-37A (2004) e pode ser muito útil para fase de anteprojeto de implantação de rodovias, pois permite uma avaliação rápida do módulo de resiliência dos solos de jazidas e subleitos, localizados ao longo das diversas alternativas de traçados a serem analisadas. No entanto, as relações existentes ou são restritivas, por não considerarem os solos das regiões tropicais de comportamento laterítico e não laterítico da classificação MCT (Miniatura Compactado Tropical), ou são de baixa eficiência. Considerando-se o sucesso que as redes neurais artificiais (RNAs) têm apresentado no campo da engenharia em estabelecer relações entre variáveis explicativas e variáveis resposta, neste trabalho foram desenvolvidas RNAs para relacionar o módulo de resiliência com as propriedades do solo, tanto para solos grossos compactados na energia modificada como para solos compactados na energia normal. O banco de dados utilizado no trabalho baseou-se nos resultados de ensaios de setenta e seis amostras de solos coletadas no interior do Estado de São Paulo. Finalmente, verificou-se que as RNAs podem prever, com alta eficiência, o módulo de resiliência dos solos tropicais de comportamento laterítico e não laterítico a partir de propriedades do solo tais como: composição granulométrica, LL, IP, umidade ótima e resultados do ensaio de compressão simples. / The resilient modulus is an essential mechanical property for stress-strain analysis of pavements. The main test to evaluate resilient modulus of soils is cyclic triaxial test which there is a better control not only of samples but also of loads and displacements. Nowadays, the utilization of relationships to obtain resilient modulus from soils properties, from routine simple tests, is allowed by procedure NCHRP 1-37A, and that can be useful in initial design in construction of roads, as the resilient modulus of material pits and subgrades, places along several alternative traces of design, can be evaluated very fast by relationships. However, the existing relationships are restrictive, because they do not consider tropical soils of lateritic and non-lateritic behavior from MCT (Miniatura Compactado Tropical) classification and they have low performance. Artificial neural networks (ANNs) have shown high success to establish relationships from answering variables and explicative variables, so in this work was developed ANNs to establish relationships from resilient modulus and soil properties, not only for sandy soils in Proctor\'s modified compaction energy but also for soils in Proctor\'s standard compaction energy. The data base used in this work was laboratory test results from seventy-six soils which were collected in interior of Sao Paulo state. Finally, for tropical soils of lateritic and non-lateritic behavior, it was verified that ANNs can forecast, with high performance, resilient modulus from soil properties just as: grain size composition, liquid limit (LL), plasticity index (PI), optimum moisture content and results of simple strength compressive test.

A velocidade dos motores de indução é uma grandeza importante em um processo industrial. Entretanto, a medição direta da velocidade em motores de indução pode comprometer o sistema de acionamento e controle, aumentando o custo de implementação. Assim, as técnicas sensorless destinadas a estimar ou prever a velocidade em motores de indução são amplamente investigadas para uso em várias unidades industriais. Essa estratégia, quando baseada nos modelos matemáticos dos motores de indução é, normalmente, dependente dos parâmetros da máquina ou requer outro método que faça uma estimativa ou previsão. Assim, a abordagem alternativa deste trabalho consiste no uso de duas estratégias de implementação de redes neurais artificiais como estimador de velocidade aplicado a duas estratégias de controle do motor de indução orientado pelo campo do estator, controle direto de corrente e controle direto de torque. A velocidade síncrona, as correntes do estator e o torque eletromagnético, que são variáveis utilizadas nos algoritmos de acionamentos orientados no campo eletromagnético, são as entradas dos estimadores neurais propostos. Neste trabalho, resultados de simulação são aplicados no processo de seleção das redes neurais e os resultados experimentais mostram o desempenho de duas estratégias de implementação do estimador neural de velocidade embarcadas em DSP em diferentes metodologias de controle com dois motores de indução de potências diferentes. / The induction motor speed is an important quantity in an industrial process. However, the direct measurement of speed on induction motors can compromise the drive and control system, increasing the implementation cost. Thus, sensorless techniques aimed at estimating or predicting the speed in induction motors are widely investigated to be used in industrial plant units. This strategy, when based on the mathematical models of the induction motors is, usually, dependent on the machine parameters or requires another method that makes an estimation or prediction. Thus, the alternative approach of this work consists in the use of two implementation strategies of artificial neural networks as speed estimator applied to two stator field-oriented induction motor control strategies, direct current control and direct torque control. The synchronous speed, the stator currents and the electromagnetic torque, which are quantities used in field-oriented drives, are the inputs of the proposed neural estimators. In this work, simulation results are applied to neural networks selection process and the experimental results show the performance of two implementation strategies of the neural speed estimator embedded in DSP in different control methodologies with two induction motors with different powers.

Este trabalho apresenta os resultados obtidos com o desenvolvimento de um sistema robusto como uma alternativa de reconhecimento da qualidade de vapor de álcool combustível e do poder calorífico do gás combustível GLP em um nariz eletrônico. Foram implementadas duas metodologias experimentais para a extração de atributos dos padrões de vapor de álcool combustível e de gás GLP. Na primeira abordagem de tratamento dos dados, foram usados um Sistema de Inferência Fuzzy (FIS), e dois algoritmos de treinamento de Redes Neurais Artificiais (RNA) para reconhecer padrões de vapor de álcool combustível: a Backpropagation e Learning Vector Quantization. A segunda abordagem para o tratamento dos dados foi desenvolver um sistema reconhecedor do poder calorífico do gás GLP robusto à perda aleatória de um dos sensores. Foram usados três sistemas. No primeiro foi implementada uma RNA para reconhecer todos os dados que simulavam a falha de um sensor aleatório. O resultado desse sistema foi de 97% de acertos. O segundo implementou sete RNA’s treinadas com subconjuntos dos dados de entrada, tais que seis RNA’s foram treinadas com um sensor diferente com falha; e a sétima RNA foi treinada com dados dos sensores sem falhas. O resultado desse sistema foi de 99% de acertos. O terceiro implementou uma Máquina de Comitê Estática Ensemble constituída de dez RNA’s em paralelo para resolver o problema. O resultado foi de 97% de acertos. As RNA’s tiveram melhores respostas que os FIS. Foram sugeridas algumas formas de implementação em hardware do sistema reconhecedor em sistemas pré-fabricados com DSP’s e micro-controladores. / This work shows the results of a robust system development as an alternative to recognize the quality of an alcohol fuel vapor sample and Liquid Petrol Gas (LPG) heat power in an electric nose. Two experimental methodologies were implemented to extract the features of alcohol fuel vapor and LPG gas patterns. The first approach to process the data used an Fuzzy Inference System (FIS) and two training algorithms of Artificial Neural Networks (ANN) to recognize alcohol fuel vapor patterns: Backpropagation and Learning Vector Quantization. The second approach consists of process data to develop an LPG heat power recognizing system robust to one-random-sensor-loss. Three systems were used. The first implemented an ANN to recognize all data that simulated the failure of a random sensor. This system had 97% of right responses. The second implemented seven ANN’s trained with input data subsets, such that six ANN’s were trained with a different failure sensor, and the seventh ANN was trained with data of all sensors without failure. This system had 99% of right responses. The third implemented an Ensemble Static Learning Machine containing ten parallel RNA’s to solve the problem. The result were 97% of right responses. RNA’s had better results than FIS. Some ways of hardware implementation of the recognizing system were suggested in DSP and micro-controllers pre-built systems.