High-level functional (or behavioral) simulation models are difficult, time-consuming, and expensive to develop. We report on a method for automatically generating the program code for a high-level functional simulation model. The high-level model is produced directly from the program code for the circuit components' functional models and a netlist description of their connectivity. A prototype has been implemented in LISP for the SIMMER functional simulator.

La modélisation de la croissance des plantes a vu le jour à la fin du XXème siècle, à l’intersection de trois disciplines : l’agronomie, la botanique et l’informatique. Après un premier élan qui a donné naissance à un grand nombre de modèles, un deuxième courant a vu le jour au cours de la dernière décennie pour donner à ces modèles un formalisme mathématique et statistique rigoureux. Les travaux développés dans cette thèse s’inscrivent dans cette démarche et proposent deux axes de développement, l’un autour de l’évaluation et de la comparaison de modèles, et l’autre autour de l’étude de la variabilité inter-plantes.Dans un premier temps, nous nous sommes intéressés à la capacité prédictive des modèles de croissance de plantes, en appliquant une méthodologie permettant de construire et d’évaluer des modèles qui seront utilisés comme outils prédictifs. Une première étape d’analyse de sensibilité permet d’identifier les paramètres les plus influents afin d’élaborer une version plus robuste de chaque modèle, puis les capacités prédictives des modèles sont comparées à l’aide de critères appropriés. Cette étude a été appliquée au cas de la betterave sucrière mais peut se généraliser à d’autres plantes.La deuxième partie de la thèse concerne la prise en compte de la variabilité inter-individuelle dans les populations de plantes. Il existe en effet une forte variabilité entre plantes, d’origine génétique ou environnementale, dont il est nécessaire de tenir compte. Nous proposons dans cette thèse une approche basée sur l’utilisation de modèles (non linéaires) à effets mixtes pour caractériser la variabilité inter- individuelle. L’estimation paramétrique par maximum de vraisemblance nécessite l’utilisation de versions stochastiques de l’algorithme d’Espérance Maximisation basées sur des simulations de type Monte Carlo par Chaîne de Markov. Après une première application au cas de l’organogenèse chez la betterave sucrière, nous proposons une extension du modèle structure-fonction Greenlab à l’échelle de la population, appliqué aux cas de la betterave sucrière et du colza. / The modelling of plant growth and development was born at the end of the XXth century at the intersection of three disciplines: agronomy, botany and computer science. After a first period corresponding to the emergence of a lot of different models, a new trend has been initiated in the last decade to give these models a rigorous mathematical and statistical formalism. This thesis focuses on two main areas of development: (i) models evaluation and comparison, and (ii) inter-individual variability in plant populations.In the first part of the thesis, we study the predictive capacity of plant growth models, and we apply a two-step methodology to build and evaluate different models in a predictive perspective. In a first step, a sensitivity analysis is conducted to identify the most influential parameters and elaborate a more robust version of each model, and in a second step the predictive capacities of the models are compared using appropriate criteria. This study is carried out on sugar beet crops but can be easily generalized to other species.The second part of this thesis concerns the inter-individual variability in plant populations, which can be very high due to genetics or environmental varying conditions. This variability is rarely accounted for despite the major impact it can have at the agrosystem level. We proposed to take it into account using (nonlinear) mixed models, for which parameter estimation using maximum likelihood method relies on the use of stochastic variants of the Expectation-Maximization algorithm, based on Markov Chain Monte Carlo simulation techniques. We first apply this approach to the case of organogenesis in sugar beet populations, and secondly, we develop an extension of the functional-structural plant growth model Greenlab, from the individual to the population scale.

Submitted by Pedro Silva Filho (pfsilva@ipen.br) on 2017-11-16T18:08:36Z No. of bitstreams: 0 / Made available in DSpace on 2017-11-16T18:08:36Z (GMT). No. of bitstreams: 0 / O propósito de um objeto simulador é representar a alteração do campo de radiação provocada pela absorção e espalhamento em um dado tecido ou órgão de interesse. Suas características geométricas e de composição devem estar próximos o máximo possível aos valores associados ao seu análogo natural. Estruturas anatômicas podem ser transformadas em objetos virtuais 3D por técnicas de imageamento médico (p. ex. Tomografia Computadorizada) e impressas por prototipagem rápida utilizando materiais como, por exemplo, o ácido poliláctico. Sua produção para pacientes específicos requer o preenchimento de requisitos como a acurácia geométrica com a anatomia do individuo e a equivalência ao tecido, de modo que se possa realizar medidas utilizáveis, e ser insensível aos efeitos da radiação. O objetivo desse trabalho foi avaliar o comportamento de materiais impressos 3D quando expostos a feixes de fótons diversos, com ênfase para a qualidade de radiotherapia (6 MV), visando a sua aplicação na dosimetria clínica. Para isso foram usados 30 dosímetros termoluminescentes de LiF:Mg,Ti. Foi analisada também a equivalência entre o PMMA e o PLA impresso para a resposta termoluminescente de 30 dosímetros de CaSO4:Dy. As irradiações com feixes de fótons com qualidade de radioterapia foram simuladas com o uso do sistema de planejamento Eclipse™, com o Anisotropic Analytical Algorithm e o Acuros&reg XB Advanced Dose Calculation algorithm. Além do uso do Eclipse™ e dos testes dosimétricos, foram realizadas simulações computacionais utilizando o código MCNP5. As simulações com o código MCNP5 foram realizadas para calcular o coeficiente de atenuação de placas impressas expostas a diversas qualidades de raios X de radiodiagnóstico e para desenvolver um modelo computacional de placas impressas 3D. / Dissertação (Mestrado em Tecnologia Nuclear) / IPEN/D / Instituto de Pesquisas Energéticas e Nucleares - IPEN-CNEN/SP

Submitted by Marco Antonio Oliveira da Silva (maosilva@ipen.br) on 2017-11-08T16:10:07Z No. of bitstreams: 0 / Made available in DSpace on 2017-11-08T16:10:07Z (GMT). No. of bitstreams: 0 / O aumento na longevidade humana fez surgir uma série de doenças com a idade; em contrapartida o avanço da medicina possibilitou o diagnóstico precoce e o tratamento de várias doenças antes incuráveis. Esse cenário atual estendese também aos animais domésticos (cães e gatos - PETs) que dobraram sua expectativa de vida nas últimas décadas, fato que os humanos demoraram séculos para alcançar. Do mesmo modo que os humanos, esse aumento na longevidade dos animais veio acompanhado de doenças relacionadas com a idade, entre elas o câncer. Uma das terapias utilizadas atualmente no tratamento do câncer é a radioterapia, técnica que utiliza a radiação ionizante para destruir as células tumorais (volume-alvo) com mínimo prejuízo aos tecidos circunvizinhos sadios (órgãos de risco). Essa técnica exige a realização periódica de testes de controle de qualidade, incluindo a dosimetria com a utilização de objetos simuladores equivalentes ao tecido, de modo a verificar a dose de radiação recebida pelo paciente em tratamento e compará-la posteriormente com a dose de radiação calculada pelo sistema de planejamento. A rápida expansão do mercado de impressoras 3D abriu caminho para uma revolução na área da saúde. Atualmente os objetos simuladores por impressão 3D estão sendo usados em planejamentos de Radioterapia para a localização espacial e mapeamento das curvas de isodose, realizando, assim, um planejamento mais personalizado para cada campo de radiação, além da confecção de implantes dentais, customização de próteses e confecção de bólus. Diante do exposto esse trabalho projetou e desenvolveu um objeto simulador chamado de \"Canis Morphic\" utilizando uma impressora 3D e materiais tecido-equivalentes para a realização dos testes de controle de qualidade e otimização das doses na área de Radioterapia em animais (cães). Os resultados obtidos demonstraram-se promissores na área de criação de simuladores por impressão 3D, com materiais de baixo custo, para aplicação no controle de qualidade em Radioterapia veterinária. / Tese (Doutorado em Tecnologia Nuclear) / IPEN/T / Instituto de Pesquisas Energéticas e Nucleares - IPEN-CNEN/SP

Ο στόχος της παρούσας διατριβής είναι η ανάπτυξη μιας νέας κλάσης εξωτερικά εξαρτώμενων στοχαστικών συναρτησιακών μοντέλων για την αναγνώριση (identification) δυναμικών συστημάτων που παρουσιάζουν πολλαπλά σημεία λειτουργίας, τα οποία καθορίζονται από μετρήσιμη εξωτερική μεταβλητή (όπως για παράδειγμα, η θερμοκρασία, η υγρασία, κ.λ.π.). Επιπλέον, στόχος είναι η ανάπτυξη καινοτόμου μεθοδολογίας διάγνωσης (ανίχνευσης, προσδιορισμού και εκτίμησης) βλαβών σε δυναμικά συστήματα βάσει των στοχαστικών συναρτησιακών μοντέλων. Η διατριβή αρχικά πραγματεύεται την ανάπτυξη κατάλληλης μεθοδολογίας που αντιμετωπίζει τα επιμέρους προβλήματα της ανίχνευσης, του προσδιορισμού και της εκτίμησης βλαβών στη σύνθετη περίπτωση όπου η κατασκευή διεγείρεται υπό σεισμική διέγερση. Η αποτίμηση της μεθόδου αποτέλεσε και το έναυσμα για τη διαμόρφωση καινοτόμου μεθοδολογίας, η οποία βασίζεται σε μια νέα κλάση εξωτερικά εξαρτώμενων στοχαστικών συναρτησιακών μοντέλων. Τα μοντέλα αυτά έχουν την ικανότητα να αναπαριστούν, με μεγάλη ακρίβεια, μια κατασκευή για συγκεκριμένο τύπο βλάβης και συνεχές εύρος μεγεθών, χρησιμοποιώντας μοναδική μαθηματική αναπαράσταση παραμετροποιημένη ως προς το μέγεθος της βλάβης. Επισημαίνεται ότι τέτοιου τύπου συναρτησιακά μοντέλα δεν αναφέρονται στην βιβλιογραφία. Οι πιο συγγενείς οικογένειες μοντέλων προέρχονται από τις επιστήμες της στατιστικής και της οικονομετρίας, οι οποίες όμως δεν παρουσιάζουν συναρτησιακή μορφή και δεν μπορούν να καλύψουν συνεχή εύρη τιμών. Εξαιτίας αυτού του γεγονότος στη συνέχεια της διατριβής ορίζεται η νέα κλάση εξωτερικά εξαρτώμενων στοχαστικών Συναρτησιακών (F) μοντέλων Αυτοπαλινδρόμησης (AR) με Εξωγενή (X) είσοδο, των οποίων οι παράμετροι και η διασπορά του θορύβου είναι συναρτήσεις μετρήσιμης εξωτερικής μεταβλητής. Αυτή η συναρτησιακή εξάρτηση δίνει τη σημαντική ικανότητα στη νέα κλάση μοντέλων να μπορούν να χρησιμοποιηθούν: α) για τη δυναμική αναγνώριση συστημάτων με πολλαπλά σημεία λειτουργίας που καθορίζονται από μετρήσιμη εξωτερική μεταβλητή και, β) για την ανίχνευση, τον προσδιορισμό και την εκτίμηση βλαβών σε στοχαστικά δυναμικά συστήματα όπου η εξωτερική μεταβλητή είναι το μέγεθος της βλάβης. Επιπλέον, για τα μοντέλα αυτά αναπτύσσονται κατάλληλες μέθοδοι εκτίμησης των οποίων τα χαρακτηριστικά μελετώνται, και η αποτίμηση τους πραγματοποιείται μέσω προσομοιώσεων Monte Carlo. Στη συνέχεια ορίζεται η νέα κλάση εξωτερικά εξαρτώμενων στοχαστικών Συναρτησιακών (F) μοντέλων Αυτοπαλινδρόμησης (AR) και Κινητού Μέσου Όρου (ΜΑ) με Εξωγενή (X) είσοδο των οποίων επίσης οι παράμετροι και η διασπορά του θορύβου εκφράζονται ως συναρτήσεις μετρήσιμης εξωτερικής μεταβλητής. Τα μοντέλα FARΜΑX προσφέρουν επιπλέον ευελιξία σε σχέση με τα μοντέλα FARX εξαιτίας της εισαγωγής του πολυωνύμου ΜΑ. Για τα μοντέλα αυτά αναπτύσσονται επίσης κατάλληλες μεθοδολογίες εκτίμησης που βασίζονται στη μέγιστη πιθανοφάνεια και στην αρχή του σφάλματος πρόβλεψης. Επιπλέον, διαμορφώνονται δύο ακόμη μέθοδοι εκτίμησης που βασίζονται στην ελαχιστοποίηση του σφάλματος πρόβλεψης μέσω διαδοχικών γραμμικών σταδίων, οι οποίες παρουσιάζουν κάποια πρακτικά πλεονεκτήματα σε σχέση με τις προηγούμενες, μπορούν να συνδυαστούν με αυτές, αλλά απαιτούν την ανάπτυξη κατάλληλης άλγεβρας για τα μοντέλα FARΜΑX. Επίσης, μελετώνται ζητήματα όπως η συνέπεια και η ασυμπτωτική κατανομή της εκτιμήτριας σφάλματος πρόβλεψης. Η αποτίμηση όλων των μεθόδων εκτίμησης πραγματοποιείται μέσω προσομοιώσεων Monte Carlo. Τέλος, στα πλαίσια της παρούσας διατριβής αναπτύσσεται καινοτόμος μεθοδολογία ανίχνευσης, προσδιορισμού και εκτίμησης βλαβών σε δυναμικά συστήματα, η οποία βασίζεται στις νέες κλάσεις στοχαστικών συναρτησιακών μοντέλων των προηγούμενων κεφαλαίων. Η αποτίμηση της μεθοδολογίας πραγματοποιείται μέσω πειραματικής εφαρμογής σε διεθνές πρότυπο σκελετού αεροσκάφους υπό κλίμακα, όπου επιτυγχάνει με μεγάλη ακρίβεια, ανίχνευση, προσδιορισμό και εκτίμηση όλων των τύπων και μεγεθών βλάβης και επιπλέον ξεπερνά δυσκολίες που αντιμετωπίζουν άλλες τεχνικές της βιβλιογραφίας. / The aim of the present dissertation is the development of a new class of externally dependent stochastic functional models for the identification of dynamical systems under multiple operating conditions, which are defined by an external measurable variable (i.e. temperature, humidity, etc). The development of a novel methodology for fault diagnosis (fault detection, identification and estimation) in dynamical systems based upon the stochastic functional models is also an additional aim. The development of a proper method for fault detection, identification and estimation in structures under earthquake excitation is initially achieved. The method’s assessment was the motivation for the development of a novel methodology, which is based upon a new class of externally dependent stochastic functional models. These models are capable of accurately representing a structure for a certain type of fault in a continuous range of magnitudes by using a single mathematical representation parameterized in terms of the fault magnitude. It is noticed that such models are not referred in the literature until now. The most related families of models are found in sciences of statistics and econometrics. These models are mathematical representations without functional form and they are incapable of covering continuous ranges of values. Due to this fact, the new class of externally dependent stochastic Functional (F) AutoRegressive (AR) with eXogenous (X) excitation models, with parameters and innovations variance expressed as functions of a measurable external variable, is defined in the sequel of the dissertation. This functional dependence offers to the new class of models the important advantage of being used for: a) the identification of dynamical systems under multiple operating conditions which are defined by an external measurable variable and, b) fault detection, identification and estimation in stochastic dynamical systems where the external variable is the fault magnitude. Proper methods for FARX estimation are also developed and studied and their assessment is achieved via Monte Carlo simulations. In the following, the new class of externally dependent stochastic Functional (F) AutoRegressive (AR) Moving Average (MA) with eXogenous (X) excitation models, with parameters and innovations variance expressed as functions of a measurable external variable, is defined. The FARMAX models offer extra flexibility due to the MA part. Proper methods for FARMAX estimation, which are based upon the Maximum Likelihood and the Prediction Error principles, are also developed. Two further estimation methods are also formulated which are based upon minimization of the prediction error via successive linear stages. These methods offer some practical advantages comparing with the previous methods, they can be combined with the latter but they require the development of a proper algebra for FARMAX models. Additionally, the consistency and the asymptotic distribution of the prediction error estimator are considered. The assessment of all estimation methods is achieved via Monte Carlo simulations. In the last part of the dissertation a novel methodology for fault detection, identification and estimation in dynamical systems, which is based upon the new class of stochastic functional models of the previous chapters, is developed. The methodology’s assessment is accomplished via an experimental application in a prototype scale aircraft skeleton structure, where it achieves accurate fault detection, identification and estimation of several kinds and magnitudes of faults and also overcomes difficulties that are referred by other methods.