Made available in DSpace on 2014-12-17T15:48:08Z (GMT). No. of bitstreams: 1 MairaFBM_DISSERT.pdf: 2457675 bytes, checksum: 89599b0e4d22e348438de0c61dc6f914 (MD5) Previous issue date: 2013-02-04 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / The occurrence of problems related to the scattering and tangling phenomenon, such as the difficulty to do system maintenance, increasingly frequent. One way to solve this problem is related to the crosscutting concerns identification. To maximize its benefits, the identification must be performed from early stages of development process, but some works have reported that this has not been done in most of cases, making the system development susceptible to the errors incidence and prone to the refactoring later. This situation affects directly to the quality and cost of the system. PL-AOVgraph is a goal-oriented requirements modeling language which offers support to the relationships representation among requirements and provides separation of crosscutting concerns by crosscutting relationships representation. Therefore, this work presents a semi-automatic method to crosscutting concern identification in requirements specifications written in PL-AOVgraph. An adjacency matrix is used to identify the contributions relationships among the elements. The crosscutting concern identification is based in fan-out analysis of contribution relationships from the informations of adjacency matrix. When identified, the crosscutting relationships are created. And also, this method is implemented as a new module of ReqSys-MDD tool / A ocorr?ncia de problemas relacionados aos fen?menos de espalhamento e entrela?amento, tal como a dificuldade de manuten??o do sistema, ? cada vez mais frequente. Uma tentativa de resolver este problema est? relacionada ? identifica??o de interesses transversais. Para maximizar seus benef?cios, a identifica??o deve ser realizada desde as etapas iniciais do processo de desenvolvimento, por?m alguns trabalhos relatam que isto n?o tem sido feito na maioria dos casos, tornando o desenvolvimento do sistema suscet?vel ? ocorr?ncia de erros e propensos ? refatora??es em fases posteriores. Esta situa??o afeta diretamente ? qualidade e o custo do sistema. PL-AOVgraph ? uma linguagem de modelagem de requisitos orientada a metas que oferece suporte para representa??o dos relacionamentos entre requisitos e prov? separa??o de interesses transversais atrav?s da representa??o de relacionamentos transversais. Diante disso, esse trabalho apresenta um m?todo semi-autom?tico para identifica??o de interesses transversais em especifica??es de requisitos escritas em PL-AOVgraph. Uma matriz de adjac?ncia ? utilizada para a identifica??o dos relacionamentos de contribui??o entre os elementos. A identifica??o de interesses transversais ? baseada na an?lise fan-out dos relacionamentos de contribui??o a partir das informa??es da matriz de adjac?ncia. Quando identificados, os relacionamentos transversais s?o criados. Esse m?todo est? implementado como um novo m?dulo da ferramenta ReqSys-MDD

Made available in DSpace on 2014-12-17T14:54:55Z (GMT). No. of bitstreams: 1 MarconiCR_TESE.pdf: 2377871 bytes, checksum: c798a5eab76defef17ac0fe081e2453d (MD5) Previous issue date: 2010-03-16 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / This paper presents a new multi-model technique of dentification in ANFIS for nonlinear systems. In this technique, the structure used is of the fuzzy Takagi-Sugeno of which the consequences are local linear models that represent the system of different points of operation and the precursors are membership functions whose adjustments are realized by the learning phase of the neuro-fuzzy ANFIS technique. The models that represent the system at different points of the operation can be found with linearization techniques like, for example, the Least Squares method that is robust against sounds and of simple application. The fuzzy system is responsible for informing the proportion of each model that should be utilized, using the membership functions. The membership functions can be adjusted by ANFIS with the use of neural network algorithms, like the back propagation error type, in such a way that the models found for each area are correctly interpolated and define an action of each model for possible entries into the system. In multi-models, the definition of action of models is known as metrics and, since this paper is based on ANFIS, it shall be denominated in ANFIS metrics. This way, ANFIS metrics is utilized to interpolate various models, composing a system to be identified. Differing from the traditional ANFIS, the created technique necessarily represents the system in various well defined regions by unaltered models whose pondered activation as per the membership functions. The selection of regions for the application of the Least Squares method is realized manually from the graphic analysis of the system behavior or from the physical characteristics of the plant. This selection serves as a base to initiate the linear model defining technique and generating the initial configuration of the membership functions. The experiments are conducted in a teaching tank, with multiple sections, designed and created to show the characteristics of the technique. The results from this tank illustrate the performance reached by the technique in task of identifying, utilizing configurations of ANFIS, comparing the developed technique with various models of simple metrics and comparing with the NNARX technique, also adapted to identification / Este trabalho apresenta uma nova t?cnica de identifica??o multimodelos baseada em ANFIS para sistemas n?o lineares. Nesta t?cnica, a estrutura utilizada ? do tipo fuzzy Takagi-Sugeno cujos consequentes s?o modelos lineares locais que representam o sistema em diferentes pontos de opera??o e os antecedentes s?o fun??es de pertin?ncia cujos ajustes s?o realizados pela fase de aprendizagem da t?cnica neuro-fuzzy ANFIS. Modelos que representem o sistema em diferentes pontos de opera??o podem ser encontrados com t?cnicas de lineariza??o como, por exemplo, o m?todo dos M?nimos Quadrados que ? robusto a ru?dos e de simples aplica??o. Cabe ? fase de implica??o do sistema fuzzy informar a propor??o de cada modelo que deve ser empregada, utilizando, para isto, as fun??es de pertin?ncia. As fun??es de pertin?ncia podem ser ajustadas pelo ANFIS com o uso de algoritmos de redes neurais, como o de retropropaga??o do erro, de modo que os modelos encontrados para cada regi?o sejam devidamente interpolados e, assim, definam-se a atua??o de cada modelo para as poss?veis entradas do sistema. Em multimodelos a defini??o de atua??o de modelos ? conhecida por m?trica e, como neste trabalho ? realizada pelo ANFIS, ser? denominada de m?trica ANFIS. Desta forma, uma m?trica ANFIS ? utilizada para interpolar v?rios modelos, compondo o sistema a ser identificado. Diferentemente do ANFIS tradicional, a t?cnica desenvolvida necessariamente representa o sistema em v?rias regi?es bem definidas por modelos inalter?veis que, por sua vez, ter?o sua ativa??o ponderada a partir das fun??es de pertin?ncia. A sele??o de regi?es para a aplica??o do m?todo dos M?nimos Quadrados ? realizada manualmente a partir da an?lise gr?fica do comportamento do sistema ou a partir do conhecimento de caracter?sticas f?sicas da planta. Esta sele??o serve como base para iniciar a t?cnica definindo modelos lineares e gerando a configura??o inicial das fun??es de pertin?ncia. Experimentos s?o realizados em um tanque did?tico, com m?ltiplas se??es, projetado e desenvolvido com a finalidade de mostrar caracter?sticas da t?cnica. Os resultados neste tanque ilustram o bom desempenho alcan?ado pela t?cnica na tarefa de identifica??o, utilizando, para isto, v?rias configura??es do ANFIS, comparando a t?cnica desenvolvida com m?ltiplos modelos de m?trica simples e comparando com a t?cnica NNARX, tamb?m adaptada para identifica??o

Made available in DSpace on 2014-12-17T14:55:19Z (GMT). No. of bitstreams: 1 JoseMAJ_TESE.pdf: 3560157 bytes, checksum: 2f20316c7b980a74bdb7b82e97e3bb43 (MD5) Previous issue date: 2014-03-24 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / In last decades, neural networks have been established as a major tool for the identification of nonlinear systems. Among the various types of networks used in identification, one that can be highlighted is the wavelet neural network (WNN). This network combines the characteristics of wavelet multiresolution theory with learning ability and generalization of neural networks usually, providing more accurate models than those ones obtained by traditional networks. An extension of WNN networks is to combine the neuro-fuzzy ANFIS (Adaptive Network Based Fuzzy Inference System) structure with wavelets, leading to generate the Fuzzy Wavelet Neural Network - FWNN structure. This network is very similar to ANFIS networks, with the difference that traditional polynomials present in consequent of this network are replaced by WNN networks. This paper proposes the identification of nonlinear dynamical systems from a network FWNN modified. In the proposed structure, functions only wavelets are used in the consequent. Thus, it is possible to obtain a simplification of the structure, reducing the number of adjustable parameters of the network. To evaluate the performance of network FWNN with this modification, an analysis of network performance is made, verifying advantages, disadvantages and cost effectiveness when compared to other existing FWNN structures in literature. The evaluations are carried out via the identification of two simulated systems traditionally found in the literature and a real nonlinear system, consisting of a nonlinear multi section tank. Finally, the network is used to infer values of temperature and humidity inside of a neonatal incubator. The execution of such analyzes is based on various criteria, like: mean squared error, number of training epochs, number of adjustable parameters, the variation of the mean square error, among others. The results found show the generalization ability of the modified structure, despite the simplification performed / Nas ?ltimas d?cadas, as redes neurais t?m se estabelecido como uma das principais ferramentas para a identifica??o de sistemas n?o lineares. Entre os diversos tipos de redes utilizadas em identifica??o, uma que se pode destacar ? a rede neural wavelet (ou Wavelet Neural Network - WNN). Esta rede combina as caracter?sticas de multirresolu??o da teoria wavelet com a capacidade de aprendizado e generaliza??o das redes neurais, podendo fornecer modelos mais exatos do que os obtidos pelas redes tradicionais. Uma evolu??o das redes WNN consiste em combinar a estrutura neuro-fuzzyANFIS (Adaptive Network Based Fuzzy Inference System) com estas redes, gerando-se a estrutura Fuzzy Wavelet Neural Network - FWNN. Essa rede ? muito similar ?s redes ANFIS, com a diferen?a de que os tradicionais polin?mios presentes nos consequentes desta rede s?o substitu?dos por redes WNN. O presente trabalho prop?e uma rede FWNN modificada para a identifica??o de sistemas din?micos n?o lineares. Nessa estrutura, somente fun??es waveletss?o utilizadas nos consequentes. Desta forma, ? poss?vel obter uma simplifica??o da estrutura com rela??o a outras estruturas descritas na literatura, diminuindo o n?mero de par?metros ajust?veis da rede. Para avaliar o desempenho da rede FWNN com essa modifica??o, ? realizada uma an?lise das caracter?sticas da rede, verificando-se as vantagens, desvantagens e o custo-benef?cio quando comparada com outras estruturas FWNNs. As avalia??es s?o realizadas a partir da identifica??o de dois sistemas simulados tradicionalmente encontrados na literatura e um sistema real n?o linear, consistindo de um tanque de multisse??es e n?o linear. Por fim, a rede foi utilizada para inferir valores de temperatura e umidade no interior de uma incubadora neonatal. A execu??o dessa an?lise baseia-se em v?rios crit?rios, tais como: erro m?dio quadr?tico, n?mero de ?pocas de treinamento, n?mero de par?metros ajust?veis, vari?ncia do erro m?dio quadr?tico, entre outros. Os resultados encontrados evidenciam a capacidade de generaliza??o da estrutura modificada, apesar da simplifica??o realizada

Made available in DSpace on 2014-12-17T14:55:56Z (GMT). No. of bitstreams: 1 EllonPM_DISSERT.pdf: 1231242 bytes, checksum: 49456bef5c0d0bfdc5bf49d689568b60 (MD5) Previous issue date: 2012-01-27 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / Several mobile robots show non-linear behavior, mainly due friction phenomena between the mechanical parts of the robot or between the robot and the ground. Linear models are efficient in some cases, but it is necessary take the robot non-linearity in consideration when precise displacement and positioning are desired. In this work a parametric model identification procedure for a mobile robot with differential drive that considers the dead-zone in the robot actuators is proposed. The method consists in dividing the system into Hammerstein systems and then uses the key-term separation principle to present the input-output relations which shows the parameters from both linear and non-linear blocks. The parameters are then simultaneously estimated through a recursive least squares algorithm. The results shows that is possible to identify the dead-zone thresholds together with the linear parameters / V?rios rob?s m?veis apresentam comportamentos n?o-lineares, principalmente ocasionados por fen?menos de atrito entre as partes mec?nicas do rob? ou entre o rob? e o solo. Modelagens puramente lineares apresentam-se eficientes em alguns casos, mas ? preciso levar em considera??o as n?o-linearidades do rob? quando se deseja movimentos ou posicionamentos precisos. Este trabalho prop?e um procedimento de identifica??o param?trica do modelo de um rob? m?vel com acionamento diferencial, no qual s?o consideradas as n?o-linearidades do tipo zona-morta presentes nos atuadores do rob?. A proposta baseia-se no modelo de Hammerstein para dividir o sistema em blocos lineares e n?o-lineares. O princ?pio da separa??o do termo chave ? utilizado para demonstrar a rela??o entre as entradas e sa?das do sistema com os par?metros tanto da parcela linear quanto da n?o-linear. Os par?metros de ambas as parcelas s?o identificados simultaneamente, atrav?s de um algoritmo de m?nimos quadrados recursivo. Os resultados mostram que ? poss?vel identificar o valor os limites da zona-morta assim como os par?metros da parcela linear do modelo do sistema

Made available in DSpace on 2014-12-17T14:56:12Z (GMT). No. of bitstreams: 1 VictorLCMS_DISSERT.pdf: 2392559 bytes, checksum: f4276b98c00bcaaa7742d7ced860b2b7 (MD5) Previous issue date: 2013-04-19 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico / A serious problem that affects an oil refinery s processing units is the deposition of solid particles or the fouling on the equipments. These residues are naturally present on the oil or are by-products of chemical reactions during its transport. A fouled heat exchanger loses its capacity to adequately heat the oil, needing to be shut down periodically for cleaning. Previous knowledge of the best period to shut down the exchanger may improve the energetic and production efficiency of the plant. In this work we develop a system to predict the fouling on a heat exchanger from the Potiguar Clara Camar?o Refinery, based on data collected in a partnership with Petrobras. Recurrent Neural Networks are used to predict the heat exchanger s flow in future time. This variable is the main indicator of fouling, because its value decreases gradually as the deposits on the tubes reduce their diameter. The prediction could be used to tell when the flow will have decreased under an acceptable value, indicating when the exchanger shutdown for cleaning will be needed / Um s?rio problema que afeta unidades de refino de petr?leo ? a deposi??o e incrusta??o de s?lidos nos equipamentos. Esses res?duos est?o naturalmente presentes no petr?leo ou s?o produtos de rea??es qu?micas durante o seu transporte. Um permutador de calor, quando sujo, perde sua capacidade de aquecer adequadamente o petr?leo, precisando, periodicamente, ser retirado de opera??o, para que possa ser realizada uma limpeza. Informa??es pr?vias do melhor per?odo para realizar as paradas podem melhorar a efici?ncia energ?tica e de produ??o da planta. Esse trabalho desenvolveu um sistema de predi??o da incrusta??o em um permutador da Refinaria Potiguar Clara Camar?o, com base em dados coletados em parceria com a Petrobras. Foram utilizadas redes neurais recorrentes que preveem a vaz?o no permutador em instantes futuros. Essa vari?vel ? o principal indicador da incrusta??o, pois seu valor diminui gradualmente ? medida que os dep?sitos nas paredes dos tubos reduzem seu di?metro. A predi??o pode ser usada para dizer quando a vaz?o ter? ca?do abaixo de um valor satisfat?rio, indicando quando ser? necess?rio retirar o equipamento de opera??o