[pt] Este trabalho investiga o problema de otimização de alternativas para o desenvolvimento de campos petrolíferos. Uma alternativa de desenvolvimento refere-se à forma como um campo petrolífero, conhecido e delimitado, é colocado em produção, isto é, diz respeito à determinação do número, localização e agendamento dos poços de produção e injeção. Otimização de alternativas consiste em encontrar as configurações de produção que, a longo prazo, forneçam o maior valor presente líquido (VPL), obtido a partir do custo de investimento inicial, do preço do petróleo, da produção de óleo e gás, dos custos de operação, das alíquotas de impostos e dos royalties pagos durante o tempo de produção. A produção de óleo é obtida usando-se um simulador de reservatório. O simulador recebe a informação da alternativa a ser simulada e retorna a curva de produção de óleo e gás no tempo de produção especificado. Cada execução do simulador pode demorar desde alguns segundos até várias horas, dependendo da complexidade do reservatório modelado. Este trabalho propõe, implementa e avalia um sistema inteligente de otimização que emprega: algoritmos genéticos (AGs) para a busca de uma alternativa de desenvolvimento ótima; uso de ambiente de computação paralela para a simulação de reservatório e cálculo do VPL das alternativas; um módulo de inferência baseado em modelos inteligentes para aproximar a função de produção de óleo; e um módulo de caracterização baseado em mapas de qualidade para obter informações do campo petrolífero a serem aproveitadas durante a otimização. Este trabalho consistiu de 4 etapas: uma revisão da literatura sobre desenvolvimento de campos petrolíferos, simulação de reservatórios e caracterização de campos petrolíferos; um estudo das técnicas de inteligência computacional para otimização e aproximação de funções; desenvolvimento do modelo proposto de otimização de alternativas; e o estudo de casos. O modelo proposto foi avaliado com configurações de reservatório homogêneo e heterogêneo obtendo resultados da otimização, do uso da caracterização, da aproximação pelo módulo de inferência e do uso do ambiente paralelo. Os resultados obtidos mostram que, o modelo proposto, permite alcançar respostas com altos VPL sem utilizar conhecimento prévio, e também a partir de informações extraídas da caracterização ou fornecidas pelo próprio especialista como sementes iniciais na otimização. A principal contribuição deste trabalho é a concepção e implementação de um sistema baseado em técnicas inteligentes para otimizar alternativas de desenvolvimento com uma redução do tempo computacional para um processo iterativo, obtida tanto pelo aproveitamento do poder computacional de um ambiente de computação paralela, como pelo uso de aproximações das curvas de produção. Este sistema inteligente oferece uma ferramenta de suporte à decisão que automatiza a busca de alternativas de desenvolvimento e aproveita informações vindas do conhecimento do engenheiro de reservatório. / [en] This work investigates the problem of optimization of alternatives for petroleum fields` development. A development alternative refers to the way a well-known and delimited petroleum field is placed in production. This process involves the determination of the number, localization and scheduling of producer and injector wells. Thus, the optimization of alternatives consists of finding the production configurations that, in the long term, provide the maximum net present value (NPV); this is obtained from the investment cost, oil price, oil & gas production, operation costs and taxes and royalties paid during the production time. The oil and gas production is obtained from a reservoir simulator. The simulator receives information from the alternative to be simulated, and returns an oil & gas production to specified production time. Each simulation can take from a few seconds to several hours, depending on complexity of the reservoir being modeled. This work proposes, implements and evaluates an intelligent optimization system that comprises: genetic algorithms (GAs) to search an optimal development alternative; using of parallel computing environment to reservoir simulation and NPV computing; an inference module, basis in intelligent models, to approximate the oil production function; and a oilfield characterization module, basis in quality maps, to obtain information about the oilfield to use during optimization process. This work consisted of four stages: a literature review about petroleum field development and reservoir simulation; a study about computational intelligence techniques applied in optimization and functions approximation; the development of alternatives optimization proposal model; and the case studies. The proposal model was evaluated using homogeneous and heterogeneous reservoir configurations, obtaining results of optimization, by using characterization, the inference module and the parallel environment. The obtained results indicate that the proposed model provides alternatives with high NPV without previous knowledge and also from information provided by characterization or information inserted by the expert as initial seeds into optimization. The main contribution of this work is the conception and the implementation of a system basis in intelligent techniques to optimize development alternatives offering a reduction time to an iterative process, obtained from exploit of computational effort of a parallel computing environment or by using of production curves approximations. This intelligent system offers a decision-support tool that allows automating the search process of development alternatives and exploiting information from knowledge of reservoir engineers.

[pt] Estudos empíricos na área de séries temporais indicam que combinar modelos preditivos, originados a partir de diferentes técnicas de modelagem, levam a previsões consensuais superiores, em termos de acurácia, às previsões individuais dos modelos envolvidos na combinação. No presente trabalho é apresentada uma metodologia de combinação convexa de modelos estatísticos de previsão, cujo sucesso depende da forma como os pesos de combinação de cada modelo são estimados. Uma Rede Neural Artificial Perceptron Multi-camada (Multilayer Perceptron - MLP) é utilizada para gerar dinamicamente vetores de pesos ao longo do horizonte de previsão, sendo estes dependentes da contribuição individual de cada previsor observada nos dados históricos da série. O ajuste dos parâmetros da rede MLP é efetuado através de um algoritmo de treinamento híbrido, que integra técnicas de busca global, baseadas em computação evolucionária, junto com o algoritmo de busca local backpropagation, de modo a otimizar de forma simultânea tanto os pesos quanto a arquitetura da rede, visando, assim, a gerar de forma automática um modelo de ponderação dinâmica de previsores de alto desempenho. O modelo proposto, batizado de Neural Expert Weighting - Genetic Algorithm (NEW-GA), foi avaliado em diversos experimentos comparativos com outros modelos de ponderação de previsores, assim como também com os modelos individuais envolvidos na combinação, contemplando 15 séries temporais divididas em dois estudos de casos: séries de derivados de petróleo e séries da versão reduzida da competição NN3, uma competição entre metodologias de previsão, com maior ênfase nos modelos baseados em Redes Neurais. Os resultados demonstraram o potencial do NEWGA em fornecer modelos acurados de previsão de séries temporais. / [en] Empirical studies on time series indicate that the combination of forecasting models, generated from different modeling techniques, leads to higher consen+sus forecasts, in terms of accuracy, than the forecasts of individual models involved in the combination scheme. In this work, we present a methodology for convex combination of statistical forecasting models, whose success depends on how the combination weights of each model are estimated. An Artificial Neural Network Multilayer Perceptron (MLP) is used to generate dynamically weighting vectors over the forecast horizon, being dependent on the individual contribution of each forecaster observed over historical data series. The MLP network parameters are adjusted via a hybrid training algorithm that integrates global search techniques, based on evolutionary computation, along with the local search algorithm backpropagation, in order to optimize simultaneously both weights and network architecture. This approach aims to automatically generate a dynamic weighted forecast aggregation model with high performance. The proposed model, called Neural Expert Weighting - Genetic Algorithm (NEW-GA), was com- pared with other forecaster combination models, as well as with the individual models involved in the combination scheme, comprising 15 time series divided into two case studies: Petroleum Products and the reduced set of NN3 forecasting competition, a competition between forecasting methodologies, with greater emphasis on models based on neural networks. The results obtained demonstrated the potential of NEW-GA in providing accurate models for time series forecasting.

[pt] O objetivo da tese é propor uma metodologia para previsão do preço de curto prazo (spot) da energia elétrica no Brasil baseada em sistemas neuro-fuzzy e nos programas do planejamento da operação do sistema elétrico brasileiro. Com essa abordagem, obtém-se distribuições estimadas do preço spot para o curto prazo com menor dispersão do que as obtidas somente com os programas do planejamento da operação. Além disso, por ser rápido, o sistema de previsão final possibilita análises de cenários ou simulações Monte Carlo. As principais variáveis que afetam o preço spot no Brasil são consideradas, tais como a energia natural afluente e a energia armazenada, entre outras. Ainda, é possível incluir também variáveis que não têm um histórico definido ou dados suficientes para o treinamento, tais como o plano de obras, limites de intercâmbio, demanda etc. Comparações com modelos de redes neurais são feitas. Apresenta-se, também, o estado da arte em modelagem para a política e o mercado de energia elétrica e os principais conceitos de gerenciamento de risco no mercado de eletricidade. / [en] This thesis focuses on spot price forecasting and risk management in the Brazilian electricity industry. It is proposed a new methodology for the problem based on neuro- fuzzy systems and the dispatching and planning operation programs. The main advantage of the approach is to be able to get more informative spot price distributions than using the operation and planning programs alone. Furthermore, it allows Monte Carlo simulations or scenarios analysis as the forecasting system runs in less than 1 minute. The main variables which affect the spot price (inflow river, storage capacity of reservoir, among others) are included in the model. Even variables such as the interchange limits, without a well-defined time series and which could be important, could also be included because of the intrinsic characteristics of each fuzzy model. Comparisons with neural networks models are made. It is also presented the state-of-the-art in the market and politics modelling for the electricity market around the world, as well as some main concepts of the risk management.

[pt] Esta dissertação apresenta o projeto e desenvolvimento de um sistema para detecção e desvio de obstáculos para veículos aéreos não tripulados (VANTs), implementado por um controlador neuro-fuzzy. Neste contexto, este trabalho apresenta uma revisão teórica sobre veículos aéreos não tripuláveis, legislação brasileira aplicável, métodos de detecção de obstáculos, lógica nebulosa e redes neurais. O controlador desenvolvido foi implementado de forma a imitar as ações realizadas por um operador humano, visando desviar de obstáculos encontrados no caminho de navegação do VANT. Regras de inferência são estabelecidas baseadas na consultoria de especialistas da área e os pesos ajustados pela rede neural. O processo de tomada de decisão ocorre levando em consideração as informações coletadas por um Lidar multicanal e sensores ultrassônicos embarcados no VANT. Por sua vez, o algoritmo desenvolvido foi incorporado em um controlador de vôo comercial. O sistema completo do quadricóptero é detalhado, destacando as principais características de todos os sensores e do controlador de vôo. Os resultados das simulações computacionais e testes experimentais são apresentados, discutidos e comparados, a fim de avaliar o desempenho do sistema desenvolvido. / [en] This dissertation presents the design and development of an obstacle detection and avoidance system for unmanned aerial vehicles, implemented by a neuro-fuzzy controller. In this context, this work presents a theoretical review of unmanned aerial vehicles, the applicable Brazilian legislation, obstacle detection methods, fuzzy logic and neural networks. The developed controller was implemented in order to mimic the actions taken by a human operator, aiming at avoiding obstacles found in the navigation path of the UAV. Inference rules were established based on consultation with specialists in the field and the weights adjusted by neural networks. The decisionmaking process takes into account information collected by a multichannel Lidar and ultrasonic sensors embedded in the UAV. In turn, the developed algorithm was embedded in a commercial flight controller. The complete quadricopter system is detailed, highlighting the key features of all sensors and the flight controller. The results of computational simulations and experimental tests are presented, discussed and compared, in order to evaluate the performance of the developed system.

Submitted by Rosivalda Pereira (mrs.pereira@ufma.br) on 2017-07-03T18:32:31Z No. of bitstreams: 1 SelmoRodrigues.pdf: 1374245 bytes, checksum: 96afcfa04ba5cc18c4db55e4c92cdf23 (MD5) / Made available in DSpace on 2017-07-03T18:32:31Z (GMT). No. of bitstreams: 1 SelmoRodrigues.pdf: 1374245 bytes, checksum: 96afcfa04ba5cc18c4db55e4c92cdf23 (MD5) Previous issue date: 2017-01-26 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / This paper proposes a new methodology for modelling based on an evolving Neuro-Fuzzy Network Takagi-Sugeno (NFN-TS) for seasonal time series forecasting. The NFN-TS use the unobservable components extracted from the time series to evolve, i.e., to adapt and to adjust its structure, where the number of fuzzy rules of this network can increase or reduced according the components behavior. The method used to extract the components is a recursive version developed in this paper based on the Spectral Singular Analysis (SSA) technique. The proposed methodology has the principle divide to conquer, i.e., it divides a problem into easier subproblems, forecasting separately each component because they present dynamic behaviors that are simpler to forecast. The consequent propositions of fuzzy rules are linear state space models, where the states are the unobservable components data. When there are available observations from the time series, the training stage of NFN-TS is performed, i.e., the NFN-TS evolves its structure and adapts its parameters to carry out the mapping between the components data and the available sample of original time series. On the other hand, if this observation is not available, the network considers the forecasting stage, keeping its structure fixed and using the states of consequent fuzzy rules to feedback the components data to NFN-TS. The NFN-TS was evaluated and compared with other recent and traditional techniques for forecasting seasonal time series, obtaining competitive and advantageous results in relation to other papers. This paper also presents a case study of proposed methodology for real-time detection of anomalies based on a patient’s electrocardiogram data. / Esse trabalho propõe uma nova metodologia para modelagem baseada em uma Rede Neuro- Fuzzy Takagi-Sugeno (RNF-TS) evolutiva para a previsão de séries temporais sazonais. A RNF-TS considera as componentes não-observáveis extraídas a partir da série para evoluir, ou seja, adaptar e ajustar sua estrutura, sendo que a quantidade de regras fuzzy dessa rede pode aumentar ou ser reduzida conforme o comportamento das componentes. O método utilizado para extrair as componentes é uma versão recursiva desenvolvida nessa pesquisa baseada na técnica de Análise Espectral Singular (AES). A metodologia proposta tem como princípio dividir para conquistar, isto é, dividir um problema em subproblemas mais fáceis de lidar, realizando a previsão separadamente de cada componente já que apresentam comportamentos dinâmicos mais simples de prever. As proposições do consequente das regras fuzzy são modelos lineares no espaço de estados, sendo que os estados são os próprios dados das componentes não-observáveis. Quando há observações disponíveis da série temporal, o estágio de treinamento da RNF-TS é realizado, ou seja, a RNF-TS evolui sua estrutura e adapta seus parâmetros para realizar o mapeamento entre os dados das componentes e a amostra disponível da série temporal original. Caso contrário, se essa observação não está disponível, a rede aciona o estágio de previsão, mantendo sua estrutura fixa e usando os estados dos consequentes das regras fuzzy para realimentar os dados das componentes para a RNF-TS. A RNF-TS foi avaliada e comparada com outras técnicas recentes e tradicionais para previsão de séries temporais sazonais, obtendo resultados competitivos e vantajosos em relação a outras pesquisas. Este trabalho apresenta também um estudo de caso da metodologia proposta para detecção em tempo-real de anomalias baseada em dados de eletrocardiogramas de um paciente.

L’excès de synchronisation dans le réseau cortico-sous-cortical est une caractéristique majeure de la maladie de Parkinson. La stimulation cérébrale profonde (DBS) à haute fréquence (HF) des ganglions de la base modifie ces synchronies et améliore significativement les troubles moteurs. Il n’était pas encore connu si l’excès de synchronisation dans le cortex moteur primaire (M1) est présent avant les signes moteurs et si la modulation antidromique des réseaux corticaux via la stimulation HF de la voie hyperdirecte cortico-subthalamique suffit à le désynchroniser. Nous avons étudié la synchronisation des activités spontanées dans M1 de souris juvéniles PINK1 -/-, modèle génétique de Parkinson (PARK6) par imagerie calcique bi-photonique in vitro et l’avons comparée à celle de souris contrôle (P14-P16). Nous avons testé l’impact de la stimulation HF des fibres cortico-subthalamiques (région subthalamique) sur ces synchronies corticales. A un stade précoce, les réseaux M1 présentent un excès de synchronisation et, dans notre modèle de tranche, la DBS HF normalise le patron de synchronisation, plaidant pour un rôle primordial de la modulation antidromique de l’activité corticale via la voie hyperdirecte. En conclusion, nous proposons, grâce à ce modèle génétique progressif, que (1) des activités de réseau pathologiques sont présentes dans M1 bien avant les premiers signes moteurs et (2) que la modulation par voie antidromique de ces réseaux corticaux est un mécanisme essentiel d’action de la DBS HF. Ces résultats montrent qu’une pathologie dégénérative est détectable très tôt dans le développement (neuroarchéologie) mais ne s’exprimer somatiquement que tardivement. / The excess of synchronization of neuronal activities within the cortico-basal ganglia network is a hallmark of the pathophysiology of Parkinson’s disease. High frequency deep brain stimulation (DBS) applied to various basal ganglia nuclei dampens the synchronized activity in the whole network, and brings about a significant motor improvement. However it is not to date established whether an early presymptomatic abnormal pattern of synchronization is present in the primary motor cortex long before motor signs, nor whether its antidromic modulation via the hyperdirect cortico-subthalamic pathway is sufficient to remove its excess of synchronization. To answer these questions we studied the synchronization of spontaneous activities in the primary motor cortex of PINK-/- mice (genetic rodent model of Parkinson’s (PARK6), a progressive model) and compared it with age-matched control mice (P14-16 (wild-type)) by means of two-photon calcium imaging. Secondly, we analyzed in vitro the impact of the high frequency stimulation of cortico-subthalamic fibers on the pattern of synchronization of cortical networks. We show that, (1) at an early stage of development, there is an excess of synchronized activity in primary motor cortical networks and that, (2) antidromic modulation of cortical activity is a key mechanism to account for the normalization of hyper synchronized activity. These results show that a neurodegenerative adult pathology may begin early during development (neuroarcheology) though clinical signs appear late in adulthood. Moreover, antidromic invasion of a network seems to be a key mechanism of deep brain stimulation.

Bien qu’il soit recommandé de pratiquer tout au long de sa vie une activité physique régulière pour se maintenir en bonne santé, peu d’études portent sur les modifications des patrons locomoteurs lors de la répétition de séances à 2 ou 3 jours d’intervalle. Lorsqu’elles sont intenses ou inhabituelles, les formes naturelles de locomotion pédestre – dites de type cycle étirement-détente (CED) – se caractérisent par des perturbations structuro-fonctionnelles et proprioceptives qui peuvent perdurer plusieurs jours. Ces déficiences sont autant de sources de risques accrus de blessures lors de la répétition d’une pratique sportive. Ce travail doctoral a pour objectif (i) d’examiner les effets immédiats et retardés d’exercices épuisants de type CED sur les paramètres neuromécaniques de la locomotion humaine en conditions de marche, de course et de sauts et (ii) d’étudier l’influence combinée d’une pratique pieds nus vs. pieds chaussés. Nos résultats ne révèlent pas de modification significative des patrons locomoteurs en phase de récupération immédiate (post-exercice) mais démontrent l’intervention de stratégies compensatrices et/ou protectrices en phase de récupération retardée (2ème jour posteffort). Ces stratégies diffèrent entre les conditions de marche et de course. Nos travaux soulignent également l’importance de discriminer les stratégies adoptées dès la première minute de l’exercice des ajustements ultérieurs apparaissant pendant la phase dite d’optimisation du CED. Par contre, les différences observées entre les conditions de course pieds nus vs. pieds chaussés restent étonnamment similaires avec la fatigue. Le port de chaussures se traduit par une réduction des chocs d’impact mais également par une restriction des mouvements naturels du pied et par une éversion accrue dont il conviendrait d’étudier les conséquences lors de la répétition en état de fatigue d’exercices de plus longue durée. / Although lifelong practice of moderate amounts of regular physical activity is recommended to ensure a healthy living state, little is know about the modifications of the locomotion patterns when repeating exercises every 2 to 3 days. Intense or unaccustomed stretch-shortening cycle (SSC) forms of ground locomotion are characterized, however, by structuro-functional and proprioceptive impairments that may last for a few days. These impairments may then be expected to increase the risk of injury. The present work aimed (i) to examine the acute and delayed SSC fatigue effects on the neuro-mechanical gait characteristics in walking, running and jumping conditions and (ii) to study the combined influence of a barefoot vs. shod gait condition. Our results did not reveal any modification of the locomotion patterns in the acute recovery phase (post-exercise), but demonstrated compensatory and/or protective strategies in the delayed phase (2 days post-exercise). The observed strategies differed significantly in walking and running. Our results emphasized also the need to differentiate the strategies occurring within the first minute of exercise from the subsequent adjustments related to the progressive SSC pattern optimization. Surprisingly, the observed differences between the barefoot and shod running conditions remained quite independent of the fatigue state. The shod running condition was thus found to attenuate ground impact transmission, but it resulted also in restricted natural foot motions and increased eversion that should be worth re-examining when repeating exercises of longer duration.

IntroductionLa neurostimulation vagale (NSV) à haute fréquence (30 Hz) est utilisée commethérapeutique de certaines formes d’épilepsie et de dépression réfractaires aux traitements chezl’Homme. De plus, la NSV à basse fréquence (5 Hz) a été expérimentée avec succès chez l’animalpour traiter différentes inflammations périphériques, notamment digestives. Des travaux récents ontmis en évidence que cet effet anti-inflammatoire est induit par l’activation des fibres efférentesvagales, libérant en périphérie de l’acétylcholine, inhibant la sécrétion des cytokines proinflammatoires.Cette voie est connue sous le nom de voie anti-inflammatoire cholinergique.Toutefois, le mécanisme d’action de la NSV 5 Hz reste mal connu et d’autres voies pourraient êtremises en jeu impliquant le système nerveux central (SNC) et le système immunitaire périphérique.ButLes travaux réalisés ont eu pour objectif d’étudier l’implication du SNC et du systèmeimmunitaire dans la modulation de l’inflammation induite par la NSV basse fréquence chez unmodèle de rat anesthésié. Tout d’abord, afin d’étudier l’implication du SNC lors de la NSV 5 Hz, uneétude d’imagerie par résonance magnétique fonctionnelle (IRMf) a été réalisée sur le rat «sain»anesthésié. Ensuite, une étude a été effectuée sur l’effet de la NSV sur les cellules immunitairesspléniques ainsi que sur le tube digestif chez un modèle de rat «sain» puis chez un modèle de ratatteint d’une colite expérimentale induite par une injection intra-colique d’acide trinitrobenzènesulfonique (TNBS).RésultatsLes données obtenues lors de l’étude d’IRMf ont mis en évidence un rôle important desfibres afférentes vagales; elles modulent certaines structures du SNC qui pourraient participer à larégulation de l’inflammation digestive induite par la NSV 5 Hz. Les études réalisées sur les souspopulationslymphocytaires spléniques ont révélé que d’autres cellules immunitaires que lesmacrophages étaient impliquées lors de la NSV. Chez le modèle de rat «sain», les résultats decytométrie en flux ont montré que la NSV 3h 5 Hz induisait une diminution de l’activation deslymphocytes T CD4 ainsi que du pourcentage de NKT par rapport aux lymphocytes T. Ces résultatssont en faveur d’un rôle de la NSV 3h inhibant l’activation lymphocytaire et jouant un rôle sur les NKTpossédant des propriétés immunorégulatrices. La NSV 3h n’a pas le même effet chez le modèle de ratprésentant une colite. En effet, le dosage de cytokines sécrétées par les splénocytes en culturemontre que la NSV augmente le potentiel de sécrétion d’IL-10 (cytokine anti-inflammatoire) dessplénocytes et plus particulièrement des lymphocytes T CD4 spléniques. Parallèlement, l’effet antiinflammatoirede la NSV a été mis en évidence au niveau du côlon transverse (au-dessus de la zonelésée) par une diminution des ARNm de SOCS3 et du TNF-α et de la myéloperoxidase. Ces donnéesont démontré un rôle de la NSV sur la fonctionnalité des lymphocytes T CD4 spléniques. La NSV 3h 5Hz orienterait la réponse immunitaire vers une réponse anti-inflammatoire en phase d’initiationd’inflammation digestive. De plus, l’effet anti-inflammatoire de la NSV est retrouvé au niveau du tubedigestif au-dessus de la zone lésée (côlon transverse).ConclusionCes données expérimentales montrent que d’autres voies impliquant différents typescellulaires sont susceptibles d’être mises en oeuvre par la NSV basse fréquence. Elle induitl’implication du SNC par l’activation des afférences vagales et des cellules immunitaires spléniquestelles que les lymphocytes T CD4 et les NKT. Un effet anti-inflammatoire de la NSV est retrouvé auniveau du côlon transverse, mais pas au niveau des lésions dans le côlon distal. Ces résultatsprésentent des implications thérapeutiques : la NSV basse fréquence est actuellement en essaiclinique pour être utilisée comme traitement dans la maladie de Crohn. / Introduction High frequency(30 Hz)vagus nerve stimulation(VNS)has been approved as a treatment for some types of epilepsy and depression in humans. Low-frequency (5 Hz)VNS has also been successful for the treatment of different animal inflammation models, notably digestive inflammation. Recent studies have shown that the anti-inflammatory effect is induced by the activation of the efferent vagal fibers, which secrete acetylcholine in periphery. It links itself to α-7-nicotinic receptors on the macrophages surface, inhibiting the release of pro-inflammatory cytokines. This pathway is known by the name of the cholinergic anti-inflammatory pathway. However, the mechanism of action of low-frequency VNS remains unclear and other pathways could be involved implicating the central nervous system (CNS) and the immune system. Aim The aim of this study was to evaluate the implication of the CNS and the immune system in the modulation of inflammation induced by low-frequency VNS in an anaesthetized rat model. Firstly, to study the implication of the CNS and the contribution of the afferent vagal fibers during 5Hz VNS, a study using functional magnetic resonance imaging (fMRI) on a «healthy» anaesthetized rat model was carried out. Secondly, an experiment on the effect of VNS on splenic immune cells as well as on the digestive tract was fulfilled on a «healthy» rat model followed by a study on a rat model of colitis induced by intracolonic injection of trinitrobenzene sulfonic acid (TNBS). Results fMRI data brought to light an important role of the afferent vagal fibers. They modulate some structures of the CNS which could contribute to the modulation of digestive inflammation by 5Hz VNS. The studies carried out by FACS on the sub-populations of splenic lymphocytes revealed that other immune cells than macrophages could be implicated by VNS. In the «healthy» rat model, with no digestive inflammation, FACS data show that 3h VNS decreases T CD4 lymphocytes activation and the percentage of NKT in relation to T lymphocytes. These data are in favor of an inhibiting role of VNS on lymphocytes activation and also has an impact on NKT cells which have immunoregulatory properties. 3h VNS does not have the same effect on the rat model of colitis. In fact, the quantification of secreted cytokines by cultured splenocytes show that VNS increases the potential of IL-10(anti-iflammatory)cytokine by splenocytes and particularly splenic T CD4 lymphocytes. In the same way, the anti-inflammatory effect of VNS is seen in the transverse colon (above the lesions): decrease of TNF-α and SOCS3 mRNA and of myeloperoxidase. These results show a role of VNS on the functionality of splenic T CD4 lymphocytes inducing an important secretion of IL-10. 3h low-frequency VNS turns the immune response towards an anti-inflammatory response during the early phase of digestive inflammation. Moreover, VNS anti-inflammatory effect is seen in the transverse colon, above the lesions. Conclusion These results reveal that other pathways implicating different cell types are potentially involved besides the classic cholinergic anti-inflammatory pathway by low-frequency VNS. It implicates CNS by the activation of vagal afferents and splenic immune cells such as T CD4 lymphocytes and NKT cells. An anti-inflammatory effect of VNS is found in the transverse colon (above the lesions) even during the initiation phase of digestive inflammation, but not in the distal colon (in the lesions). These date have therapeutic implications: low-frequency VNS is being clinically tested at the moment as a treatment for Crohn's disease.

[pt] Nesta dissertação foram desenvolvidas técnicas de controle por aprendizado acelerado e Neuro-Fuzzy, aplicadas em um sistema servo-hidráulico para ensaio de fadiga. Este sistema tem o propósito de fazer ensaios em materiais para prever a resistência à fadiga dos materiais. O trabalho envolveu quatro etapas principais: levantamento bibliográfico, desenvolvimento de um controle por aprendizado acelerado, desenvolvimento de um controle por aprendizado Neuro-Fuzzy, e implementação experimental dos modelos de controle por aprendizado proposto em uma máquina de ensaios de materiais. A implementação do controle por aprendizado acelerado foi feita a partir do modelo de controle desenvolvido por Alva, com o objetivo de acelerar o processo de aprendizagem. Esta metodologia consiste em fazer um controle do tipo bang-bang, restringindo a servo-válvula a trabalhar sempre em seus limites extremos de operação, i.e., procurando mantê-la sempre completamente aberta em uma ou outra direção. Para manter a servo-válvula trabalhando em seus limites de seu funcionamento, os instantes ótimos para as reversões são obtidos pelo algoritmo de aprendizado, e armazenados em tabelas específicas para cada tipo de carregamento. Estes pontos de reversão dependem de diversos fatores, como a amplitude e carga média da solicitação, e são influenciados pela dinâmica do sistema. Na metodologia proposta, a lei de aprendizado inclui um termo de momentum que permite acelerar a aprendizagem dos valores das tabelas constantemente durante a execução dos testes, melhorando a resposta a cada evento. O desenvolvimento de um controle por aprendizado Neuro-Fuzzy foi motivado pela necessidade de ter um agente com a capacidade de aprendizado e armazenamento dos pontos ótimos de reversão. Este modelo de controle também consiste na implementação de um controle do tipo bang-bang, trabalhando com a servo-válvula sempre nos seus limites extremos de operação. O instante de reversão é determinado pelo sistema Neuro-Fuzzy, o qual tem como entradas a gama (dobro da amplitude) e o valor mínimo do carregamento solicitado. O processo de aprendizado é feito pelas atualizações dos pesos do sistema Neuro-Fuzzy, baseado nos erros obtidos durante a execução dos testes, melhorando a resposta do sistema a cada evento. A validação experimental dos modelos propostos é feita em uma máquina servohidráulica de ensaios de fadiga. Para este fim, o algoritmo de controle proposto foi implementado em tempo real em um módulo de controle CompactRIO da National Instruments. Os testes efetuados demonstraram a eficiência da metodologia proposta. / [en] In this thesis, accelerated learning and Neuro-Fuzzy control techniques were developed and applied to a servo-hydraulic system used in fatigue tests. This work involved four main stages: literature review, development of an accelerated learning control, development of a Neuro-Fuzzy control, and implementation of the learning control models into a fatigue testing machine. The accelerated learning control was implemented based on a learning control developed in previous works, introducing a faster learning law. Both learning control methodologies consist on implementing a bang-bang control, forcing the servovalve to always work in its operational limits. As the servo-valve works in its operational limits, the reversion points to achieve every peak or valley in the desired history are obtained by the learning algorithm, and stored in a specific table for each combination of minimum and mean load. The servo-valve reversion points depend on a few factors, such as alternate and mean loading components, while they are as well influenced by the system dynamics. In the proposed accelerated methodology, the learning law includes one momentum term that allows to speed up the learning process of the table cell values during the execution of the tests. The developed Neuro-Fuzzy control also consists on a bang-bang control, making the servo-valve work in its operational limits. However, here the instant of each reversion is determined by the Neuro-Fuzzy system, which has the load range and minimum load required as inputs. The learning process is made by the update of the Neuro-Fuzzy system weights, based on the errors obtained during the execution of the test.The experimental validation of the proposed models was made using a servo-hydraulic testing machine. The control algorithm was implemented in real time in a C-RIO computational system. The tests demonstrated the efficiency of the proposed methodology.

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