Made available in DSpace on 2014-12-17T14:55:01Z (GMT). No. of bitstreams: 1 WellingtonCA.pdf: 2479530 bytes, checksum: b3f1a9eeb71d69303b76e476fd5fe393 (MD5) Previous issue date: 2007-08-10 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / This work presents a study of implementation procedures for multiband microstrip patch antennas characterization, using on wireless communication systems. An artificial neural network multilayer perceptron is used to locate the bands of operational frequencies of the antenna for different geometrics configurations. The antenna is projected, simulated and tested in laboratory. The results obtained are compared in order to validate the performance of archetypes that resulted in a good one agreement in metric terms. The neurocomputationals procedures developed can be extended to other electromagnetic structures of wireless communications systems / Esta disserta??o apresenta um estudo dos procedimentos de implementa??o para a caracteriza??o de antenas patch de microfita multibanda empregadas em sistemas de comunica??es sem fio. Uma rede neural artificial do tipo percepton multicamada ? empregada para localizar as bandas de freq??ncias operacionais da antena para diferentes configura??es geom?tricas. A antena ? projetada, simulada e testada em laborat?rio. Os resultados obtidos s?o comparados a fim de validar o desempenho dos prot?tipos que resultou numa boa concord?ncia em termos m?tricos. Os procedimentos neurocomputacionais desenvolvidos podem ser estendidos a outras estruturas eletromagn?ticas de sistemas de comunica??es sem fio

Made available in DSpace on 2014-12-17T14:55:05Z (GMT). No. of bitstreams: 1 WilfredoBF_TESE.pdf: 4144764 bytes, checksum: ae0670814eb6793d7e5af7d0973a9f65 (MD5) Previous issue date: 2012-03-26 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / Several research lines show that sleep favors memory consolidation and learning. It has been proposed that the cognitive role of sleep is derived from a global scaling of synaptic weights, able to homeostatically restore the ability to learn new things, erasing memories overnight. This phenomenon is typical of slow-wave sleep (SWS) and characterized by non-Hebbian mechanisms, i.e., mechanisms independent of synchronous neuronal activity. Another view holds that sleep also triggers the specific enhancement of synaptic connections, carrying out the embossing of certain mnemonic traces within a lattice of synaptic weights rescaled each night. Such an embossing is understood as the combination of Hebbian and non-Hebbian mechanisms, capable of increasing and decreasing respectively the synaptic weights in complementary circuits, leading to selective memory improvement and a restructuring of synaptic configuration (SC) that can be crucial for the generation of new behaviors ( insights ). The empirical findings indicate that initiation of Hebbian plasticity during sleep occurs in the transition of the SWS to the stage of rapid eye movement (REM), possibly due to the significant differences between the firing rates regimes of the stages and the up-regulation of factors involved in longterm synaptic plasticity. In this study the theories of homeostasis and embossing were compared using an artificial neural network (ANN) fed with action potentials recorded in the hippocampus of rats during the sleep-wake cycle. In the simulation in which the ANN did not apply the long-term plasticity mechanisms during sleep (SWS-transition REM), the synaptic weights distribution was re-scaled inexorably, for its mean value proportional to the input firing rate, erasing the synaptic weights pattern that had been established initially. In contrast, when the long-term plasticity is modeled during the transition SWSREM, an increase of synaptic weights were observed in the range of initial/low values, redistributing effectively the weights in a way to reinforce a subset of synapses over time. The results suggest that a positive regulation coming from the long-term plasticity can completely change the role of sleep: its absence leads to forgetting; its presence leads to a positive mnemonic change / Diversas linhas de pesquisa demonstram que o sono favorece a consolida??o de mem?rias e o aprendizado. Tem sido proposto que o papel cognitivo do sono deriva de um redimensionamento global dos pesos sin?pticos, capaz de restabelecer homeostaticamente a capacidade de aprender coisas novas, apagando mem?rias durante a noite. Tal fen?meno seria t?pico do sono de ondas lentas ( slow wave sleep , SWS) e caracterizado por mecanismos n?o-Hebbianos, isto ?, independentes da atividade neuronal sincr?nica. Outra abordagem postula que o sono desencadeia tamb?m um realce de conex?es sin?pticas espec?ficas, levando a um entalhamento de certos tra?os mnem?nicos no ?mbito de uma matriz de pesos sin?pticos redimensionados a cada noite. Tal entalhamento ? entendido como a combina??o de mecanismos Hebbianos e n?o-Hebbianos, capazes respectivamente de aumentar e diminuir os pesos sin?pticos em circuitos complementares, levando ? melhoria seletiva de mem?rias e a uma reestrutura??o da configura??o sin?ptica ( synaptic configuration , SC) que pode ser crucial para a gera??o de novos comportamentos ( insights ). Os achados emp?ricos indicam que a indu??o de plasticidade Hebbiana durante o sono acontece na transi??o do SWS para o est?gio de movimento r?pido dos olhos ( rapid eye movement , REM), possivelmente devido ?s grandes diferen?as entre os regimes das taxas de disparos entre os estados e ? regula??o positiva de fatores envolvidos na plasticidade sin?ptica de longo prazo. Neste estudo, as teorias da homeostase e do entalhamento foram comparadas usando uma rede neural artificial ( artificial neural network , ANN) alimentada com potenciais de a??o registrados no hipocampo de ratos durante todo o ciclo sono-vig?lia. Na simula??o em que a ANN n?o aplicou mecanismos de plasticidade de longo prazo durante o sono (transi??o SWS-REM), a distribui??o pesos sin?pticos foram inexoravelmente re-escalada para uma media proporcional ? taxa de disparo das entradas, apagando eventualmente o padr?o de pesos sin?pticos inicialmente estabelecido. Em contraste, quando a plasticidade de longo prazo foi modelada durante a transi??o SWS-REM, o aumento dos pesos sin?pticos foi observado em toda a gama de valores iniciais, efetivamente redistribuindo os pesos de modo a refor?ar um subconjunto de sinapses ao longo do tempo. Os resultados sugerem que uma regula??o positiva proveniente da plasticidade de longo prazo pode alterar completamente o papel do sono: sua aus?ncia leva ao esquecimento, sua presen?a leva a uma mudan?a mnem?nica positiva

Este trabalho apresenta um estudo de classificação de nódulos em mamograma digitalizados através de um classificador de rede neural artificial (RNA). O algoritmo de treinamento de \"backpropagation\" foi utilizado para ajustar os pesos da RNA. O objetivo principal deste trabalho foi determinar um método para analisar e selecionar a melhor configuração de atributos e topologia da RNA para classificar lesões mamárias do tipo nódulo. Foram escolhidas 118 imagens de regiões de interesse (ROI), sendo 68 benignas e 50 malignas de duas bases de imagens: uma do Hospital das Clínicas de Ribeirão Preto, da Universidade de São Paulo, e outra do MIAS-UK (Mammographic Image Analysis Society). O processo completo envolveu quatro etapas: detecção, extração e seleção de atributos, e classificação. Na etapa de detecção, as imagens foram submetidas ao processo combinado das técnicas segmentação de thresholding, morfologia matemática e crescimento de região. Foram extraídos 14 atributos de textura e 14 atributos de forma. Para selecionar os atributos mais discriminantes, foi utilizado o método de Jeffries-Matusita. Foram selecionados três grupos de atributos de forma, três de atributos de textura e três de atributos combinados. Análise pela curva ROC foram dirigidas para avaliar o desempenho do classificador de rede neural artificial (RNA). Os melhores resultados obtidos foram: para o grupo de atributos de forma com 5 unidades escondidas, a área dentro da curva ROC foi de 0.99, taxa de acerto de 98,21%, taxa de especificidade de 98,37% e taxa de sensibilidade de 98.00%; para o grupo de atributos de textura com 4 unidades escondidas, a área dentro da curva foi de 0.98, taxa de acerto de 97,08%, taxa de especificidade de 98,53% e taxa de sensibilidade de 95.11%; para o grupo de atributos combinados de textura e forma com 3 unidades escondidas, a área dentro da curva foi de 0.99, taxa de acerto de 98,21%, taxa de especificidade de 100.00% e taxa de sensibilidade de 95.78%. / This work presents a study of masses classification in digitized mammograms by means of artificial neural network (ANN). The backpropagation training algorithm was used to adjust the weights of ANN. The aim of this work was to determine a methodology to analyze and selection of the best feature subset and ANN topology to classify masses lesions. A total of 118 regions of interest images were chosen (68 benign and 50 malignant lesions) from two image databases: one from \"Hospital das Clínicas de Ribeirão Preto\", at the University of São Paulo, and other from Mammographic lmage Analysis Society (MIAS-UK). The whole process involved four steps: segmentation, feature extraction, selection, and classification. In the first step, the images were submitted to a combined process of thresholding, mathematical morphology, and region growing techniques. In the second step, fourteen texture features and fourteen shape features were extracted. The Jeffries-Matusita method was used to select the best features. The results of this stage were the selection of three shape feature sets, three texture feature sets, and three combined feature sets. The Receiver Operating Characteristic (ROC) analysis were conducted to evaluated the ANN classifier performance. The best result obtained for shape feature set was obtained using a ANN with 5 hidden units, the area under ROC curve was of 0.99, classification rate of 98.21%, specificity rate of 98.37% and sensitivity rate of 98.00%. For texture feature set, the best result was using a ANN with 4 hidden units, the area under ROC curve was of 0.98, classification rate of 97.08%, specificity rate of 98.53% and sensitivity rate of 95.11%. Finally, for the combined feature set (texture and shape) the best result obtained was using a ANN with 3 hidden units, the area under ROC curve was of 0.99, classification rate of 98.21%, specificity rate of 100.00% and sensitivity rate of 95.78%.

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

Submitted by Nadir Basilio (nadirsb@uninove.br) on 2017-04-27T18:03:46Z No. of bitstreams: 1 Francisco Elanio Bezerra.pdf: 3173273 bytes, checksum: d46cdeb01bbd348e3926275e79daa4f3 (MD5) / Made available in DSpace on 2017-04-27T18:03:46Z (GMT). No. of bitstreams: 1 Francisco Elanio Bezerra.pdf: 3173273 bytes, checksum: d46cdeb01bbd348e3926275e79daa4f3 (MD5) Previous issue date: 2017-02-02 / The technological advance, in the world, has brought about profound changes in the way the electric energy is generated, distributed and consumed. The increase in electricity consumption and the interruption of power supply in Brazil led to the creation of Decree 5.163/2004, proposing a new model for the sale of electricity in the National Interconnected System through auctions in the free contracting environments between buyers and Sellers, or regulated through auctions promoted by the Electric Energy Trading Chamber (CCEE), which accounts for the difference between contracting and energy consumption and through the settlement price of the differences and promotes the settlement of this energy short-term market .If you have more contracts than consumption, or more consumption than contracts, you will suffer penalties. With the change in the commercialization of energy, the generators and distributors suffer with forecast of consumption and with amount of energy that must contract in the auctions. In this scenario, several techniques such as genetic algorithm, multicriteria decision, fuzzy logic, artificial neural networks among others have been used to optimize the system of buying and selling energy in this new environment. Therefore, the proposal of this work is to develop an intelligent computational system, using historical data from a distributor to forecast demand by consumption class to support decision making in the short term market. The result of the work may provide conditions for a distributor to monitor energy demand by consumption class, provide possibilities for short-term market trading and minimize losses with subcontracting and over-contracting. / O avanço tecnológico, no mundo, trouxe profundas mudanças na forma como a energia elétrica é gerada, distribuída e consumida. O aumento do consumo de energia elétrica e a interrupção no fornecimento de energia no Brasil levaram à criação do Decreto 5.163/2004, propondo um novo modelo de comercialização de energia elétrica no Sistema Interligado Nacional por meio de leilões nos ambientes de contratação livre entre compradores e vendedores, ou regulada, por meio de leilões promovidos pela Câmara de Comercialização de Energia Elétrica (CCEE). A diferença entre contratação e consumo é contabilizada pela CCEE mensalmente e negociada no mercado de curto prazo. Por meio do preço de liquidação das diferenças é promovida a liquidação dessa energia, cujo mecanismo pode gerar prejuízos ou lucros para a distribuidora que, caso tenha mais contratos do que consumo, ou mais consumo do que contratos, sofrerá penalizações. Com a modificação na comercialização de energia, os geradores e distribuidores sofrem com previsão de consumo e com montante de energia que devem contratar nos leilões. Neste cenário, diversas técnicas, como algoritmo genético, decisão multicritério, lógica fuzzy, redes neurais artificiais entre outras vêm sendo utilizadas para otimizar o sistema de compra e venda que atenda o decreto e mantenha as receitas da geradora e distribuidora. Sendo assim, a proposta deste trabalho é desenvolver uma abordagem computacional utilizando dados históricos de uma distribuidora para previsão de demanda por classe de consumo que sirva de apoio à tomada de decisão no mercado de curto prazo. O resultado do trabalho poderá oferecer condições para uma distribuidora acompanhar a demanda de energia por classe de consumo, fornecer possibilidades para negociação no mercado de curto prazo e minimizar prejuízos com subcontratação e sobrecontratação.

Submitted by Geandra Rodrigues (geandrar@gmail.com) on 2018-01-17T11:13:15Z No. of bitstreams: 1 samuelbelinidefilippo.pdf: 2610291 bytes, checksum: 6c4f48d00a0649b56977f6c8a7ada4e0 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2018-01-22T16:33:53Z (GMT) No. of bitstreams: 1 samuelbelinidefilippo.pdf: 2610291 bytes, checksum: 6c4f48d00a0649b56977f6c8a7ada4e0 (MD5) / Made available in DSpace on 2018-01-22T16:33:53Z (GMT). No. of bitstreams: 1 samuelbelinidefilippo.pdf: 2610291 bytes, checksum: 6c4f48d00a0649b56977f6c8a7ada4e0 (MD5) Previous issue date: 2017-09-20 / Todo a produção, transmissão e distribuição de energia elétrica ocorre concomitantemente com o consumo da energia. Isso é necessário porque ainda não existe hoje uma maneira viável de se estocar energia em grandes quantidades. Dessa forma, a energia gerada precisa ser consumida quase que instantaneamente. Isso faz com que as previsões de demanda sejam fundamentais para uma boa gestão dos sistemas de energia. Esse trabalho focaliza métodos de previsão de demanda a curto prazo, até um dia à frente. Nos métodos mais simples, as previsões são feitas por modelos lineares que utilizam dados históricos da demanda de energia. Contudo, modelos baseados em inteligência computacional têm sido estudados para este fim, por explorarem a relação não-linear entre a demanda de energia e as variáveis climáticas. Em geral, estes modelos conseguem melhores previsões do que os métodos lineares. Seus resultados, porém, são instáveis e sensíveis a erros de medição, gerando erros de previsão discrepantes, que podem ter graves consequências para o processo de produção. Neste estudo, empregamos redes neurais artificiais e algoritmos genéticos para modelar dados históricos de carga e de clima, e combinamos estes modelos com métodos lineares tradicionais. O objetivo é conseguir previsões que não apenas sejam mais acuradas em termos médios, mas que também menos sensíveis aos erros de medição. / The production, transmission and distribution of electric energy occurs concomitantly with its consumption. This is necessary because there is yet no feasible way to store energy in large quantities. Therefore, the energy generated must be consumed almost instantaneously. This makes forecasting essential for the proper management of energy systems. This thesis focuses on short-term demand forecasting methods up to one day ahead. In simpler methods, the forecasts are made by linear models, which use of historical data on energy demand. However, computer intelligence-based models have been studied for this end, exploring the nonlinear relationship between energy demand and climatic variables. In general, these models achieve better forecasts than linear methods. Their results, however, are unstable and sensitive to measurement errors, leading to outliers in forecasting errors, which can have serious consequences for the production process. In this thesis, we use artificial neural networks and genetic algorithms for modelling historical load and climate data, and combined these models with traditional linear methods. The aim is to achieve forecasts that are not only more accurate in mean terms, but also less sensitive to measurement errors.

O labirinto em cruz elevado é um dos aparatos experimentais mais utilizados em avaliações neurobiológicas de ansiedade e defesa de ratos e camundongos. Estudamos aqui o uso de redes neurais artificiais otimizadas por algoritmos genéticos para investigar o comportamento de ratos nesse labirinto. Ao contrário dos demais modelos já propostos, a construção da trajetória do agente virtual independe de dados experimentais conhecidos a priori. Mostramos que, ao utilizar um agente desenvolvido a partir da otimização de uma função de avaliação inspirada no conflito de medo e ansiedade, o modelo pode simular inclusive o efeito causado pela introdução de drogas ansiolíticas e ansiogênicas em ratos (clordiazepóxido 5 mg/kg e semicarbazida 20, 40 e 80 mg/kg). Os resultados das simulações do agente virtual estão de acordo com dados experimentais, revelando que a exploração de braços abertos é reduzida em relação a dos braços fechados, especialmente sob inserção de drogas ansiogênicas, que intensificam o medo do animal. Drogas ansiolíticas, ao contrário, estimulam a exploração. Para finalizar, foi realizada uma investigação aprofundada das trajetórias e redes neurais artificiais dos melhores ratos controle virtuais (que simulam ratos sem efeito de drogas). Conforme sugerem os resultados, a função de avaliação proposta pode conter as características mais relevantes envolvidas no comportamento do rato no labirinto em cruz elevado. / The elevated plus-maze is one of the most used experimental apparatus for neurobiological evaluations of anxiety and defense of rats and mice. We investigate here the use of artificial neural networks otimized by genetic algorithms to nvestigate the behavior of rats in this maze. Unlike other proposed models, the development of the virtual agent\'s trajectory is independent of prior known experimental data. We show that, when using a agent developed from the optimization of a function inspired by the anxiety and fear conflict, the model can even simulate the effect caused by the introduction of anxiolytic and axiogenic drugs in rats (chlordiazepoxide 5 mg/kg and semicarbazide 20, 40 and 80 mg/kg). The results of simulations of the virtual agent agree with experimental data, in which the exploration of open arms is reduced compared to the exploration of enclosed arms, especially under effects of anxiogenic drugs, which enhance the animal fear. Anxiolytic drugs, on the other hand, stimulate exploration. Finally, a detailed investigation of trajectories and artificial neural networks of the best virtual control rats (that simulate rats without drugs) was performed. As the results suggest, the proposed fitness function may contain the most relevant features involved in the behavior of rats in the elevated plus-maze.

In the last few decades, augmentation of heat transfer has emerged as an important research topic. Although many promising heat transfer enhancement techniques have been proposed, such as the use of longitudinal vortex generators, few researches deal with thermal optimization. In the present work, it was conducted an optimization of delta winglet vortex generators position and angles in a fin-tube compact heat exchanger with two rows of tubes in staggered tube arrangement. Two approaches were evaluated: Response Surface Methodology (Neural Networking) and Direct Optimization. Finite-Volume based commercial software (Fluent) was used to analyze heat transfer, flow structure and pressure loss in the presence of longitudinal vortex generators (LVG). The delta winglet aspect ratio was 2 and the Reynolds numbers, based on fin pitch, were 250 and 1400. Four vortex generator parameters which impact heat exchanger performance were analyzed: LVG position in direction x-y, attack angle (θ) and roll angle (ᵩ). The present work is the first to study the influence of LVG roll angle on heat transfer enhancement. In total, eight independent LVG parameters were considered: (x₁y₁θ₁ᵩ₁) for the first tube and (x₂y₂θ₂ᵩ₂) for the second tube. Factor Analysis method (software ModeFrontier) was used to study of the influence of these LVG parameters in heat exchanger performance. The effect of each LVG parameter on heat transfer and pressure loss, expressed in terms of Colburn factor (j) and Friction factor (f), respectively, were evaluated. The optimized LVG configurations led to heat transfer enhancement rates that are much higher than reported in the literature. Direct Optimization reported better results than Response Surface Methodology for all objective functions. Important interactions were found between VG1 and VG2, which influenced the results of Colburn (j) and Friction (f) factors for each Reynolds number. Particularly, it was found that the asymmetry of the LVG, in which the VG2 parameters strongly depend on the VG1 parameters, plays a key role to enhance heat transfer. Moreover, for each Reynolds number and each objective function, there is an optimal LVG arrangement. If the objective is to mitigate pressure drop, VG1 may be suppressed because its main goal is increasing the heat transfer downstream. On the other hand, VG2 was relevant for both increase the heat transfer and decrease the pressure drop. Roll angle had a strong influence on Friction factor (f), especially for VG1 and low Reynolds number. / Por muitos anos, a intensificação da transferência de calor tem despontado como um importante tópico de pesquisa. Embora existam muitas técnicas eficazes de intensificação da transferência de calor, como o uso de geradores de vórtices, poucos trabalhos de pesquisa lidam com a otimização. Neste trabalho, foi realizada a otimização das posições e ângulos dos geradores de vórtice longitudinal (LVG) tipo meia asa delta, considerando um trocador de calor tubo-aleta compacto com duas linhas de tubos desalinhados. Duas abordagens foram empregadas: Método da Superfície de Resposta (Neural Networking) e Otimização Direta. Um software comercial (Fluent), baseado na metodologia de volumes finitos, foi empregado na análise numérica da transferência de calor, estruturas vorticais e perda de pressão no escoamento, na presença de LVG. A razão de aspecto dos geradores de vórtice foi 2 e o número de Reynolds, baseado na distância entre as aletas, foram de 250 e 1400. Foram analisados quatro parâmetros dos LVG, os quais impactam na performance do trocador de calor: a posição do LVG na direção x-y, o ângulo de ataque (θ) e o ângulo de rolamento (ᵩ). O ângulo de rolamento foi primeiramente estudado neste trabalho. No total, oito parâmetros independentes do LVG foram considerados: (x₁y₁θ₁ᵩ₁) para o primeiro tubo e (x₂y₂θ₂ᵩ₂) para o segundo tubo. O método da Análise Fatorial (software ModeFrontier) foi aplicado no estudo da influência destes parâmetros dos LVG na performance do trocador de calor. Também foi avaliado o efeito de cada um destes parâmetros na transferência de calor e perda de pressão do escoamento, expressos em termos do fator de Colburn (j) e do fator de Atrito (f), respectivamente. As configurações otimizadas dos LVG, conduziram à taxas de transferência de calor maiores do que aquelas reportadas pela literatura. A Otimização Direta mostrou resultados melhores do que através da metodologia de Superfície de Resposta para todas as funções objetivas avaliadas neste trabalho. Importantes interações foram identificadas entre VG1 e VG2, os quais influenciaram nos resultados dos fatores de Colburn (j) e Atrito (f) para cada número de Reynolds. Particularmente, foi identificado que a assimetria dos LVG desempenha um papel fundamental na intensificação da transferência de calor, onde os parâmetros de VG2 dependem fortemente dos parâmetros de VG1. Além disso, para cada número de Reynolds e para cada função objetivo, existe uma configuração ótima dos parâmetros do LVG. Se o objetivo é a redução da perda de pressão global, VG1 poderia ser suprimido da modelagem, pois a sua principal função é aumentar a transferência de calor ao longo da aleta. Por outro lado, VG2 foi relevante tanto para aumentar a transferência de calor quanto para diminuir a perda de pressão. O ângulo de rolamento teve grande influência sobre o resultado do fator de Atrito (f), especialmente para VG1 e para baixo número de Reynolds.

Made available in DSpace on 2016-03-15T19:37:31Z (GMT). No. of bitstreams: 1 Ricardo Fabio Sato.pdf: 2268590 bytes, checksum: 40455266ba2f27af16965ee2b98d813a (MD5) Previous issue date: 2010-08-04 / Algorithms for solving the classical optimization problem called traveling salesman problem are proposed. These algorithms are inspired on the fact that synapses connecting biological neurons can be altered as the time passes in function of the neuronal activity. Thus, analogies between neurons and cities to be visited by the salesman and between roads and synapses coupling neurons are made. The performances of the proposed algorithms are evaluated by comparing the lengths of the paths produced by them with the length of the optimal solution. The results obtained in experiments performed by using randomly-generated instances and ten instances from a public database suggest that this is a promising approach. / Propõem-se algoritmos para solucionar o clássico problema de otimização chamado de o problema do caixeiro viajante. Esses algoritmos são inspirados no fato de que sinapses que conectam neurônios biológicos podem se alterar com o passar do tempo em função da atividade desses neurônios. Assim, fazem-se analogias entre neurônios e cidades a serem visitadas pelo caixeiro, e entre estradas e sinapses que conectam os neurônios. Os desempenhos dos algoritmos propostos são avaliados comparando-se os comprimentos dos caminhos gerados por eles com o comprimento do caminho ótimo. Os resultados obtidos em testes realizados em instâncias geradas aleatoriamente e em dez instâncias de base de dados pública indicam que essa é uma abordagem promissora.

Made available in DSpace on 2016-08-17T14:52:46Z (GMT). No. of bitstreams: 1 Lucilene Ferreira Mouzinho.pdf: 571993 bytes, checksum: 2e8dd4d10b95625fa753d51326490aa5 (MD5) Previous issue date: 2003-03-12 / This work presents an artificial neural network model to estimate or indirectly measure the speed of three-phase induction machines for control purpose. A comparative analysis of the neural estimator is performed with the following types of speed estimators: rotor flux, electromotive force and model reference adaptive. The algorithms of the estimators are assembled and connected to the dq0 model of the induction machine. Computational simulation results, obtained from machine-estimators model, are used to carry out a comparative analysis of the speed estimators performance. This work also presents a survey on neural network applications in induction machines, covering the following issues: control, failure, supervision, diagnosis, identification and estimation. / Nesta dissertação apresenta-se um modelo de uma rede neural artificial para estimar ou medir indiretamente a velocidade em máquinas de indução trifásicas para fins de controle. Realiza-se uma análise comparativa do estimador neural com os seguintes tipos de estimadores de velocidade fundamentados: fluxo do rotor, força eletromotriz e modelo adaptativo de referência. Os algoritmos dos estimadores são construídos e acoplados ao modelo dq0 da máquina de indução. A partir de resultados de simulações computacionais, obtidos dos modelos máquina-estimadores, realiza-se a análise de desempenho dos estimadores que tem como objetivo verificar quais dos estimadores atingiu em menor tempo uma velocidade de referência. Este trabalho também apresenta um estudo sobre a aplicação de redes neurais em máquinas de indução, abordando os seguintes tópicos: controle, falhas, supervisão, diagnóstico, identificação e estimação.