Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Ciência da Computação. / Made available in DSpace on 2012-10-24T02:53:54Z (GMT). No. of bitstreams: 1 259515.pdf: 478581 bytes, checksum: 3c9a8eaac73d644dec8d68ac30cddb22 (MD5) / Para alguns setores da sociedade, feriados nas quintas-feiras são comumente alongados sobre a sexta-feira para prolongar o período de descanso até o final de semana. Esta mudança de comportamento da sociedade para este tipo de sexta-feira provoca uma mudança no comportamento da demanda por potência (carga ativa) em sistemas de energia elétrica em relação ao comportamento da demanda observada em sextas-feiras comuns. Este trabalho verifica a significância da alteração observada no comportamento da carga na sexta-feira seguinte a um feriado na quinta-feira, no Estado de Santa Catarina e propõe uma abordagem para a redução do erro de previsão da carga de curto prazo frente à esta situação. Os testes realizados mostram que a ocorrência de um feriado na quinta-feira provoca um efeito significativo sobre a média diária da carga da sexta-feira pós feriado no Estado de Santa Catarina. A solução proposta para a redução do erro de previsão da carga para a sextafeira pós feriado ajusta a previsão realizada por um modelo de previsão de carga de curto prazo que não considera o fator feriado na véspera. A previsão do modelo que desconsidera tal fator é utilizada como entrada de uma rede neural artificial preparada para aplicar sobre esta previsão o efeito que um feriado na quinta-feira provoca sobre a carga na sexta-feira seguinte. Os resultados obtidos com a solução proposta mostram uma redução do erro percentual absoluto médio (MAPE) da previsão, inicialmente de 10%, situação em que o feriado na véspera não era considerado, para 2,5%, que é o valor do MAPE obtido para outras sextasfeiras comuns não influenciadas pelo feriado.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Metrologia Científica e Industrial, Florianópolis, 2008 / Made available in DSpace on 2012-10-24T05:48:35Z (GMT). No. of bitstreams: 1 250352.pdf: 2114778 bytes, checksum: 15a3ecb835abeb2dfe680ff279405adf (MD5) / Para acompanhar a evolução dos sistemas de refrigeração são necessários métodos adequados de avaliação de produto. Dentre os ensaios executados com compressores herméticos para refrigeração, têm com grande importância os ensaios de desempenho. Cuja principal finalidade é estabelecer a capacidade de refrigeração, o consumo de potência ativa do compressor e o coeficiente de performance (COP). Tais ensaios são executados com elevada freqüência dentro de uma indústria de compressores. O tempo demandado e o alto investimento exigido são dois grandes problemas inerentes a esses ensaios. O comportamento das variáveis de ensaio pode ser dividido em dois momentos distintos: transitório - aquele no qual os valores das grandezas variam com grande amplitude; regime permanente - aquele no qual os valores das grandezas se confinam em faixas estabelecidas por normas ou procedimentos específicos. É nesse segundo momento - o regime permanente - que devem ser realizadas as medições de desempenho do compressor. Esta dissertação propõe a redução do tempo demandado por esses ensaios, através do emprego de redes neurais artificiais. Dois caminhos foram explorados com sucesso: identificação do instante em que condições de regime são atingidas; inferência de valores de regime a partir de dados do transitório. O primeiro é uma proposta inédita e o segundo uma continuação do trabalho realizado anteriormente. A proposta de emprego de redes neurais foi decorrente da complexidade da análise dos dados de ensaio e a ausência de regras explícitas tanto identificação do instante de entrada em regime quanto para avaliação das variáveis em regime transitório. São descritos no decorrer do trabalho: escolha das variáveis; treinamento, definição e avaliação dos sistemas neurais desenvolvidos. A redução obtida no tempo médio de ensaio foi significativa sem comprometer a confiabilidade dos resultados, abrindo novos caminhos para o emprego de recursos de inteligência artificial em ensaios de compressores.

Orientador: João Francisco Escobedo / Banca: Alexandre Dal Pai / Banca: José Alfredo Covolan Ulson / Banca: Valeria Cristina Rodrigues Sarnighausen / Banca: Renato Correia de Barros / Resumo: Neste trabalho é realizado um estudo para estimar a transmissividade da radiação global (Ktβh) e a fração difusa (Kdβh) incidentes em uma superfície com inclinação de 22,85° na base horária utilizando técnicas de aprendizado de máquina (TAM), a partir de dados obtidos no período de 1998 a 2001 em Botucatu/SP/Brasil. As estimativas foram realizadas usando uma série de combinações de variáveis astronômicas e geográficas por meio de três técnicas de redes neurais artificiais (RNA) do tipo Perceptron Multicamadas (MLP), Função de Base Radial (RBF) e Regressão Generalizada (GRNN) e do Sistema Adaptativo de Inferência Neuro Fuzzy (ANFIS). Como referência foram elaborados modelos estatísticos (ME) de regressão linear e polinomial. No Capítulo 1 as estimativas de (Ktβh) foram realizadas por combinações de variáveis medidas e calculadas a partir da irradiação global na superfície horizontal (HgH) e nas estimativas de (Kdβh) utilizou-se combinações de variáveis medidas e calculadas a partir de (HgH) e da irradiação global na superfície inclinada (Hgβ). No Capítulo 2 as estimativas de (Kdβh) foram realizadas por combinações de variáveis medidas e calculadas a partir das irradiações difusa (HdH) e global (HgH) obtidas na superfície horizontal. Os indicadores estatísticos r (correlação), RMSE(%) (precisão) e MBE(%) (exatidão) foram utilizados para avaliar os resultados das estimativas. No capítulo 1 os melhores resultados nas estimativas de (Ktβh) a partir das combinações realizadas com (... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: In this work, a study was carried out to estimate the transmissivity of the global radiation (Ktβh) and the diffuse fraction (Kdβh) incident on a surface with slope of 22.85 ° in the hourly basis using machine learning techniques (MLT), from data obtained from 1998 to 2001 in Botucatu / SP / Brazil. The estimates were made using a series of combinations of astronomical and geographic variables by means of three artificial neural network (ANN) techniques such as MultLayer Perceptron (MLP), Radial Basis Functions Networks (RBF) and Generalized Regression Neural Network (GRNN) Adaptive Neuro Fuzzy Inference System (ANFIS). Statistical models (SM) of linear and polynomial regression were elaborated as reference. In Chapter 1 estimates of (Ktβh) were performed by combinations of variables measured and calculated from global horizontal surface irradiation (HgH) and estimates of (Kdβh) combinations of variables measured and calculated from (HgH) and global radiation on the sloped surface (Hgβ). In Chapter 2 estimates of (Kdβh) were performed by combinations of variables measured and calculated from the diffuse (HdH) and global (HgH) irradiances obtained on the horizontal surface. The statistical indicators r (correlation), RMSE (%) (precision) and MBE (%) (accuracy) were used to evaluate the results of the estimates. In Chapter 1 the best results in the estimates of (Ktβh) from the combinations performed with (HgH) were: MLP - RMSE = 3.73%; RBF - RMSE = 3.99%; GRNN - RMSE = 5.27%; A... (Complete abstract click electronic access below) / Doutor

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, 2008. / Submitted by Fernanda Weschenfelder (nandaweschenfelder@gmail.com) on 2009-09-17T17:23:52Z No. of bitstreams: 1 2008_FlavioCastroATeixeira.pdf: 2708631 bytes, checksum: b2249a2d39b8ba9f1e3c4f19a187bc6a (MD5) / Approved for entry into archive by Guimaraes Jacqueline(jacqueline.guimaraes@bce.unb.br) on 2010-09-29T12:20:39Z (GMT) No. of bitstreams: 1 2008_FlavioCastroATeixeira.pdf: 2708631 bytes, checksum: b2249a2d39b8ba9f1e3c4f19a187bc6a (MD5) / Made available in DSpace on 2010-09-29T12:20:39Z (GMT). No. of bitstreams: 1 2008_FlavioCastroATeixeira.pdf: 2708631 bytes, checksum: b2249a2d39b8ba9f1e3c4f19a187bc6a (MD5) / O presente trabalho aborda a modelagem de sistemas lineares invariantes ao deslocamento. A analogia entre sistemas lineares invariantes ao deslocamento e filtros é abordada. O projeto ótimo de filtros digitais é postulado como umproblema clássico de aproximação. Como exemplo do problema de aproximação, desenvolve-se detalhadamente no trabalho o problema do projeto ótimo de filtros FIR de fase não-linear com atraso de grupo reduzido nas bandas de passagem. Essa postulação resulta em um problema de otimização não-linear multi-objetivo onde a dificuldade de resolução previne o uso de métodos exatos para a sua resolução. Para abordar esse problema, propõe-se o uso de algoritmos de otimização soft-computing, os quais vêm se mostrando na literatura como os mais adequados no presente momento para resolução de problemas complexos e não-lineares. Entretanto, uma problemática no uso desses algoritmos consiste no ajuste ótimo de seus parâmetros internos. Tendo em vista esse problema, desenvolve-se nesse trabalho ferramentas estatísticas de projeto de experimentos e de indicadores de qualidade multi-objetivo, os quais possibilitam obter estimativas de parâmetros ótimos dos algoritmos de otimização propostos. Adicionalmente, aborda-se a questão da comparação de performance entre os algoritmos propostos e a generalização dos resultados para uma classe mais ampla de projetos de filtros e especificações. Experimentos computacionais foram implementados para a geração de filtros ótimos pertencentes ao conjunto Pareto do problema de otimização multi-objetivo. Por fim, considerações a nível do compromisso entre a aproximação simultânea da magnitude e fase do filtro são abordadas, assim como diretrizes para o projetista do filtro na escolha de um filtro que atenda suas expectativas de projeto dentre as várias soluções possíveis para o problema de otimização multi-objetivo do projeto de filtros digitais. ____________________________________________________________________________________________ ABSTRACT / This work address the linear time invariant system modeling problem. The analogy between linear time invariant systems and filter is addressed. The optimum design of digital filters is posed as classical approximation problem. The optimum design of FIR filters with non-linear phase on the stop-bands is used as an example of the approximation problem. This postulation results in a multi-objective non-linear optimization problem which prevents using exact methods for the problem resolution. To address this problem, it is proposed the use of soft-computing optimization algorithms, which have been showing best results on complex non-linear problems. Meanwhile, it is desired to obtain best values estimates of the soft-computing internal parameters. For this problem, it is developed statistical tools based on experimental design and multi-objetive quality indicators to obtain best parameters values estimates of the soft-computing algorithms internal parameters. Additionally, the algorithms performance comparison is addressed in conjunction with generalizations of the results to a wide range of problems and filter specifications. Computational experiments were implemented to generate optimum filters that belong to the Pareto set of the multi-objective problem under study. Finally, considerations involving the trade-off between the simultaneous approximation of both filter magnitude and phase is addressed, as well as guidelines to the filter designer on choosing the best filter that meets its expectations.

Submitted by Paulo Silva (p.esteves06@gmail.com) on 2018-10-03T15:39:40Z No. of bitstreams: 1 Dissertação Paulo Esteves - Versão final corrigida.pdf: 7722568 bytes, checksum: 6a50645639458024d5397cd5bdc9fa38 (MD5) / Approved for entry into archive by Escola Politécnica Biblioteca (biengproc@ufba.br) on 2018-10-05T10:51:04Z (GMT) No. of bitstreams: 1 Dissertação Paulo Esteves - Versão final corrigida.pdf: 7722568 bytes, checksum: 6a50645639458024d5397cd5bdc9fa38 (MD5) / Made available in DSpace on 2018-10-05T10:51:04Z (GMT). No. of bitstreams: 1 Dissertação Paulo Esteves - Versão final corrigida.pdf: 7722568 bytes, checksum: 6a50645639458024d5397cd5bdc9fa38 (MD5) / FAPESB / Com a busca da eficiência energética nos veículos automotivos, levando-se em conta a necessidade de minimizar o impacto ambiental decorrente do uso desses veículos, os recentes esforços para melhorar os sistemas de controle da queima do combustível tornaram-se uma estratégia de destaque no mercado automotivo. O objetivo deste trabalho é o desenvolvimento de modelos para realização da predição da proporção de etanol presente em uma mistura de combustíveis utilizada em um veículo flex equipado com um motor de três cilindros. Os modelos são desenvolvidos com a utilização das informações de variáveis provenientes de medições realizadas pelo sistema de controle de um motor de três cilindros e por um acelerômetro tridimensional acoplado ao motor. É descrita a metodologia experimental aplicada para a aquisição dos sinais provenientes da operação de um motor de três cilindros, instalado em um veículo de passeio. Os sinais adquiridos foram tratados e utilizados em modelos baseados em estruturas de Regressão Linear Múltipla e Redes Neurais Artificiais para a predição da proporção em volume de etanol da mistura de combustíveis utilizada. Os modelos se mostraram eficientes na predição da proporção de etanol no combustível utilizado pelo motor, apresentando uma melhor aproximação entre os valores preditos e os valores reais quando comparados com os dados fornecidos pelo sistema de controle do motor. / With the pursuit of energy efficiency in automotive vehicles, taking into account the need to minimize the environmental impact of the use of these vehicles, recent efforts to improve fuel combustion control systems have become a prominent strategy in the automotive industry. The aim of this work is the development of models for prediction of the proportion of ethanol present in a fuel blend used in a flex vehicle equipped with a three-cylinder engine. The models are developed with the use of the information based on measurements made by the control system of a three-cylinder engine and a threedimensional accelerometer coupled to the engine. The experimental methodology applied for the signal acquisition from the operation of a three-cylinder engine, installed in a passenger vehicle, is described. The acquired signals were treated and used in models based on Multiple Linear Regression and Artificial Neural Networks for the prediction of the ethanol volume ratio on the fuel blend. The models proved to be efficient in predicting the proportion of ethanol in the fuel blend, presenting a better approximation between the predicted values and the actual values when compared with the data provided by the engine control system.

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2018. / Submitted by Fabiana Santos (fabianacamargo@bce.unb.br) on 2018-09-27T20:19:43Z No. of bitstreams: 1 2018_LucasGuilhemdeMatos_RESUMO.pdf: 59314 bytes, checksum: fcca0edce88c4bbe8975f96cfb38ac6f (MD5) / Rejected by Fabiana Santos (fabianacamargo@bce.unb.br), reason: O arquivo PDF está errado. on 2018-10-08T21:05:29Z (GMT) / Submitted by Fabiana Santos (fabianacamargo@bce.unb.br) on 2018-10-08T21:06:22Z No. of bitstreams: 1 2018_LucasGuilhemdeMatos.pdf: 22624129 bytes, checksum: 8246b13bfdcea5ae4862864196f406be (MD5) / Approved for entry into archive by Fabiana Santos (fabianacamargo@bce.unb.br) on 2018-10-09T20:24:27Z (GMT) No. of bitstreams: 1 2018_LucasGuilhemdeMatos.pdf: 22624129 bytes, checksum: 8246b13bfdcea5ae4862864196f406be (MD5) / Made available in DSpace on 2018-10-09T20:24:27Z (GMT). No. of bitstreams: 1 2018_LucasGuilhemdeMatos.pdf: 22624129 bytes, checksum: 8246b13bfdcea5ae4862864196f406be (MD5) Previous issue date: 2018-08-24 / Fundação de Apoio a Pesquisa do Distrito Federal (FAP-DF). / Este trabalho propõe um contolador adaptativo utilizando redes neuras e aprendizado por reforço para lidar com não-linearidades e variância no tempo. Para a realização de testes, um sistema de nível de líquidos de quarta ordem foi escolhido por apresentar uma gama de constantes de tempo e por possibilitar a mudança de parâmetros. O sistema foi identificado com redes neurais para prever estados futuros com o objetivo de compensar o atraso e melhorar a performance do controlador. Diversos testes foram realizados com diversas redes neurais para decidir qual rede neural seria utilizada para cada tarefa pertinente ao controlador. Os parâmetros do controlador foram ajustados e testados para que o controlador pudesse alcançar parâmetros arbitrários de performance. O controlador foi testado e comparado com o PI tradicional para validação e mostrou caracteristicas adaptativas e melhoria de performance ao longo do tempo, além disso, o controlador desenvolvido não necessita de informação prévia do sistema. / This work presents a proposal of an adaptive controller using reinforcement learning and neural networks in order to deal with non-linearities and time-variance. To test the controller a fourth-order fluid level system was chosen because of its great range of time constants and the possibility of varying the system parameters. System identification was performed to predict future states of the system, bypass delay and enhance the controller’s performance. Several tests with different neural networks were made in order to decide which network would be assigned to which task. Various parameters of the controller were tested and tuned to achieve a controller that satisfied arbitrary specifications. The controller was tested against a conventional PI controller used as reference and has shown adaptive features and improvement during execution. Also, the proposed controller needs no previous information on the system in order to be designed.

Este estudo propõe um método alternativo para a previsão de demanda de energia elétrica, através do desenvolvimento de um modelo de estimação baseado em redes neurais artificiais. Tal método ainda é pouco usado na estimativa de demanda de energia elétrica, mas tem se mostrado promissor na resolução de problemas que envolvem sistemas de potência. Aqui são destacados os principais fatores que devem pautar a modelagem de um sistema baseada em redes neurais artificiais, que são: seleção das variáveis de entrada; quantidade de variáveis; arquitetura da rede; treinamento; previsão da saída. O modelo ora apresentado foi desenvolvido a partir de uma amostra de 125 municípios do Estado do Rio Grande do Sul (Brasil), nos anos de 1999 a 2002. Como variáveis de entrada, foram selecionados a temperatura ambiente (média e desvio-padrão anual), a umidade relativa do ar (média e desvio-padrão anual), o PIB anual e a população anual de cada município incluído na amostra. Para validar a proposta apresentada, são mostrados resultados baseados nas simulações com o modelo proposto.

Este trabalho apresenta um sistema de classificação de voz disfônica utilizando a Transformada Wavelet Packet (WPT) e o algoritmo Best Basis (BBA) como redutor de dimensionalidade e seis Redes Neurais Artificiais (ANN) atuando como um conjunto de sistemas denominados “especialistas”. O banco de vozes utilizado está separado em seis grupos de acordo com as similaridades patológicas (onde o 6o grupo é o dos pacientes com voz normal). O conjunto de seis ANN foi treinado, com cada rede especializando-se em um determinado grupo. A base de decomposição utilizada na WPT foi a Symlet 5 e a função custo utilizada na Best Basis Tree (BBT) gerada com o BBA, foi a entropia de Shannon. Cada ANN é alimentada pelos valores de entropia dos nós da BBT. O sistema apresentou uma taxa de sucesso de 87,5%, 95,31%, 87,5%, 100%, 96,87% e 89,06% para os grupos 1 ao 6 respectivamente, utilizando o método de Validação Cruzada Múltipla (MCV). O poder de generalização foi medido utilizando o método de MCV com a variação Leave-One-Out (LOO), obtendo erros em média de 38.52%, apontando a necessidade de aumentar o banco de vozes disponível.

O presente trabalho apresenta uma nova metodologia de localização de faltas em sistemas de distribuição de energia. O esquema proposto é capaz de obter uma estimativa precisa da localização tanto de faltas sólidas e lineares quanto de faltas de alta impedância. Esta última classe de faltas representa um grande problema para as concessionárias distribuidoras de energia elétrica, uma vez que seus efeitos nem sempre são detectados pelos dispositivos de proteção utilizados. Os algoritmos de localização de faltas normalmente presentes em relés de proteção digitais são formulados para faltas sólidas ou com baixa resistência de falta. Sendo assim, sua aplicação para localização de faltas de alta impedância resulta em estimativas errôneas da distância de falta. A metodologia proposta visa superar esta deficiência dos algoritmos de localização tradicionais através da criação de um algoritmo baseado em redes neurais artificiais que poderá ser adicionado como uma rotina adicional de um relé de proteção digital. O esquema proposto utiliza dados oscilográficos pré e pós-falta que são processados de modo que sua localização possa ser estimada através de um conjunto de características extraídas dos sinais de tensão e corrente. Este conjunto de características é classificado pelas redes neurais artificiais de cuja saída resulta um valor relativo a distância de falta. Além da metodologia proposta, duas metodologias para localização de faltas foram implementadas, possibilitando a obtenção de resultados comparativos. Os dados de falta necessários foram obtidos através de centenas de simulações computacionais de um modelo de alimentador radial de distribuição. Os resultados obtidos demonstram a viabilidade do uso da metodologia proposta para localização de faltas em sistemas de distribuição de energia, especialmente faltas de alta impedância.

Este trabalho apresenta um modelo de rede neural voltado ao tratamento de informagbes codificadas em sequencias, tendo em vista que esta classe de informações nao tem um tratamento adequado nos modelos convencionais. Isso decorre da caracteristica destes modelos convencionais de manipular isoladamente as celulas de informacao apresentadas como entrada, sem Integra-las entre si. O modelo utiliza paradigmas a mecanismos conhecidos, tais coma a regra de HEBB, o modelo de Energia de Hopfield e o paradigma de organizacao em camadas, compondo-os com novas ideias e mecanismos direcionados para o tratamento de sequencias, em um sistema exploratório, extraindo com isso novas propriedades nao existentes em modelos tradicionais. Os novas mecanismos propostos permitem uma integragao entre entradas a rede e o contexto no qual elas sao apresentadas, para que com isso se forme uma Unica representacAo interna para Coda uma seqUencia de entradas. Todo o trabalho de validaco do modelo foi baseado em simulac6es, para as quaffs foi desenvolvido um ambiente em estacao de trabalho, dotado de interface grafica que permite o acompanhamento visual do funcionamento da rede. Para viabilizar a validacao do modelo por meio das simulac6es, tendo em vista os limites computacionais dos recursos disponiveis, foi proposto e utilizado um sistema de codificacao de informacbes ficticias simplicadas baseadas na fala, mais especificamente na organizacao fonetica. O sistema de codificação, embora simplificado, incorpora as mais importantes caracteristicas da codificação de informacbes realizada na fala, pelo menos pelo ponto de vista de seu reconhecimento por mein de redes neurais. / This work presents a Neural Network model to process sequence information, since this information class does not have a reasonable treatment in the conventional models. This is due to this models features that manipulate incoming information cells individually, without integrating them. The model uses already known mechanisms and paradigms, like the HEBB's rule, the Hopfield's Energy Model and the layer organization paradigm, added with new ideas and mechanisms for the sequence handling in a exploratory system, so that it extracts new properties not found in traditional models. The proposed new mechanisms allow the integration between network entries and context , in order to generate a unique internal representation. The model was validated through simulations. A workstation based environment was designed and implemented to support them. It incorporates a graphical interface that permits the network behavior visualization. In order to enable the model's validation through simulations and considering the computational limits of the available resources, a codification system was proposed to generate simplified ficticious and speech based informations. Although simplified, this codification system incorporates the most important features of the information codification that occur in the speech, at least from its neural network based recognition point of view.