Made available in DSpace on 2014-06-12T16:00:43Z (GMT). No. of bitstreams: 2 arquivo6893_1.pdf: 1450479 bytes, checksum: 95b4efd197f11e32606faea17b6fa02c (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2011 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Esta dissertação apresenta um novo método de otimização de redes neurais artificiais para composição de ensembles de redes neurais artificiais. O método proposto combina o algoritmo evolucionário Evolução Diferencial com Vizinhança Global e Local (DEGL - Differential Evolution with Global and Local Neighborhood) com três técnicas multimodais: fitness sharing, especiação e simple subpopulation scheme. Para uma boa generalização de um ensemble seus componentes devem apresentar duas características: bom desempenho e diversidade. Como o poder de generalização de uma rede neural artificial está intimamente relacionado à sua arquitetura e aos seus pesos iniciais, para atingir bom desempenho, as redes neurais artificiais foram construídas de maneira automática através do algoritmo evolucionário. Para manter a diversidade entre as redes e para que um maior número de soluções ótimas fosse encontrado, técnicas multimodais foram incorporadas ao algoritmo evolucionário. O desempenho deste método é investigado através de experimentos realizados em seis bases benchmarks de aprendizagem de máquina para problemas de classificação. O método proposto se mostrou competitivo quando comparado a outros métodos da literatura e estatisticamente relevante quando comparado a métodos baseados em seus componentes

Foi desenvolvida uma técnica de medida de nível em vasos de pressão usando sondas térmicas resfriadas internamente por um fluido e análise dos dados experimentais com Redes Neurais Artificiais (RNA´s). Esse novo conceito de sondas térmicas foi testado em uma Bancada Experimental para Testes de Sondas de Nível (BETSNI) com duas seções de testes, ST1 e ST2. Dois projetos distintos de sondas foram construídos: Sonda de Tubos Concêntricos e Sonda de Tubo U. Um Sistema de Aquisição de Dados (SAD) foi montado para registrar os dados experimentais. Testes foram realizados tanto para condições de nível nas seções de testes em estado estacionário quanto para transientes. Os dados experimentais de temperatura e de nível obtidos foram usados para compor tabelas de treinamento e de verificação usadas para implementar RNA´s no programa RETRO-05, que simula um Perceptron de Múltiplas Camadas com Retropropagação. As análises mostraram que a técnica pode ser aplicada para medir o nível em vasos de pressão. As análises mostraram ainda que a técnica é aplicável para um número menor de entradas de temperatura que o inicialmente previsto no projeto das sondas e é robusta, aplicando-se mesmo quando ocorre a perda de alguma informação de temperatura. Dados experimentais disponíveis na literatura referentes a uma sonda térmica aquecida eletricamente também foram usados nas análises com RNA´s, produzindo bons resultados. Os resultados das análises indicaram que a técnica é eficaz e robusta, podendo ser aprimorada e aplicada para medidas de nível em vasos de pressão. / A technique for level measurement in pressure vessels was developed using thermal probes with internal cooling and Artificial Neural Networks (ANN´s). This new concept of thermal probes was experimentally tested in an Experimental Facility (BETSNI) with two test sections, ST1 and ST2. Two different thermal probes were designed and constructed: Concentric Tubes Probe and U Tube Probe. A Data Acquisition System (DAS) was assembled to record the experimental data during the tests. Steady state and transient level tests were carried out and the experimental data obtained were used as learning and recall data sets in the ANNs program RETRO-05 that simulate a Multilayer Perceptron with Backpropagation. The results of the analysis show that the technique can be applied for level measurements in pressure vessel. The technique is applied for a less input temperature data than the initially designed to the probes. The technique is robust and can be used in case of lack of some temperature data. Experimental data available in literature from electrically heated thermal probe were also used in the ANN´s analysis producing good results. The results of the ANN´s analysis show that the technique can be improved and applied to level measurements in pressure vessels.

Este trabalho apresenta uma aplicação de redes neurais artificiais (RNAs) na proteção diferencial de transformadores de potência, como um método para distinguir formas de onda que podem confundir a operação do relé. Vários fatores como, por exemplo, as situações de energização do transformador, podem causar uma má operação do dispositivo de proteção. Com o objetivo de melhoramento na proteção diferencial digital de transformadores de potência, desenvolveu-se um sistema completo de proteção, incluindo um dispositivo com base em RNAs, em substituição à filtragem harmônica dos sinais, existentes no algoritmo convencional. Com a referida adição de RNAs em um algoritmo completo de proteção diferencial de transformadores, obteve-se uma solução bastante precisa e eficiente, capaz de responder em um tempo reduzido, se comparada aos métodos convencionais. / This work presents an application of artificial neural networks (ANNs) in differential protection of transformers as an alternative method to distinguish among wave forms which can cause malfunction to the relay. One of the several factors that can cause malfunction is the inrush current present when the transfonner is energized. In order to improve the differential protection of the power transformers, the authors added a neural network routine to the conventional differential protection algorithm, in substitution to the filtering of the harmonic signals found on the traditional algorithm. By making this option, the authors obtained a more effective and precise solution, compared to the conventional methods.

Este trabalho apresenta um esquema de proteção direcional para sistemas de transmissão, baseado na utilização de redes neurais artificiais, tentando solucionar as principais limitações dos esquemas então existentes. As redes neurais artificiais constituem uma nova ferramenta para a proteção, onde várias das limitações apresentadas pelos esquemas convencionais podem ser solucionadas. A escolha desta abordagem para a proteção das linhas de transmissão é uma decisão fundamentada principalmente na capacidade de generalização e abstração inerentes às redes neurais artificiais. Estas características, se bem exploradas, podem prover uma alta qualidade de resposta, aliada a uma elevada velocidade de decisão. Outro fator de interesse é que, dependendo de como se realizar o treinamento da rede, poderia gerar-se metodologias de proteção capaz de suportar com eficiência mudanças na configuração do sistema. Isto geraria possibilidade de diagnósticos de falta com adequada confiabilidade que por sua vez não dependeria da configuração do sistema em si. O esquema de proteção proposto, foi simulado utilizando os softwares Alternative Transients Program (ATP) e Stuttgart Neural Network Simulator (SNNS). Também programas em Fortran foram desenvolvidos (filtro digital, reamostragem, identificação do ponto de ocorrência de falta, etc.) de forma a se representar adequadamente as condições reais de funcionamento do esquema de proteção. Testes simulando as mais diversas condições de falta foram realizados, de forma a se verificar a eficiência do esquema proposto. Os resultados demonstraram a capacidade da metodologia proposta de analisar corretamente os padrões provenientes de situações faltosas mesmo quando não vistas na fase de treinamento. Desta forma configurou-se um alto grau de generalização e abstração do esquema. / This work presents a directional protection scheme for transmission systems, that uses artificial neural networks, and try to solve the main limitations of existing schemes. The artificial neural networks are a new tool for protection, were many of the limitations of conventional schemes can be solved. The choice of this approach for transmission fines protection is a decision based mainly on the capability of generalization and abstraction inherent to the artificial neural networks. These characteristics, if well explored, can provide a response of high quality, together with a high speed of decision. Another interesting Jactar is that, depending on how the learning on the artificial neural network is made, it can generate a protection methodology capable of supporting efficiently changes on the system configuration. This can generate reliable fault diagnostics, which is independent on network configuration. The proposed protection scheme was simulated using softwares like \"Alternative Transients Program\" (ATP) and \"Stuttgart Neural Network Simulator\" (SNNS). Other programs were written in Fortran (digital filter, resampling of data, fault poinf identification, etc.) in a way to correctly represent the real working conditions of the protection scheme. Tests simulating several fault conditions were made, in a way to verify the efficiency of the proposed scheme. The results demonstrate the capability of the proposed methodology of correctly analyzing the patterns generated from fault conditions even when not seen on the learning stage. In that way a high degree of generalization and abstraction of the scheme were configured.

Made available in DSpace on 2014-06-12T17:37:02Z (GMT). No. of bitstreams: 2 arquivo5310_1.pdf: 5145392 bytes, checksum: 616b7c1ae0f6625e409080d2ccaef2bc (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2008 / O motor de indução trifásico, embora seja uma máquina intrinsecamente eficiente, pode, através de acionamento inadequado, levar a um consumo excessivo de energia, quer seja devido ao grande número de motores instalados, quer seja devido à freqüente aplicação ineficiente dos mesmos. Esta dissertação apresenta a implementação de uma técnica de controle sob orientação pelo campo que utiliza redes neurais artificiais como ferramenta auxiliar na busca de uma maior eficiência de um motor de indução trifásico com rotor em gaiola. Para esse fim, as redes neurais atuam na predição do fluxo de rotor de referência, para uma dada condição operacional, o qual é utilizado no controle direto de fluxo e conjugado, resultando, assim, na redução das perdas na máquina. As equações do modelo eletromagnético da máquina de indução, com inclusão da saturação magnética do ferro do núcleo, em um referencial arbitrário, bem como o estimador de fluxo de rotor são descritos. Simulações digitais são utilizadas para criação do banco de dados, treinamento e escolha das melhores arquiteturas das redes neurais, além do estudo do comportamento do sistema acionado para diversas condições de velocidade e de carga. Por fim, são apresentados os resultados experimentais e avaliado o desempenho das redes neurais e sua influência sobre o consumo de energia pelo motor de indução

Made available in DSpace on 2014-06-12T17:37:49Z (GMT). No. of bitstreams: 2 arquivo5358_1.pdf: 2371419 bytes, checksum: 9e35f2575d714f7e248df41f035db1da (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2008 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Vários estudos já comprovaram que o potencial eólico brasileiro, principalmente no nordeste, onde os ventos têm uma importante característica de complementaridade em relação às vazões do rio São Francisco, pode contribuir significativamente para o suprimento de energia elétrica. O aproveitamento deste potencial eólico aumentaria a capacidade de geração e a diversificação da matriz energética nacional e, consequentemente, diminuiria os riscos de desabastecimento de energia elétrica. Entretanto, o uso das forças dos ventos para produção de energia produz alguns inconvenientes, tais como, a incertezas na geração e a dificuldade no planejamento e operação do sistema elétrico. Portanto, é imprescindível à aplicação de ferramentas ou técnicas capazes de predizer a energia a ser fornecida por estas fontes. No Brasil, os investimentos em fontes alternativas iniciaram-se de forma tímida e tardia, inclusive em geração eólica. Do ponto de vista de modelos de previsões de ventos e geração eólica, isto não é diferente. Sendo assim, este trabalho propõe e desenvolve vários modelos de previsões a partir de técnicas de Redes Neurais Artificiais; Análise de Multiresolução de sinais usando Transformada Wavelet; e Modelos Estatísticos. Os modelos aqui propostos foram ajustados para realizar previsões com horizontes variáveis de até vinte e quatro horas. Estes serviram para uma análise comparativa através dos resultados encontrados durante os testes dos mesmos, que ajudou a identificar as vantagens e desvantagens de cada técnica. Além disto, estes poderão ser implementados e desenvolvidos para operação, mitigando alguns dos inconvenientes da geração eólica de energia

Made available in DSpace on 2014-06-12T17:38:10Z (GMT). No. of bitstreams: 2 arquivo5618_1.pdf: 3048249 bytes, checksum: 5404a746aa7aac46d2fad86ada13af25 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2010 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / O conhecimento prévio do comportamento do consumo de energia é de grande importância para uma distribuidora de energia. Com base nesta informação, é possível definir estratégias para operação e planejamento de seu sistema elétrico, além de possibilitar o acompanhamento da relação entre contratos e consumo de energia, evitando com isso a ocorrência de penalidades. O consumo de energia é influenciado por diversas variáveis. Notadamente, em horizontes de curto prazo o consumo de energia é influenciado por variáveis climáticas, como temperatura e precipitação. Este trabalho apresenta modelos que utilizam a temperatura como variável de entrada para solucionar o problema de previsão de carga diária no horizonte de curto prazo, realizada em 7 e 14 dias para um conjunto de barramentos do sistema de distribuição da CELPE Companhia Energética de Pernambuco. As técnicas aplicadas no desenvolvimento dos modelos de previsão foram: Redes Neurais Artificiais com topologia de MLP (Multi Layer Perceptrons) totalmente conectadas e treinadas com algoritmo Levenberg-Marquardt; e ANFIS (Adaptive Networkbased Fuzzy Inference System) com o método subctrative clustering . Os métodos Média Simples e Ensemble foram aplicados para combinação dos resultados dos modelos propostos. Os modelos criados foram avaliados para previsão de carga do ano de 2009 e comparados entre si. Os resultados encontrados demonstram que os modelos apresentaram performances satisfatórias

A identificação e o monitoramento de microorganismos aquáticos, como bactérias e microalgas, tem sido uma tarefa árdua e morosa. Técnicas convencionais, com uso de microscópios e corantes, são complexas, exigindo um grande esforço por parte dos técnicos e pesquisadores. Uma das maiores dificuldades nos processos convencionais de identificação via microscopia é o elevado número de diferentes espécies e variantes existentes nos ambientes aquáticos, muitas com semelhança de forma e textura. O presente trabalho tem por objetivo o desenvolvimento de uma metodologia para a caracterização e classificação de microorganismos aquáticos (bactérias e microalgas), bem como a determinação de características cinemáticas, através do estudo da mobilidade de microalgas que possuem estruturas que permitem a natação (flagelos). Para caracterização e reconhecimento de padrões as metodologias empregadas foram: o processamento digital de imagens e redes neurais artificiais (RNA). Para a determinação da mobilidade dos microorganismos foram empregadas técnicas de velocimetria por processamento de imagens de partículas em movimento (Particle Tracking Velocimetry - PTV). O trabalho está dividido em duas partes: 1) caracterização e contagem de microalgas e bactérias aquáticas em amostras e 2) medição da velocidade de movimentação das microalgas em lâminas de microscópio. A primeira parte envolve a aquisição e processamento digital de imagens de microalgas, a partir de um microscópio ótico, sua caracterização e determinação da densidade de cada espécie contida em amostras. Por meio de um microscópio epifluorescente, foi possível, ainda, acompanhar o crescimento de bactérias aquáticas e efetuar a sua medição por operadores morfológicos. A segunda parte constitui-se na medição da velocidade de movimentação de microalgas, cujo parâmetro pode ser utilizado como um indicador para se avaliar o efeito de substâncias tóxicas ou fatores de estresse sobre as microalgas. O trabalho em desenvolvimento contribuirá para o projeto "Produção do Camarão Marinho Penaeus Paulensis no Sul do Brasil: Cultivo em estruturas Alternativas" em andamento na Estação Marinha de Aquacultura - EMA e para pesquisas no Laboratório de Ecologia do Fitoplâncton e de Microorganismos Marinhos do Departamento de Oceanografia da FURG. O trabalho propõe a utilização dos níveis de intensidade da imagem em padrão RGB e oito grandezas geométricas como características para reconhecimento de padrões das microalgas O conjunto proposto de características das microalgas, do ponto de vista de grandezas geométricas e da cor (nível de intensidade da imagem e transformadas Fourier e Radon), levou à geração de indicadores que permitiram o reconhecimento de padrões. As redes neurais artificiais desenvolvidas com topologia de rede multinível totalmente conectada, supervisionada, e com algoritmo de retropropagação, atingiram as metas de erro máximo estipuladas entre os neurônios de saída desejados e os obtidos, permitindo a caracterização das microalgas.

Made available in DSpace on 2014-06-11T19:30:51Z (GMT). No. of bitstreams: 0 Previous issue date: 2006-08-28Bitstream added on 2014-06-13T19:40:20Z : No. of bitstreams: 1 scucuglia_jw_dr_ilha.pdf: 902506 bytes, checksum: ab60342df40bf64ed9ce634c2bd62115 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Este trabalho descreve o desenvolvimento de um sistema de simulação do escoamento e controle de vazamento para uma rede de distribuição de gás natural. De forma a alcançar os objetivos propostos, foram discutidos vários métodos de abordagem do problema de fluxo de gás em redes de gasodutos e definido um método mais adequado ao presente trabalho para compor as rotinas de simulação. Foram abordadas diversas formas de detecção de vazamentos de gás em tubulações, optando-se pelo balanço de volume para esse fim. Para a localização do vazamento ao longo do duto foi proposto e utilizado um sistema de Redes Neurais Artificiais (RNA). O fluxo no interior da rede de dutos é simulado por um sistema de equações diferenciais não lineares obtido para regime permanente, cuja solução para uma dada topologia de rede, fornece pares de valores de pressão e vazão em pontos específicos. A partir de valores de pressão e vazão de saída, obtidos de simulações em condições de vazamentos, é treinada uma RNA com o objetivo de fornecer a localização de eventuais escapes ao longo do duto. Sensores e medidores instalados em pontos estratégicos na rede, fornecem um conjunto de entrada ao algoritmo neural que tem como saída a posição do vazamento para as respectivas condições de operação. Atuando no controle de válvulas eletro-hidráulicas com controladores proporcionais, integrais e derivativos (PID), instaladas na rede, é possível isolar eventuais trechos com vazamento. Para tanto, foi projetado um controlador PID para otimizar o tempo de resposta das respectivas válvulas. De acordo com o modelo proposto de análise, foi desenvolvido um sistema algébrico computacional com interface gráfica amigável, em linguagem Delphi, que relaciona rotinas de simulação, algoritmos neurais, e mecanismos remotos de supervisão... / A flow simulation and a leaking control computational system has been developed for a gas distribution network pipeline. A discussion of gas flow in pipeline is presented and the lamelar regime of flow has been chosen to be implemented in a simulating routine. Also, a description of gas leaking detection method has been carried out and the balance volume one has been adapted to find out the location of the leaking point in the pipeline a system an artificial neural network (ANN) has been proposed. The flow info the pipeline network is simulated by a system of non-linear deferential equation, obtained in a lamelar regime, which solution for any topology greed specification provide a couple of values of pressure and flow at discrete points into the domain. From this couple of values of pressure and flow at the ending point of the pipeline, obtained by simulating leaking condition, an ANN is trained with the purpose to provide a location of eventual escapes through the pipeline. Sensors to detect flow located in strategical points of the network pipeline may provide information to feed the neural system which output is the position of leaking point under a such operation conditions. Handle the electro-hydraulic through the proportional integral derivative (PID), installed along the network pipeline, is possible to isolate a pipeline interval with eventual leaking. For this purpose a PID controller system has been developed to minimize the time response of the electro-hydraulic valves. According to the proposed model of analysis, an algebric computational system with a friendly graphic interface in a Delphi language has been carried out. In this computer program simulating routine, neural algorithmic and remote mechanism of supervision and control... (Complete abstract click electronic access below)

Submitted by Wilson Cavalcante (wilson.ifal@gmail.com) on 2018-04-27T18:29:33Z No. of bitstreams: 1 Dissertação_Wilson_Mendes_Cavalcante.pdf: 3761304 bytes, checksum: 2b05d50fc1dca4d478ad204e1c202a38 (MD5) / Approved for entry into archive by Vanessa Reis (vanessa.jamile@ufba.br) on 2018-05-02T11:08:27Z (GMT) No. of bitstreams: 1 Dissertação_Wilson_Mendes_Cavalcante.pdf: 3761304 bytes, checksum: 2b05d50fc1dca4d478ad204e1c202a38 (MD5) / Made available in DSpace on 2018-05-02T11:08:27Z (GMT). No. of bitstreams: 1 Dissertação_Wilson_Mendes_Cavalcante.pdf: 3761304 bytes, checksum: 2b05d50fc1dca4d478ad204e1c202a38 (MD5) / O acesso à água é um direito fundamental e, ao mesmo tempo, uma preocupação crescente da humanidade. Questões relativas ao abastecimento, qualidade e quantidade da água distribuída foram desenvolvidas e discutidas com maior intensidade nas últimas décadas por órgãos regulamentadores, pela academia e pela sociedade em geral. Esta dissertação deu ênfase ao processo do sistema de tratamento de água para o abastecimento da cidade de Palmeira dos Índios, no estado de Alagoas. A Estação de Tratamento de Água, objeto desse estudo, é do tipo compacta, realizando três processos: coagulação, filtração ascendente e desinfecção, com uma capacidade máxima de tratamento para 500m³/h. Como o sistema de tratamento é todo manual, no caso de oscilação na qualidade da água e anormalidades na operação, os ajustes são morosos e desordenados, afetando a qualidade da água distribuída além do desperdício de produtos químicos. O objetivo deste trabalho foi desenvolver uma ferramenta de auxílio na operação da Estação utilizando Redes Neurais Artificiais para o sistema de coagulação e para o sistema de desinfecção. Os modelos desenvolvidos são utilizados como ferramenta de predição para os operadores na estabilização do sistema, melhorando os índices de controle de qualidade da água distribuída e minimizando o custo operacional. O estudo de caso foi desenvolvido com base nos dados disponibilizados pela Companhia. Foram analisados relatórios gerenciais e registros dos operadores e utilizado o software MATLAB® para construção das redes neurais. Os modelos desenvolvidos apresentaram resultados satisfatórios para suas saídas, comprovados em testes realizados na prática. Esses valores gerados pelas Redes Neurais Artificiais foram aplicados nos sistemas de controle da Estação e obtiveram resultados finais dentro dos padrões estabelecidos de potabilidade de água para o consumo humano, ratificando a utilidade dos modelos desenvolvidos. / Abstract / The access to water is a fundamental right and at the same time a growing concern of humanity. Issues related to the supply, quality and quantity of distributed water were developed and discussed more intensively in recent decades by regulators, academy and society in general. This paper emphasizes the process of the water treatment system for the supply of the city of Palmeira dos Indios, in the state of Alagoas. The Water Treatment Station - the object of this study - is of the compact type, performing three processes: coagulation, upward filtration and disinfection, with a maximum treatment capacity of 500m³ / h. As the treatment system is all manual, in the case of oscillation in the water quality and abnormalities in the operation, the adjustments are slow and disorderly, affecting the quality of the water distributed in addition to waste of chemicals. The objective of this work has been to develop a tool to aid in the operation of the Station using Artificial Neural Networks for the coagulation system and the Station disinfection system. The developed models are used as a prediction tool for operators in stabilizing the system, improving the quality control indices of the distributed water and minimizing the operational cost. The case study was developed based on data provided by the company. Management reports and operator records were analyzed and MATLAB® software was used for the construction of Neural Networks. The developed models presented satisfactory results for their outputs, proven in tests performed in practice. Those values generated by the Artificial Neural Networks were applied in the Station control systems and obtained final results within the established standards of water potability for human consumption, ratifying the usefulness of the developed models.