Made available in DSpace on 2016-08-17T14:53:01Z (GMT). No. of bitstreams: 1 Fabio Nogueira da Silva.pdf: 1098466 bytes, checksum: a72dcced91748fe6c54f3cab86c19849 (MD5) Previous issue date: 2008-06-20 / FUNDAÇÃO DE AMPARO À PESQUISA E AO DESENVOLVIMENTO CIENTIFICO E TECNOLÓGICO DO MARANHÃO / We present in this work the results about two neural networks methods to solve the algebraic Riccati(ARE), what are used in many applications, mainly in the Linear Quadratic Regulator (LQR), H2 and H1 controls. First is showed the real symmetric form of the ARE and two methods based on neural computation. One feedforward neural network (FNN), that de¯nes an error as function of the ARE and a recurrent neural network (RNN), which converts a constrain optimization problem, restricted to the state space model, into an unconstrained convex optimization problem de¯ning an energy as function of the ARE and Cholesky factor. A proposal to chose the learning parameters of the RNN used to solve the ARE, by making a surface of the parameters variations, thus we can tune the neural network for a better performance. Computational experiments related with the plant matrices perturbations of the tested systems in order to perform an analysis of the behavior of the presented methodologies, that are based on homotopies methods, where we chose a good initial condition and compare the results to the Schur method. Two 6th order systems were used, a Doubly Fed Induction Generator(DFIG) and an aircraft plant. The results showed the RNN a good alternative compared with the FNN and Schur methods. / Apresenta-se nesta dissertação os resultados a respeito de dois métodos neuronais para a resolução da equação algébrica de Riccati(EAR), que tem varias aplicações, sendo principalmente usada pelos Regulador Linear Quadrático(LQR), controle H2 e controle H1. É apresentado a EAR real e simétrica e dois métodos baseados em uma rede neuronal direta (RND) que tem a função de erro associada a EAR e uma rede neuronal recorrente (RNR) que converte um problema de otimização restrita ao modelo de espaço de estados em outro de otimização convexa em função da EAR e do fator de Cholesky de modo a usufruir das propriedades de convexidade e condições de otimalidade. Uma proposta para a escolha dos parâmetros da RNR usada para solucionar a EAR por meio da geração de superfícies com a variação paramétrica da RNR, podendo assim melhor sintonizar a rede neuronal para um melhor desempenho. Experimentos computacionais relacionados a perturbações nos sistemas foram realizados para analisar o comportamento das metodologias apresentadas, tendo como base o princípio dos métodos homotópicos, com uma boa condição inicial, a partir de uma ponto de operação estável e comparamos os resultados com o método de Schur. Foram usadas as plantas de dois sistemas: uma representando a dinâmica de uma aeronave e outra de um motor de indução eólico duplamente alimentado(DFIG), ambos sistemas de 6a ordem. Os resultados mostram que a RNR é uma boa alternativa se comparado com a RND e com o método de Schur.

Tese de mestrado integrado. Engenharia Electrotécnica e de Computadores. Energia. Faculdade de Engenharia. Universidade do Porto. 2010

Tese de mestrado integrado. Engenharia Electrotécnica e de Computadores - Major Energia. Faculdade de Engenharia. Universidade do Porto. 2008

Tese de mestrado integrado. Engenharia Electrotécnica e de Computadores - Major Energia. Faculdade de Engenharia. Universidade do Porto. 2008

Tese de doutoramento. Engenharia Electrotécnica e de Computadores. Faculdade de Engenharia. Universidade do Porto. 2008

Dissertação apresentada para obtenção do grau de Doutor em Engenharia Electrotécnica e de Computadores, na Faculdade de Engenharia da Universidade do Porto, sob a orientação do Doutor Joaquim P. Marques de Sá

Tese de doutoramento. Engenharia Mecânica. Faculdade de Engenharia. Universidade do Porto. 2007

Tese de doutoramento. Engenharia Electrotécnica e de Computadores. Faculdade de Engenharia. Universidade do Porto. 2010

Programa de Apoio aos Planos de Reestruturação e Expansão das Universidades Federais / Brazil is a tropical country with a huge amount of natural energy resources. In view of the growth that the country is experiencing, such resources exploitation becomes increasingly attractive. Among many resources alternatives, the biomass is one of the most notable mainly due to its applicability in farms and agro-industries around the country. The use of biomass to ethanol production, even on a small scale, results in a considerable production of stillage waste production that presents high organic matter content and that is seen as a highly polluting effluent. The anaerobic digestion of stillage in Upflow Anaerobic Sludge Blanket (UASB) reactors is an efficient alternative to stillage treatment as well as to biogas production. This work presents the study of empirical modeling, using tools such as artificial neural networks (ANN) and parametric identification, of an UASB reactor operation which treats the distillation stillage of ethanol produced from two different biomasses: raw starch (potato) and saccharide (sugar cane). The inputs used in the models were chosen by statistical methods according to a series of parameters that are monitored during the experimental reactor operation, where it is evident the importance of the initial Chemical Oxygen Demand, temperatures and the period of operation of the reactor with the same charge. The results were promising for the use of such tools in performance estimation of highly complex biological systems such as the anaerobic digestion, chosen as case study in this work, being achieved in the best cases a correlation of 0,98841 for potato stillage, and a correlation of 0,99738 for the stillage of sugar cane using neural networks. / O Brasil é um país tropical com uma quantidade enorme de recursos naturais energéticos. Tendo em vista o crescimento que o país está vivenciando, a exploração destes recursos energéticos se torna a cada dia mais atrativa. Entre as diversas alternativas, a biomassa está entre as mais notáveis principalmente pela sua aplicabilidade em propriedades rurais e agroindústrias de todo território nacional. A utilização de biomassa, para produção de etanol, mesmo em pequena escala, resulta em uma considerável produção de vinhaça resíduo de produção que apresenta elevado teor de matéria orgânica e é visto como um efluente altamente poluente. A biodigestão anaeróbia da vinhaça em reatores anaeróbios de fluxo ascendente e manta de lodo (UASB) é uma alternativa eficiente tanto para o tratamento da vinhaça quanto para a produção de biogás. Este trabalho apresenta o estudo da modelagem empírica, usando ferramentas tais como redes neuronais artificiais (RNAs) e identificação paramétrica, do funcionamento de um reator UASB tratando a vinhaça obtida com a destilação do etanol produzido a partir de duas biomassas diferentes: matéria-prima amilácea (batata) e sacarídea (cana-de-açúcar). As entradas usadas nos modelos foram selecionadas através de métodos estatísticos a partir de uma série de parâmetros monitorados durante a operação experimental do reator, onde fica evidente a importância da Demanda Química de Oxigênio inicial, das temperaturas e do período de operação do reator com a mesma carga. Os resultados mostraram-se promissores para o uso destas ferramentas para a predição da performance de sistemas biológicos de alta complexidade tais como a digestão anaeróbia, nos melhores casos sendo alcançado uma correlação de 0,98841 para a vinhaça de batata, e uma correlação de 0,99738 para a vinhaça de cana-de-açúcar usando redes neuronais.

A teoria de redes complexas se consolidou nos últimos anos, graças ao seu potencial como ferramenta versátil no estudo de diversos sistemas discretos. É possível enumerar aplicações em áreas tão distintas como engenharia, sociologia, computação, linguística e biologia. Tem merecido atenção, por exemplo, o estudo da organização estrutural do cérebro, tanto em nível microscópico (em nível de neurônios) como regional (regiões corticais). Acredita-se que tal organização visa otimizar a dinâmica, favorecendo processos como sincronização e processamento paralelo. Estrutura e funcionamento, portanto, estão relacionados. Tal relação é abordada pela teoria de redes complexas nos mais diversos sistemas, sendo possivelmente seu principal objeto de estudo. Neste trabalho exploramos as relações entre aspectos estruturais de redes neuronais e corticais e a atividade nas mesmas. Especificamente, estudamos como a interconectividade entre o córtex e o tálamo pode interferir em estados de ativação do último, considerando-se o sistema tálamo-cortical do gato bem como alguns modelos para geração de rede encontrados na literatura. Também abordamos a relação entre a morfologia individual de neurônios e a conectividade em redes neuronais, e consequentemente o impacto da forma neuronal em dinâmicas atuando sobre tais redes e a eficiência das mesmas no transporte de informação. Como tal eficiência pode ter como consequência a facilitação de processos maléficos às redes, como por exemplo, ataques causados por vírus neurotrópicos, também exploramos possíveis correlações entre características individuais dos elementos que formam as redes complexas e danos causados por processos infecciosos iniciados nos mesmos. / Complex network theory has been consolidated along the last years, owing to its potential as a versatile framework for the study of diverse discrete systems. It is possible to enumerate applications in fields as distinct as Engineering, Sociology, Computing, Linguistics and Biology, to name a few. For instance, the study of the structural organization of the brain at the microscopic level (neurons), as well as at regional level (cortical areas), has deserved attention. It is believed that such organization aims at optimizing the dynamics, supporting processes like synchronization and parallel processing. Structure and functioning are thus interrelated. Such relation has been addressed by complex network theory in diverse systems, possibly being its main subject. In this thesis we explore the relations between structural aspects and the activity in cortical and neuronal networks. Specifically, we study how the interconnectivity between the cortex and thalamus can interfere in activation states of the latter, taking into consideration the thalamocortical system of the cat, along with networks generated through models found in literature. We also address the relation between the individual morphology of the neurons and the connectivity in neuronal networks, and consequently the effect of the neuronal shape on dynamic processes actuating over such networks and on their efficiency on information transport. As such efficiency can consequently facilitate prejudicial processes on the networks, e.g. attacks promoted by neurotropic viruses, we also explore possible correlations between individual characteristics of the elements forming such systems and the damage caused by infectious processes started at these elements.