Made available in DSpace on 2016-08-17T14:52:39Z (GMT). No. of bitstreams: 1 DISSERTACAO_MARCEL SOARES LIMA.pdf: 17818100 bytes, checksum: 95b36384b873fd5da81040a537b53ec1 (MD5) Previous issue date: 2015-02-20 / With advancement of power electronics and the wide range of applications involving single-phase inverter voltage, current controllers has gained great prominence, because they control the flow of energy supplied to the grid or to a load and compensate some quality energy problems. For this, various techniques for controlling power has been studied in order to meet the robustness characteristics, accuracy and speed of response. In addition, another important characteristic, which has been adopted for accurately determining the choice of the current driver is the possibility of eliminating disturbances in specific frequency, such as those caused by harmonicas of the fundamental signal. This paper presents the study, analysis and resonant controller design. Since this controller is equivalent to adding two PI controllers synchronously, a positive sequence and negative sequence other, implemented in the stationary frame of reference, we will investigate the possible resonance structures of controlling synchronous equivalent to PI controllers, and vector classic and the advantages and disadvantages of each. The analyses of resonant controllers are held in the continuous domain and then the drivers are implemented in discrete domain, taking into account the computational delay. It is also performed the analysis and design of strategies for controlling resonant with and without a delay compensator. Finally, experimental tests will be performed to confirm the analyzes in this paper. / Com o avanço da eletrônica de potência e a vasta gama de aplicações que envolvem os inversores monofásicos de tensão, os controladores de corrente têm ganhado grande destaque, pois controlam o fluxo de energia fornecida à rede elétrica ou a uma carga e compensam alguns problemas de qualidade de energia. Para isso, diversas técnicas de controladores de corrente têm sido estudadas com o intuito de atender as características de robustez, precisão e rapidez na resposta. Além disso, outra característica importante, e que tem sido rigorosamente adotada para determinar a escolha dos controladores de corrente, é a possibilidade de eliminar distúrbios em frequências específicas, como por exemplo, aqueles causados por harmônicas do sinal fundamental. Esta dissertação apresenta o estudo, análise e projeto do controlador ressonante. Uma vez que este controlador é equivalente à adição de dois controladores PI síncronos, um de sequência positiva e outro de sequência negativa, implementados no referencial estacionário, serão investigados as possíveis estruturas dos controladores ressonantes equivalentes aos controladores PI síncronos, clássico e vetorial, bem como as vantagens e desvantagens de cada um. As análises dos controladores ressonantes são realizadas no dominio contínuo e, posteriormente, os controladores são implementados no dominio discreto, levando em consideração o atraso computacional. Também é realizada a análise e projeto das estratégias de controladores ressonantes com e sem um compensador de atraso. Por fim, serão realizados ensaios experimentais para confirmar as análises realizadas no decorrer deste trabalho.

A deformabilidade é uma propriedade fundamental em projetos geotécnicos. A constatação de que as deformações em várias obras de engenharia se situam na faixa de pequenas e muito pequenas deformações e as limitações das técnicas de ensaio em medir tal nível de deformações levaram ao desenvolvimento de técnicas com base em solicitações dinâmicas, dentre as quais, as de coluna ressonante e bender elements. Particularmente, o emprego da técnica de bender elements tem crescido devido à simplicidade de execução dos ensaios, e determinação do módulo de cisalhamento máximo dos solos. Diversos estudos acerca das propriedades deformacionais dos solos determinadas por este método têm sido conduzidos em solos saturados ou secos, não obstante, estudos desta natureza em solos não saturados ainda são relativamente escassos. Esta pesquisa investigou a influência de algumas variáveis, como a sucção e a tensão confinante sobre a deformabilidade de um solo laterítico não saturado típico do interior do Estado de São Paulo, empregando bender elements, coluna ressonante e compressão triaxial com instrumentação interna. Além disso, buscando uma caracterização mais completa deste solo, ensaios de compressão triaxial foram realizados para quantificar sua resistência ao cisalhamento. Os resultados destes ensaios sugeriram a ocorrência de encruamento em solo indeformado, e uma envoltória planar de resistência foi usada para representar a resistência ao cisalhamento da amostra compactada. Já no que se refere à deformabilidade, os resultados indicaram que a redução do teor de umidade de compactação, o aumento do confinamento isotrópico ou da sucção são responsáveis por um solo menos deformável. Dados dos ensaios com bender elements foram bem representados por uma função potencial quando o módulo de cisalhamento máximo e a sucção foram normalizados pela tensão confinante líquida. Para o solo compactado não saturado, também ensaiado em coluna ressonante, dados obtidos por ambas as técnicas foram comparados, notando-se velocidades de ondas de cisalhamento um pouco superiores para os ensaios com bender elements, que foram atribuídas às mais altas frequências nestes ensaios. / Stiffness is a fundamental property in geotechnical design. The fact that strains are in the smallto- very small strain range in several engineering works and the limitations of testing techniques in measuring such level of strains led to the development of dynamic techniques, such as resonant column and bender elements. Specifically, the bender elements technique has been increasingly used due to the simplicity in performing tests and computing the maximum shear modulus of the soil. Several studies have been carried out to assess stiffness properties of dry or saturated soils via bender elements, however, studies of this nature are still relatively scarce in unsaturated soils. This research investigated the influence of some variables, like suction and confining stress, on the stiffness of a lateritic unsaturated soil, typical of São Paulo State, via bender elements, resonant column and triaxial compression tests with local gauges. Furthermore, aiming at a more complete characterization of this soil, triaxial compression tests were performed in order to quantify its shear strength. Results from these tests suggested the occurrence of strain hardening on undisturbed specimens, and a planar shear strength envelope was used to represent the compacted sample data. Regarding soil stiffness, results indicated that it increases with a reduction in the compaction moisture content or an increase in isotropic confining stress or suction. Data from bender elements tests were nicely represented by a power function when maximum shear modulus and suction were normalized by the net confining stress. Results of unsaturated compacted soil obtained from bender elements and resonant column tests were compared and slightly larger shear wave velocities were noticed in bender elements tests, which were attributed to the larger testing frequencies used in these tests.

No presente trabalho foram investigados vários sistemas moleculares contendo o dióxido de enxofre (SO2) como espécie elétron aceptora e diversas espécies elétron doadoras como aminas (alifáticas e aromáticas), complexos inorgânicos e líquidos iônicos. Estes compostos são chamados de complexos do tipo doador-aceptor, que no caso do SO2 são caracterizados por apresentarem baixas energias de ligação entre as espécies se comparada à maioria dos complexos desta categoria. A caracterização vibracional dos complexos e adutos de SO2, assim como do processo de transferência de carga (CT) intermolecular e da estabilidade destes sistemas consistem nos principais objetivos deste trabalho, tendo sido para tanto utilizadas as técnicas de espectroscopia eletrônica (UV-Vis), espectroscopia vibracional (Raman e infravermelho), cálculos de química quântica (DFT) e cálculos de dinâmica molecular clássica (MD). No caso de complexos entre aminas e SO2 foi observado que além da basicidade das aminas, o efeito estérico consiste em um fator crucial para a estabilidade. No caso de aminas aromáticas, complexos coloridos foram formados permitindo a obtenção de espectros Raman ressonante. No caso de um complexo inorgânico, com utilidade potencial como sensor de SO2foi observada a aplicação da espectroscopia Raman ressonante na caracterização do complexo de estequiometria 2:1. Já no caso da interação de SO2 e líquidos iônicos (LI) foi observada a capacidade de absorção de SO2 por LI e a conseqüente mudança das propriedades físico-químicas destes líquidos, o que abre a possibilidade, além de sua potencial utilização no contexto ambiental, de sintonizar propriedades de líquidos iônicos através da adição controlada de SO2. / In the present work molecular systems bearing the sulfur dioxide (SO2) as an electron acceptor species and several electron donor species as amines (aliphatic and aromatic), inorganic complexes and ionic liquids were investigated. Such complexes are commonly known as donor-acceptor complexes, and in particular, in the case of SO2 complexes are characterized by low binding energies when compared with the majority of charge transfer (CT) complexes. The vibrational characterization of the SO2 complexes, as well as of the intermolecular charge transfer (CT) process and of their stabilities are the main subjects of this work, and for such, electronic spectroscopy (UV-Vis), vibrational spectroscopy (Raman and infrared), quantum chemical (DFT) calculations and molecular dynamics (MD) simulations were used. In the case of complexes formed by amines and SO2 it was observed that besides the amine basicities, the steric effect plays a crucial role in their stabilities. In the case of aromatic amines, colored complexes were formed allowing the resonance Raman study. The use of Raman spectroscopy in the characterization of an inorganic complex (SO2 sensor) indicates the potential use of the resonance Raman effect for SO2 monitoring. In the case of the interaction between SO2 and ionic liquids it was observed the great capability of ionic liquids as SO2 absorbers, and the consequent change in the physical-chemical properties of these liquids, what opens the possibility, in addition to its potential use in the environmental context, for tuning the ionic liquids properties via the controlled addition of SO2.

O uso de materiais piezelétricos no desenvolvimento de dispositivos para o aproveitamento de energia provinda de vibrações mecânicas, Energy Harvesting, tem sido largamente estudado na última década. Materiais piezelétricos podem ser encontrados na forma de finas camadas ou pastilhas, sendo facilmente integradas a estruturas sem aumento significativo de massa. A conversão de energia mecânica em energia elétrica se dá graças ao acoplamento eletromecânico dos materiais piezelétricos. A maioria das publicações encontradas na literatura exploram o uso de dispositivos eletromecânicos ressonantes, sintonizados na frequência de operação da estrutura, maximizando assim, a energia elétrica de saída dada uma certa condição de operação. O desempenho desses dispositivos ressonantes para coletar e armazenar energia é altamente dependente da adequada sintonização da sua frequência de ressonância com a frequência de operação do sistema/estrutura. Este trabalho apresenta o projeto, otimização e análise de incertezas de um dispositivo coletor/armazenador de energia que consiste em uma placa sob duas condições de contorno, engastada-livre (EL) e deslizante-livre (DL), com massa sísmica e materiais piezelétricos conectados a um circuito shunt. Um modelo em elementos finitos de placa laminada piezelétrica conectada a circuitos R e RL é utilizado combinando as teorias de camada equivalente e deformação de cisalhamento de primeira ordem. A disposição/quantidade de material piezelétrico bem como a massa sísmica acoplados à estrutura foram otimizadas utilizando-se um Algoritmo Genético, levando em conta análises mecânica (modelo mecânico, geometria, peso) e elétrica (modelo elétrico, circuito armazenador). Além disso, o efeito de incertezas dos parâmetros dielétrico e piezelétrico do transdutor, e da indutância elétrica ligada em série ao circuito coletor/armazenador de energia foi estudado. Os resultados indicam que a inclusão de uma indutância sintética ao circuito pode melhorar a coleta de energia em uma banda de frequência e, ainda, que a otimização geométrica pode reduzir a quantidade de material piezelétrico sem no entanto diminuir significativamente a energia gerada. / The use of piezoelectric materials in the development of devices to harvest energy from mechanical vibrations (Energy Harvesting) has been widely studied in the last decade. Piezoelectric materials can be found in the form of thin layers or patches easily integrated into structures without significant mass increase. The conversion of mechanical energy into electric power is provided by the electromechanical coupling of piezoelectric materials. Most publications in the literature explore the use of resonant electromechanical devices, tuned to the operating frequency of the host structure, thus maximizing the power output given a certain operating condition. The performance of these resonant devices to harvest and store energy is highly dependent on the proper tuning of its resonance frequency with the operation frequency of the system/structure. This work presents a design, optimization and uncertainty analysis of energy harvester device consisting of a plate with tip mass and piezoelectric materials connected to shunt circuits. Two boundary conditions are used for the plate, cantilever (EL) and sliding-free (DL). A coupled finite element model with R and RL circuits, combining equivalent single layer and first order shear deformation theories, was used. The distribution and volume of piezoelectric material and the tip mass coupled to the structure were optimized using a Genetic Algorithm, accounting for both mechanical (mechanical model, geometry, weight) and electric (electric model, storer circuit) analyses. Furthermore, the effect of uncertainties of transducer dielectric and piezoelectric constants and electric inductance connected in series with harvesting circuit was studied. The results indicate that the inclusion of a synthetic inductance can improve energy harvesting performance over a frequency range and also that the geometric optimization may reduce the piezoelectric material volume without diminishing significantly the harvested energy.

Orientador: Carlos Alberto Canesin / Resumo: No presente trabalho de dissertação, é analisado e desenvolvido um conversor ressonante com o objetivo de produzir ozônio, aplicado à água de processos de higienização industrial. Na atualidade, no ano de 2018, dois dos fatores de grande importância no desenvolvimento de conversores para geração de ozônio são: a eficiência energética, isto é, quanta energia é aproveitada em relação à energia total fornecida ao conversor, e a outra é a produção de ozônio fazendo uso dessa energia aproveitada. Os dois fatores não necessariamente estão relacionados, por exemplo, para dois conversores distintos com a mesma energia disponível, pode acontecer que em um deles possa ser produzido maiores concentrações de ozônio com um menor aproveitamento de energia. Portanto, este trabalho enfatiza a melhoria da eficiência energética na produção de ozônio, empregando comutação suave nas estruturas envolvidas do conversor ressonante proposto, o que resulta em uma eficiência energética de 91,57%. A estrutura do conversor proposto apresenta dois estágios em cascata, o primeiro deles, um conversor que é responsável por gerar um barramento CC estável de 400,5 V e que atende aos requisitos de fator de potência e distorção harmônica total com valores de 0,994 e 5,79%(para a corrente de entrada), respectivamente, e o segundo, um inversor ressonante capaz de fornecer uma tensão de 4,4 kV com uma frequência de 10 kHz que atua como fonte de alimentação de um reator conformado por câmaras de descarga usadas em ... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: In the present dissertation, it is studied and developed a resonant converter in order to produce ozone, applied in water treatment for cleaning processes. Currently, in the year 2018, two of the factors of great importance in the development of converters for ozone generation are: energy efficiency, that is, how much energy is used in relation to the total energy supplied to the converter, and the other is the production of ozone making use of this energy harnessed. The two factors are not necessarily related, for example, for two different converters with the same energy available, it can happen that in one of them can be produced higher concentrations of ozone with a lower use of energy. Therefore, this work emphasizes the improvement of energy efficiency in the production of ozone using soft switching in the involved structures of the proposed resonant converter, which results in an energy efficiency of 91.57%. The structure of the proposed converter has two stages in cascade, the first one, a converter that is responsible for generating a stable DC bus of 400.5 V and that meets the requirements of power factor and total harmonic distortion with values of 0.994 and 5.79% (for the input current), respectively, and the second, a resonant inverter capable of providing a voltage of 4.4 kV with a frequency of 10 kHz which acts as a power supply for a reactor formed by discharge chambers used in ozone generation applications by electric discharge. Naturally, relevant ozone info... (Complete abstract click electronic access below) / Mestre

O presente trabalho apresenta dois novas modelos conexionistas, baseados na teoria da adaptação ressonante (ART): Simplified Fuzzy ARTMAP e Semantic ART (SMART). Descreve-se a modelagem, adaptação, implementação e validação destes, enquanto incorporados ao sistema hibrido HYCONES, para resolução de problemas de diagnostico medico em cardiopatias congênitas e nefrologia. HYCONES é uma ferramenta para a construção de sistemas especialistas híbridos que integra redes neurais com frames, assimilando as qualidades inerentes aos dois paradigmas. 0 mecanismo de frames fornece tipos construtores flexíveis para a modelagem do conhecimento do domínio, enquanto as redes neurais, representadas na versão original de HYCONES pelo modelo neural combinatório (MNC), possibilitam tanto a automação da aquisição de conhecimento, a partir de uma base de casos, quanta a implementação de aprendizado indutivo e dedutivo. A teoria da adaptação ressonante 6 caracterizada, principalmente, pela manutenção do equilíbrio entre as propriedades de plasticidade e estabilidade durante o processo de aprendizagem. ART inclui vários modelos conexionistas, tais como: Fuzzy ARTMAP, Fuzzy ART, ART 1, ART 2 e ART 3. Dentre estes, a rede neural Fuzzy ARTMAP destaca-se por possibilitar o tratamento de padr6es analógicos a partir de dois módulos ART básicos. O modelo Simplified Fuzzy ARTMAP, como o pr6prio nome o diz, a uma simplificação da rede neural Fuzzy ARTMAP. Ao contrario desta, o novo modelo possibilita o tratamento de padrões analógicos, a partir de apenas um modulo ART, responsável pelo tratamento dos padrões de entrada, adicionado de uma camada, responsável pelos padrões alvo. Mesmo com apenas um modulo ART, o modelo Simplified Fuzzy ARTMAP 6 capaz de reter o mesmo nível de desempenho obtido com a rede neural Fuzzy ARTMAP pois, continua a garantir, conjuntamente, a maximização da generalização e a minimização do erro preditivo, através da execução da estratégia match-tracking. Para a construção da base de casos de cardiopatias congênitas, 66 prontuários médicos, das três cardiopatias congênitas mais freqüentes, foram extraídos do banco de dados de pacientes submetidos a cirurgia cardíaca no Instituto de Cardiologia RS (ICFUC-RS). Tais prontuários abrangem o período de janeiro de 1986 a dezembro de 1990 e reportam 22 casos de Comunicação Interatrial (CIA), 29 de Comunicação Interventricular (CIV) e 15 de Defeito Septal Atrioventricular (DSAV). Para a análise de desempenho do sistema, 33 casos adicionais, do referido período, foram extraídos aleatoriamente do banco de dados do ICFUC-RS. Destes 33 casos, 13 apresentam CIA, 10 CIV e 10 DSAV. Para a construção da base de casos de síndromes renais, 381 prontuários do banco de dados de síndromes renais da Escola Paulista de Medicina foram analisados e 58 evidencias, correspondentes a dados de hist6ria clinica e exame físico dos pacientes, foram extraídas semi-automaticamente. Do total de casos selecionados, 136 apresentam Uremia, 85 Nefrite, 100 Hipertensão e 60 Litiase. Dos 381 casos analisados, 254 foram escolhidos aleatoriamente para a composicao do conjunto de treinamento, enquanto que os demais foram utilizados para a elaboração do conjunto de testes. Para que HYCONES II fosse validado, foram construídas 46 versões da base de conhecimento hibrida (BCH) para o domínio de cardiopatias congênitas e 46 versões da BCH para o de nefrologia. Em ambos os domínios médicos as respectivas bases de conhecimento foram construídas, automaticamente, a partir das respectivas bases de casos de treinamento. Das 46 versões geradas para cada grupo, uma representa o modelo MNC e 45 os modelos ART. As versões ART dividem-se em grupos de 3: 15 versões foram formadas a partir do modelo Simplified Fuzzy ARTMAP; 15 a partir deste mesmo modelo, sem que os padrões de entrada fossem normalizados; e, finalmente, 15 para o modelo Semantic ART. Na base de testes CHD, o desempenho da versa° HYCONES II - Simplified Fuzzy ARTMAP foi semelhante ao da versa° MNC. A primeira acertou 29 dos 33 diagnósticos (87,9%), enquanto a segunda apontou corretamente 31 dos 33 diagnósticos apresentados (93,9%). Na base de testes de síndromes renais, o desempenho de HYCONES II Fuzzy ARTMAP foi superior ao da versão MNC (p < 0,05). Ambas -Simplified acertaram, respectivamente, 108 (85%) e 95 (74,8%) diagnósticos, em 127 casos submetidos. Ainda que o desempenho da versão HYCONES II - Simplified Fuzzy ARTMAP se revelasse promissor, ao se examinar o conteúdo das redes geradas por este modelo, pode-se observar que estas divergiam completamente daquelas obtidas pelo MNC. As redes que levaram a conclusão diagnostica, na versão HYCONES - MNC, possuíam conteúdo praticamente igual aos grafos de conhecimento, elicitados de especialistas em cardiopatias congênitas. JA, as redes ativadas na versa° HYCONES II - Simplified Fuzzy ARTMAP, além de representarem numero bem major de evidencias que as redes MNC, a grande maioria destas ultimas representam a negação do padrão de entrada. Este fato deve-se a um processo de normalização, inerente ao modelo Simplified Fuzzy ARTMAP, no qual cada padrão de entrada e duplicado. Nesta duplicação, são representadas as evidências presentes em cada caso e, ao mesmo tempo, complementarmente, as evidencias ausentes, em relação ao total geral das mesmas na base de casos. Esta codificação inviabiliza o mecanismo de explanação do sistema HYCONES, pois, na área módica, os diagnósticos costumam ser feitos a partir de um conjunto de evidencias presentes e, não, pela ausência delas. Tentou-se, então, melhorar o conteúdo semântico das redes Simplified Fuzzy ARTMAP. Para tal, o processo de normalização ou codificação complementar da implementação do modelo foi retirado, validando-o novamente, contra o mesma base de testes. Na base de testes CHD, o desempenho de HYCONES II - Simplified Fuzzy ARTMAP, sem a codificação complementar, foi inferior ao da versão MNC (p < 0,05). A primeira acertou 25 dos 33 diagnósticos (75,8%), enquanto a segunda apontou corretamente 31 dos mesmos (93,9%). Na base de testes renais, o desempenho da versa° HYCONES II - Simplified Fuzzy ARTMAP, sem a codificação complementar, foi semelhante ao da versa° MNC. Dos 127 casos apresentados, a primeira acertou 98 diagn6sticos (77,2%), contra 95 da segunda (74,8%). Constatou-se, ainda, que as categorias de reconhecimento formadas pelo modelo Simplified Fuzzy ARTMAP continuavam a apresentar diferenças marcantes quanto ao seu conteúdo, quando comparadas as redes MNC ou aos grafos de conhecimento elicitados de especialistas. O modelo Semantic ART foi, então, proposto, na tentativa de se melhorar o conteúdo semantic° das redes ART. Modificou-se, então, o algoritmo de aprendizado do modelo Simplified Fuzzy ARTMAP, introduzindo-se o mecanismo de aprendizado indutivo do modelo MNC, i.e., o algoritmo de punições e recompensas, associado ao de poda e normalização. Nova validação com a mesma base de testes foi realizada. Para a base de testes de CHD, o desempenho de HYCONES II - SMART foi semelhante ao da versão Simplified Fuzzy ARTMAP e da versão MNC. A primeira e a segunda acertaram 29 dos 33 diagnósticos (87,9%), enquanto a versão MNC apontou corretamente 31 dos 33 diagnósticos apresentados (93,9%). Na base de testes de síndromes renais, o desempenho de HYCONES II - SMART foi superior ao da versão MNC (p < 0,05) e igual ao da versão Simplified Fuzzy ARTMAP. A primeira e a Ultima acertaram 108 dos 127 diagnósticos (85%), enquanto a segunda apontou corretamente 95 dos mesmos (74,8%). Desta feita, observou-se que as redes neurais geradas por HYCONES II - SMART eram semelhantes em conteúdo as redes MNC e aos grafos de conhecimento elicitados de múltiplos especialistas. As principais contribuições desta dissertação são: o projeto, implementação e validação dos modelos Simplified Fuzzy ARTMAP e SMART. Destaca-se, porem, o modelo SMART, que apresentou major valor semântico nas categorias de reconhecimento do que o observado nos modelos ART convencionais, graças a incorporação dos conceitos de especificidade e relevância. Esta dissertação, entretanto, representa não só a modelagem e validação de dois novos modelos neurais, mas sim, o enriquecimento do sistema HYCONES, a partir da continuação de dissertação de mestrado previamente defendida. A partir do presente trabalho, portanto, é dada a possibilidade de escolha, ao engenheiro de conhecimento, de um entre três modelos neurais: o MNC, o Semantic ART e o Simplified Fuzzy ARTMAP que, sem exceção, apresentam Born desempenho. Os dois primeiros destacam-se, contudo, por suportarem semanticamente o contexto. / This dissertation presents two new connectionist models based on the adaptive resonance theory (ART): Simplified Fuzzy ARTMAP and Semantic ART (SMART). The modeling, adaptation, implementation and validation of these models are described, in their association to HYCONES, a hybrid connectionist expert system to solve classification problems. HYCONES integrates the knowledge representation mechanism of frames with neural networks, incorporating the inherent qualities of the two paradigms. While the frames mechanism provides flexible constructs for modeling the domain knowledge, neural networks, implemented in HYCONES' first version by the combinatorial neuron model (CNM), provide the means for automatic knowledge acquisition from a case database, enabling, as well, the implementation of deductive and inductive learning. The Adaptive Resonance Theory (ART) deals with a system involving selfstabilizing input patterns into recognition categories, while maintaining a balance between the properties of plasticity and stability. ART includes a series of different connectionist models: Fuzzy ARTMAP, Fuzzy ART, ART 1, ART 2, and ART 3. Among them, the Fuzzy ARTMAP one stands out for being capable of learning analogical patterns, using two basic ART modules. The Simplified Fuzzy ARTMAP model is a simplification of the Fuzzy ARTMAP neural network. Constrating the first model, the new one is capable of learning analogical patterns using only one ART module. This module is responsible for the categorization of the input patterns. However, it has one more layer, which is responsible for receiving and propagating the target patterns through the network. The presence of a single ART module does not hamper the Simplified Fuzzy ARTMAP model. The same performance levels are attained when the latter one runs without the second ART module. This is certified by the match-tracking strategy, that conjointly maximizes generalization and minimizes predictive error. Two medical domains were chosen to validate HYCONES performance: congenital heart diseases (CHD) and renal syndromes. To build up the CHD case base, 66 medical records were extracted from the cardiac surgery database of the Institute of Cardiology RS (ICFUC-RS). These records cover the period from January 1986 to December 1990 and describe 22 cases of Atrial Septal Defect (ASD), 29 of Ventriculal Septal Defect (VSD), and 15 of Atrial- Ventricular Septa! Defect (AVSD), the three most frequent congenital heart diseases. For validation purposes, 33 additional cases, from the same database and period mentioned above, were also extracted. From these cases, 13 report ASD, 10 VSD and 10 AVSD. To build the renal syndromes case base, 381 medical records from the database of the Escola Paulista de Medicina were analyzed and 58 evidences, covering the patients' clinical history and physical examination data, were semiautomatically extracted. From the total number of selected cases, 136 exhibit Uremia, 85 Nephritis, 100 Hypertension, and 60 Calculosis. From the 381 cases analyzed, 245 were randomically chosen to build the training set, while the remaining ones were used to build the testing set. To validate HYCONES II, 46 versions of the hybrid knowledge base (HKB) with congenital heart diseases were built; for the renal domain, another set of 46 HKB versions were constructed. For both medical domains, the HKBs were automatically generated from the training databases. From these 46 versions, one operates with the CNM model and the other 45 deals with two ART models. These ART versions are divided in three groups: 15 versions were built using the Simplified Fuzzy ARTMAP model; 15 used the Simplified Fuzzy ARTMAP model without the normalization of the input patterns, and 15 used the Semantic ART model. HYCONES II - Simplified Fuzzy ARTMAP and HYCONES - CNM performed similarly for the CH D domain. The first one pointed out correctly to 29 of the 33 testing cases (87,9%), while the second one indicated correctly 31 of the same cases (93,9%). In the renal syndromes domain, however, the performance of HYCONES II - Simplified Fuzzy ARTMAP was superior to the one exhibited by CNM (p < 0,05). Both versions pointed out correctly, respectively, 108 (85%) and 95 (74.8%) diagnoses of the 127 testing cases presented to the system. HYCONES II - Simplified Fuzzy ARTMAP, therefore, displayed a satisfactory performance. However, the semantic contents of the neural nets it generated were completely different from the ones stemming from the CNM version. The networks that pointed out the final diagnosis in HYCONES - CNM were very similar to the knowledge graphs elicited from experts in congenital heart diseases. On the other hand, the networks activated in HYCONES II - Simplified Fuzzy ARTMAP operated with far more evidences than the CNM version. Besides this quantitative difference, there was a striking qualitative discrepancy among these two models. The Simplified Fuzzy ARTMAP version, even though pointing out to the correct diagnoses, used evidences that represented the complementary coding of the input pattern. This coding, inherent to the Simplified Fuzzy ARTMAP model, duplicates the input pattern, generating a new one depicting the evidence observed (on-cell) and, at the same time, the absent evidence, in relation to the total evidence employed to represent the input cases (off-cell). This coding shuts out the HYCONES explanation mechanism, since medical doctors usually reach a diagnostic conclusion rather from a set of observed evidences than from their absence. The next step taken was to improve the semantic contents of the Simplified Fuzzy ARTMAP model. To achieve this, the complement coding process was removed and the modified model was, then, revalidated, through the same testing sets as above described. In the CHD domain, the performance of HYCONES II - Simplified Fuzzy ARTMAP, without complementary coding, proved to be inferior to the one presented by CNM (p < 0,05). The first model singled out correctly 25 out of the 33 testing cases (75,8%), while the second one singled out correctly 31 out of the same 33 cases (93,9%). In the renal syndromes domain, the performances of HYCONES II - Simplified Fuzzy ARTMAP, without complementary coding, and HYCONES - CNM were similar. The first pointed out correctly to 98 of the 127 testing cases (77,2%), while the second one pointed out correctly to 95 of the same cases (74.8%). However, the recognition categories formed by this modified Simplified Fuzzy ARTMAP still presented quantitative and qualitative differences in their contents, when compared to the networks activated by CNM and to the knowledge graphs elicited from experts. This discrepancy, although smaller than the one observed in the original Fuzzy ARTMAP model, still restrained HYCONES explanation mechanism. The Semantic ART model (SMART) was, then, proposed. Its goal was to improve the semantic contents of ART recognition categories. To build this new model, the Simplified Fuzzy ARTMAP archictecture was preserved, while its learning algorithm was replaced by the CNM inductive learning mechanism (the punishments and rewards algorithm, associated with the pruning and normalization mechanisms). A new validation phase was, then, performed over the same testing sets. For the CHD domain, the perfomance comparison among SMART, Simplified Fuzzy ARTMAP, and CNM versions showed similar results. The first and the second versions pointed out correctly to 29 of the 33 testing cases (87,9%), while the third one singled out correctly 31 of the same testing cases (93,9%). For the renal syndromes domain, the performance of HYCONES II - SMART was superior to the one presented by the CNM version (p < 0,05), and equal to the performance presented by the Simplified Fuzzy ARTMAP version. SMART and Simplified Fuzzy ARTMAP singled out correctly 108 of the 127 testing cases (85%), while the CNM version pointed out correctly 95 of the same 127 testing cases (74.8%). Finally, it was observed that the neural networks generated by HYCONES II - SMART had a similar content to the networks generated by CNM and to the knowledge graphs elicited from multiple experts. The main contributions of this dissertation are: the design, implementation and validation of the Simplified Fuzzy ARTMAP and SMART models. The latter one, however, stands out for its learning mechanism, which provides a higher semantic value to the recognition categories, when compared to the categories formed by conventional ART models. This important enhancement is obtained by incorporating specificity and relevance concepts to ART's dynamics. This dissertation, however, represents not only the design and validation of two new connectionist models, but also, the enrichment of HYCONES. This is obtained through the continuation of a previous MSc dissertation, under the same supervision supervision. From the present work, therefore, it is given to the knowledge engineering, the choice among three different neural networks: CNM, Semantic ART and Simplified Fuzzy ARTMAP, all of which, display good performance. Indeed, the first and second models, in contrast to the third, support the context in a semantic way.

O presente trabalho apresenta dois novas modelos conexionistas, baseados na teoria da adaptação ressonante (ART): Simplified Fuzzy ARTMAP e Semantic ART (SMART). Descreve-se a modelagem, adaptação, implementação e validação destes, enquanto incorporados ao sistema hibrido HYCONES, para resolução de problemas de diagnostico medico em cardiopatias congênitas e nefrologia. HYCONES é uma ferramenta para a construção de sistemas especialistas híbridos que integra redes neurais com frames, assimilando as qualidades inerentes aos dois paradigmas. 0 mecanismo de frames fornece tipos construtores flexíveis para a modelagem do conhecimento do domínio, enquanto as redes neurais, representadas na versão original de HYCONES pelo modelo neural combinatório (MNC), possibilitam tanto a automação da aquisição de conhecimento, a partir de uma base de casos, quanta a implementação de aprendizado indutivo e dedutivo. A teoria da adaptação ressonante 6 caracterizada, principalmente, pela manutenção do equilíbrio entre as propriedades de plasticidade e estabilidade durante o processo de aprendizagem. ART inclui vários modelos conexionistas, tais como: Fuzzy ARTMAP, Fuzzy ART, ART 1, ART 2 e ART 3. Dentre estes, a rede neural Fuzzy ARTMAP destaca-se por possibilitar o tratamento de padr6es analógicos a partir de dois módulos ART básicos. O modelo Simplified Fuzzy ARTMAP, como o pr6prio nome o diz, a uma simplificação da rede neural Fuzzy ARTMAP. Ao contrario desta, o novo modelo possibilita o tratamento de padrões analógicos, a partir de apenas um modulo ART, responsável pelo tratamento dos padrões de entrada, adicionado de uma camada, responsável pelos padrões alvo. Mesmo com apenas um modulo ART, o modelo Simplified Fuzzy ARTMAP 6 capaz de reter o mesmo nível de desempenho obtido com a rede neural Fuzzy ARTMAP pois, continua a garantir, conjuntamente, a maximização da generalização e a minimização do erro preditivo, através da execução da estratégia match-tracking. Para a construção da base de casos de cardiopatias congênitas, 66 prontuários médicos, das três cardiopatias congênitas mais freqüentes, foram extraídos do banco de dados de pacientes submetidos a cirurgia cardíaca no Instituto de Cardiologia RS (ICFUC-RS). Tais prontuários abrangem o período de janeiro de 1986 a dezembro de 1990 e reportam 22 casos de Comunicação Interatrial (CIA), 29 de Comunicação Interventricular (CIV) e 15 de Defeito Septal Atrioventricular (DSAV). Para a análise de desempenho do sistema, 33 casos adicionais, do referido período, foram extraídos aleatoriamente do banco de dados do ICFUC-RS. Destes 33 casos, 13 apresentam CIA, 10 CIV e 10 DSAV. Para a construção da base de casos de síndromes renais, 381 prontuários do banco de dados de síndromes renais da Escola Paulista de Medicina foram analisados e 58 evidencias, correspondentes a dados de hist6ria clinica e exame físico dos pacientes, foram extraídas semi-automaticamente. Do total de casos selecionados, 136 apresentam Uremia, 85 Nefrite, 100 Hipertensão e 60 Litiase. Dos 381 casos analisados, 254 foram escolhidos aleatoriamente para a composicao do conjunto de treinamento, enquanto que os demais foram utilizados para a elaboração do conjunto de testes. Para que HYCONES II fosse validado, foram construídas 46 versões da base de conhecimento hibrida (BCH) para o domínio de cardiopatias congênitas e 46 versões da BCH para o de nefrologia. Em ambos os domínios médicos as respectivas bases de conhecimento foram construídas, automaticamente, a partir das respectivas bases de casos de treinamento. Das 46 versões geradas para cada grupo, uma representa o modelo MNC e 45 os modelos ART. As versões ART dividem-se em grupos de 3: 15 versões foram formadas a partir do modelo Simplified Fuzzy ARTMAP; 15 a partir deste mesmo modelo, sem que os padrões de entrada fossem normalizados; e, finalmente, 15 para o modelo Semantic ART. Na base de testes CHD, o desempenho da versa° HYCONES II - Simplified Fuzzy ARTMAP foi semelhante ao da versa° MNC. A primeira acertou 29 dos 33 diagnósticos (87,9%), enquanto a segunda apontou corretamente 31 dos 33 diagnósticos apresentados (93,9%). Na base de testes de síndromes renais, o desempenho de HYCONES II Fuzzy ARTMAP foi superior ao da versão MNC (p < 0,05). Ambas -Simplified acertaram, respectivamente, 108 (85%) e 95 (74,8%) diagnósticos, em 127 casos submetidos. Ainda que o desempenho da versão HYCONES II - Simplified Fuzzy ARTMAP se revelasse promissor, ao se examinar o conteúdo das redes geradas por este modelo, pode-se observar que estas divergiam completamente daquelas obtidas pelo MNC. As redes que levaram a conclusão diagnostica, na versão HYCONES - MNC, possuíam conteúdo praticamente igual aos grafos de conhecimento, elicitados de especialistas em cardiopatias congênitas. JA, as redes ativadas na versa° HYCONES II - Simplified Fuzzy ARTMAP, além de representarem numero bem major de evidencias que as redes MNC, a grande maioria destas ultimas representam a negação do padrão de entrada. Este fato deve-se a um processo de normalização, inerente ao modelo Simplified Fuzzy ARTMAP, no qual cada padrão de entrada e duplicado. Nesta duplicação, são representadas as evidências presentes em cada caso e, ao mesmo tempo, complementarmente, as evidencias ausentes, em relação ao total geral das mesmas na base de casos. Esta codificação inviabiliza o mecanismo de explanação do sistema HYCONES, pois, na área módica, os diagnósticos costumam ser feitos a partir de um conjunto de evidencias presentes e, não, pela ausência delas. Tentou-se, então, melhorar o conteúdo semântico das redes Simplified Fuzzy ARTMAP. Para tal, o processo de normalização ou codificação complementar da implementação do modelo foi retirado, validando-o novamente, contra o mesma base de testes. Na base de testes CHD, o desempenho de HYCONES II - Simplified Fuzzy ARTMAP, sem a codificação complementar, foi inferior ao da versão MNC (p < 0,05). A primeira acertou 25 dos 33 diagnósticos (75,8%), enquanto a segunda apontou corretamente 31 dos mesmos (93,9%). Na base de testes renais, o desempenho da versa° HYCONES II - Simplified Fuzzy ARTMAP, sem a codificação complementar, foi semelhante ao da versa° MNC. Dos 127 casos apresentados, a primeira acertou 98 diagn6sticos (77,2%), contra 95 da segunda (74,8%). Constatou-se, ainda, que as categorias de reconhecimento formadas pelo modelo Simplified Fuzzy ARTMAP continuavam a apresentar diferenças marcantes quanto ao seu conteúdo, quando comparadas as redes MNC ou aos grafos de conhecimento elicitados de especialistas. O modelo Semantic ART foi, então, proposto, na tentativa de se melhorar o conteúdo semantic° das redes ART. Modificou-se, então, o algoritmo de aprendizado do modelo Simplified Fuzzy ARTMAP, introduzindo-se o mecanismo de aprendizado indutivo do modelo MNC, i.e., o algoritmo de punições e recompensas, associado ao de poda e normalização. Nova validação com a mesma base de testes foi realizada. Para a base de testes de CHD, o desempenho de HYCONES II - SMART foi semelhante ao da versão Simplified Fuzzy ARTMAP e da versão MNC. A primeira e a segunda acertaram 29 dos 33 diagnósticos (87,9%), enquanto a versão MNC apontou corretamente 31 dos 33 diagnósticos apresentados (93,9%). Na base de testes de síndromes renais, o desempenho de HYCONES II - SMART foi superior ao da versão MNC (p < 0,05) e igual ao da versão Simplified Fuzzy ARTMAP. A primeira e a Ultima acertaram 108 dos 127 diagnósticos (85%), enquanto a segunda apontou corretamente 95 dos mesmos (74,8%). Desta feita, observou-se que as redes neurais geradas por HYCONES II - SMART eram semelhantes em conteúdo as redes MNC e aos grafos de conhecimento elicitados de múltiplos especialistas. As principais contribuições desta dissertação são: o projeto, implementação e validação dos modelos Simplified Fuzzy ARTMAP e SMART. Destaca-se, porem, o modelo SMART, que apresentou major valor semântico nas categorias de reconhecimento do que o observado nos modelos ART convencionais, graças a incorporação dos conceitos de especificidade e relevância. Esta dissertação, entretanto, representa não só a modelagem e validação de dois novos modelos neurais, mas sim, o enriquecimento do sistema HYCONES, a partir da continuação de dissertação de mestrado previamente defendida. A partir do presente trabalho, portanto, é dada a possibilidade de escolha, ao engenheiro de conhecimento, de um entre três modelos neurais: o MNC, o Semantic ART e o Simplified Fuzzy ARTMAP que, sem exceção, apresentam Born desempenho. Os dois primeiros destacam-se, contudo, por suportarem semanticamente o contexto. / This dissertation presents two new connectionist models based on the adaptive resonance theory (ART): Simplified Fuzzy ARTMAP and Semantic ART (SMART). The modeling, adaptation, implementation and validation of these models are described, in their association to HYCONES, a hybrid connectionist expert system to solve classification problems. HYCONES integrates the knowledge representation mechanism of frames with neural networks, incorporating the inherent qualities of the two paradigms. While the frames mechanism provides flexible constructs for modeling the domain knowledge, neural networks, implemented in HYCONES' first version by the combinatorial neuron model (CNM), provide the means for automatic knowledge acquisition from a case database, enabling, as well, the implementation of deductive and inductive learning. The Adaptive Resonance Theory (ART) deals with a system involving selfstabilizing input patterns into recognition categories, while maintaining a balance between the properties of plasticity and stability. ART includes a series of different connectionist models: Fuzzy ARTMAP, Fuzzy ART, ART 1, ART 2, and ART 3. Among them, the Fuzzy ARTMAP one stands out for being capable of learning analogical patterns, using two basic ART modules. The Simplified Fuzzy ARTMAP model is a simplification of the Fuzzy ARTMAP neural network. Constrating the first model, the new one is capable of learning analogical patterns using only one ART module. This module is responsible for the categorization of the input patterns. However, it has one more layer, which is responsible for receiving and propagating the target patterns through the network. The presence of a single ART module does not hamper the Simplified Fuzzy ARTMAP model. The same performance levels are attained when the latter one runs without the second ART module. This is certified by the match-tracking strategy, that conjointly maximizes generalization and minimizes predictive error. Two medical domains were chosen to validate HYCONES performance: congenital heart diseases (CHD) and renal syndromes. To build up the CHD case base, 66 medical records were extracted from the cardiac surgery database of the Institute of Cardiology RS (ICFUC-RS). These records cover the period from January 1986 to December 1990 and describe 22 cases of Atrial Septal Defect (ASD), 29 of Ventriculal Septal Defect (VSD), and 15 of Atrial- Ventricular Septa! Defect (AVSD), the three most frequent congenital heart diseases. For validation purposes, 33 additional cases, from the same database and period mentioned above, were also extracted. From these cases, 13 report ASD, 10 VSD and 10 AVSD. To build the renal syndromes case base, 381 medical records from the database of the Escola Paulista de Medicina were analyzed and 58 evidences, covering the patients' clinical history and physical examination data, were semiautomatically extracted. From the total number of selected cases, 136 exhibit Uremia, 85 Nephritis, 100 Hypertension, and 60 Calculosis. From the 381 cases analyzed, 245 were randomically chosen to build the training set, while the remaining ones were used to build the testing set. To validate HYCONES II, 46 versions of the hybrid knowledge base (HKB) with congenital heart diseases were built; for the renal domain, another set of 46 HKB versions were constructed. For both medical domains, the HKBs were automatically generated from the training databases. From these 46 versions, one operates with the CNM model and the other 45 deals with two ART models. These ART versions are divided in three groups: 15 versions were built using the Simplified Fuzzy ARTMAP model; 15 used the Simplified Fuzzy ARTMAP model without the normalization of the input patterns, and 15 used the Semantic ART model. HYCONES II - Simplified Fuzzy ARTMAP and HYCONES - CNM performed similarly for the CH D domain. The first one pointed out correctly to 29 of the 33 testing cases (87,9%), while the second one indicated correctly 31 of the same cases (93,9%). In the renal syndromes domain, however, the performance of HYCONES II - Simplified Fuzzy ARTMAP was superior to the one exhibited by CNM (p < 0,05). Both versions pointed out correctly, respectively, 108 (85%) and 95 (74.8%) diagnoses of the 127 testing cases presented to the system. HYCONES II - Simplified Fuzzy ARTMAP, therefore, displayed a satisfactory performance. However, the semantic contents of the neural nets it generated were completely different from the ones stemming from the CNM version. The networks that pointed out the final diagnosis in HYCONES - CNM were very similar to the knowledge graphs elicited from experts in congenital heart diseases. On the other hand, the networks activated in HYCONES II - Simplified Fuzzy ARTMAP operated with far more evidences than the CNM version. Besides this quantitative difference, there was a striking qualitative discrepancy among these two models. The Simplified Fuzzy ARTMAP version, even though pointing out to the correct diagnoses, used evidences that represented the complementary coding of the input pattern. This coding, inherent to the Simplified Fuzzy ARTMAP model, duplicates the input pattern, generating a new one depicting the evidence observed (on-cell) and, at the same time, the absent evidence, in relation to the total evidence employed to represent the input cases (off-cell). This coding shuts out the HYCONES explanation mechanism, since medical doctors usually reach a diagnostic conclusion rather from a set of observed evidences than from their absence. The next step taken was to improve the semantic contents of the Simplified Fuzzy ARTMAP model. To achieve this, the complement coding process was removed and the modified model was, then, revalidated, through the same testing sets as above described. In the CHD domain, the performance of HYCONES II - Simplified Fuzzy ARTMAP, without complementary coding, proved to be inferior to the one presented by CNM (p < 0,05). The first model singled out correctly 25 out of the 33 testing cases (75,8%), while the second one singled out correctly 31 out of the same 33 cases (93,9%). In the renal syndromes domain, the performances of HYCONES II - Simplified Fuzzy ARTMAP, without complementary coding, and HYCONES - CNM were similar. The first pointed out correctly to 98 of the 127 testing cases (77,2%), while the second one pointed out correctly to 95 of the same cases (74.8%). However, the recognition categories formed by this modified Simplified Fuzzy ARTMAP still presented quantitative and qualitative differences in their contents, when compared to the networks activated by CNM and to the knowledge graphs elicited from experts. This discrepancy, although smaller than the one observed in the original Fuzzy ARTMAP model, still restrained HYCONES explanation mechanism. The Semantic ART model (SMART) was, then, proposed. Its goal was to improve the semantic contents of ART recognition categories. To build this new model, the Simplified Fuzzy ARTMAP archictecture was preserved, while its learning algorithm was replaced by the CNM inductive learning mechanism (the punishments and rewards algorithm, associated with the pruning and normalization mechanisms). A new validation phase was, then, performed over the same testing sets. For the CHD domain, the perfomance comparison among SMART, Simplified Fuzzy ARTMAP, and CNM versions showed similar results. The first and the second versions pointed out correctly to 29 of the 33 testing cases (87,9%), while the third one singled out correctly 31 of the same testing cases (93,9%). For the renal syndromes domain, the performance of HYCONES II - SMART was superior to the one presented by the CNM version (p < 0,05), and equal to the performance presented by the Simplified Fuzzy ARTMAP version. SMART and Simplified Fuzzy ARTMAP singled out correctly 108 of the 127 testing cases (85%), while the CNM version pointed out correctly 95 of the same 127 testing cases (74.8%). Finally, it was observed that the neural networks generated by HYCONES II - SMART had a similar content to the networks generated by CNM and to the knowledge graphs elicited from multiple experts. The main contributions of this dissertation are: the design, implementation and validation of the Simplified Fuzzy ARTMAP and SMART models. The latter one, however, stands out for its learning mechanism, which provides a higher semantic value to the recognition categories, when compared to the categories formed by conventional ART models. This important enhancement is obtained by incorporating specificity and relevance concepts to ART's dynamics. This dissertation, however, represents not only the design and validation of two new connectionist models, but also, the enrichment of HYCONES. This is obtained through the continuation of a previous MSc dissertation, under the same supervision supervision. From the present work, therefore, it is given to the knowledge engineering, the choice among three different neural networks: CNM, Semantic ART and Simplified Fuzzy ARTMAP, all of which, display good performance. Indeed, the first and second models, in contrast to the third, support the context in a semantic way.

O presente trabalho apresenta dois novas modelos conexionistas, baseados na teoria da adaptação ressonante (ART): Simplified Fuzzy ARTMAP e Semantic ART (SMART). Descreve-se a modelagem, adaptação, implementação e validação destes, enquanto incorporados ao sistema hibrido HYCONES, para resolução de problemas de diagnostico medico em cardiopatias congênitas e nefrologia. HYCONES é uma ferramenta para a construção de sistemas especialistas híbridos que integra redes neurais com frames, assimilando as qualidades inerentes aos dois paradigmas. 0 mecanismo de frames fornece tipos construtores flexíveis para a modelagem do conhecimento do domínio, enquanto as redes neurais, representadas na versão original de HYCONES pelo modelo neural combinatório (MNC), possibilitam tanto a automação da aquisição de conhecimento, a partir de uma base de casos, quanta a implementação de aprendizado indutivo e dedutivo. A teoria da adaptação ressonante 6 caracterizada, principalmente, pela manutenção do equilíbrio entre as propriedades de plasticidade e estabilidade durante o processo de aprendizagem. ART inclui vários modelos conexionistas, tais como: Fuzzy ARTMAP, Fuzzy ART, ART 1, ART 2 e ART 3. Dentre estes, a rede neural Fuzzy ARTMAP destaca-se por possibilitar o tratamento de padr6es analógicos a partir de dois módulos ART básicos. O modelo Simplified Fuzzy ARTMAP, como o pr6prio nome o diz, a uma simplificação da rede neural Fuzzy ARTMAP. Ao contrario desta, o novo modelo possibilita o tratamento de padrões analógicos, a partir de apenas um modulo ART, responsável pelo tratamento dos padrões de entrada, adicionado de uma camada, responsável pelos padrões alvo. Mesmo com apenas um modulo ART, o modelo Simplified Fuzzy ARTMAP 6 capaz de reter o mesmo nível de desempenho obtido com a rede neural Fuzzy ARTMAP pois, continua a garantir, conjuntamente, a maximização da generalização e a minimização do erro preditivo, através da execução da estratégia match-tracking. Para a construção da base de casos de cardiopatias congênitas, 66 prontuários médicos, das três cardiopatias congênitas mais freqüentes, foram extraídos do banco de dados de pacientes submetidos a cirurgia cardíaca no Instituto de Cardiologia RS (ICFUC-RS). Tais prontuários abrangem o período de janeiro de 1986 a dezembro de 1990 e reportam 22 casos de Comunicação Interatrial (CIA), 29 de Comunicação Interventricular (CIV) e 15 de Defeito Septal Atrioventricular (DSAV). Para a análise de desempenho do sistema, 33 casos adicionais, do referido período, foram extraídos aleatoriamente do banco de dados do ICFUC-RS. Destes 33 casos, 13 apresentam CIA, 10 CIV e 10 DSAV. Para a construção da base de casos de síndromes renais, 381 prontuários do banco de dados de síndromes renais da Escola Paulista de Medicina foram analisados e 58 evidencias, correspondentes a dados de hist6ria clinica e exame físico dos pacientes, foram extraídas semi-automaticamente. Do total de casos selecionados, 136 apresentam Uremia, 85 Nefrite, 100 Hipertensão e 60 Litiase. Dos 381 casos analisados, 254 foram escolhidos aleatoriamente para a composicao do conjunto de treinamento, enquanto que os demais foram utilizados para a elaboração do conjunto de testes. Para que HYCONES II fosse validado, foram construídas 46 versões da base de conhecimento hibrida (BCH) para o domínio de cardiopatias congênitas e 46 versões da BCH para o de nefrologia. Em ambos os domínios médicos as respectivas bases de conhecimento foram construídas, automaticamente, a partir das respectivas bases de casos de treinamento. Das 46 versões geradas para cada grupo, uma representa o modelo MNC e 45 os modelos ART. As versões ART dividem-se em grupos de 3: 15 versões foram formadas a partir do modelo Simplified Fuzzy ARTMAP; 15 a partir deste mesmo modelo, sem que os padrões de entrada fossem normalizados; e, finalmente, 15 para o modelo Semantic ART. Na base de testes CHD, o desempenho da versa° HYCONES II - Simplified Fuzzy ARTMAP foi semelhante ao da versa° MNC. A primeira acertou 29 dos 33 diagnósticos (87,9%), enquanto a segunda apontou corretamente 31 dos 33 diagnósticos apresentados (93,9%). Na base de testes de síndromes renais, o desempenho de HYCONES II Fuzzy ARTMAP foi superior ao da versão MNC (p < 0,05). Ambas -Simplified acertaram, respectivamente, 108 (85%) e 95 (74,8%) diagnósticos, em 127 casos submetidos. Ainda que o desempenho da versão HYCONES II - Simplified Fuzzy ARTMAP se revelasse promissor, ao se examinar o conteúdo das redes geradas por este modelo, pode-se observar que estas divergiam completamente daquelas obtidas pelo MNC. As redes que levaram a conclusão diagnostica, na versão HYCONES - MNC, possuíam conteúdo praticamente igual aos grafos de conhecimento, elicitados de especialistas em cardiopatias congênitas. JA, as redes ativadas na versa° HYCONES II - Simplified Fuzzy ARTMAP, além de representarem numero bem major de evidencias que as redes MNC, a grande maioria destas ultimas representam a negação do padrão de entrada. Este fato deve-se a um processo de normalização, inerente ao modelo Simplified Fuzzy ARTMAP, no qual cada padrão de entrada e duplicado. Nesta duplicação, são representadas as evidências presentes em cada caso e, ao mesmo tempo, complementarmente, as evidencias ausentes, em relação ao total geral das mesmas na base de casos. Esta codificação inviabiliza o mecanismo de explanação do sistema HYCONES, pois, na área módica, os diagnósticos costumam ser feitos a partir de um conjunto de evidencias presentes e, não, pela ausência delas. Tentou-se, então, melhorar o conteúdo semântico das redes Simplified Fuzzy ARTMAP. Para tal, o processo de normalização ou codificação complementar da implementação do modelo foi retirado, validando-o novamente, contra o mesma base de testes. Na base de testes CHD, o desempenho de HYCONES II - Simplified Fuzzy ARTMAP, sem a codificação complementar, foi inferior ao da versão MNC (p < 0,05). A primeira acertou 25 dos 33 diagnósticos (75,8%), enquanto a segunda apontou corretamente 31 dos mesmos (93,9%). Na base de testes renais, o desempenho da versa° HYCONES II - Simplified Fuzzy ARTMAP, sem a codificação complementar, foi semelhante ao da versa° MNC. Dos 127 casos apresentados, a primeira acertou 98 diagn6sticos (77,2%), contra 95 da segunda (74,8%). Constatou-se, ainda, que as categorias de reconhecimento formadas pelo modelo Simplified Fuzzy ARTMAP continuavam a apresentar diferenças marcantes quanto ao seu conteúdo, quando comparadas as redes MNC ou aos grafos de conhecimento elicitados de especialistas. O modelo Semantic ART foi, então, proposto, na tentativa de se melhorar o conteúdo semantic° das redes ART. Modificou-se, então, o algoritmo de aprendizado do modelo Simplified Fuzzy ARTMAP, introduzindo-se o mecanismo de aprendizado indutivo do modelo MNC, i.e., o algoritmo de punições e recompensas, associado ao de poda e normalização. Nova validação com a mesma base de testes foi realizada. Para a base de testes de CHD, o desempenho de HYCONES II - SMART foi semelhante ao da versão Simplified Fuzzy ARTMAP e da versão MNC. A primeira e a segunda acertaram 29 dos 33 diagnósticos (87,9%), enquanto a versão MNC apontou corretamente 31 dos 33 diagnósticos apresentados (93,9%). Na base de testes de síndromes renais, o desempenho de HYCONES II - SMART foi superior ao da versão MNC (p < 0,05) e igual ao da versão Simplified Fuzzy ARTMAP. A primeira e a Ultima acertaram 108 dos 127 diagnósticos (85%), enquanto a segunda apontou corretamente 95 dos mesmos (74,8%). Desta feita, observou-se que as redes neurais geradas por HYCONES II - SMART eram semelhantes em conteúdo as redes MNC e aos grafos de conhecimento elicitados de múltiplos especialistas. As principais contribuições desta dissertação são: o projeto, implementação e validação dos modelos Simplified Fuzzy ARTMAP e SMART. Destaca-se, porem, o modelo SMART, que apresentou major valor semântico nas categorias de reconhecimento do que o observado nos modelos ART convencionais, graças a incorporação dos conceitos de especificidade e relevância. Esta dissertação, entretanto, representa não só a modelagem e validação de dois novos modelos neurais, mas sim, o enriquecimento do sistema HYCONES, a partir da continuação de dissertação de mestrado previamente defendida. A partir do presente trabalho, portanto, é dada a possibilidade de escolha, ao engenheiro de conhecimento, de um entre três modelos neurais: o MNC, o Semantic ART e o Simplified Fuzzy ARTMAP que, sem exceção, apresentam Born desempenho. Os dois primeiros destacam-se, contudo, por suportarem semanticamente o contexto. / This dissertation presents two new connectionist models based on the adaptive resonance theory (ART): Simplified Fuzzy ARTMAP and Semantic ART (SMART). The modeling, adaptation, implementation and validation of these models are described, in their association to HYCONES, a hybrid connectionist expert system to solve classification problems. HYCONES integrates the knowledge representation mechanism of frames with neural networks, incorporating the inherent qualities of the two paradigms. While the frames mechanism provides flexible constructs for modeling the domain knowledge, neural networks, implemented in HYCONES' first version by the combinatorial neuron model (CNM), provide the means for automatic knowledge acquisition from a case database, enabling, as well, the implementation of deductive and inductive learning. The Adaptive Resonance Theory (ART) deals with a system involving selfstabilizing input patterns into recognition categories, while maintaining a balance between the properties of plasticity and stability. ART includes a series of different connectionist models: Fuzzy ARTMAP, Fuzzy ART, ART 1, ART 2, and ART 3. Among them, the Fuzzy ARTMAP one stands out for being capable of learning analogical patterns, using two basic ART modules. The Simplified Fuzzy ARTMAP model is a simplification of the Fuzzy ARTMAP neural network. Constrating the first model, the new one is capable of learning analogical patterns using only one ART module. This module is responsible for the categorization of the input patterns. However, it has one more layer, which is responsible for receiving and propagating the target patterns through the network. The presence of a single ART module does not hamper the Simplified Fuzzy ARTMAP model. The same performance levels are attained when the latter one runs without the second ART module. This is certified by the match-tracking strategy, that conjointly maximizes generalization and minimizes predictive error. Two medical domains were chosen to validate HYCONES performance: congenital heart diseases (CHD) and renal syndromes. To build up the CHD case base, 66 medical records were extracted from the cardiac surgery database of the Institute of Cardiology RS (ICFUC-RS). These records cover the period from January 1986 to December 1990 and describe 22 cases of Atrial Septal Defect (ASD), 29 of Ventriculal Septal Defect (VSD), and 15 of Atrial- Ventricular Septa! Defect (AVSD), the three most frequent congenital heart diseases. For validation purposes, 33 additional cases, from the same database and period mentioned above, were also extracted. From these cases, 13 report ASD, 10 VSD and 10 AVSD. To build the renal syndromes case base, 381 medical records from the database of the Escola Paulista de Medicina were analyzed and 58 evidences, covering the patients' clinical history and physical examination data, were semiautomatically extracted. From the total number of selected cases, 136 exhibit Uremia, 85 Nephritis, 100 Hypertension, and 60 Calculosis. From the 381 cases analyzed, 245 were randomically chosen to build the training set, while the remaining ones were used to build the testing set. To validate HYCONES II, 46 versions of the hybrid knowledge base (HKB) with congenital heart diseases were built; for the renal domain, another set of 46 HKB versions were constructed. For both medical domains, the HKBs were automatically generated from the training databases. From these 46 versions, one operates with the CNM model and the other 45 deals with two ART models. These ART versions are divided in three groups: 15 versions were built using the Simplified Fuzzy ARTMAP model; 15 used the Simplified Fuzzy ARTMAP model without the normalization of the input patterns, and 15 used the Semantic ART model. HYCONES II - Simplified Fuzzy ARTMAP and HYCONES - CNM performed similarly for the CH D domain. The first one pointed out correctly to 29 of the 33 testing cases (87,9%), while the second one indicated correctly 31 of the same cases (93,9%). In the renal syndromes domain, however, the performance of HYCONES II - Simplified Fuzzy ARTMAP was superior to the one exhibited by CNM (p < 0,05). Both versions pointed out correctly, respectively, 108 (85%) and 95 (74.8%) diagnoses of the 127 testing cases presented to the system. HYCONES II - Simplified Fuzzy ARTMAP, therefore, displayed a satisfactory performance. However, the semantic contents of the neural nets it generated were completely different from the ones stemming from the CNM version. The networks that pointed out the final diagnosis in HYCONES - CNM were very similar to the knowledge graphs elicited from experts in congenital heart diseases. On the other hand, the networks activated in HYCONES II - Simplified Fuzzy ARTMAP operated with far more evidences than the CNM version. Besides this quantitative difference, there was a striking qualitative discrepancy among these two models. The Simplified Fuzzy ARTMAP version, even though pointing out to the correct diagnoses, used evidences that represented the complementary coding of the input pattern. This coding, inherent to the Simplified Fuzzy ARTMAP model, duplicates the input pattern, generating a new one depicting the evidence observed (on-cell) and, at the same time, the absent evidence, in relation to the total evidence employed to represent the input cases (off-cell). This coding shuts out the HYCONES explanation mechanism, since medical doctors usually reach a diagnostic conclusion rather from a set of observed evidences than from their absence. The next step taken was to improve the semantic contents of the Simplified Fuzzy ARTMAP model. To achieve this, the complement coding process was removed and the modified model was, then, revalidated, through the same testing sets as above described. In the CHD domain, the performance of HYCONES II - Simplified Fuzzy ARTMAP, without complementary coding, proved to be inferior to the one presented by CNM (p < 0,05). The first model singled out correctly 25 out of the 33 testing cases (75,8%), while the second one singled out correctly 31 out of the same 33 cases (93,9%). In the renal syndromes domain, the performances of HYCONES II - Simplified Fuzzy ARTMAP, without complementary coding, and HYCONES - CNM were similar. The first pointed out correctly to 98 of the 127 testing cases (77,2%), while the second one pointed out correctly to 95 of the same cases (74.8%). However, the recognition categories formed by this modified Simplified Fuzzy ARTMAP still presented quantitative and qualitative differences in their contents, when compared to the networks activated by CNM and to the knowledge graphs elicited from experts. This discrepancy, although smaller than the one observed in the original Fuzzy ARTMAP model, still restrained HYCONES explanation mechanism. The Semantic ART model (SMART) was, then, proposed. Its goal was to improve the semantic contents of ART recognition categories. To build this new model, the Simplified Fuzzy ARTMAP archictecture was preserved, while its learning algorithm was replaced by the CNM inductive learning mechanism (the punishments and rewards algorithm, associated with the pruning and normalization mechanisms). A new validation phase was, then, performed over the same testing sets. For the CHD domain, the perfomance comparison among SMART, Simplified Fuzzy ARTMAP, and CNM versions showed similar results. The first and the second versions pointed out correctly to 29 of the 33 testing cases (87,9%), while the third one singled out correctly 31 of the same testing cases (93,9%). For the renal syndromes domain, the performance of HYCONES II - SMART was superior to the one presented by the CNM version (p < 0,05), and equal to the performance presented by the Simplified Fuzzy ARTMAP version. SMART and Simplified Fuzzy ARTMAP singled out correctly 108 of the 127 testing cases (85%), while the CNM version pointed out correctly 95 of the same 127 testing cases (74.8%). Finally, it was observed that the neural networks generated by HYCONES II - SMART had a similar content to the networks generated by CNM and to the knowledge graphs elicited from multiple experts. The main contributions of this dissertation are: the design, implementation and validation of the Simplified Fuzzy ARTMAP and SMART models. The latter one, however, stands out for its learning mechanism, which provides a higher semantic value to the recognition categories, when compared to the categories formed by conventional ART models. This important enhancement is obtained by incorporating specificity and relevance concepts to ART's dynamics. This dissertation, however, represents not only the design and validation of two new connectionist models, but also, the enrichment of HYCONES. This is obtained through the continuation of a previous MSc dissertation, under the same supervision supervision. From the present work, therefore, it is given to the knowledge engineering, the choice among three different neural networks: CNM, Semantic ART and Simplified Fuzzy ARTMAP, all of which, display good performance. Indeed, the first and second models, in contrast to the third, support the context in a semantic way.

This master thesis presents the development of an auxiliary power supply to provide energy to sensors, gate drivers, instrumentation circuits and control of a three-stage Solid State Transformer (SST). These devices require an insulated power supply of ±15V and 5V. For reason of reliability and modularity, a distributed auxiliary source is proposed. Thus, it is necessary a power supply to provide energy to the low voltage (LV) side and another to the medium voltage (MV) side. With this proposal, the auxiliary power supply does not need to have the same galvanic insulation of the SST, 25kV. However, a local power supply must operate at high voltage levels and, consequently, contain a high step-down voltage gain. Relative to LV side, the most generally used topologies as an auxiliary power supply are discussed. However, these topologies cannot be used at the MV converters, due to the high voltage stress levels involved. A study of topologies used on medium and high voltage and which enable to reach a high step-down voltage gain is realized, and two interesting topologies for this application were found. One of them uses a Flying capacitor converter connected in cascade with a Double-Ended Flyback converter. The Flying capacitor converter lowers the DC bus voltage in a controlled manner to low voltage levels. So the Double-ended Flyback converter operates in LV and provides the insulated outputs to command circuits of SST. The other topology is a unidirectional four-level NPC converter operating as Double-ended Flyback converter. For this case, a modulation strategy that allows the converter to reach a high step-down voltage gain was also proposed. These topologies were evaluated and the one which showed the best result was the four-level Double-ended Flyback converter. This converter was implemented and the experimental results prove to be effective. For the LV side, a Half-bridge LLC resonant converter as auxiliary power supply was used. This converter operates in ZVS and performs the output voltage regulation through the operating frequency variation. The experimental results of this converter are also presented. / Este trabalho de mestrado apresenta o desenvolvimento de fontes auxiliares para alimentar sensores, circuitos de comando, instrumentação e o controle de um Transformador de Estado Sólido (SST) de três estágios. Estes dispositivos necessitam de alimentação isolada com tensões de ±15V e 5V e por questões de confiabilidade e modularidade, propõe-se a utilização de fontes auxiliares distribuídas. Assim, emprega-se uma fonte auxiliar para alimentar o lado de média tensão (MT) e outra para alimentar o lado de baixa tensão (BT). Com essa proposta, as fontes auxiliares não necessitam ter a mesma isolação galvânica do SST, 25kV. Entretanto, uma das fontes locais deve operar em níveis de tensão elevados e, por consequência, apresentar baixo ganho estático. No lado de BT, as principais topologias normalmente utilizadas como fonte auxiliar são discutidas. No entanto, devido aos altos níveis de tensão envolvidos, estas topologias não podem ser aplicadas ao conversor que opera em MT. Um estudo sobre topologias aplicadas a média tensão e que possibilitam alcançar um baixo ganho estático é realizado, sendo que duas topologias se mostram interessantes para esta aplicação. Uma consiste na utilização de um conversor de capacitores flutuantes conectado em cascata com um conversor Double-Ended Flyback. O conversor de capacitores flutuantes rebaixa a tensão do barramento CC, de forma controlada, para baixa tensão. Assim o Double-Ended Flyback opera em BT e fornece as saídas isoladas para alimentar os circuitos de comando do SST. A outra topologia trata-se de um conversor NPC de quatro níveis unidirecional operando como conversor Double-Ended Flyback. Para este caso, também foi proposta uma estratégia de modulação que permite o conversor alcançar o baixo ganho estático. Essas topologias foram avaliadas, apresentando melhor resultado a esta aplicação o conversor Double-ended Flyback de quatro níveis, conforme será demonstrado neste trabalho. Esse conversor foi implementado e os resultados experimentais comprovam o seu funcionamento. Para a fonte do lado de BT utilizou-se um conversor Half-Bridge LLC ressonante que opera em ZVS e realiza a regulação da tensão de saída pela variação da frequência de operação. Os resultados experimentais deste conversor também são apresentados.

O uso de materiais piezelétricos no desenvolvimento de dispositivos para o aproveitamento de energia provinda de vibrações mecânicas, Energy Harvesting, tem sido largamente estudado na última década. Materiais piezelétricos podem ser encontrados na forma de finas camadas ou pastilhas, sendo facilmente integradas a estruturas sem aumento significativo de massa. A conversão de energia mecânica em energia elétrica se dá graças ao acoplamento eletromecânico dos materiais piezelétricos. A maioria das publicações encontradas na literatura exploram o uso de dispositivos eletromecânicos ressonantes, sintonizados na frequência de operação da estrutura, maximizando assim, a energia elétrica de saída dada uma certa condição de operação. O desempenho desses dispositivos ressonantes para coletar e armazenar energia é altamente dependente da adequada sintonização da sua frequência de ressonância com a frequência de operação do sistema/estrutura. Este trabalho apresenta o projeto, otimização e análise de incertezas de um dispositivo coletor/armazenador de energia que consiste em uma placa sob duas condições de contorno, engastada-livre (EL) e deslizante-livre (DL), com massa sísmica e materiais piezelétricos conectados a um circuito shunt. Um modelo em elementos finitos de placa laminada piezelétrica conectada a circuitos R e RL é utilizado combinando as teorias de camada equivalente e deformação de cisalhamento de primeira ordem. A disposição/quantidade de material piezelétrico bem como a massa sísmica acoplados à estrutura foram otimizadas utilizando-se um Algoritmo Genético, levando em conta análises mecânica (modelo mecânico, geometria, peso) e elétrica (modelo elétrico, circuito armazenador). Além disso, o efeito de incertezas dos parâmetros dielétrico e piezelétrico do transdutor, e da indutância elétrica ligada em série ao circuito coletor/armazenador de energia foi estudado. Os resultados indicam que a inclusão de uma indutância sintética ao circuito pode melhorar a coleta de energia em uma banda de frequência e, ainda, que a otimização geométrica pode reduzir a quantidade de material piezelétrico sem no entanto diminuir significativamente a energia gerada. / The use of piezoelectric materials in the development of devices to harvest energy from mechanical vibrations (Energy Harvesting) has been widely studied in the last decade. Piezoelectric materials can be found in the form of thin layers or patches easily integrated into structures without significant mass increase. The conversion of mechanical energy into electric power is provided by the electromechanical coupling of piezoelectric materials. Most publications in the literature explore the use of resonant electromechanical devices, tuned to the operating frequency of the host structure, thus maximizing the power output given a certain operating condition. The performance of these resonant devices to harvest and store energy is highly dependent on the proper tuning of its resonance frequency with the operation frequency of the system/structure. This work presents a design, optimization and uncertainty analysis of energy harvester device consisting of a plate with tip mass and piezoelectric materials connected to shunt circuits. Two boundary conditions are used for the plate, cantilever (EL) and sliding-free (DL). A coupled finite element model with R and RL circuits, combining equivalent single layer and first order shear deformation theories, was used. The distribution and volume of piezoelectric material and the tip mass coupled to the structure were optimized using a Genetic Algorithm, accounting for both mechanical (mechanical model, geometry, weight) and electric (electric model, storer circuit) analyses. Furthermore, the effect of uncertainties of transducer dielectric and piezoelectric constants and electric inductance connected in series with harvesting circuit was studied. The results indicate that the inclusion of a synthetic inductance can improve energy harvesting performance over a frequency range and also that the geometric optimization may reduce the piezoelectric material volume without diminishing significantly the harvested energy.