Desenvolvimento de redes neurais para previsão de cargas elétricas de sistemas de energia elétrica

Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)

Aplicação de redes neurais em análise de viabilidade econômica de co-geração de energia elétrica

Pós-graduação em Agronomia (Energia na Agricultura) - FCA

Aplicação de redes neurais no controle de teores de cobre e ouro do depósito de Chapada (GO)

Pós-graduação em Geologia Regional - IGCE

Uso de redes neurais com adaptação de pesos por modos deslizantes para controle de sistemas e aplicações em máquinas elétricas

Pós-graduação em Engenharia Elétrica - FEIS

Uso de Redes Neurais ARTMAP Nebulosas para a classificação de padrões em sinais ECoG relacionados ao movimento dos dedos

Pós-graduação em Engenharia Elétrica - FEIS

Combinando sistemas de informação geográfica e redes neurais GMDH para prever densidades demográficas

The aim of this work is to advance a new approach for estimating demographic density, through combining a Geographic Information System with GMDH Neural Networks. The model that is suggested parts the analyzed space into a rectangular grid formed by multiple cells measuring 0.01 km2 each. The forecasts are elaborated based on the demographic density in each cell and in its neighboring cells at a given time. Despite the limited availability of data during the modeling phase, the utilization of this method for studying a Brazilian medium-sized city presented promising results.

Obtenção de neurônios de redes neurais de base radial via agrupamento de dados por floresta de caminhos ótimos

Neste artigo é apresentada uma abordagem para aumentar a eficácia das Redes Neurais Artificiais de Funções de Base Radial utilizando um algoritmo de agrupamento de dados via Floresta de Caminhos Ótimos. Algumas técnicas comumente empregadas para essa tarefa, como o conhecido k-médias, requerem um determinado número de classes/agrupamentos prévio à sua execução. Embora o número de classes seja conhecido em problemas supervisionados, o número real de agrupamentos é difícil de ser encontrado, dado que uma classe pode ser representada por mais de um agrupamento. Experimentos em nove bases de dados, em conjunto com análises estatísticas, demonstraram que o classificador por Floresta de Caminhos Ótimos possui um melhor desempenho que a técnica k-médias, bem como encontra as médias das distribuições Gaussianas em posições muito similares às encontradas por este último. Entretanto, o classificador por Floresta de Caminhos Ótimos possui um custo computacional maior, dado que a sua etapa de treinamento é mais custosa que a da técnica k-médias.

Avaliação da aplicabilidade de correlações matemáticas e redes neurais na predição de parâmetros de especificação do diesel

Diesel fuel is one of leading petroleum products marketed in Brazil, and has its quality monitored by specialized laboratories linked to the National Agency of Petroleum, Natural Gas and Biofuels - ANP. The main trial evaluating physicochemical properties of diesel are listed in the resolutions ANP Nº 65 of December 9th, 2011 and Nº 45 of December 20th, 2012 that determine the specification limits for each parameter and methodologies of analysis that should be adopted. However the methods used although quite consolidated, require dedicated equipment with high cost of acquisition and maintenance, as well as technical expertise for completion of these trials. Studies for development of more rapid alternative methods and lower cost have been the focus of many researchers. In this same perspective, this work conducted an assessment of the applicability of existing specialized literature on mathematical equations and artificial neural networks (ANN) for the determination of parameters of specification diesel fuel. 162 samples of diesel with a maximum sulfur content of 50, 500 and 1800 ppm, which were analyzed in a specialized laboratory using ASTM methods recommended by the ANP, with a total of 810 trials were used for this study. Experimental results atmospheric distillation (ASTM D86), and density (ASTM D4052) of diesel samples were used as basic input variables to the equations evaluated. The RNAs were applied to predict the flash point, cetane number and sulfur content (S50, S500, S1800), in which were tested network architectures feed-forward backpropagation and generalized regression varying the parameters of the matrix input in order to determine the set of variables and the best type of network for the prediction of variables of interest. The results obtained by the equations and RNAs were compared with experimental results using the nonparametric Wilcoxon test and Student's t test, at a significance level of 5%, as well as the coefficient of determination and percentage error, an error which was obtained 27, 61% for the flash point using a specific equation. The cetane number was obtained by three equations, and both showed good correlation coefficients, especially equation based on aniline point, with the lowest error of 0,816%. ANNs for predicting the flash point and the index cetane showed quite superior results to those observed with the mathematical equations, respectively, with errors of 2,55% and 0,23%. Among the samples with different sulfur contents, the RNAs were better able to predict the S1800 with error of 1,557%. Generally, networks of the type feedforward proved superior to generalized regression.

Aplicação de redes neurais no Brasil: um estudo bibliométrico

As Redes Neurais Artificiais (RNA) simulam o cérebro humano ao coletar evidências empíricas e também ao preservar e permitir o uso do conhecimento experimental. Esta habilidade fez com que a aplicação da técnica atingisse um número cada vez maior de campos de estudo. Em meio às vantagens e desvantagens da adoção das RNA, este artigo se propõe a além de apresentar aspectos básicos das RNA e das implicações do seu uso, realizar um levantamento bibliométrico dos últimos dez anos, contemplando o termo “redes neurais” nos artigos científicos publicados na CAPES e SPELL. Os resultados foram classificados de acordo com a área de pesquisa e, especificamente quanto aos estudos de finanças, aprofundou-se em objetivo, amostra e resultados. Após o tratamento dos dados, foram encontradas 126 publicações, com aumento de 50% na quantidade de pesquisas publicadas entre o início e o final da década. Encontrou-se a seguinte ordem de relevância nas áreas de pesquisa: aplicações gerais; engenharia e manufatura; contabilidade e finanças; saúde e medicina e; marketing. Quanto aos estudos de finanças, em sua maioria os resultados foram melhores com o uso de RNA, sendo as maiores aplicações desta técnica em previsão de falências e estratégias para negociação em bolsas de valores.

Prognóstico de falhas baseado em redes neurais com estados de eco

Tese (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2015.

Predição não-linear de curvas de produção de petróleo via redes neurais recursivas

One of the main activities in the petroleum engineering is to estimate the oil production in the existing oil reserves. The calculation of these reserves is crucial to determine the economical feasibility of your explotation. Currently, the petroleum industry is facing problems to analyze production due to the exponentially increasing amount of data provided by the production facilities. Conventional reservoir modeling techniques like numerical reservoir simulation and visualization were well developed and are available. This work proposes intelligent methods, like artificial neural networks, to predict the oil production and compare the results with the ones obtained by the numerical simulation, method quite a lot used in the practice to realization of the oil production prediction behavior. The artificial neural networks will be used due your learning, adaptation and interpolation capabilities

Aquisição e otimização de mapas de navegação usando redes neurais

A capacidade de encontrar e aprender as melhores trajetórias que levam a um determinado objetivo proposto num ambiente e uma característica comum a maioria dos organismos que se movimentam. Dentre outras, essa e uma das capacidades que têm sido bastante estudadas nas ultimas décadas. Uma consequência direta deste estudo e a sua aplicação em sistemas artificiais capazes de se movimentar de maneira inteligente nos mais variados tipos de ambientes. Neste trabalho, realizamos uma abordagem múltipla do problema, onde procuramos estabelecer nexos entre modelos fisiológicos, baseados no conhecimento biológico disponível, e modelos de âmbito mais prático, como aqueles existentes na área da ciência da computação, mais especificamente da robótica. Os modelos estudados foram o aprendizado biológico baseado em células de posição e o método das funções potencias para planejamento de trajetórias. O objetivo nosso era unificar as duas idéias num formalismo de redes neurais. O processo de aprendizado de trajetórias pode ser simplificado e equacionado em um modelo matemático que pode ser utilizado no projeto de sistemas de navegação autônomos. Analisando o modelo de Blum e Abbott para navegação com células de posição, mostramos que o problema pode ser formulado como uma problema de aprendizado não-supervisionado onde a estatística de movimentação no meio passa ser o ingrediente principal. Demonstramos também que a probabilidade de ocupação de um determinado ponto no ambiente pode ser visto como um potencial que tem a propriedade de não apresentar mínimos locais, o que o torna equivalente ao potencial usado em técnicas de robótica como a das funções potencias. Formas de otimização do aprendizado no contexto deste modelo foram investigadas. No âmbito do armazenamento de múltiplos mapas de navegação, mostramos que e possível projetar uma rede neural capaz de armazenar e recuperar mapas navegacionais para diferentes ambientes usando o fato que um mapa de navegação pode ser descrito como o gradiente de uma função harmônica. A grande vantagem desta abordagem e que, apesar do baixo número de sinapses, o desempenho da rede e muito bom. Finalmente, estudamos a forma de um potencial que minimiza o tempo necessário para alcançar um objetivo proposto no ambiente. Para isso propomos o problema de navegação de um robô como sendo uma partícula difundindo em uma superfície potencial com um único ponto de mínimo. O nível de erro deste sistema pode ser modelado como uma temperatura. Os resultados mostram que superfície potencial tem uma estrutura ramificada.

Projeto de redes neurais para determinar os ganhos PID de um sistema de posicionamento dinâmico de uma embarcação.

As sintonias dos Controladores PID existentes em um Sistema de Posicionamento Dinâmico, utilizado em embarcações e plataformas a fim de manter uma posição fixa em alto-mar ou de realizar determinada manobra, sempre tem sido um desafio a ser vencido. Trata-se de uma tarefa demorada, dependente das condições ambientais e com um elevado custo financeiro, uma vez que as horas dedicadas do profissional habilitado são caras. Além disso, a embarcação deve-se manter estabilizada durante o período de tempo no qual determinada função é realizada, como por exemplo, perfuração, abastecimento, ou lançamento de dutos. Foi utilizado um software para simular o posicionamento de uma embarcação em alto-mar sob diversas condições de vento e correnteza, com o qual foi possível verificar a influência da sintonia dos parâmetros PID do Controlador no desempenho do sistema de controle. O Sistema dinâmico abordado possui um comportamento não linear e sujeito a fortes distúrbios não medidos, o que são apenas alguns exemplos de questões avaliadas deste trabalho. Neste contexto, foram projetadas Redes Neurais com o intuito de aprimorar a técnica utilizada para determinar os ganhos de um dos Controladores PID de um Sistema de Posicionamento Dinâmico. Os melhores resultados foram obtidos através da avaliação de desempenho de diversas simulações de Redes Neurais que revelam a viabilidade da implementação da sintonia automática de Controladores em Sistemas de Posicionamento Dinâmico.

Localização de faltas de curta duração em redes de distribuição.

O objetivo deste trabalho é contribuir com o desenvolvimento de uma técnica baseada em sistemas inteligentes que possibilite a localização exata ou aproximada do ponto de origem de uma Variação de Tensão de Curta Duração (VTCD) (gerada por uma falta) em um sistema de distribuição de energia elétrica. Este trabalho utiliza um Phase-Locked Loop (PLL) com o intuito de detectar as faltas. Uma vez que a falta é detectada, os sinais de tensão obtidos durante a falta são decompostos em componentes simétricas instantâneas por meio do método proposto. Em seguida, as energias das componentes simétricas são calculadas e utilizadas para estimar a localização da falta. Nesta pesquisa, são avaliadas duas estruturas baseadas em Redes Neurais Artificiais (RNAs). A primeira é projetada para classificar a localização da falta em um dos pontos possíveis e a segunda é projetada para estimar a distância da falta ao alimentador. A técnica aqui proposta aplica-se a alimentadores trifásicos com cargas equilibradas. No desenvolvimento da mesma, considera-se que há disponibilidade de medições de tensões no nó inicial do alimentador e também em pontos esparsos ao longo da rede de distribuição. O banco de dados empregado foi obtido através de simulações de um modelo de alimentador radial usando o programa PSCAD/EMTDC. Testes de sensibilidade empregando validação-cruzada são realizados em ambas as arquiteturas de redes neurais com o intuito de verificar a confiabilidade dos resultados obtidos. Adicionalmente foram realizados testes com faltas não inicialmente contidas no banco de dados a fim de se verificar a capacidade de generalização das redes. Os desempenhos de ambas as arquiteturas de redes neurais foram satisfatórios e demonstram a viabilidade das técnicas propostas para realizar a localização de faltas em redes de distribuição.

Aplicação de redes neuronais artificiais à deteção e isolamento de falhas em processos industriais

Trabalho Final de Mestrado para obtenção do grau de Mestre em Engenharia Mecânica