Detecção, classificação e localização de faltas de curto-circuito em sistemas de distribuição de energia elétrica usando sistemas inteligentes

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

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)

Análise dinâmica de contingências de sistemas de energia elétrica por redes neurais baseadas na teoria da ressonância adaptativa

Pós-graduação em Engenharia Elétrica - FEIS

Monitoramento e identificação de falhas em estruturas aeronáuticas e mecânicas utilizando técnicas de computação inteligente

Pós-graduação em Engenharia Mecânica - 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

Automatic detection of thermal damage in grinding process by artificial neural network

Esse trabalho tem por objetivo o desenvolvimento de um sistema inteligente para detecção da queima no processo de retificação tangencial plana através da utilização de uma rede neural perceptron multi camadas, treinada para generalizar o processo e, conseqüentemente, obter o limiar de queima. em geral, a ocorrência da queima no processo de retificação pode ser detectada pelos parâmetros DPO e FKS. Porém esses parâmetros não são eficientes nas condições de usinagem usadas nesse trabalho. Os sinais de emissão acústica e potência elétrica do motor de acionamento do rebolo são variáveis de entrada e a variável de saída é a ocorrência da queima. No trabalho experimental, foram empregados um tipo de aço (ABNT 1045 temperado) e um tipo de rebolo denominado TARGA, modelo ART 3TG80.3 NVHB.

Design of a simplified neuro-fuzzy system based on CMAC Architectures

This work presents the design of a fuzzy controller with simplified architecture that use an artificial neural network working as the aggregation operator for several active fuzzy rules. The simplified architecture of the fuzzy controller is used to minimize the time processing used in the closed loop system operation, the basic procedures of fuzzification are simplified to maximum while all the inference procedures are computed in a private way. As consequence, this simplified architecture allows a fast and easy configuration of the simplified fuzzy controller. The structuring of the fuzzy rules that define the control actions is previously computed using an artificial neural network based on CMAC Cerebellar Model Articulation Controller. The operational limits are standardized and all the control actions are previously calculated and stored in memory. For applications, results and conclusions several configurations of this fuzzy controller are considered.

Estimação do diâmetro de furos em processo de furação utilizando sistemas de inteligência artificial: uma análise comparativa entre diferentes técnicas

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Proposta de Algoritmos Inteligentes para Localizar Faltas e Monitorar a Qualidade da Energia em Redes de Distribuição de Energia Elétrica

Pós-graduação em Engenharia Elétrica - FEIS

Predição do sequestro do carbono em área reflorestada utilizando redes neurais artificiais

Pós-graduação em Engenharia Mecânica - FEIS

Análise de sensibilidade por redes neurais para estudos da estabilidade transitória de sistemas elétricos de potência

Pós-graduação em Engenharia Elétrica - FEIS

Geoprocessamento e computação inteligente: possibilidades, vantagens e necessidades

Pós-graduação em Geografia - IGCE

Aplicação de redes NeuroFuzzy ao processamento de peças automotivas por meio de injeção de polímeros

The injection molding of automotive parts is a complex process due to the many non-linear and multivariable phenomena that occur simultaneously. Commercial software applications exist for modeling the parameters of polymer injection but can be prohibitively expensive. It is possible to identify these parameters analytically, but applying classical theories of transport phenomena requires accurate information about the injection machine, product geometry, and process parameters. However, neurofuzzy networks, which achieve a synergy by combining the learning capabilities of an artificial neural network with a fuzzy set's inference mechanism, have shown success in this field. The purpose of this paper was to use a multilayer perceptron artificial neural network and a radial basis function artificial neural network combined with fuzzy sets to produce an inference mechanism that could predict injection mold cycle times. The results confirmed neurofuzzy networks as an effective alternative to solving such problems.

Estimativa da produtividade de trigo em função da adubação nitrogenada utilizando modelagem neuro fuzzy

Currently new techniques for data processing, such as neural networks, fuzzy logic and hybrid systems are used to develop predictive models of complex systems and to estimate the desired parameters. In this article the use of an adaptive neuro fuzzy inference system was investigated to estimate the productivity of wheat, using a database of combination of the following treatments: five N doses (0, 50, 100, 150 and 200 kg ha(-1)), three sources (Entec, ammonium sulfate and urea), two application times of N (at sowing or at side-dressing) and two wheat cultivars (IAC 370 and E21), that were evaluated during two years in Selviria, Mato Grosso do Sul, Brazil. Through the input and output data, the system of adaptive neuro fuzzy inference learns, and then can estimate a new value of wheat yield with different N doses. The productivity prediciton error of wheat in function of five N doses, using a neuro fuzzy system, was smaller than that one obtained with a quadratic approximation. The results show that the neuro fuzzy system is a viable prediction model for estimating the wheat yield in function of N doses.

Aplicação de redes neurais na estimação da temperatura interna de transformadores de distribuição imersos em óleo

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