Detecção de falhas em circuitos eletrônicos lineares baseados em classificadores de classe única.

Esse trabalho está baseado na investigação dos detectores de falhas aplicando classificadores de classe única. As falhas a serem detectadas são relativas ao estado de funcionamento de cada componente do circuito, especificamente de suas tolerâncias (falha paramétrica). Usando a função de transferência de cada um dos circuitos são gerados e analisados os sinais de saída com os componentes dentro e fora da tolerância. Uma função degrau é aplicada à entrada do circuito, o sinal de saída desse circuito passa por uma função diferenciadora e um filtro. O sinal de saída do filtro passa por um processo de redução de atributos e finalmente, o sinal segue simultaneamente para os classificadores multiclasse e classe única. Na análise são empregados ferramentas de reconhecimento de padrões e de classificação de classe única. Os classficadores multiclasse são capazes de classificar o sinal de saída do circuito em uma das classes de falha para o qual foram treinados. Eles apresentam um bom desempenho quando as classes de falha não possuem superposição e quando eles não são apresentados a classes de falhas para os quais não foram treinados. Comitê de classificadores de classe única podem classificar o sinal de saída em uma ou mais classes de falha e também podem classificá-lo em nenhuma classe. Eles apresentam desempenho comparável ao classificador multiclasse, mas também são capazes detectar casos de sobreposição de classes de falhas e indicar situações de falhas para os quais não foram treinados (falhas desconhecidas). Os resultados obtidos nesse trabalho mostraram que os classificadores de classe única, além de ser compatível com o desempenho do classificador multiclasse quando não há sobreposição, também detectou todas as sobreposições existentes sugerindo as possíveis falhas.

Sistema especialista para detecção de falhas em comandos elétricos

This work consists of the creation of a Specialist System which utilizes production rules to detect inadequacies in the command circuits of an operation system and commands of electric engines known as Direct Start. Jointly, three other modules are developed: one for the simulation of the commands diagram, one for the simulation of faults and another one for the correction of defects in the diagram, with the objective of making it possible to train the professionals aiming a better qualification for the operation and maintenance. The development is carried through in such a way that the structure of the task allows the extending of the system and a succeeding promotion of other bigger and more complex typical systems. The computational environment LabView is employed to enable the system

Vírus da leucemia felina: análise da classificação da infecção, das técnicas de diagnóstico e da eficácia da vacinação com o emprego de técnicas sensíveis de detecção viral

O Vírus da leucemia felina (FeLV) pertence à família Retroviridae, gênero Gammaretrovirus. Diferentemente de outras retroviroses, uma parcela dos gatos jovens e adultos exposta ao FeLV não apresenta antigenemia/viremia, de acordo com as técnicas convencionais de detecção viral, como isolamento em cultivo celular, imunofluorescência direta e ELISA. O emprego de técnicas de maior sensibilidade para detecção e quantificação viral, como o PCR quantitativo, permitiu a identificação de animais positivos para a presença de DNA proviral e RNA na ausência de antigenemia/viremia e, com isso, um refinamento da análise das diferentes evoluções da infecção. Assim, reclassificou-se a patogenia do FeLV em 4 categorias: infecção abortiva, regressiva, latente e progressiva. Foi possível também detectar DNA proviral e RNA em animais considerados imunes ao FeLV após vacinação. Diante disso, os objetivos desta revisão de literatura foram demonstrar as implicações da utilização de técnicas sensíveis de detecção viral na interpretação e classificação da infecção do FeLV e rever as técnicas de detecção do vírus para fins de diagnóstico. Além disso, apresentar os resultados referentes à eficácia da vacinação contra o FeLV com a utilização dessas técnicas.

Detecção de falhas em estruturas inteligentes usando otimização por nuvem de partículas: fundamentos e estudo de casos

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

Desenvolvimento e implementação de um sistema para detecção de falhas em estruturas usando microcontrolador

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Detecção robusta de falhas através de filtros H ‘infinito': implementação prática em um helicóptero 3-DOF de bancada e em um servosistema

Pós-graduação em Engenharia Elétrica - FEIS

Detecção de falhas em sistemas incertos com atraso no sinal de controle

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

Momentos nulos e regularidade wavelet na detecção de falhas em sinais

Pós-graduação em Engenharia Elétrica - FEIS

Detecção de falhas estruturais usando sensores e atuadores piezelétricos e algoritmos genéticos

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

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)

Detecção, classificação e quantificação automática de variações de tensão de curta duração para aplicação em análise de pós-operação em sistemas de energia elétrica

A análise de ocorrências no sistema de energia elétrica é de fundamento mportância para uma operação segura, e para manter a qualidade da energia elétrica lornecida aos consumidores. As concessionárias do setor de energia elétrica usam equipamentos, chamados registradores de perturbação (RP's), para monitora diagnosticar problemas nos sistemas elétrico e de proteção. As formas de onda normalmente analisadas nos centros de operação das concessionárias, são aquelas geradas por eventos que quase sempre causam a aocrtul je linhas devido a operação dos relés comandados pelos dispositivos de proteção .Contudo, uma grande quantidade de registros armazenados que podem conte informações importantes sobre o comportamento e desempenho do sistema elétricl jeixa de ser analisada. O objetivo desse trabalho é usar os dados disponíveis nos centros de ontrole, operação das concessionárias de energia elétrica obtidos pelos RP's, para classificar e quantificar de forma automática sinais que caracterizem problemas de qualidade da energia, quanto a variações de tensão de curta duração: afundamentos, elevações e interrupções. O método proposto usa a transformada wavelet para obter um vetor característico para as tensões das fases A, B e C, e uma rede neural probabilística para classificação. Os sinais classificados como apresentando variações de curta duração são quantilicados quanto a duração e amplitude, usando-se as propriedades da análise nultiresolução da decomposição do sinal. Esses parâmetros, então, irão formar uma Jase de dados onde procedimentos de análise estatística podem ser usados para gerar relatórios com as características da qualidade da energia. Os resultados obtidos com a metodologia proposta para um sistema real são também apresentados.

Um método para classificação de imagens de satélite usando Transformada Cosseno Discreta com detecção e remoção de nuvens e sombras

Apresenta-se nesta dissertação a proposta de um algoritmo supervisionado de classificação de imagens de sensoreamento remoto, composto de três etapas: remoção ou suavização de nuvens, segmentação e classificação.O método de remoção de nuvens usa filtragem homomórfica para tratar as obstruções causadas pela presença de nuvens suaves e o método Inpainting para remover ou suavizar a preseça de sombras e nuvens densas. Para as etapas de segmentação e classificação é proposto um método baseado na energia AC dos coeficientes da Transformada Cosseno Discreta (DCT). O modo de classificação adotado é do tipo supervisionado. Para avaliar o algioritmo foi usado um banco de 14 imagens captadas por vários sensores, das quais 12 possuem algum tipo de obstrução. Para avaliar a etapa de remoção ou suavização de nuvens e sombras são usados a razão sinal-ruído de pico (PSNR) e o coeficiente Kappa. Nessa fase, vários filtros passa-altas foram comparados para a escolha do mais eficiente. A segmentação das imagens é avaliada pelo método da coincidência entre bordas (EBC) e a classificação é avaliada pela medida da entropia relativa e do erro médio quadrático (MSE). Tão importante quanto as métricas, as imagens resultantes são apresentadas de forma a permitir a avaliação subjetiva por comparação visual. Os resultados mostram a eficiência do algoritmo proposto, principalmente quando comparado ao software Spring, distribuído pelo Instituto Nacional de Pesquisas Espaciais (INPE).

Classificação de anomalias e redução de falsos positivos em sistemas de detecção de intrusão baseados em rede utilizando métodos de agrupamento

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Classificação de nódulos pulmonares em imagens tomográficas utilizando redes neurais artificiais em cascata

Lung cancer is the most common of malignant tumors, with 1.59 million new cases worldwide in 2012. Early detection is the main factor to determine the survival of patients affected by this disease. Furthermore, the correct classification is important to define the most appropriate therapeutic approach as well as suggest the prognosis and the clinical disease evolution. Among the exams used to detect lung cancer, computed tomography have been the most indicated. However, CT images are naturally complex and even experts medical are subject to fault detection or classification. In order to assist the detection of malignant tumors, computer-aided diagnosis systems have been developed to aid reduce the amount of false positives biopsies. In this work it was developed an automatic classification system of pulmonary nodules on CT images by using Artificial Neural Networks. Morphological, texture and intensity attributes were extracted from lung nodules cut tomographic images using elliptical regions of interest that they were subsequently segmented by Otsu method. These features were selected through statistical tests that compare populations (T test of Student and U test of Mann-Whitney); from which it originated a ranking. The features after selected, were inserted in Artificial Neural Networks (backpropagation) to compose two types of classification; one to classify nodules in malignant and benign (network 1); and another to classify two types of malignancies (network 2); featuring a cascade classifier. The best networks were associated and its performance was measured by the area under the ROC curve, where the network 1 and network 2 achieved performance equal to 0.901 and 0.892 respectively.