Search

CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior O interesse em relação às pesquisas sobre veículos aéreos não tripulados (VANTs) vem aumentando de forma significativa nos últimos anos. O quadrotor é um tipo de VANT que possui diversas vantagens e aplicações. O acoplamento dinâmico e o comportamento altamente não linear impõem um caráter desafiador ao controle dessas aeronaves. Neste trabalho, sistemas nebulosos são usados para obter controladores não lineares capazes de resolver problemas de rastreamento de trajetória. Duas abordagens foram desenvolvidas: uma usando sistemas nebulosos como aproximadores universais para projeto de controladores nebulosos adaptativos diretos, em que uma nova proposta usando diferenciador robusto e exato é usada para estimar parâmetro não conhecido da lei de adaptação e algoritmo genético para otimizar os parâmetros encontrados com a sintonia manual; outra usando transformação do produtor tensorial, técnica numérica baseada na decomposição em valores singulares de alta ordem (HOSVD), para encontrar um modelo nebuloso que aproxima o modelo do quadrotor, e, de posse dele, desenvolver um controlador PDC (compensação paralela distribuída) com estabilidade exponencial. The interest in research of unmanned aerial vehicles (UAVs) has increased significantly in recent years. The quadcopter is a type of UAV that has several advantages and applications. The dynamic coupling and the highly nonlinear behavior impose a challenging character to the control of these aircrafts. In this project, fuzzy systems are used to obtain non-linear controllers capable of solving trajectory tracking problems. Two approaches were developed: first using fuzzy systems as universal approximators for designing direct adaptive fuzzy controllers, in which a new proposal using a robust and exact differentiator is used to estimate an unknown adaptation law parameter and genetic algorithm to optimize the parameters found with manual tuning; another using tensor product transformation, a numerical technique based on higher order singular value decomposition (HOSVD), to find a fuzzy model that approximates the quadcopter model, and, in possession of it, develop a PDC (parallel distributed compensation) controller with exponential stability.

Submitted by Daniella Santos (daniella.santos@ufma.br) on 2019-02-07T18:24:23Z No. of bitstreams: 1 DanubiaSoaresPires.pdf: 4903870 bytes, checksum: 9db72c359d52f9748117eeb1899fda54 (MD5) Made available in DSpace on 2019-02-07T18:24:23Z (GMT). No. of bitstreams: 1 DanubiaSoaresPires.pdf: 4903870 bytes, checksum: 9db72c359d52f9748117eeb1899fda54 (MD5) Previous issue date: 2018-11-30 This thesis presents a methodology to evolving fuzzy Kalman filter identification. The mathematical formulation adopted contemplates the following aspects: an offline GustafsonKessel (GK) clustering algorithm is applied to input and output experimental data set of dynamic system for rules antecedent parameters initial estimation. Similarly, this algorithm is used to formulate an offline fuzzy version of the Observer/Kalman Filter Identification (OKID) algorithm for rules consequent parameters initial estimation. Since the fuzzy Kalman filter model is obtained from offline way, it will serve as the initial condition for evolving fuzzy Kalman filter online identification. Then, each new sample of input-output experimental data of dynamical system, the eTS (evolving Takagi-Sugeno) evolving clustering algorithm is used to estimate the antecedent parameters to increase, decrease or maintain the same number of rules of the evolving fuzzy Kalman filter obtained in the immediately before sample. An evolving fuzzy version of OKID algorithm, based on eTS evolving clustering is used to estimate the consequent of evolving fuzzy Kalman filter, composed by state matrix, input influence matrix, output influence matrix, direct transmission matrix, and Kalman gain matrix, adapting to the dynamic system behavior represented by each new sample analyzed. Computational results, which are compared to results obtained by other relevant methodologies and widely cited in the literature, present two application examples: the tracking of a non-linear SISO (Single Input, Single Output) system output and the estimation of parameters and states of a system with censored data. Experimental results present two practical applications, such as: trajectory tracking of a Fogtrein-I model rocket or FTI (Foguete de Treinamento – Intermediário, in Portuguese), applied in tests, qualification and training at the Alcântara - Maranhão Launch Center (CLA, Centro de Lançamento de Alcântara, in Portuguese) and the Barreira do Inferno - Rio Grande do Norte Launch Center (CLBI); and the tracking of outputs from helicopter with two degrees of freedom (2DoF Helicopter - Quanser). Uma metodologia para identificação de filtro de Kalman nebuloso evolutivo é apresentada nesta tese. A formulação matemática adotada contempla os seguintes aspectos: uma versão off-line do algoritmo de agrupamento Gustafson-Kessel (GK) é aplicada a um conjunto de dados experimentais de entrada e saída do sistema dinâmico, para estimação inicial dos parâmetros do antecedente das regras. Da mesma forma, este algoritmo é usado para formular uma versão nebulosa off-line do algoritmo Observer/Kalman Filter Identification (OKID) para estimação inicial dos parâmetros do consequente das regras. Uma vez que o modelo do filtro de Kalman nebuloso é obtido de forma off-line, o mesmo servirá como condição inicial para identificação on-line do filtro de Kalman nebuloso evolutivo. A partir de então, a cada nova amostra dos dados experimentais de entrada e saída do sistema dinâmico, o algoritmo de agrupamento evolutivo eTS (evolving Takagi-Sugeno) é usado para estimar de forma online os parâmetros do antecedente, no sentido de aumentar, diminuir ou manter o mesmo número de regras do filtro de Kalman nebuloso evolutivo obtido na amostra imediatamente anterior. Ainda, uma versão nebulosa evolutiva do algoritmo OKID, baseada em agrupamento evolutivo eTS, é usada para estimar o consequente do filtro de Kalman nebuloso evolutivo, composto pelas matrizes de estados, de entrada, de saída, de transmissão direta e de ganho de Kalman, adaptando-se ao comportamento do sistema dinâmico representado por cada nova amostra analisada. Os resultados computacionais, que são comparados aos resultados obtidos por outras metodologias relevantes e largamente citadas na literatura, apresentam dois exemplos de aplicação: o rastreamento de saída de um sistema não linear SISO (Single Input, Single Output) e a estimação de parâmetros e estados de um sistema com dados censurados. Nos resultados experimentais duas aplicações práticas, a saber: o rastreamento de trajetória de um foguete modelo Fogtrein-I ou FTI (Foguete de Treinamento - Intermediário), utilizado em testes, qualificação e treino no Centro de Lançamento de Alcântara - Maranhão (CLA) e Centro de Lançamento da Barreira do Inferno - Rio Grande do Norte (CLBI); e o rastreamento das saídas de um helicóptero com dois graus de liberdade (2DoF Helicopter - Quanser)

Orientador: Fernando Antônio Campos Gomide Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação Resumo: Métodos nebulosos evolutivos são uma alternativa para modelar sistemas não-estacionários usando fluxos de dados. Este trabalho propõe um algoritmo evolutivo Min-Max para modelar sistemas com bases de regras nebulosas funcionais. O algoritmo processa um fluxo de dados para adaptar continuamente um modelo funcional que descreve o processo gerador dos dados. O algoritmo é incremental, aprende com apenas uma apresentação do conjunto de dados, processa uma amostra por vez, não armazena dados antigos e realiza todos os procedimentos dinamicamente, de acordo com a aquisição de dados de entrada. O modelo tem duas partes principais: estrutural e paramétrica. A parte estrutural é composta pelas regras nebulosas, regras estas definidas por um algoritmo de agrupamento que divide os dados no espaço de entrada em grânulos no formato de hiper-retângulos, atribuindo uma regra nebulosa a cada hiper-retângulo. A base de regras é vazia inicialmente, e regras são adicionadas gradualmente de acordo com a aquisição de dados de entrada. O algoritmo de agrupamento é uma versão aprimorada do aprendizado Min-Max, que ajusta o tamanho dos hiper-retângulos automaticamente de acordo com a dispersão dos dados de entrada. A parte paramétrica do modelo é constituída por funções afins locais atribuídas a cada regra com coeficientes atualizados pelo algoritmo de quadrados mínimos recursivo. O modelo gera a saída a partir da combinação das saídas individuais das regras, em que cada saída tem um peso diferente, determinado pelo nível de ativação normalizado da regra correspondente. O algoritmo nebuloso evolutivo Min-Max também possui mecanismos de gerenciamento da base de regras e estimação automática de parâmetros de aprendizado. O gerenciamento da base consiste na identificação de regras redundantes (que são mescladas) ou obsoletas (que são excluídas), permitindo que a base de regras esteja sempre atualizada e que o método seja auto-adaptável a ambientes não estacionários. A estimação automática de parâmetros, em contrapartida, torna o algoritmo mais autônomo, atenuando perdas de desempenho provenientes de escolhas inadequadas de parâmetros de aprendizado. O algoritmo é aplicado em problemas de previsão de séries temporais e identificação de sistemas e comparado a abordagens clássicas e evolutivas representativas do estado da arte na área Abstract: Evolving fuzzy systems are an appealing approach to deal with nonstationary system modeling using data streams. This work introduces an evolving fuzzy Min-Max algorithm for fuzzy rule-based systems modeling. The algorithm processes an incoming data stream to construct and continuously update a fuzzy functional model of the data generator process. The algorithm is incremental, learns with only one pass in the dataset, process one data sample at a time, and does not perform any retraining or store past data. The model has two parts: structural and parametric. The structural part is a set of functional fuzzy rules formed by a clustering algorithm that granulates the input data space into data granules in the form of hyperboxes. To each hyperbox corresponds a fuzzy rule. The rule base is initially empty, and rules are gradually added as new incoming data are input. The clustering algorithm is an enhanced Min-Max learning approach that automatically adjusts hyperboxes sizes based on input data dispersion. The parametric part of the model is formed by local affine functions associated with each fuzzy rule. The parameters of the local functions are updated using the recursive least squares algorithm. The model output is produced combining the local affine functions weighted by the normalized firing degrees of the active rules. The evolving fuzzy Min-Max algorithm also has a rule base management method to allow concise and updated rule bases by identifying redundant rules (which are merged) or obsolete rules (which are deleted). The rule base management mechanism makes the model parsimoniously adaptive in nonstationary environments. Another property of the evolving fuzzy algorithm is the dynamic estimation of some learning parameters, which increases the algorithm autonomy, and mitigates the deterioration of the prediction performance due to unsuitable initial choices of the learning parameters. The proposed algorithm is applied in system identification and time series forecasting tasks, and its performance is compared with that of evolving and classic regression algorithms representative of the current state of the art in the area Mestrado Automação Mestre em Engenharia Elétrica CNPQ 159678/2015-3

The international recognition of the director Enrique Diaz has asserted itself for morethan twenty years. His artistic approach is very influenced by performance and it oftenuses metatheatrical texts. His reflexive productions focus on their own creative processes. They highlight the acting of the actor and they use the media in a selfreferential and critical way. Director Enrique Diaz' creation is approached for this thesis in a systemic way, using as a transdisciplinary methodological reference, the computer systems called fuzzy systems. Therefore, it allows to study his approach through different observation scales and varied points of view. First of all, its artistical experience is analyzed with a global scale: main themes and plays, specialy the actor's work. The overall observation offers substrate to a dynamic modeling, that is to say, the development of hypothesis regarding the general operation of Enrique Dias' creating system, and his main course of actions during the process of different plays. As a validating strategy, the play Gaivota - tema para um conto curto (Seagull-Play/La Mouette), is analyzed taking in consideration the operational of a fuzzy system - fuzzification, inferences and defuzzification - that is to say, according to the initial purposes of the project, the aesthetic references for its creation and the main procedures used for improvising (Viewpoints and Composition) and itsconnections/consequences/ to the play. The objective is to show the originality of theartistic approach of Enrique Diaz using a methodology based on the fuzzy system andinspired by his own approach., La reconnaissance internationale du metteur en scène Enrique Diaz s’est affirmée de façon sensible depuis plus d’une vingtaine d’années. Sa démarche artistique est très influencée par la performance et fait souvent appel à des textes métathéâtraux. Ses mises en scène autoréflexives ont pour thème leur propre processus de création. Elles mettent en évidence le jeu de l’acteur et utilisent les vídéos de façon autoréférentielle et critique.Cette thèse propose une étude du système de création de Enrique Diaz selon une approche systémique, prenant comme référence méthodologique transdisciplinaire les systèmes numériques appelés systèmes flous ou fuzzy systems. Cet angle d’analyse nous a paru permettre l’étude de la démarche de l’artiste selon des échelles d‘observation et des points de vue différents. Nous avons donc étudié tout d'abord le parcours artistique d’Enrique Diaz sur le plan global, intégrant les principaux spectacles et thématiques à partir du travail que Diaz demande à ses acteurs. Cette observation globale nous a offert les fondements nécessaires à la création d’une modélisation dynamique, c’est-à-dire, à l’élaboration d’hypothèses touchant le fonctionnement global du système de création de l’artiste, en tentant de montrer en quoi celui-ci constitue une forme de système flou.Afin de valider la modélisation créée, le spectacle Seagull-Play/ La Mouette est analyséselon les catégories utilisées pour la création d’un système flou. La fuzzification renvoieaux phases préliminaires du projet, aux choix esthétiques et aux techniques d’improvisation collective, comme celle de l’utilisation de la technique des Viewpoints and Composition. L’inférence concerne l’observation des prises de décisions du metteur en scène au cours du processus de création. Enfin la défuzzification est l’étude de la présentation du spectacle au public. L’objectif final est de montrer l’originalité de la démarche artistique d’Enrique Diaz en utilisant une méthodologie basée sur les systèmes flous et inspirée par le processus même de création de l’artiste., A prática artística do encenador Enrique Diaz ganhou um reconhecimento internacional nos últimos vinte anos. Influenciado pela performance, Enrique Diaz faz uso recorrente de textos metateatrais e seus espetáculos autoréflexivos tematizam o próprio processo de criação. Sua prática é centrada no trabalho do ator e utiliza os vídeos de forma autoreferencial e crítica.Esta tese aborda a criação do encenador Enrique Diaz de forma sistêmica, tendo como referência metodológica transdisciplinar os sistemas informáticos chamados nebulosos (flous ou fuzzy). O sistema flou é uma analogia para a compreensão do funcionamento do trabalho de Enrique Diaz, de modo a evidenciar, segundo diferentes pontos de vista e conforme escalas de observação diversas, o que chamo de sistema de criação. Suaprática artística é abordada primeiramente numa escala global, enveredando por temas e espetáculos e fechando o foco sobre o trabalho do ator. Este modo de observação oferece substrato a uma modelização dinâmica, ou seja, permite o levantamento de hipóteses a respeito do funcionamento geral do sistema de criação de Enrique Diaz e das principais ações executadas para a construção de diferentes espetáculos. Como forma de validação, o espetáculo Gaivota – tema para um conto curto, é analisado levando em conta as fases de funcionamento de um sistema nebuloso – fuzzificação, inferências e defuzzificação –, ou seja, segundo as proposições iniciais do projeto e as técnicas utilizadas nos ensaios (como a técnica Viewpoints and Composition), os tipos de decisões da encenação e a apresentação do espetáculo. O objetivo é mostrar as singularidades do sistema de criação de Enrique Diaz a partir da criação de uma metodologia inspirada por sua prática artística.

Orientador: Lee Luan Ling Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação Resumo: Nesta dissertação se propõe um método de controle de admissão de chamadas fuzzy (FCAC) e um método de controle de fluxo fuzzy (FFC), considerando tráfegos multiclasses. Ambos métodos trabalham em conjunto e são implementados na interface aérea das redes 3G UMTS. O método FCAC aceita ou rejeita a requisição de uma nova chamada considerando a prioridade de cada classe de tráfego, assim como a banda efetiva total disponível na interface aérea. Devido a natureza de controle fuzzy, o método FCAC-FFC proposto é considerado como um método de bloqueio gradual. Os usuários de menor prioridade serão sempre os primeiros a serem bloqueados se a banda efetiva total disponível não for suficiente. O método FFC reduz a taxa de transmissão dos usuários ativos de menor prioridade caso seja necessário e, como consequência, a banda efetiva disponível aumenta. Desta forma, temos um uso mais eficiente dos recursos do sistema incrementando o número médio de usuários ativos. O método proposto foi implementado no ambiente de simulação MATLAB e foi utilizada a toolbox de lógica fuzzy para projetar os controladores fuzzy. Os resultados da simulação mostram que o esquema de controle de admissão proposto garante o uso eficiente dos recursos da interface aérea e obtém um melhor desempenho em comparação com os esquemas CAC-FC e FCAC-FC analisados, em termos de probabilidade de bloqueio total Abstract: This dissertation proposes a fuzzy call admission control method (FCAC) and a fuzzy flow control method (FFC) for multi-class traffic. Two methods should be used on the air interface of 3G UMTS networks. The FCAC method accepts or rejects a new call evaluating the priority of the input traffic class and the total effective bandwidth available at the air interface. Due to inherited fuzzy characteristics the proposed FCAC-FFC can be considered as a soft-blocking approach. The calls with lowest priority are blocked first whenever the currently available bandwidth is not large enough. The FFC method can reduce the transmission rates of active users of lower priority if necessary and consequently increases the effective bandwidth available. Therefore, the more efficient use of system transmission resource can be achieved by increasing the average number of active users. The proposed method was implemented in MATLAB environment, and the fuzzy logic toolbox was used to design the fuzzy controllers. The simulation results show that the proposed call admission control method guarantees efficient use of the air interface resource and achieves lower call blocking probability than the CAC-FC and FCAC-FC methods Mestrado Telecomunicações e Telemática Mestra em Engenharia Elétrica

Orientadores: Fernando Antonio Campos Gomide, Rosangela Ballini Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação Resumo: Este trabalho propõe a utilização de técnicas de inteligência computacional para a estimação e previsão da estrutura a termo das taxas de juros, com base em dados dos mercados de renda fixa dos Estados Unidos e Brasil. Para o problema de estimação da curva de juros, as técnicas de computação evolucionária, Algoritmos Genéticos, Evolução Diferencial e Estratégias Evolutivas, foram comparadas com abordagens tradicionais da literatura, como mínimos quadrados não-lineares e programação quadrática sequencial. A motivação da aplicação de técnicas de computação evolucionária no problema de estimação da estrutura a termo busca superar limitações como não-convergência e elevada instabilidade dos parâmetros à inicialização. Além disso, recentemente, a literatura tem apontado o elevado desempenho dos algoritmos genéticos em problemas de modelagem da curva de rendimentos. Outra contribuição deste trabalho consiste no desenvolvimento de um modelo nebuloso evolutivo de aprendizado participativo estendido, denominado ePL+, que inclui em sua versão original, ePL, mecanismos para aumentar sua autonomia e adaptabilidade na modelagem de sistemas complexos. Dessa forma, o modelo ePL+ e outros modelos nebulosos funcionais evolutivos foram avaliados na questão da previsão das taxas futuras de juros, em contraposição com modelos econométricos baseados em processos autoregressivos e modelos de redes neurais artificiais multi-camadas, uma vez que a evolução das taxas de juros apresenta uma dinâmica altamente não-linear e variante no tempo, justificando a ideia de modelagem adaptativa. O desempenho dos métodos considerados foi avaliado em termos de métricas de erro, complexidade computacional e por meio de testes estatísticos paramétricos e não-paramétricos, MGN e SIGN, respectivamente. Os resultados evidenciaram o elevado potencial dos modelos de inteligência computacional na estimação e previsão da estrutura a termo em ambas economias consideradas, constatado pelo melhor desempenho, em termos de ajuste e significância estatística, em relação às técnicas de otimização de parâmetros e econométricas mais utilizadas na literatura Abstract: This work proposes the term structure of interest rates modeling and forecasting using computational intelligence techniques, based on data from the US and Brazilian fixed income markets. The yield curve modeling includes the use of some evolutionary computation methods like Genetic Algorithms, Differential Evolution and Evolution Strategies in comparison with traditional optimization techniques such as nonlinear least squares and sequential quadratic programming. The motivation behind the use of evolutionary computation to yield curve estimation aims to overcome limitations like non-convergence and high parameters instability to initialization. Moreover, recently, the literature has been shown the higher performance of genetic algorithms in yield curve modeling problems. This work also contributes by developing an extended participatory learning fuzzy model, called ePL+, which includes on its original version, ePL, mechanisms to improve its autonomy and adaptability in complex systems modeling. Therefore, the ePL+ model and some evolving functional fuzzy approaches were evaluated in the future interest rates forecasting, as opposed to econometric models based on autoregressive processes and multilayer artificial neural networks methodologies, since interest rates evolution shows a high non-linear dynamics and also time-varying, justifying the idea of adaptive modeling. Models' performance were compared in terms of error measures, computational complexity and by parametric and non-parametric statistical tests, MGN and SIGN, respectively. The results reveal the high potential of computational intelligence methods to deal with the term structure modeling and forecasting for both economies considered, as pointed out by their adjustment and statistical superior performance then traditional optimization and econometrics techniques reported in the literature Mestrado Automação Mestre em Engenharia Elétrica

Submitted by Boris Flegr (boris@uerj.br) on 2021-01-06T19:17:39Z No. of bitstreams: 1 Jair Medeiros Jr.pdf: 2508082 bytes, checksum: e274accdf086c870c0daac0ca8c9139c (MD5) Made available in DSpace on 2021-01-06T19:17:39Z (GMT). No. of bitstreams: 1 Jair Medeiros Jr.pdf: 2508082 bytes, checksum: e274accdf086c870c0daac0ca8c9139c (MD5) Previous issue date: 2011-08-05 This dissertation is a study and develop a proposal for a learning environment, to any institution of higher education, three levels of education in the area of control and automation: undergraduate, graduate and Lato Sensu stricto sensu. First, visits were made to laboratories in universities and interviews with teachers who teach the disciplines of automation and control in three levels of learning. Strengths and weaknesses were found in the methodological issue of laboratory practice in relation to industrial aspects of electrical engineering in the area of three institutions in the State of Rio de Janeiro, being one federal, one state and one private. Subsequently, we analyzed mechanisms and instruments to interact with experimental models proposed in the interviews in a didactic manner for the purpose of providing the learning environment in automation, in which he was elected as the LABVIEW interface more favorable for the application of controls, keeping an analogy for practical industrial. From these analysis have been suggested yet typical elements of automation and three case studies: a thermal system, a speed control motor and an inverted pendulum, through simple and advanced controls such as fuzzy control, characterized by the strengthening of academic-industrial activity. Esta dissertação trata de um estudo e o desenvolvimento de uma proposta de um ambiente de aprendizagem, para qualquer instituição de ensino superior, em três níveis de ensino da área de controle e automação: graduação, pós-graduação Lato Sensu e Stricto Sensu. Primeiramente, foram feitas visitas aos laboratórios em universidades e entrevistas com professores que ministram as disciplinas de controle e automação nos três níveis de aprendizagem. Foram constatadas virtudes e fragilidades metodológicas na questão da prática laboratorial em relação a aspectos industriais na área de engenharia elétrica de três instituições do Estado do Rio de Janeiro, sendo uma federal, uma estadual e outra privada. Posteriormente, foram analisados mecanismos e instrumentos necessários para interagir com modelos experimentais propostos nas entrevistas de maneira didática, para fins de constituir o ambiente de aprendizagem em automação, no qual foi eleito o LABVIEW como a interface mais favorável para aplicação de controles, mantendo uma analogia de cunho prático-industrial. A partir dessas análises foram sugeridos ainda elementos típicos de automação e três estudos de caso: um sistema térmico, um controle de velocidade de motores e um pêndulo invertido, por meio de controles simples e avançados como o controlador nebuloso, caracterizando-se pelo fortalecimento da atividade acadêmico-industrial

As abordagens de inteligência computacional, tais como sistemas nebulosos e redes neurais artificiais, têm-se gradualmente estabelecido como ferramentas robustas para a tarefa de aproximação de sistemas não-lineares complexos e previsão de séries temporais. Em aplicações envolvendo a área de Finanças, evidências empíricas anteriores indicam que modelos de inteligência computacional são mais precisos, dada sua maior capacidade em capturar não-linearidades e outros fatos estilizados presentes em séries financeiras. Nesse sentido, este artigo investiga a hipótese de que os modelos matemáticos de redes neurais perceptron multicamadas, redes neurais função de base radial e o sistema nebuloso Takagi-Sugeno (TAKAGI; SUGENO, 1985) são capazes de fornecer uma previsão fora-da-amostra mais acurada que os modelos auto-regressivos de médias móveis (ARMA) e auto-regressivo de médias móveis supondo heterocedasticidade condicional auto-regressiva (ARMA-GARCH). O desempenho de previsão um-passo-à-frente dos modelos foi comparado utilizando-se séries de retorno da taxa de câmbio real/dólar (R$/US$) com freqüências de 15 minutos, 60 minutos, 120 minutos, diária e semanal. Resultados indicam que o desempenho dos modelos está diretamente relacionado à freqüência observada das séries. Além disso, os modelos de redes neurais obtiveram um desempenho superior em relação aos demais modelos considerados. A avaliação da estratégia de negociação estabelecida com base nas previsões geradas pelos modelos indicou que estratégias baseadas em modelos de redes neurais forneceram retornos superiores em relação àquelas baseadas em modelos ARMA e ARMA-GARCH e também em relação à estratégia buy-and-hold. Computational intelligence approaches, such as artificial neural networks and fuzzy systems, have become popular tools in approximating complicated nonlinear systems and time series forecasting. In Finance applications, there is evidence that these computational intelligence models are able to provide a more accurate forecast given their capacity for capturing nonlinearities and other stylized facts of financial time series. Thus, this paper investigates the hypothesis that the mathematical models of multilayer perception, radial basis function neural networks (NN), and the Takagi-Sugeno (TS) fuzzy systems are able to provide a more accurate out-of-sample forecast than the traditional AutoRegressive Moving Average (ARMA) and ARMA Generalized AutoRegressive Conditional Heteroskedasticity (ARMA-GARCH) models. Using a series of Brazilian exchange rate (R$/US$) returns with 15 minutes, 60 minutes, 120 minutes, daily and weekly basis, the one-step-ahead forecast performance is compared. The results indicate that forecast performance is strongly related to the series' frequency, possibly due to nonlinearities effects. Besides, the forecasting evaluation shows that NN models perform better than the ARMA and ARMA-GARCH ones. In the trade strategy based on forecasts, NN models achieved higher returns when compared to a buy-and-hold strategy and to the other models considered in this study.

Orientadores: Fernando Antonio Campos Gomide, Pyramo Pires Costa Junior Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação Resumo: Este trabalho propõe um procedimento sistemático para obtenção de modelos de sistemas dinâmicos não-lineares complexos utilizando redes neurais nebulosas. As redes neurais nebulosas aplicadas em modelagem são capazes de extrair conhecimento de dados entrada/saída e representar este conhecimento na forma de regras nebulosas do tipo se-então, gerando modelos lingüísticos convenientes para compreensão humana. Duas novas classes de redes neurais nebulosas são propostas a partir de generalizações dos neurônios lógicos AND e OR. Estas generalizações, denominadas unineurons e nullneurons, implementam, além da plasticidade sináptica, outra importante característica dos neurônios biológicos, a plasticidade neuronal. Desta forma, os neurônios propostos neste trabalho são capazes de modificar parâmetros internos em resposta à alterações, permitindo que unineurons e nullneurons variem individualmente de um neurônio AND para um neurônio OR (e vice-e-versa), dependendo da necessidade do problema. Conseqüentemente, uma rede neural nebulosa composta por unineurons e nullneurons é mais geral do que as redes neurais nebulosas similares sugeridas na literatura. Além da introdução de redes neurais com unineurons e nullneurons, um novo algoritmo de treinamento para obtenção de modelos nebulosos de sistemas dinâmicos é proposto utilizando aprendizado participativo. Neste algoritmo, uma nova informação fornecida à rede por meio de um dado entrada/saída é comparada com o conhecimento que já se tem a respeito do sistema. A nova informação só tem influência na atualização do conhecimento se não entrar em conflito com o conhecimento adquirido anteriormente. Como conseqüência, redes neurais nebulosas que utilizam este novo algoritmo de treinamento são mais robustas a dados de treinamento com valores que correspondem a comportamentos anômalos ou mesmo a erros durante a obtenção destes dados. As abordagens propostas foram utilizadas para desenvolver modelos para previsão de séries temporais e modelagem térmica de transformadores de potência. Os resultados experimentais mostram que os modelos aqui propostos são mais robustos e apresentam os melhores desempenhos, tanto em termos de precisão quanto em termos de custos computacionais, quando comparados com abordagens alternativas sugeridas na literatura Abstract: This work suggests a systematic procedure to develop models of complex nonlinear dynamical systems using neural fuzzy networks. The neural fuzzy networks are able to extract knowledge from input/output data and to encode it explicitly in the form of if-then rules. Therefore, linguistic models are obtained in a form suitable for human understanding. Two new classes of fuzzy neurons are introduced to generalize AND and OR logic neurons. These generalized login neurons, called unineurons and nullneurons, provide a mechanism to implement synaptic plasticity and an important characteristic of biological neurons, the neuronal plasticity. Unineurons and nullneurons achieve synaptic and neuronal plasticity modifying their internal parameters in response to external changes. Thus, unineurons and nullneurons may individually vary from a AND neuron to a OR neuron (and vice-versa), depending upon the necessity of the modeling task. Neural fuzzy networks constructed with unineurons and nullneurons are more general than similar fuzzy neural approaches suggested in literature. Training algorithms for neural fuzzy networks with unineurons and nullneurons are also studied. In particular, a new training algorithm based on the participatory learning is introduced to develop fuzzy models of dynamical systems. In the participatory learning algorithm, a new information brought to the network through an input/output data is first compared with the knowledge that the network already has about the model. The new information influences the update of the knowledge only if it does not conflict with the current knowledge. As a result, neural fuzzy networks trained with participatory learning show greater robustness to training data with anomalous values than their counterparts. The neural fuzzy network and training algorithms suggested herein are used to develop time series forecast models and thermal models of power transformers. Experimental results show that the models proposed here are more robust and perform best in terms of accuracy and computational costs when compared against alternative approaches suggested in the literature Doutorado Automação Doutor em Engenharia Elétrica

Orientadores: Fernando Antonio Campos Gomide, Rosangela Ballini Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação Resumo: Este trabalho propõe um modelo fuzzy funcional evolutivo que utiliza uma aplicação do aprendizado participativo para a construção de uma base de regras. O aprendizado participativo é um modelo de aprendizado baseado na noção de compatibilidade para a atualização do conhecimento do sistema. O aprendizado participativo pode ser traduzido em um algoritmo de agrupamento não supervisionado conhecido como agrupamento participativo. O algoritmo intitulado Aprendizado Participativo Evolutivo é proposto para construir um modelo fuzzy funcional evolutivo no qual as regras são obtidas a partir de um algoritmo de agrupamento não supervisionado. O algoritmo utiliza uma versão do agrupamento participativo para a determinação de uma base de regras correspondente ao modelo funcional do tipo Takagi-Sugeno evolutivo. A partir de uma noção generalizada, o modelo proposto é aplicado em problemas de previsão de séries temporais e os resultados são obtidos para a conhecida série Box-Jenkis, além da previsão de uma série de carga horária de energia elétrica. Os resultados são comparados com o modelo Takagi-Sugeno evolutivo que utiliza a noção de função potencial para agrupar os dados dinâmicamente e com duas abordagens baseadas em redes neurais. Os resultados mostram que o modelo proposto é eficiente e parcimonioso, abrindo potencial para aplicações e estudos futuros. Abstract: This work introduces an approach to develop evolving fuzzy rule-based models using participatory learning. Participatory learning assumes that learning and beliefs about a system depend on what the learning mechanism knows about the system itself. Participatory learning naturally augments clustering and yields an e_ective unsupervised fuzzy clustering algorithms for on-line, real time domains and applications. Clustering is an essential step to construct evolving fuzzy models and plays a key role in modeling performance and model quality. A least squares recursive approach to estimate the consequent parameters of the fuzzy rules for on-line modeling is emphasized. Experiments with the classic Box-Jenkins benchmark are conducted to compare the performance of the evolving participatory learning with the evolving fuzzy system modeling approach and alternative fuzzy modeling and neural methods. The experiments show the e_ciency of evolving participatory learning to handle the benchmark problem. The evolving participatory learning method is also used to forecast the average hourly load of an electric generation plant and compared against the evolving fuzzy system modeling using actual data. The results confirm the potential of the evolving fuzzy participatory method to solve real world modeling problems. Mestrado Automação Industrial Mestre em Engenharia Elétrica

Este artigo reúne um conjunto de métodos que utilizam dados de natureza quantitativa e qualitativa, provenientes de fontes heterogêneas, de modo a combiná-los em um processo conhecido por fusão de dados. Diversas formas de incerteza e sua modelagem são discutidas. Propõe-se uma taxionomia em quatro níveis para processos de fusão de dados, tomando-se por base a natureza e redundância dos dados processados. This paper presents a set of methods which use quantitative and qualitative data, gathered from various heterogeneous sources of information, aiming at combining them in a process of data fusion. Different forms of uncertainty representation and modelling are discussed. Also, this work proposes a taxonomy for the data fusion processes according to the nature and redundancy of the processed data.

Orientador: Celso Pascoli Bottura Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e Computação Resumo: Esta tese apresenta propostas de metodologias para identificação e controle inteligentes. Uma metodologia para identificação de sistemas dinâmicos não-lineares no tempo discreto, baseada tio método de variável instrumental e no modelo nebuloso Takagi-Sugeno, é apresentada. Nesta metodologia, a qual é uma extensão do método de variável instrumental tradicional, as variáveis instrumentais escolhidas, estatisticamente independentes do ruído, são mapeadas em conjuntos nebulosos, particionando o espaço de entrada em sub-regiões, para estimação não-polarizada dos parâmetros do conseqüente dos modelos nebulosos TS em ambiente ruidoso. Um esquema de controle adaptativo gain scheduling baseado em redes neurais, sistemas nebulosos e algoritmos genéticos para sistemas dinâmicos não-lineares no tempo discreto também é apresentado. 0 controlador nebuloso é desenvolvido e projetado com o usa de um algoritmo genético para satisfazer, simultaneamente, múltiplos objetivos. Com o esquema de aprendizagem supervisionada, os parâmetros do controlador nebuloso são usados para projetar um gain scheduler neural para ajuste on-line do controlador nebuloso em alguns pontos de operação do sistema dinâmico Abstract: This thesis presents proposals of methodologies for intelligent identification and control. A methodology tor nonlinear dynamic discrete time systems identification, based on the instrumental variable method and Takagi-Sugeno fuzzy model, is presented. In this methodology, which is an extension of the standard instrumental variable method, the chosen instrumental variables, estatistically independent of the noise, are mapped into fuzzy sets, partitioning the input space in subregions, for unbiased estimation of Takagi-Sugeno fuzzy model consequent parameters in a noisy environment. A gain scheduling adaptive control design based on neural network, fuzzy systems and genetic algorithms for nonlinear dynamic discrete time systems is also presented. The fuzzy controller is developed and designed by a genetic algorithm to satisfy, simultaneously, multiple objectives. "With the supervised learning scheme, the fuzzy controller parameters are used to design the gain neural scheduler to tune on-line the fuzzy controller in some operation points of the dynamic system Doutorado Automação Doutor em Engenharia Elétrica

Orientador: Gilmar Barreto Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação Resumo: Este trabalho enfoca o problema de identificação multivariável de um processo de incineração de resíduos líquidos que faz parte do complexo da unidade de utilidades da empresa BASF S.A, localizada em Resende-RJ. Para trabalhos futuros, pretendemos utilizar esta identificação em um projeto de controlador inteligente. A escolha desse processo foi motivada pelo potencial de melhoria no sistema de controle da combustão, sendo realizado um estudo com as possíveis melhorias econômicas e operacionais com a otimização do processo de incineração. Os sistemas nebulosos foram enfocados de maneira especial, por causa da sua capacidade de processar informação de natureza incerta e qualitativa. O modelo nebuloso Takagi-Sugeno (TS) foi implementado para representar o processo de incineração de resíduos líquidos em estudo. Os resultados das simulações efetuadas com os modelos nebulosos TS obtidos representam de maneira adequada o comportamento real do sistema de incineração Abstract: This work is concerned with the problem of multivariable identification of liquids residues incineration process that is a complex part of utilities unit in BASF SA. Company, located in Resende-RJ. For future works, we intend use this identification in an intelligent controller design. The choice of this process was motivated by the potential of improvement on combustion system control of the incineration process, and was realized a study considering the possible economic and operational improvements with the incineration process optimization. The fuzzy systems were focused in a special way, because of its capability to process information of uncertain and qualitative nature. The Takagi-Sugeno (TS) fuzzy model was implemented to represent the studied liquids residues incineration process. The simulation results obtained with TS fuzzy models represent, in an adequate way, the real behavior of an incineration system Mestrado Automação Mestre em Engenharia Elétrica