Search

Orientador: Fernando Gomide, Rosangela Ballini Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação Resumo: Planejamento de sistemas hidroeletricos possui um alto grau de complexidade e dificuldade, uma vez que involve caracteristicas de produção não lineares e depende de muitas variaveis. Um das variaveis chave e a vazão natural. Os valores de vazões devem ser previstos com acuracia, uma vez que esses valores influenciam significativamente na produção de energia. Atualmente, no setor de geração hidroeletrica, a previsão de vazões e baseada na metodologia de Box & Jenkins. Este trabalho propõe um modelo de previsão baseado em agrupamento nebuloso como alternativa para a previsão de vazões naturais medias mensais. O modelo utiliza o algoritmo de agrupamento fuzzy c-means para explorar a estrutura dos dados historicos, e procedimentos de mediana e reconhecimento de padrões para capturar similaridades na tendencia das series. Ainda, este trabalho sugere um modelo que combina previsões geradas por um conjunto de m'etodos individuais de previsão, de uma maneira simples, mas efetiva. Utiliza-se, como combinador, uma rede neural treinada com o algoritmo do gradiente. O objetivo e combinar as previsões geradas por diferentes modelos na tentativa de capturar as contribuições das caracteristicas de previão mais importantes de cada previsor individual. Esse metodo tambem e aplicado a previsão de series de vazões naturais medias mensais escolhendo-se, como modelos individuais, aqueles que obtiveram melhor desempenho para uma dada serie. Resultados experimentais com dados reais de vazão sugerem que o modelo preditivo aseado em agrupamento nebuloso obtem um desempenho superior, quando comparado com a metodologia atual de previsão de vazões adotada pelo setor hidroeletrico, e, ainda, com uma rede neural nebulosa, um modelo não linear. Alem disso, o modelo de combinação alcança um desempenho superior que os modelos de previsão individuais, pois apresentam erros de previsão menores Abstract: In addition, this work suggests a linear approach to combine forecasts generated by a set of individual forecasting models in a simple and effective way. We use, as a combiner, a neural network trained with the gradient descent algorithm. The aim is to combine the forecasts generated by the different forecasting models as an attempt to capture the contributions of the most important prediction features of each individual model at each prediction step. The approach is also used for streamflow time series prediction choosing, as individual forecasting models, the most promising predictive methods. Experimental results with actual data suggest that the predictive clustering approach performs globally better than the current streamflow forecasting methodology adopted by many hydroelectric systems worldwide, and a fuzzy neural network, a nonlinear prediction model. The combination approach, with lower prediction errors, performs better than each of the individual forecasting models Mestrado Engenharia de Computação Mestre em Engenharia Elétrica

Dissertação (Mestrado) - Pontifícia Universidade Católica de Minas Gerais, Programa de Pós-Graduação em Engenharia Elétrica. Bibliografia: f. 101-106 Os motores de indução tipo rotor em gaiola são amplamente utilizados em sistemas de acionamentos industriais. Com o objetivo de assegurar sua operacionalidade, esforços têm sido realizados principalmente na detecção de falhas rotóricas. Aplicações e acionamentos que possuem baixo escorregamento, velocidade variável, curto curso de operação e difícil desacoplamento com a carga, necessitam de uma metodologia específica para detecção de falha. Nesse tipo de configuração, o diagnóstico deve ser realizado em condição de rotor bloqueado e, assim, aplicado à metodologia junto a uma técnica para diagnóstico. Este trabalho visa detectar falhas rotóricas em motores de indução por meio da análise da assinatura da corrente do motor (MCSA) em condição de rotor bloqueado. Desse modo, propõe-se uma metodologia de aplicação em conjunto com a avaliação de técnicas de processamento de sinais, tais como a transformada rápida de Fourier (FFT), a transformada discreta wavelet (DWT) e a transformada discreta de Hilbert (DHT) aplicadas sobre as correntes abc e dq0 da transformação de Park. A meta é definir a configuração da metodologia e identificar qual das técnicas é mais robusta no processo de identificação de barras quebradas em motor de indução para a condição de trabalho mencionada. Alguns dos sistemas industriais possuem em pequeno número motores de grande porte com características semelhantes no sítio de operação. Com isso, há dificuldade de realização de medições comparativas que ajudam na análise de falha. Em algumas ocasiões, também não é possível a parada do acionamento para ensaios, já que esses geralmente são responsáveis por uma grande parcela de produção em uma planta. Testes destrutivos podem ser onerosos, como, por exemplo, simular a quebra de barras em um rotor saudável, pois tais motores podem ser especiais e de elevado custo. Diante disso, este trabalho apresenta um modelo de motor de indução simétrico em referencial arbitrário para a simulação de falha rotórica de quebra de barras. O modelo é testado, e seus resultados são comparados com medições reais para validação. Palavras-chave: Motor de indução, análise de falha, MCSA, barra quebrada, rotor bloqueado, wavelet, transformada de Hilbert, transformação de Park. Squirrel cage induction motors are widely used in industrial drive systems. In order to ensure its operability, efforts have been made mainly in the detection of rotor failures. Applications and drives which have low slip, variable speed, short operating stroke and difficult load decoupling, require a specific fault detection methodology. In that set up, diagnostics should be performed under rotor locked condition and then a methodology should be applied within a technique for diagnosis. This research aims to detect rotor faults in induction motors by means of motor current signature analysis (MCSA) under rotor locked condition. Thereby, this study proposes an application methodology through the evaluation of signal processing techniques such as the fast Fourier transform (FFT), the discrete wavelet transform (DWT) and the discrete Hilbert transform (DHT) applied to the abc and dq0 currents of Park's transformation. The goal is to define the methodology configuration and identify which technique is more robust in the broken bars identification process in induction motor for the mentioned working condition. Some of the industrial systems have a small number of large motors with similar characteristics at the operating site. Thus, it is difficult to perform comparative measurements that help in the fault analysis. Sometimes, it is also not possible to stop the drive for tests, as these are usually responsible for a large portion of production in a plant. Destructive testing can be costly, such as, simulating broken bars in a healthy rotor, since those motors can be special and costly. Therefore, this work presents a symmetrical induction motor model on arbitrary reference frame for simulation of broken rotor bars. The model is tested, and its results are compared with actual measurements for validation. Keywords: Induction motor, fault analysis, MCSA, broken bar, locked rotor, wavelet, Hilbert transform, Park transformation.

Dissertação (mestrado) - Pontifícia Universidade Católica de Minas Gerais, Programa de Pós-Graduação em Engenharia Elétrica Bibliografia: f. 107-112 A descarga parcial é um tipo de falta muito comum em transformadores de potência, pois indica o estado do material isolante, sendo um bom indicativo da saúde de equipamentos. Contudo, sua identificação e localização não são tarefas fáceis, visto que algumas técnicas, como análise cromatográfica do óleo refrigerante, sinais acústicos ou eletromagnéticos, dentre outros, têm sido utilizados na detecção das descargas parciais tanto de maneira offline quanto online. Neste trabalho é discutido o conceito de "sensores virtuais", utilizados na detecção e na localização das descargas parciais online. O sensor virtual é um conceito que utiliza a correlação das variáveis medidas de uma planta para inferir uma variável não medida que se deseje obter, descartando a necessidade da instalação de um novo sensor. Sendo constituído de duas seções: pré-processamento, o sensor virtual recebe os sinais elétricos das correntes de um transformador. Os sinais são considerados utilizando uma abordagem de janelamento e é realizado um tratamento dos dados, como a retirada de outliers e imputação de dados faltantes. Isso se deve à falta de garantia de um correto fornecimento de dados pelos sensores já instalados na planta. Na sequência, são aplicadas diferentes técnicas matemáticas, tais como as transformadas de Wavelet e de Fourier, para extrair as características dos sinais elétricos no domínio do tempo e da frequência. Finalmente, no tratamento destes sinais, é realizado a redução da dimensionalidade das janelas, onde para a detecção das descargas é usado o cálculo da energia do sinal, e para a localização é utilizado o PCA. As características obtidas no pré-processamento dos sinais de corrente são utilizadas como variáveis de entrada de classificadores inteligentes, constituídos neste trabalho por redes neurais de função de base radial (RBF) e sistemas neuro-fuzzy evolutivo e adaptativo (ANFIS e DENFIS). Neste trabalho, é desenvolvido um sensor virtual para o estudo de caso de detecção e localização das descargas parciais internas nos enrolamentos de um transformador de potência. São consideradas as correntes obtidas na simulação de um circuito de parâmetros concentrados, representando as condições de descargas parciais nos enrolamentos de um transformador sujeito a ambiente estocástico. Essas correntes são utilizadas como entrada do sensor virtual. Posteriormente, é analisada a eficiência do sensor a partir de combinações entre as diferentes configurações do sistema, técnicas de análise de sinais e classificadores inteligentes. Os resultados obtidos mostram-se interessantes à utilização de sensores virtuais para detecção e localização online de descargas parciais. Palavras-chave: Sensores Virtuais. Descargas Parciais. Transformadores de Potência. Sistemas Inteligentes. The partial discharge is a type of fault very common in power transformers, since it indicates the state of the insulating material, being a good indicative of the health of equipment. However, their identification and location are not easy tasks, since some techniques, such as chromatographic analysis of the refrigerant oil, acoustic or electromagnetic signals, among others, have been used in the detection of the partial discharges of both ways offline and online. In this work the concept of "virtual sensors", used in the detection and location of online partial discharges, is discussed. The virtual sensor is a concept that uses the correlation of measured variables of a plant to infer an unmeasured variable that one wishes to obtain, ruling out the need to install a new sensor. Being made up of two sections: pre-processing, the virtual sensor receives the electrical signals from the currents of a transformer. Signals are considered using a windowing approach and data processing is performed, such as the removal of outliers and imputation of missing data. This is due to the lack of guarantee of a correct provision of data by the sensors already installed in the plant. Subsequently, different mathematical techniques, such as the Wavelet and Fourier transform, are applied to extract the characteristics of the electrical signals in the time and frequency domain. Finally, in the treatment of these signals, the dimensionality of the windows is reduced, where for the detection of the discharges the signal energy calculation is used, and for the location the PCA is used. The characteristics obtained in the preprocessing of the current signals are used as input variables of intelligent classifiers, constituted in this work by neural networks of radial basis function (RBF) and evolutionary and adaptive neurofuzzy systems (ANFIS and DENFIS). In this work, a virtual sensor is developed for the case study of detection and location of internal partial discharges in the windings of a power transformer. It is considered the currents obtained in the simulation of a circuit of concentrated parameters, representing the conditions of partial discharges in the windings of a transformer subjected to stochastic environment. These currents are used as virtual sensor inputs. Subsequently, the efficiency of the sensor is analyzed from combinations of different system configurations, signal analysis techniques and intelligent classifiers. The results obtained are interesting to the use of virtual sensors for detection and online location of partial discharges. Keywords: Intelligent Systems. Virtual Sensor. Partial Discharge. Power Equipments.

Dissertação (Mestrado) - Pontifícia Universidade Católica de Minas Gerais, Programa de Pós-Graduação em Engenharia Elétrica. Bibliografia: f. 69-71. A presença de faltas em redes de distribuição e transmissão de energia elétrica são tipos de eventos que provocam impactos em diversos componentes do sistema de energia elétrica. São eles: transformadores de energia, cabeamentos, circuitos de proteção e cargas industriais e residenciais. Simulações e análise de estados faltosos em sistemas de distribuição de energia elétrica utilizando os modelos de referência do Institute of Electrical and Electronics Engineers (IEEE) de 34 barras e 123 barras podem ser realizadas com o software ATPDrawTM. A partir das simulações grandezas elétricas de corrente e tensão são obtidas e podem ser usadas para criação de conjuntos de dados contendo estados que representam o funcionamento normal do sistema e situações de faltas de curto circuito. Neste trabalho, os dados gerados a partir de simulações dos modelos IEEE foram apresentados a algoritmos de aprendizado de máquina. São eles: Multilayer Perceptron (MLP), Radial Base Function (RBF), Self-Organizing Map (SOM), Evolving Self Organizing Map (ESOM), Evolving Clustering Method for Classification (ECMC) e Support Vector Machine (SVM). Bases de dados criadas a partir de simulações em ATPDrawTM foram utilizadas no processo de treinamento e classificação de inteligência computacional. O objetivo é classificar diferentes tipos de faltas de curto-circuito. As taxas médias de acertos de classificação e agrupamento obtidas são comparadas no sentido de identificar quais das técnicas analisadas são mais eficientes para este tipo de aplicação. Palavras-chave: Aprendizado de máquina. Classificação. Componentes simétricas. Desbalanceamento de tensão. Faltas. The presence of faults in distribution networks and electricity transmission are types of events that cause impacts on various components of the electric power system. They are: power transformers, cabling, protection circuits and industrial and residential loads. Simulation and analysis of defaulting states in electrical power distribution systems using the reference models of IEEE 34 bars and 123 bars can be performed with the ATPDrawTM software. From simulations of the electrical current and voltage are obtained and can be used to create data sets containing states that represent the normal operation of the system and situations of short circuit faults. In this work, the data generated from simulations of the IEEE models were introduced to machine learning algorithms. They are: MLP, RBF, SOM, ESOM, ECMC and SVM. Databases created from simulation in ATPDrawTM were used in the training process and computational intelligence classification. The objective is to classify different types of short-circuit faults. The average rates of obtained classification and grouping arrangements are compared in order to identify which of the analyzed techniques are most effective for this type of application. Keywords: Classification. Machine learning. Symmetrical components. Shortages. Unbalance voltage.

Dissertação (mestrado) - Pontifícia Universidade Católica de Minas Gerais, Programa de Pós-Graduação em Engenharia Eletrica. Bibliografia: f. 128-133 Este trabalho busca desenvolver metodologias que possibilitem a previsão de valores futuros de séries temporais produzidas a partir de sistemas dinâmicos variantes no tempo. Em particular, consideramos sistemas inteligentes evolutivos para previsão diária da umidade relativa do ar (sistemas climatológicos). Além disso, consideramos problemas benchmarks da literatura de séries temporais como o problema do forno a gás de Box e Jenkins, e a equação diferencial com atraso de Mackey e Glass. Outro objetivo da pesquisa é construir uma ferramenta que permita a previsão de dados meteorológicos, como a umidade relativa do ar, a partir da modelagem utilizando séries temporais. No decorrer da pesquisa procurou-se estudar técnicas de estatística univariadas e multivariadas tais como, Média Móvel Simples e Exponencial e o método Box-Jenkins. Tais técnicas têm sido muito utilizadas nas últimas décadas, dentre outras, para identificação e modelagem de séries temporais e sistemas dinâmicos variantes no tempo. O estudo de sistemas inteligentes evolutivos neste contexto justifica-se pela limitação das técnicas estatísticas no sentido de se adaptar a novos comportamentos dinâmicos. Sendo assim, considerou-se o estudo de técnicas de inteligência computacional. Sistemas inteligentes evolutivos adaptam suas estruturas e parâmetros às dinâmicas dos dados coletados, possibilitando modelagem mais flexível e potencialmente mais precisa de séries temporais. Este trabalho investiga uma variedade de abordagens de modelagem inteligente evolutiva e estatística em previsão de séries temporais sintéticas e reais. Utiliza-se o MATLAB como plataforma de modelagem e simulação dos sistemas dinâmicos considerados. Propõe-se uma interface GUI para facilitar a manipulação de dados, visualização e análise dos resultados. Palavras-chave: Séries temporais. Estatística multivariada. Sistemas inteligentes evolutivos. Meteorologia. This work seeks to develop models, methodologies that allow forecasting future values of time series produced from time-varying dynamical systems. In particular, we consider evolving intelligent systems for forecasting daily relative humidity (climatic systems). Furthermore, we consider benchmark problems such as the Box-Jenkins gas furnace and the Mackey-Glass time-delay differential equation. This study aims at building a tool that allows meteorological predictions from time series data. Emphasis is on the study of univariate and multivariate statistical techniques such as Moving Average , Exponential Moving Average, and a method due to Box and Jenkins. Such techniques have been widely used in the past decades, among others, for identification and modeling of time series and time-varying dynamical systems. The study of evolving intelligent systems in nonstationary environment is justified by the limitation of statistical techniques to deal with never-before-seen dynamic behaviors. Computational intelligence methods are useful in this context and were therefore taken into consideration. Evolving intelligent systems adapt their structures and parameters to the dynamics of the collected data and allow the modeling of time series in a more flexible and efficient manner. Computational experiments evaluate several statistical and computational intelligence methods for predicting real and synthetic data from time series. MATLAB is used as simulation platform. A GUI interface is proposed to facilitate data handling and analysis of results.Keywords: Time series. Multivariate Statistics. Evolving intelligent systems. Meteorology.

Dissertação (mestrado) - Pontifícia Universidade Católica de Minas Gerais, Programa de Pós-Graduação em Engenharia Elétrica Bibliografia: f. 87-90 Resumo: Este trabalho investiga a utilização de sistemas inteligentes evolutivos embarcados para identificação, modelagem e controle de processos dinâmicos. Inicialmente, fez-se uma revisão teórica das técnicas de inteligência computacional, tais como sistemas de regras fuzzy, redes neurais e sistemas evolutivos baseados em redes neuro-fuzzy, no intuito de avaliar a viabilidade e a efetividade da aplicação destas técnicas embarcadas em microcontroladores. Particularmente, no trabalho utilizou-se dados reais de processos não lineares para avaliar o desempenho de modelos embarcados. Atenção especial é dada ao fato que o aspecto evolutivo da abordagem proposta se refere à adaptação estrutural dos modelos a partir de fluxos de dados. Simulações foram realizadas utilizando diferentes microcontroladores, e as restrições na adaptabilidade da estrutura de cada modelo foram delineadas. Adotou-se o sistema de inferência neuro-fuzzy dinâmico (DENFIS) em sua concepção básica proposta por Nikola Kasabov. Posteriormente foi proposta uma estrutura modificada do sistema DENFIS associado ao algoritmo Adeli-Hung para pré-processamento de dados, a ideia é simplificar a estrutura do sistema DENFIS, sem perda de eficiência. Os resultados experimentais obtidos mostraram que os modelos evolutivos embarcados avaliados reproduzem com fidelidade os resultados obtidos em software. O tempo de resposta para modelos evolutivos embarcados foi relativamente menor comparado às simulações realizadas em computador. Os resultados obtidos neste trabalho abrem perspectiva para a utilização de sistemas inteligentes evolutivos em aplicações em tempo real que requerem baixo custo de processamento e portabilidade como, por exemplo, em aviônicos, robótica móvel e dispositivos móveis. Abstract: This work investigates the use of evolving embedded intelligent systems for identification, modeling and control of dynamic processes. Initially, a state-of-the-art overview of intelligent techniques in the context of embedded systems is provided. Such techniques include rule-based fuzzy systems, neural networks and evolving neurofuzzy networks. The purpose is to evaluate the feasibility and effectiveness of applying such intelligent techniques embedded into microcontrollers. In particular, the present work uses actual data from nonlinear processes to assess the performance of embedded models. Special attention is given to the evolving aspect of the proposed approach, which refers to the incremental adaptation of model structure and parameters from online data streams. Simulations were performed from the use of a variety of microcontrollers so that memory constraints concerned to how large the model structure is allowed to grow were determined. We discuss the standard connectionist approach for evolving system modeling with emphasis on a specific dynamic neurofuzzy inference system, namely DENFIS, which was originally proposed by Nikola Kasabov. Subsequently, we proposed a modified DENFIS structure combined with an Adeli-Hung pre-processing approach as a way to simplify the model structure and leverage interpretability issues. Experimental results have shown that embedded evolving models can consistently reproduce the performance of software-oriented evolving models. Moreover, the embedded applications could reduce the overall computational time substantially. This work suggests that intelligent evolving systems are useful for real-time applications which require low-cost processing and portability such as in avionics and mobile robotics and devices.

Dissertação (mestrado) - Pontifícia Universidade Católica de Minas Gerais, Programa de Pós-Graduação em Engenharia Elétrica Bibliografia: f. 117-120 Resumo: Neste trabalho é proposto o desenvolvimento de um sistema de controle para auxiliar a aproximação de uma tração Helper a um comboio ferroviário em movimento. Esta operação atualmente é feita por operadores e os principais dados referentes aos acoplamentos foram armazenados em um registrador de eventos. Após tratamento e análises dos dados disponíveis, a dinâmica de aproximação da tração Helper foi modelada por meio de uma Rede Neural Granular Evolutiva(eGNN). Este mapeamento serviu como base para a extração de um conjunto de regras fuzzy, bem como para dividir os espaços de entrada e saída, tarefas normalmente atribuídas a um especialista. Com esta abordagem um especialista pode ser consultado a posteriori para validar ou melhorar um modelo já estabelecido. Utilizando a toolbox de sistemas de inferência fuzzy do Matlab foi proposto um controlador fuzzy para controlar a frenagem aplicada à tração Helper, de modo a fazer uma aproximação e engate ao comboio de forma segura. Para avaliar a dinâmica do acoplamento em movimento foi proposto um modelo teórico da tração Helper obtido por meio da avaliação e parametrização dos resultados de testes utilizando o simulador ferroviário TDS 5000. Dados reais do posicionamento da cauda de uma composição ferroviária e o simulador de tração Helper proposto neste trabalho foram utilizados para avaliar o desempenho do controlador fuzzy. Os resultados finais da saída do controlador parecem ser promissores para seremutilizados em um caso real. Abstract: This work proposes the development of a control system to assist the couplingof a traction Helper loco with moving train. This operation is currently performed by human operators and key data about couplings were stored in an event recorder. Based on the processing and analysis of the stored data, the dynamic of Helper traction approximation was modeled using an evolving Granular Neural Network (eGNN). The eGNNwas used to obtain a set of fuzzy rules and to divide the output and input spaces, tasks normally assigned to experts. With this approach experts can be consulted later to validate or improve the model developed. Using the Matlab toolbox for fuzzy inference systems, a fuzzy controller was designed to control the Helper traction breaking. The main goal is to perform both, approach and coupling, safely. To evaluate the moving coupling dynamic a theoretical model for traction Helper was obtained from the evaluation and parameterization of experiments using the rail SimulatorTDS 5000. Real process data about the end of a train and the Simulator proposed to this work were used to evaluate the performance of fuzzy controller. The results were promising and suggest its use in real cases.

Dissertação (mestrado) - Pontifícia Universidade Católica de Minas Gerais, Programa de Pós-Graduação em Engenharia Elétrica Resumo: Esta dissertação apresenta uma proposta de um método para gestão de automação de subestações de energia elétrica, baseado na associação entre funções, equipamentos e tarefas de implantação. Como resultado de uma pesquisa sobre a automação e integração de dados em subestações de concessionárias de energia elétrica, foram relatados problemas relacionados a um elevado tempo para elaboração do projeto pelo gerente de projetos, baixa sinergia de informações entre os departamentos das concessionárias de energia elétrica, complexidade e dificuldade na execução de projetos de automação de subestações, perdas financeiras, custos elevados de processo e falta de comunicação de dados das subestações com os centros de operação. Além do método citado, foi desenvolvido um software de auxílio à gestão de projetos de sistemas integrados de automação de subestações, contendo as etapas necessárias e as fórmulas para os cálculos dos custos, além de simulações para a aplicação do método e do software desenvolvido. Abstract: This dissertation presents a purpose of methodology for electrical power substations management, based in association between functions, devices and tasks for deployment. As a result of search about electrical power substation data integration and automation, related problems were reported: highest time to labor projects for manager, low information synergy between utilities departments, complexity and difficulty to execute projects of integration of automation, financial losses, high cost of process, failures of communication of data between substations and operation centers. Beyond this method, was employed one tool for aid project management of substation automation and integration systems, contained the stages and the formulas for substation automation and integration calculation, furthermore, has to make simulations for tool and method validation.

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

Dissertação (mestrado) - Pontifícia Universidade Católica de Minas Gerais, Programa de Pós-Graduação em Engenharia Eletrica Bibliografia: f. 109-111 Resumo: Esta pesquisa apresenta um método de detecção e diagnóstico de faltas via Estatística Multivariada e Redes Neurais Artificiais (RNA). Também são apresentadas algumas técnicas convencionais utilizadas no processo de detecção e diagnóstico de faltas. Análise de Componentes Principais (PCA) é utilizada para fazer a redução da dimensionalidade e extrair as características mais importantes dos dados de processo. A informação de saída do método PCA é enviada para uma Rede Neural Artificial para a detecção e diagnóstico das faltas. Este método proposto é aplicado em um problema de vazamento de óleo hidráulico em máquina de usinagem, e também na detecção e diagnóstico de faltas em um motor elétrico de indução. Tanto no problema de fuga de óleo hidráulico quanto na detecção de faltas no motor elétrico, o método proposto obteve 100% de acerto. Abstract: This research presents a fault detection and diagnosis method via Multivariate Statistics and Artificial Neural Network (ANN). It is presented some conventional techniques used in the process of fault detection and diagnosis. Principal Components Analysis (PCA) is used to make the reduction of the dimensionality and to extract the characteristics most important of the process data. The information of output of method PCA is sent for Artificial Neural Network for the fault detection and diagnosis. The considered method is applied in a problem of leak hydraulic oil in machine grinding, and also in the fault detection and diagnosis in an electric engine of induction. As much in the problem of leak hydraulic oil how much in the fault detection in the electric engine, the considered method got 100% of rightness.

Dissertação (mestrado) - Pontifícia Universidade Católica de Minas Gerais, Programa de Pós-Graduação em Engenharia Elétrica. Bibliografia: f. 121-131 Resumo: Para o propósito de análises em engenharia, os sistemas físicos são geralmente representados por modelos matemáticos. Neste trabalho foram propostos um modelo de faltas de curto-circuito entre espiras nos enrolamentos do estator de motores de indução e um modelo de faltas de curto-circuito entre espiras no enrolamento de campo de geradores síncronos. Isto se deveu a freqüente ocorrência destes tipos de faltas nestes tipos de máquinas elétricas e a similaridade de seus modelos matemáticos. Algoritmos de estimação de parâmetros e algoritmos de otimização bem conhecidos foram utilizados na essencial tarefa de definição e ajuste do conjunto de parâmetros de entrada dos modelos, dentre eles: Mínimos Quadrados e Filtro de Kalman Estendido para estimação; e Descida Coordenada e Gradiente Condicional para otimização. A base de conhecimento originada por tais modelos matemáticos foram alimentadas a algoritmos de inteligência computacional e computação flexível adequadamente treinados para a detecção de faltas, dentre eles: Redes Neurais Perceptron Multi-Camadas, Mapa Auto-Organizável e Elman; Sistema de Inferência Fuzzy Clássico e Sistema de Inferência Fuzzy Adaptativo; Sistema Híbrido Neuro-Fuzzy; e Clusterização Fuzzy C-Means. Finalmente, o sistema constituído foi submetido a ambiente estocástico para simulação on-line e verificação de performance. Diversas variantes provenientes da combinação de algoritmos foram analisadas e avaliadas. Este trabalho apresenta uma contribuição para as áreas de manutenção preditiva, monitoramento de condições baseado em sinais elétricos, modelagem computacional, sistemas inteligentes, e mais especificamente, à área de diagnóstico de faltas em máquinas elétricas com a assistência de técnicas inteligentes. Abstract: For the purpose of engineering analysis, physical systems are generally represented by mathematical models. In this work, induction motors models with stator windings shorted-turns, and synchronous generators models with field winding shorted-turns were proposed. These faults were considered due to their frequent ocurrance in these kinds of electrical machines and due to their modeling similarities. Parameter estimation algorithms and optimization algorithms were utilized for the essencial task of definition and adjustment of the models input parameters set, among them: Least Squares and Extended Kalman Filter for estimation; and Restricted Hill Descent and Conditional Gradient for optimization. The knowledge base originated by such mathematical models were fed to computational intelligence and soft computing algorithms properly trained for faults detection, among them: Multilayer Perceptron, Self-Organizing Map and Elman Neural Networks; Classical Fuzzy Inference System and Adaptive Fuzzy Inference System; Neuro-Fuzzy Hybrid System; and Fuzzy C-Means Clustering. Finally, the constituted system was submitted to stochastic environment for on-line simulation and for performance verifying. Several structures composed by the algorithms combination were analyzed and evaluated. This work presents a contribution to the areas of predictive maintenance, condition monitoring based on electrical signals, computational modeling, intelligent systems, and more specifically to the area of electric machines faults diagnosis with the assistance of intelligent techniques.

Dissertação (mestrado) - Pontifícia Universidade Católica de Minas Gerais, Programa de Pós-Graduação em Engenharia Elétrica. Bibliografia: f. 95-97. Resumo: O presente trabalho é dedicado à melhora da eficiência de operação de uma perfuratriz rotativa de grande porte utilizada no processo de mineração. Esta melhora está baseada no desenvolvimento de um modelo de controle que utiliza tecnologia de lógica fuzzy como alternativa ao controle PID convencional do sistema avanço e ao controle manual da velocidade de rotação da haste. No processo estudado, o sistema PID de avanço não atende as exigências de controle em situações críticas, quando é esperado que o controle se adapte e responda rápido aos distúrbios provenientes das mudanças nos perfis rochosos durante as perfurações para que não haja perda de produção. Isso somente é possível com a intervenção dos operadores humanos experientes em ações manuais de controle que demandam um grande esforço de raciocínio em manobras operacionais complexas. Outro ponto de melhoria está no controle manual de velocidade do sistema de rotação que se baseia na experiência do operador. O problema reside na dificuldade do operador manter o sistema de rotação trabalhando dentro dos limites de carga permitidos, quando ocorrem certas dificuldades operacionais, como instabilidade dos processos interativos (controle automático de avanço). A operação fora da região delimitada pela especificação do fabricante significa sobrecarga, situação que pode danificar o equipamento. Essas condições de controle aliadas à demanda por produção causam nos operadores muita pressão psicológica o que pode comprometer sua eficiência. Como solução é proposto um controlador fuzzy tipo Mamdani baseado em regras com modelagem de variáveis lingüísticas. A idéia é capturar o conhecimento do operador especialista através de procedimentos de lógica fuzzy. Os resultados do trabalho são direcionados a aplicações práticas na Cia Vale do Rio Doce. Abstract: The present work is dedicated to improvement the operation efficiency of a blasthole drill machine used in the mining process. This improvement is based on the development of a control model that uses fuzzy logic technology as alternative to conventional PID control from the pulldwn system and the manual speed control of rod rotation. In the studied process, the pulldown PID system does not reach the control requirements in critical situations. In this situation is expected that the control adapt and answer fast the perturbations which are proceeding from the changes in the rocky profiles during the drillings process so that it does not have loss of production. This is only possible with the intervention of experienced human operators through manual actions of control that demand a great reasoning effort in complex operational maneuvers. Another improvement point is in the manual speed control of the rotation system that is based on the operators experience. The problem is the difficulty for operator to keep the rotation system working inside of the allowed load limits when certain operational difficulties occur, as instability of the interactive processes (automatic pulldown control). The operation out of the region delimited for the manufacturer specification means overload that can damage the equipment. These control conditions allied with the demand for production cause in the operators much psychological pressure what can compromise their efficiency. As solution, it is proposed a Mamdani's fuzzy controller type based on rules which are modeling with linguistic variable. The idea is to capture the knowledge of the specialist operator through fuzzy logic procedures. A practical application of this work results is intended in the Vale do Rio Doce Company installations.

Dissertação (mestrado) - Pontifícia Universidade Católica de Minas Gerais, Programa de Pós-Graduação em Engenharia Elétrica Bibliografia: f. 126-130 Resumo: Neste trabalho é apresentada uma proposta para o monitoramento de disjuntores de alta tensão sem a necessidade de alterações nas suas características construtivas, levando-se em consideração as principais causas de falhas nesses equipamentos. A proposta também consiste em utilizar sinais disponíveis nas subestações, com o intuito de realizar um monitoramento de baixo custo sem a alteração da confiabilidade do equipamento, e possibilitar a indicação do estado das principais partes funcionais dos disjuntores e de seus componentes mais susceptíveis às falhas. É ainda proposto, o uso de técnicas de inteligência computacional para construção de um sistema especialista com o objetivo de diagnosticar faltas (defeitos) nos disjuntores, através dos sinais a serem monitorados. Inicialmente foi abordado o Sistema de Inferência Fuzzy como uma possível técnica a ser utilizada na construção do sistema. Posteriormente, foram estudados o Sistema de Inferência Fuzzy Neuro-Adaptativo, o algoritmo Fuzzy C-Means, as Relações de Equivalência Fuzzy, as RNA(s): Modelo de Kohonen, Perceptron de Múltiplas Camadas e Rede Neural Fuzzy como possíveis técnicas a serem utilizadas na construção e implementação do sistema especialista. Realizaram-se simulações do sistema de diagnóstico utilizando-se estas técnicas. A partir dos resultados obtidos, concluiu-se que as técnicas Rede Neural Fuzzy, Sistema de Inferência Fuzzy e o modelo de Kohonen obtiveram os maiores percentuais de acertos sendo que o modelo de Kohonen apresentou o menor custo computacional. Com base nos resultados dos estudos realizados, verificou-se a viabilidade da construção e da implementação de um sistema de diagnóstico de disjuntor utilizando as técnicas de inteligência computacional. Tal sistema pode ser utilizado para auxiliar as equipes de manutenção das concessionárias de energia elétrica, possibilitando a adoção de uma manutenção preditiva e proativa, com conseqüente redução de custo, redução das paradas desnecessárias e ao mesmo tempo aumentando a confiabilidade e a segurança do sistema elétrico. Abstract: In this work, a propose of a high voltage circuit breaker monitoring system is presented. The propose considers the main causes of failures in the equipment, moreover, the monitoring does not require circuit breaker constructive features changes. Aiming at a low cost monitoring without equipment reliability changes, the system deals with the substation available signals in a non-intrusive manner. It provides the health condition of the circuit breakers main functional parts and their components. Also, this work proposes the usage of soft-computing techniques for the creation of an expert system. The aim of the expert system is exactly to detect faults and show the components diagnosis after algorithms processing. The expert system is based on: Fuzzy Inference System; Adaptive Neural-Fuzzy Inference System; Fuzzy C-Means Algorithm; Fuzzy Equivalence Relation; Kohonen Fuzzy Neural Network; Multi-Layer Perceptron Neural Network and Fuzzy Neural Network. From simulations of the diagnosis system, one may conclude that: the Fuzzy Neural Network, the Fuzzy Inference System and the Kohonen Model got the greatest results in terms of correct diagnosis (performance); the Kohonen model presented the fastest training time. The propose for real implementing of the circuit breakers diagnosis system was then analyzed. The power deliver substation maintenance team could utilize such system, and it could provide preventive and proactive maintenance. The system could bring lower costs, reduce idling periods, avoid unnecessary disconnections, and increase system reliability. Also, the people availability to the maintenance could be scheduled.

Dissertação (mestrado) - Pontifícia Universidade Católica de Minas Gerais, Programa de Pós-Graduação em Engenharia Elétrica. Bibliografia: f. 108-117 Inclui índice Resumo: Os objetivos deste trabalho são, propor e discutir um sistema de deteccao e isolamento de faltas de curto circuito entre espiras do enrolamento do estator de m´aquinas de indução, utilizando técnicas de Inteligência Computacional. As características monitoradas para detectar e isolar faltas no estator foram o fator de potência e o valor eficaz da corrente em cada uma das fases que, por sua vez, foram obtidas a partir da saída de um simulador de uma máquina de indução, considerando o comportamento da máquina em diversas situações, com e sem faltas. Posteriormente, um protótipo de laboratório validou os resultados obtidos pela simulação. Em relação à estrutura do sistema de diagnóstico, foram abordadas várias combinações de técnicas utilizando Redes Neurais Artificiais, Lógica Fuzzy e estruturas Neurofuzzy para implementar geradores de resíduos e analisadores de faltas que melhor respondessem às questões relativas à robustez e à capacidade de diagnosticar faltas incipientes. Considerou-se, também, um gerador de resíduos baseado em modelo analítico, como uma das possíveis ferramentas para compor o sistema de diagnóstico proposto. Os resultados apresentados com a utilização de observadores baseados em Redes Neurais e Neurofuzzy, em conjunto com analisadores de resíduos neurais e estruturas fuzzy, apresentaram-se bastante promissores, permitindo comprovar a eficácia deste tipo de abordagem em sistema de diagnóstico de faltas em motores de indução ou, até mesmo, na utilização dessas técnicas em monitoramento de máquinas elétricas em geral. Abstract: The objectives of this work are to propose and discuss a faults detection and isolations system of short circuit between stator winding of induction machines using Computational Intelligence techniques.The characteristics observed to faults detect and isolate in stator was the power factor and current effective value in one of the phases where they were obtained by an induction machine simulator, considering the machine behavior in several situations, with and without faults. After, a laboratory prototype proved the simulation results. About the structure of the diagnostic system, several combinations of Artificial Neural Networks Techniques, Fuzzy Logic and Neuroffuzy structures were showed to implement waste generator and faults analyzer that perform robustness and capacity to diagnose incipient faults. It was considered a waste generator based in an analytical model, with one of the tool possible to compose the diagnostic system proposed. The results performed with the utilization of observers based in Neural Networks and Neuroffuzy, together with waste neural analyzer and fuzzy structures, performed very promising, permitting to prove the effectiveness of this explanation in faults diagnostic system in induction engine or, in the utilization of this techniques in general electrical machines.

Dissertação (mestrado) - Pontifícia Universidade Católica de Minas Gerais, Programa de Pós-Graduação em Engenharia Elétrica Bibliografia: f. 58-59 Resumo: Diversos equipamentos, que utilizam ou transmitem energia elétrica, se aquecem antes de uma avaria. Essas diferenças térmicas podem ser detectadas através da termografia infravermelha. Entretanto, os programas de manutenção preditiva baseados em termografia utilizam câmeras fixadas nos pontos a serem monitorados e, como essas câmeras são equipamentos caros, a abordagem torna-se pouco viável para monitorar um grande sistema. Com essa motivação, esse trabalho propõe um método simples para que a câmera não precise ser fixada, utilizando um modelo tridimensional do equipamento monitorado e fazendo seu registro com a imagem termográfica utilizando a técnica de informação mútua. Assim, a quantidade de câmeras necessárias para fazer um monitoramento infravermelho diminui e por conseqüência o custo da solução é também reduzido. O registro do modelo às imagens proporcionará, em última instância, uma forma de avaliar e detectar o risco de falhas de forma preventiva. Os resultados dos registros demonstram que para o caso estudado a utilização de um método de gradiente estocástico descendente não consegue chegar a uma solução satisfatória e que embora o método de força bruta seja mais lento se comparado ao do gradiente, os seus resultados são muito satisfatórios. Abstract: Several equipments that use or transmit electrical energy may heat up before it fails. These thermal differences can be detected through infrared thermography. However, predictive maintenance programs based on thermography use fixate cameras on the spots to be monitored and, because these cameras are expensive equipment, this approach becomes less viable to monitor a big system. With that motivation this work propose a simple method so that the camera wont have to be fixed, using the equipments tridimensional model and doing a mutual information image registration using the thermographic images. Doing so, the number of cameras necessary to do an infrared monitor is lessen, and by consequence the cost of the solution is reduced also. The model registration on the images will, in the future, provide a way to preventive detect and evaluate fault risks on electric equipment. The results achieved show that for the studied case the use of a stochastic gradient descent method could not achieve satisfactory results and although the brute force method was slower compared to the gradient, the brute force results were much better.

Dissertação (mestrado) - Pontifícia Universidade Católica de Minas Gerais, Programa de Pós-Graduação em Engenharia Elétrica Resumo: O grande número de sistemas informatizados tem coletado e armazenado um enorme volume de informações em banco de dados, criando boas oportunidades para a aplicação de técnicas na descoberta de padrões de comportamento nos dados armazenados. Este trabalho tem como objetivo principal a elaboração de uma análise do processo de descoberta de conhecimento em banco de dados, abordando as suas características, bem como os fatores e dificuldades envolvidos em sua aplicação, principalmente os métodos de trabalho e os ambientes que lhe dão apoio. Ele também relata uma experiência de aplicação desse processo em um amabiente de data warehouse. Essa experiência foi orientada para a verificação do vínculo existente entre o que se apresenta como base teórica de aplicabilidade da tecnologia e sua implementação em um caso real. São analisadas as razões dos principais problemas encontrados bem como as lições aprendidas. De forma complementar, foi relacionado um conjunto inicial de requisitos que devem ser suportados por um ambiente de apoio à condução do processo KDD Abstract: The great number of computing that systems has been collecting and storing an enormous volume of information in databases, creating good opportunities for the application of techniques to discover patterns of behavior in the stored data. This work main objective is the elaboration of an analysis of the process of discovery knowledge in databases, approaching its characteristics, as well as the factors and difficulties involved in its application, mainly its methods of working and the environment that gives support to it. It also describes an experience of application of the process in a data warehouse. That experience was guided for the verification of the existent link between what it is presented as a theoretical basis of the technology applicability and its implementation in a real case. The reasons of the main problems and the learned lessons are analyzed. In a complementary way, it was related an initial set of requirements that they should be supported by a support environment to the conduction of the KDD process

Dissertação (mestrado) - Pontifícia Universidade Católica de Minas Gerais, Programa de Pós-Graduação em Engenharia Elétrica Bibliografia: f. 90-92 Resumo: Neste trabalho tratou-se do problema de diagnosticar faltas incipientes em transformadores através da análise dos gases que se encontram dissolvidos no óleo isolante. Na solução do problema foram aplicadas técnicas de inteligência computacional com a finalidade de desenvolver sistemas de diagnóstico que pudessem reconhecer os padrões de defeito apresentados pelos transformadores analisados. O primeiro sistema desenvolvido foi baseado em uma rede neural Perceptron de múltiplas camadas, treinada pelo algoritmo backpropagation. O segundo sistema desenvolvido foi baseado em uma abordagem de rede neural de função de base radial. A terceira técnica aplicada resultou no desenvolvimento de uma rede neural de Kohonen. O quarto sistema desenvolvido baseava-se em um sistema de inferência fuzzy e o quinto sistema implementou um sistema de inferência fuzzy neuro-adaptativo. A partir dos resultados, conclui-se que a rede neural de Kohonen é mais indicada para a classificação de defeitos, obtendo um grande percentual de acertos com baixo custo computacional. O trabalho também apresenta uma aplicação do algoritmo de Adeli-Hung no problema de agrupamento dos transformadores analisados, como forma de melhor tratar a base de dados usada no desenvolvimento dos sistemas, obtendo assim melhores resultados quando validados através de diagnósticos reais coletados em campo. Abstract: In this work the problem of diagnosis incipient faults in power transformers through the dissolved gas analysis in the insulation oil was treated. In the solution of the problem was used five techniques of computational intelligence to develop diagnosis systems that could recognize the faults presented in the analyzed transformers. The first developed system was based on a multi layer Perceptron neural network, trained with backpropagation algorithm. The second developed system was based on a radial basis function neural network approach. The third applied technique resulted in the development of a Kohonen neural network. The fourth developed system was based on a fuzzy inference system and the fifth system implemented was a adaptive neuro fuzzy inference system. From the obtained results was possible conclude that the Kohonen neural network is the most indicated system to classify faults in power transformers. The work also presented an application of Adeli-Hung algorithm to cluster the analyzed transformers, with the purpose of classify the utilized data base to obtain better results when these results will be validate by real diagnosis collected in field.

Dissertação (mestrado) - Pontifícia Universidade Católica de Minas Gerais, Programa de Pós-Graduação em Engenharia Elétrica Bibliografia: f. 155-162 Resumo: Neste trabalho é estudado o comportamento da máquina de indução trifásica em situação normal de funcionamento e frente à ocorrência de faltas no enrolamento do estator. Várias técnicas têm sido desenvolvidas para detectar e localizar faltas em máquinas elétricas. Algumas têm focalizado o monitoramento do fluxo magnético, correntes estatóricas e rotóricas, correntes circulando pelo eixo, corrente de falta para terra, emissões de radio freqüência, análise química, vibrações, temperatura e flutuações de velocidade. A utilização de redes neurais artificiais na detecção de faltas incipientes em máquinas elétricas vem se apresentando como uma tendência. Tais faltas geralmente são originadas pela deterioração do isolamento provenientes de aquecimento, causado por sobrecargas, sobretensões gerando condições de descargas disruptivas entre espiras, envelhecimento natural do material isolante e elevadas taxas de variação de tensão no caso de alimentação por inversor. Neste trabalho adotou-se a técnica de reconhecimento de padrões, para identificação de espiras em curto-circuito no enrolamento do estator de uma máquina de indução trifásica. Os dados obtidos a partir de medições em um motor de indução adaptado, foram utilizados para treinar diferentes arquiteturas de redes. De posse da análise de desempenho das referidas redes, ter-se-á à disposição, um instrumento de monitoramento da condição de motores elétricos de indução, uma vez que, as redes, devido ao treinamento recebido, são capazes de identificar a condição: seja de funcionamento normal, seja de ocorrência de faltas no estator da máquina de indução trifásica. Abstract: In this work it is studied the behavior of the three-phase induction motor in normal situation of operation and front you lack it in the turns of the winding of the stator. Several techniques had been developed to detect and to locate incipient failures in electrical machines. Some have focused on sensing of the magnetic flux, stator current, rotor current, shaft current, ground fault current, chemical analysis, vibrations, temperature and fluctuations of speed. Here, the technology of neural networks was used in the detection of incipient failures in electrical machines. Such failures are generally originated by the insulation failures: overheating due to on-loads, overvoltage generating conditions of discharges turns-to-turns and natural aging of the insulating material. In this work the technique of recognition of patterns is being adopted, for turns location in short circuit in the stator winding of the induction motor. The database obtained with adaptations in a three-phase induction motor that had the extremity of the stator winding arrangemented and left at the machine terminals. The data of the experimental simulations was used to train several different neural networks. All the experimental simulation had been under off-load conditions. The aim is demonstrate the feasibility of a neural network used like incipient fault detector.

Dissertação (mestrado) - Pontifícia Universidade Católica de Minas Gerais, Programa de Pós-Graduação em Engenharia Elétrica Resumo: Ao avaliar o panorama energético nacional, vislumbra-se um momento propício ao desenvolvimento de novas tecnologias, que contemplem a eficiência na geração de energia. A disponibilização do gás natural para os diversos parques industriais brasileiros, requer uma adaptação para o correto aproveitamento desse combustível. Dentro desse contexto atual, a cogeração apresenta-se como alternativa viável para atendimento da demanda dos setores industrial e terciário. O aumento na eficiência energética para 80%, ou mais, conferem grande importância à cogeração. Dentre os setores industriais de maior interesse para cogeração, está o de papel e celulose, que apresenta, em seus processos, características compatíveis a aplicação dessa forma de gerar energia, motivo pelo qual foram utilizados dados de uma empresa de celulose para estudo de caso. Este trabalho tem dois objetivos principais. O primeiro é fazer uma apresentação dos aspectos proeminentes da cogeração, com ilustração das principais tecnologias e equipamentos empregados. Outro objetivo é desenvolver uma metodologia de apoio a decisão em sistemas de cogeração, apresentando as vantagens ou desvantagens em sua adoção. A metodologia adotada, enfoca a análise energética de um processo industrial. Entretanto, destaca a necessidade de uma análise mais completa, onde sejam avaliados os aspectos ambiental, econômico e político. Na validação da metodologia, foi realizada a análise energética, apontando o índice potência/calor como referencial na tomada de decisão, onde são definidos o ciclo termodinâmico, equipamentos e configurações de planta mais adequados ao processo.