Navegando por Autor "Araújo Júnior, José Medeiros de"
Agora exibindo 1 - 5 de 5
- Resultados por página
- Opções de Ordenação
Tese Critério de correntropia no treinamento de redes fuzzy wavelet neural networks para identificação de sistemas dinâmicos não lineares(Universidade Federal do Rio Grande do Norte, 2015-09-03) Linhares, Leandro Luttiane da Silva; Araújo, Fábio Meneghetti Ugulino de; ; http://lattes.cnpq.br/5473196176458886; ; http://lattes.cnpq.br/2692012987625830; Maitelli, André Laurindo; ; http://lattes.cnpq.br/0477027244297797; Rodrigues, Marconi Câmara; ; http://lattes.cnpq.br/8978636405364287; Araújo Júnior, José Medeiros de; ; http://lattes.cnpq.br/3758667796324850; Gabriel Filho, Oscar; ; http://lattes.cnpq.br/4171033998524192O grande interesse pela identificação não linear de sistemas dinâmicos deve-se, principalmente, ao fato de que uma grande quantidade dos sistemas reais são complexos e precisam ter suas não linearidades consideradas para que seus modelos possam ser utilizados com sucesso em aplicações, por exemplo, de controle, predição, inferência, entre outros. O presente trabalho analisa a aplicação das redes Fuzzy Wavelet Neural Network (FWNN) na identificação de sistemas não lineares sujeitos a ruídos e outliers. Esses elementos, geralmente, influenciam no procedimento de identificação, ocasionando interpretações errôneas em relação ao comportamento dinâmico do sistema. A FWNN combina, em uma única estrutura, a capacidade de tratar incertezas da lógica fuzzy, as características de multirresolução da teoria wavelet e as habilidades de aprendizado e generalização das redes neurais artificiais. Normalmente, o aprendizado dessas redes é realizado por algum método baseado em gradiente, tendo o erro médio quadrático como função de custo. Este trabalho avalia a substituição dessa tradicional função por uma medida de similaridade da Teoria da Informação, denominada correntropia. Esta medida de similaridade permite que momentos estatísticos de ordem superior possam ser considerados durante o processo de treinamento. Por esta razão, ela se torna mais apropriada para distribuições de erro não gaussianas e faz com que o treinamento apresente menor sensibilidade à presença de outliers. Para avaliar esta substituição, modelos FWNN são obtidos na identificação de dois estudos de caso: um sistema real não linear, consistindo em um tanque de múltiplas seções, e um sistema simulado baseado em um modelo biomecânico da articulação do joelho humano. Os resultados obtidos demonstram que a utilização da correntropia, como função custo no algoritmo de retropropagação do erro, torna o procedimento de identificação utilizando redes FWNN mais robusto aos outliers. Entretanto, isto somente pode ser alcançado a partir do ajuste adequado da largura do kernel gaussiano da correntropia.Tese Identificação não linear usando uma rede fuzzy wavelet neural network modificada(Universidade Federal do Rio Grande do Norte, 2014-03-24) Araújo Júnior, José Medeiros de; Araújo, Fábio Meneghetti Ugulino de; ; http://lattes.cnpq.br/5473196176458886; ; http://lattes.cnpq.br/3758667796324850; Maitelli, André Laurindo; ; http://lattes.cnpq.br/0477027244297797; Casillo, Danielle Simone da Silva; ; http://lattes.cnpq.br/2111858571672626; Almeida, Otacílio da Mota; ; http://lattes.cnpq.br/1721353262824215; Yoneyama, Takashi; ; http://lattes.cnpq.br/9201712893785499Nas últimas décadas, as redes neurais têm se estabelecido como uma das principais ferramentas para a identificação de sistemas não lineares. Entre os diversos tipos de redes utilizadas em identificação, uma que se pode destacar é a rede neural wavelet (ou Wavelet Neural Network - WNN). Esta rede combina as características de multirresolução da teoria wavelet com a capacidade de aprendizado e generalização das redes neurais, podendo fornecer modelos mais exatos do que os obtidos pelas redes tradicionais. Uma evolução das redes WNN consiste em combinar a estrutura neuro-fuzzyANFIS (Adaptive Network Based Fuzzy Inference System) com estas redes, gerando-se a estrutura Fuzzy Wavelet Neural Network - FWNN. Essa rede é muito similar às redes ANFIS, com a diferença de que os tradicionais polinômios presentes nos consequentes desta rede são substituídos por redes WNN. O presente trabalho propõe uma rede FWNN modificada para a identificação de sistemas dinâmicos não lineares. Nessa estrutura, somente funções waveletssão utilizadas nos consequentes. Desta forma, é possível obter uma simplificação da estrutura com relação a outras estruturas descritas na literatura, diminuindo o número de parâmetros ajustáveis da rede. Para avaliar o desempenho da rede FWNN com essa modificação, é realizada uma análise das características da rede, verificando-se as vantagens, desvantagens e o custo-benefício quando comparada com outras estruturas FWNNs. As avaliações são realizadas a partir da identificação de dois sistemas simulados tradicionalmente encontrados na literatura e um sistema real não linear, consistindo de um tanque de multisseções e não linear. Por fim, a rede foi utilizada para inferir valores de temperatura e umidade no interior de uma incubadora neonatal. A execução dessa análise baseia-se em vários critérios, tais como: erro médio quadrático, número de épocas de treinamento, número de parâmetros ajustáveis, variância do erro médio quadrático, entre outros. Os resultados encontrados evidenciam a capacidade de generalização da estrutura modificada, apesar da simplificação realizadaDissertação Identificação e controle de sistemas dinâmicos utilizando uma Fuzzy Wavelet Neural Network(2018-07-03) Souza, Fábio Ricardo de Lima; Araújo, Fábio Meneghetti Ugulino de; ; ; Maitelli, André Laurindo; ; Araújo Júnior, José Medeiros de;A modelagem matemática é uma tarefa de vital importância para o desenvolvimento da ciência e da tecnologia, cujo objetivo é obter uma descrição matemática de um fenômeno real. Independente de sua natureza, os sistemas reais precisam ser estudados e sua dinâmica deve ser conhecida para que seu funcionamento se dê como desejado. A forma clássica de obter uma representação matemática é através da análise das relações fenomenológicas que regem os sistemas. No entanto, devido a complexidade desses é, muitas vezes, difícil ou impossível seguir por esse caminho. Uma alternativa é a identificação de sistemas. A identificação de sistemas dinâmicos tem como objetivo obter uma representação matemática do comportamento de um sistema com base em dados de entrada e saída do mesmo. Uma característica dos sistemas dinâmicos que influencia na escolha do método utilizado para a identificação é a linearidade dos mesmos. Os sistemas dinâmicos reais são não lineares, todavia, em algumas aplicações, as aproximações lineares são suficientes. Quando as representações lineares não expressam a dinâmica do processo da forma necessária, é preciso utilizar um modelo não linear. Nas últimas décadas, as redes neurais têm se estabelecido como uma das principais ferramentas para a identificação de sistemas dinâmicos não lineares, pois essas possuem características que as tornam atrativas para a identificação, como a não linearidade e a capacidade de generalização e aprendizado. De posse de um modelo que represente de forma satisfatória a dinâmica de um sistema, esse pode ser utilizado para aplicações como controle, predição, inferência, entre outros. O presente trabalho aplica uma Fuzzy Wavelet Neural Network na identificação de sistemas dinâmicos não lineares. Essa técnica híbrida combina as características de multirresolução da teoria wavelet com a capacidade de aprendizado e generalização das redes neurais e a capacidade de tratar incertezas da lógica fuzzy. O modelo obtido será utilizado para a sintonia de um controlador PID. No decorrer do trabalho, serão apresentados os conceitos e técnicas necessárias para a realização da identificação e da sintonia do controlador. Os resultados obtidos atestam a eficiência das técnicas utilizadas.Dissertação Sistema fuzzy multivariável aplicado ao controle da composição do gás liquefeito de petróleo(2018-07-02) Sousa, André Luiz Aguiar; Araújo, Fábio Meneghetti Ugulino de; ; ; Maitelli, André Laurindo; ; Araújo Júnior, José Medeiros de;No presente trabalho, propõe-se o desenvolvimento de um controlador fuzzy multivariável aplicado ao controle de uma planta simulada de processamento de gás natural, composta de duas colunas de destilação: uma coluna deetanizadora e uma coluna debutanizadora. Nesse processo, o produto de fundo da deetanizadora, conhecido como Gás Natural Liquefeito, é fornecido à coluna debutanizadora, onde é fracionado. Os componentes mais leves são evaporados dando origem ao Gás Liquefeito de Petróleo, enquanto as frações mais pesadas, denominadas de C5+, continuam no estado líquido. Idealmente, o GLP é composto apenas por butanos e propanos, porém na prática isso não acontece, pois sempre há a presença de contaminantes, como resíduos de cadeias carbônicas de etano que deixam a coluna deetanizadora e pentano que é evaporado e misturado ao produto de topo da coluna debutanizadora. A proposta do presente trabalho é regular as frações molares dessas substâncias contaminantes no Gás Liquefeito de Petróleo, por meio da geração dinâmica de set points para os controladores presentes na camada de instrumentação conhecida como controle regulatório. Para isso, será projetado um controlador fuzzy para ajustar as frações molares de etano e outro para a ajustar a fração de i-pentano. Em seguida, será demonstrado que não é adequado o controle isolado desses contaminantes devido as interferências mútuas das malhas do processo. Por fim, será proposto um controlador fuzzy multivariável para ajustar simultaneamente as quantidades de etano e i-pentano levando em consideração as interferências entre as malhas. As colunas deetanizadora e debutanizadora foram simuladas no software de simulação de processos químicos HYSYS R , projetada com características reais de duas colunas presentes na Unidade de Processamento de Gás Natural da Petrobras, localizada no município de Guamaré-RN.Dissertação Técnicas de inteligência artificial para a geração dinâmica de set points para uma coluna de destilação(Universidade Federal do Rio Grande do Norte, 2007-11-23) Araújo Júnior, José Medeiros de; Araújo, Fábio Meneghetti Ugulino de; ; http://lattes.cnpq.br/5473196176458886; ; http://lattes.cnpq.br/3758667796324850; Maitelli, André Laurindo; ; http://lattes.cnpq.br/0477027244297797; Oliveira, Roberto Célio Limão de; ; http://lattes.cnpq.br/4497607460894318No presente trabalho, aplicamos técnicas de inteligência artificial em um sistema simulado de destilação de petróleo, mais especificamente em uma coluna debutanizadora. Nesse processo, o produto que chega à coluna, conhecido como LGN, é fracionado por meio de aquecimento. Os componentes mais leves são transformados em vapor, que vão constituir o GLP (Gás Liquefeito de Petróleo), enquanto as frações mais pesadas continuam líquidas, sendo, comumente, chamadas de C5+. Na composição do GLP, idealmente, temos apenas propanos e butanos, porém, na prática, temos a presença de contaminantes, como, por exemplo, pentanos (ipentanos e n-pentanos). O objetivo do trabalho é regular à quantidade de pentano presente no GLP, por meio da determinação inteligente dos sets points (SP) de controladores presentes na instrumentação original da coluna. Para isso é utilizado um sistema fuzzy, que será responsável por ajustar os valores desses SP s, a partir da comparação entre a fração molar do pentano na saída da planta (GLP) e a quantidade desejada. Optou-se por controlar apenas a fração molar de i-pentano, por esta ser, normalmente, maior que a fração molar do n-pentano, e ainda, devido ao fato de que ambas apresentam dinâmicas extremamente semelhantes em função das condições de operação da coluna. Porém, a fração molar de pentano, seja do i-pentano ou n-pentano, é de difícil medição on-line devido a limitações, como: longos intervalos de medição, pouca confiabilidade e alto custo. Por essa razão, foi utilizado um sistema de inferência, construído a partir de uma rede neural de múltiplas camadas para inferir o percentual de i-pentano a partir de variáveis secundárias da coluna. Os resultados obtidos mostram que o sistema fuzzy conseguiu controlar o valor da fração molar do i-pentano para diversas situações, mostrando ser um sistema de controle avançado viável e com um nível satisfatório de confiabilidade