Navegando por Autor "Linhares, Leandro Luttiane da Silva"
Agora exibindo 1 - 7 de 7
- 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 Extração de características representativas para o desenvolvimento de sensores virtuais industriais: uma abordagem baseada em aprendizado profundo(Universidade Federal do Rio Grande do Norte, 2021-09-03) Lima, Jean Mário Moreira de; Araújo, Fábio Meneghetti Ugulino de; http://lattes.cnpq.br/5473196176458886; http://lattes.cnpq.br/7467476735834560; Linhares, Leandro Luttiane da Silva; http://lattes.cnpq.br/2692012987625830; Fernandes, Marcelo Augusto Costa; http://lattes.cnpq.br/3475337353676349; Galvão, Roberto Kawakami Harrop; http://lattes.cnpq.br/2331014850737529; Bessa, Wallace Moreira; http://lattes.cnpq.br/3256782908311485O aprendizado profundo vem sendo utilizado cada vez mais nos problemas de modelagem de sensores virtuais, os soft sensors, aplicados a processos industriais de nãolinearidade acentuada. Sensores virtuais têm a capacidade de gerar estimativas de variáveis de processo, que normalmente estão associadas a índices de qualidade, em tempo real. Assim, tais sensores apresentam-se como uma alternativa viável quando as variáveis de interesse são de difícil medição devido a algum fator limitante: indisponibilidade de sensores físicos ou grandes intervalos de medição. Estratégias tradicionais de aprendizado de máquina encontram dificuldades para modelar tais sensores. Normalmente, processos industriais são altamente não-lineares e a quantidade de dados rotulados disponíveis é escassa. Devido a isso, a extração de características representativas presente na quantidade abundante de dados não rotulados tem se tornado uma área de interesse no desenvolvimento de sensores virtuais. A partir das premissas citadas, uma nova técnica de modelagem de sensores virtuais, baseada em aprendizado profundo e de representação, que integra autoencoders empilhados (Stacked AutoEncoders - SAE), informação mútua (Mutual Information - MI), memória longa de curto prazo (Long Short-Term Memory - LSTM) e agregação bootstrap, é proposta. Primeiramente, no estágio não supervisionado, a estrutura SAE é treinada hierarquicamente camada-a-camada. Em seguida, logo após o treinamento de uma camada, a análise MI é conduzida entre as saídas-alvo do modelo e as representações da camada atual com objetivo de avaliar as características aprendidas. Neste sentido, o método proposto remove as informações irrelevantes e pondera as retidas de tal maneira que os pesos sejam proporcionais à relevância da representação. Além disso, esta abordagem é capaz de extrair informações representativas profundas. Na etapa supervisionada, por sua vez, chamada de ajuste fino, uma estrutura LSTM é acoplada à cauda da estrutura SAE para fazer face ao comportamento dinâmico intrínseco dos sistemas industriais avaliados. Por fim, uma estratégia de ensemble, chamada de agregação bootstrap, combina os modelos obtidos na fase do treinamento supervisionado com o propósito de melhorar a desempenho e a credibilidade do sensor virtual. Assim, para avaliar a performance dos modelos gerados pela técnica proposta, utilizam-se dois processos não-lineares industriais, amplamente usados para fins de análises comparativas na implementação de sensores virtuais. Os resultados mostram que os sensores virtuais propostos obtiveram desempenho de predição melhor que métodos tradicionais e diversos métodos estado-da-arte.Dissertação Meta-heurísticas aplicadas à identificação de sistemas(2017-12-08) Severino, Alcemy Gabriel Vitor; Araújo, Fábio Meneghetti Ugulino de; ; ; Medeiros, Adelardo Adelino Dantas de; ; Dorea, Carlos Eduardo Trabuco; ; Linhares, Leandro Luttiane da Silva; ; Yoneyama, Takashi;A identificação de sistemas tem como objetivo determinar modelos matemáticos capazes de descrever suas características dinâmicas a partir de observações. Geralmente, o processo de identificação é dividido nas seguintes etapas: i) coleta de dados experimentais, ii) determinação da estrutura do modelo, iii) estimação de parâmetros e iv) validação do modelo. Neste trabalho investiga-se o problema da determinação de estruturas. A partir de técnicas de otimização conhecidas como meta-heurísticas, foi desenvolvido um algoritmo para determinação da estrutura de modelos NARX polinomiais. Diferente dos métodos tradicionais, as meta-heurísticas utilizam um conjunto de possíveis soluções e estratégias, geralmente baseadas na natureza, para encontrar a solução do caso aplicado. Dentre as técnicas estudadas estão o algoritmo genético, a otimização por enxame de partículas e o algoritmo do morcego. A metodologia proposta foi aplicada na identificação de três exemplos experimentais: um aquecedor elétrico, um conversor buck e uma válvula pneumática. Os resultados demonstram que meta-heurísticas podem ser aplicadas no problema da seleção de estruturas em modelos NARX polinomiais.Tese Otimização de controladores fuzzy por algoritmos genéticos multiobjetivos no domínio Wavelet(Universidade Federal do Rio Grande do Norte, 2023-10-02) Pires, André Henrique Matias; Araújo, Fábio Meneghetti Ugulino de; http://lattes.cnpq.br/5473196176458886; http://lattes.cnpq.br/3540458026845596; Dórea, Carlos Eduardo Trabuco; https://orcid.org/0000-0002-3999-2874; http://lattes.cnpq.br/0143490577842914; Lima, Jean Mario Moreira de; Linhares, Leandro Luttiane da Silva; Araújo Júnior, Márcio Emanuel Ugulino deDevido à crescente competitividade na indústria, torna-se imperativo o uso de técnicas de ajuste mais eficientes e que, de fato, possam encontrar controladores com o desempenho desejado. Com essa proposta, técnicas de otimização podem ser usadas para obter os parâmetros do controlador de acordo com um critério de avaliação, que deve codificar o quão bom é um determinado controlador, expressando adequadamente as especificações desejadas, para que o algoritmo empregado possa encontrar o controlador desejado. Os métodos tradicionalmente utilizados na sintonia apresentam uma dificuldade em expressar as especificações pretendidas. A dificuldade encontrada se deve a que os critérios tradicionalmente adotados, no geral, utilizam apenas a informação do erro total, através de índices como a Integral do Erro Absoluto (IEA) ou a Integral do Erro Quadrado (ISE), que não descrevem aspectos do comportamento do sistema, como se a resposta está muito agressiva e oscilatória, o erro de regime permanente, tempo de subida e tempo de estabilização, como faria um projetista humano. Além disso, algumas dessas impressões não estão bem definidas para referências diferente do degrau, carecendo de generalidade. Desse modo, o algoritmo de otimização responsável por obtenção dos parâmetros do controlador o faz de acordo com uma função de avaliação, a qual deve conseguir, de fato, codificar o quão bom é um dado controlador, expressando de forma adequada as especificações desejadas, de modo que o algoritmo de otimização empregado consiga encontrar o controlador que melhor satisfaça o problema apresentado. Em vista disso, será apresentada uma metodologia genérica de utilização da análise wavelet juntamente com técnicas de otimização multiobjetivo para se expressar o comportamento que se pretende alcançar pelo sistema controlado, de forma mais precisa e próxima da realizada pelo ser humano, permitindo uma otimização mais eficiente. Na metodologia proposta, a análise wavelet, muito presente na literatura, voltada para outras aplicações, sobretudo na análise de sinais, sons e imagens, é utilizada para obtenção de descritores que caracterizem aspectos do comportamento do sistema, como seu comportamento em regime permanente, comportamento no regime transitório, não amplificação de ruídos e rejeição a perturbações, esses descritores passam a constituir objetivos que serão otimizados por técnicas multiobjetivos. O estudo realizado utilizou técnicas de Algoritmo Genético Multiobjetivo (MOGAs) para a otimização, devido a serem amplamente utilizadas na literatura e por serem conhecidas por suas simplicidades e eficiências.Tese Representação baseada em Autoencoder empilhado otimizado por enxame de partículas(Universidade Federal do Rio Grande do Norte, 2023-11-20) Severino, Alcemy Gabriel Vitor; Araújo, Fábio Meneghetti Ugulino de; http://lattes.cnpq.br/5473196176458886; http://lattes.cnpq.br/7324129312150435; Dorea, Carlos Eduardo Trabuco; https://orcid.org/0000-0002-3999-2874; http://lattes.cnpq.br/0143490577842914; Lima, Jean Mario Moreira de; Linhares, Leandro Luttiane da Silva; Silva, Sérgio NatanA competitividade no mercado impulsiona as organizações a buscar o desenvolvimento tecnológico com o objetivo de aprimorar a qualidade dos produtos e reduzir os custos de produção, ao mesmo tempo em que atendem às demandas socioambientais dos consumidores. No entanto, os processos industriais podem apresentar desafios no monitoramento e controle em tempo real de variáveis críticas. Uma solução para esse problema é a utilização de soft sensors, que consistem em algoritmos capazes de estimar variáveis difíceis de serem medidas a partir de variáveis secundárias de fácil medição. Um desafio comum em projetos de soft sensors é a falta de dados rotulados, o que torna os métodos semi-supervisionados mais promissores do que os métodos tradicionais. Nesse contexto, a arquitetura de rede neural denominada Autoencoder Empilhado tem sido amplamente empregada. Essa arquitetura é treinada de forma não supervisionada e posteriormente ajustada de forma supervisionada. No entanto, a definição adequada dos hiperparâmetros do Autoencoder Empilhado, tais como tamanho do lote, taxa de aprendizado e número de características ocultas, representa um desafio. Os métodos tradicionais, como Grid Search e Random Search, são computacionalmente intensivos e podem não encontrar rapidamente a melhor combinação de hiperparâmetros. Uma alternativa mais eficiente é o uso de algoritmos meta-heurísticos, como a Otimização por Enxame de Partículas. Esses algoritmos exploram o espaço de busca de maneira mais inteligente e são mais eficazes em espaços de alta dimensionalidade. Uma abordagem promissora consiste em incorporar a Informação Mútua na função de avaliação da Otimização por Enxame de Partículas, em conjunto com o Erro Médio Quadrado. A Informação Mútua captura relações não lineares entre as saídas do Autoencoder Empilhado e as saídas reais do sistema, enquanto o Erro Médio Quadrado mede a diferença entre essas saídas. Neste contexto, a presente tese propõe o método Representação Baseada no Autoencoder Empilhado Otimizado por Enxame de Partículas, o qual utiliza a Otimização por Enxame de Partículas com uma função de avaliação modificada para otimizar os hiperparâmetros de um soft sensor baseado no Autoencoder Empilhado. Espera-se que essa abordagem aprimore a precisão e a capacidade de representação do Autoencoder Empilhado em comparação com as abordagens convencionais, que utilizam apenas o Erro Médio Quadrado. Com o objetivo de avaliar o desempenho dos modelos gerados pelo método proposto, foram selecionados dois processos não-lineares amplamente utilizados na indústria. Os resultados obtidos demonstram que a incorporação da Informação Mútua na função de avaliação permite uma busca mais eficiente e equilibrada, resultando em um Autoencoder Empilhado com melhor desempenho e capacidade de representação.Dissertação Sistema Híbrido de Inferência Baseado em Análise de Componentes Principais e Redes Neurais Artificiais Aplicado a Plantas de Processamento de Gás Natural(Universidade Federal do Rio Grande do Norte, 2010-03-19) 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; Moreira, Vicente Delgado; ; http://lattes.cnpq.br/4549279470957332Nos dias atuais, em que a concorrência de mercado exige produtos de melhor qualidade e a busca constante pela redução de custos e pelo melhor aproveitamento das matérias-primas, a utilização de estratégias de controle mais eficientes torna-se fundamental. Nas Unidades de Processamento de Gás Natural (UPGNs), assim como na maioria dos processos químicos, o controle de qualidade é realizado a partir da composição de seus produtos. Entretanto, a análise de composições químicas, mesmo quando realizada por equipamentos como os cromatógrafos a gás, apresenta longos intervalos de medição. Esse fato dificulta a elaboração de estratégias de controle que proporcionem um melhor rendimento do processo. Geralmente, o principal produto econômico de uma UPGN é o GLP (Gás Liquefeito de Petróleo). Outros produtos comumente obtidos nessas unidades são a gasolina natural e o gás residual. O GLP é formado idealmente por propano e butano. Entretanto, na prática, apresenta em sua composição contaminantes, tais como o etano e o pentano. Neste trabalho é proposto um sistema de inferência utilizando redes neurais para estimar as frações molares de etano e pentano no GLP e a fração molar de propano no gás residual. O objetivo é estimar essas variáveis a cada minuto com uma única rede neural de múltiplas camadas, permitindo a aplicação de técnicas de controle inferencial visando a controlar a qualidade do GLP e reduzir a perda de propano no processo. No desenvolvimento deste trabalho, é simulada no software HYSYS R uma UPGN formada por uma coluna de destilação deetanizadora e outra debutanizadora. A inferência é realizada a partir das variáveis de processo de alguns controladores PID presentes na instrumentação das colunas citadas. Com o intuito de reduzir a complexidade da rede neural de inferência, é utilizada a técnica estatística de análise de componentes principais (ACP) para diminuir o número de entradas da rede. Tem-se, portanto, um sistema híbrido de inferência. Também é proposta neste trabalho, uma estratégia simples para a correção em tempo real do sistema de inferência, tendo como base as medições dos possíveis cromatógrafos de linha presentes no processo em estudoDissertação Soft sensor aplicado a plantas de processamento de gás natural baseado em redes neurais artificiais(2018-05-28) Lima, Jean Mário Moreira de; Araújo, Fábio Meneghetti Ugulino de; ; ; Dorea, Carlos Eduardo Trabuco; ; Linhares, Leandro Luttiane da Silva;Atualmente, diante de um mercado cada vez mais competitivo, produzir de forma eficiente é essencial para se obter um balanço econômico positivo. Reduzir custos, realizar processos otimizados e ofertar produtos cada vez melhores são fatores que influenciam diretamente na economia de qualquer indústria. Diante disso, técnicas que podem melhorar e/ou otimizar processos, como o monitoramento da qualidade de produto ou controle avançado tornam-se fundamentais para a indústria como um todo. No caso de Unidades de Processamento de Gás Natural (UPGNs), o monitoramento da qualidade do produto produzido é intrínseco a uma produção satisfatória, e esse controle da qualidade faz-se, como na maioria dos processos químicos, através da composição química dos produtos. Entretanto, mesmo quando cromatógrafos a gás são utilizados para análise química dos componentes, tem-se lentidão no processo analítico e longos intervalos de medição são observados. Isso impede que técnicas de monitoramento em tempo real, ou de controle, sejam estabelecidas para obtenção de melhor rendimento do processo. Dentre esses produtos, em termos econômicos, o principal é o GLP (Gás Liquefeito de Petróleo), composto por propano, butano e contaminantes como etano e pentano. Neste trabalho é proposto um sistema chamado de soft sensor que faça a inferência, baseada em redes neurais, da composição do GLP, isto é, dos seus principais componentes. Dessa forma, o monitoramento, em tempo real, da qualidade do GLP produzido torna-se possível, uma vez que a medição de sua composição não será feita através do lento processo analítico. Assim, melhora-se a qualidade do processo, do produto e, consequentemente, a lucratividade. Para o desenvolvimento deste trabalho, utilizou-se uma UPGN simulada no software HYSYS, formada por uma coluna deetanizadora em série com uma coluna debutanizadora. Na instrumentação da planta, têm-se alguns controladores PIDs. O sensor virtual tem como entradas algumas das variáveis de processo desses controladores. Neste tabalho, é proposto também um sistema de correção do erro, em tempo real, do soft sensor, tendo com base a leitura da composição do GLP feita por cromatógrafos presentes no processo. Os resultados se mostraram promissores, atestando o funcionamento adequado do soft sensor.