• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Dissertação de Mestrado
Documento
Autor
Nome completo
Teresinha Arnauts
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Carlos, 2001
Orientador
Banca examinadora
Romero, Roseli Aparecida Francelin (Presidente)
Gomide, Fernando Antonio Campos
Monard, Maria Carolina
Título em português
Sistema de produção Neuro-Fuzzy em tempo real para a ITAIPU Binacional
Palavras-chave em português
Não disponível
Resumo em português
Nos últimos anos, tem-se dado grande enfoque à resolução de problemas utilizando-se redes neurais artificiais, principalmente devido às suas características de aprendizado e adaptação, generalização, processamento paralelo e distribuído, etc... Pesquisadores também têm proposto o desenvolvimento de sistemas híbridos, que consiste na união de mais de um paradigma, por exemplo, redes neurais, sistemas especialistas e sistemas fuzzy, num mesmo sistema, provendo uma solução melhor para um determinado problema. Neste trabalho, uma técnica para a modelagem de sistemas de produção através dos paradigmas conexionista e fuzzj está sendo proposta. Um sistema de produção neuro. fuzzy, que utiliza esta técnica para a detecção e previsão de falhas na Hidrelétrica de Itaipu, foi desenvolvido. Este sistema, chamado de Sistema de Produção NEUFI (NETJro Fuzzy para a Itaipu), permite a rápida tomada de decisões em emergências e melhor monitoração do sistema Itaipu em situações normais. Para este propósito, uma base de conhecimento baseada em regras, já em uso na operação da Usina pelo sistema R-TESE (Real Time Expert System Environment), foi utilizada como referência inicial. Além disso um simulador, denominado Simulador Neuro-Fuzzj, foi também desenvolvido para facilitar a modelagem das regras. A abordagem proposta, quando comparada com o sistema R-TESE, tem as seguintes vantagens. Primeiro, a incorporação de técnicas de redes neurais dá ao sistema NEUFI maior flexibilidade e fácil manutenção. Segundo, possibilidade de visualizar às regras através de estruturas neurais. Outra vantagem é a redução do número de regras devido a similaridade de algumas delas, que têm seu conhecimento implicitamente representado durante o treinamento da rede.
Título em inglês
Not available
Palavras-chave em inglês
Not available
Resumo em inglês
In the last years, neural networks have been widely used for solving problems, mainly due to their learning, adaptation, generalization, paraliel and distributed processing characteristics. in addition, researchers have proposed the developrnent of hybrid systems which consist in the combination of more than one paradigm, for example, neural networks, expert systems and fuzzy systems in the sarne system, providing a better solution for the problem given. In this work, a technique for modeling of production systems by using connectionist and fuzzy paradigms has been proposed. A neuro-fu7zy production system, that uses this tecbnique, for fault detection and prediction in the, Itaipu Hydroelectric, has been developed. This system, called by NEUFI Production System (NEUro Fuzzy for Iltaipu), aliows a faster rnaking decision in emergencies and improves the itaipu System monitoring in normal situations. For this purpose, rule-based knowledge already in use on Itaipu operation by system R-TESE (Real Time Expert System Environment) has been taken as initial reference. Furthermore, a simulator entitled Neuro-Fuzzy Simulator has also been developed for the rnodeling of the mies to be easier. The proposed approach when compared with the system R-TESE has the following advantages. First, the incorporation of neural network techniques in NEUFI provides the system more flexibility and easier rnaintenance. Second, it allows to take a view of the rules through neural networks. Another improvement is the reduction of the number of rules, dueto the similarity of some rules, which have their knowledge implicitly represented during the network training process.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
TeresinhaArnauts.pdf (16.57 Mbytes)
Data de Publicação
2018-01-24
 
AVISO: Saiba o que são os trabalhos decorrentes clicando aqui.
Todos os direitos da tese/dissertação são de seus autores
Centro de Informática de São Carlos
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2018. Todos os direitos reservados.