Resumo

Building empirical models from data is of fundamental importance in engineering. And, to push the boundaries of current engineering technology require us to model and understand nonlinear systems. We study the use of differentiable models for such systems and the interactive algorithms required for solving the non-convex optimization problems arising from estimating such models. Another field of study where nonlinear differentiable models have gained traction is that of machine learning: with the introduction of deep models of stacked differentiable components (also known as deep learning). Machine learning study methods allowing computers to learn from examples and, with the introduction of deep learning, have achieved super-human performance on several tasks, including computer games, image classification, and medical diagnosis. Here we study nonlinear differentiable models for signals and systems, both in the context of engineering applications and of machine learning. One central question is the role of recurrence and the pros and cons of recurrent and feedforward models. We approach the question from more than one angle, by studying: 1) the effect of recurrence in neural networks in terms of robustness to noise, computational cost, and convergence of the optimization algorithm; 2) the smoothness of the cost function in nonlinear system identification problems and its relation to the model internal dynamics. We propose multiple shooting techniques to solve some of the cost-function smoothness problems; and, 3) the interplay between the internal dynamics, the attractors and the expressiveness of the model in deep recurrent neural networks. The more applied part of the thesis consists of the use of deep neural networks for the automatic interpretation of the electrocardiogram exam and the identification of nonlinear electromechanical systems. We present a deep neural network capable of identifying, with super-human performance, abnormalities in the electrocardiogram exam. We also study the use of deep neural networks for modeling an electronic oscillator and an F-16 aircraft using data from the ground vibration data, obtaining competitive results in both cases.

Abstract

Construir modelos empíricos a partir de dados é de fundamental importância em engenharia. E, para melhorar a tecnologia atual precisamos melhor entender e modelar sistemas não-lineares. Nesse trabalho nós estudamos o uso de modelos diferenciáveis para esses sistemas e os algoritmos interativos necessários para resolver os problemas de otimização não-convexa que aparecem quando estimamos estes modelos. Outro campo de estudo onde modelos diferenciáveis não-lineares tem ganhado força é na área de aprendizado de máquina: com a introdução de modelos profundos de componentes diferenciáveis em série (também conhecido como \textit{aprendizado profundo}). Aprendizado de máquina estuda métodos para permitir máquinas aprenderem a partir de exemplos e, com a introdução do aprendizado profundo, conseguiu atingir performance sobre-humana em diversas tarefas, incluindo a competição em jogos digitais, classificação de imagens e diagnóstico de exames médicos. Aqui nós estudamos modelos não-lineares diferenciáveis para sinais e sistemas, tanto no contexto de aplicações em engenharia quanto no contexto de aprendizado de máquina. Uma questão central é o paper da recorrência, e os prós e contras de modelos recorrentes e diretos. Nós abordamos a questão de mais de um angulo, estudando: 1) o efeito da recorrência em redes neurais em termos da robustez a ruído, custo computacional e convergência do algoritmo de otimização; 2) a suavidade da função de custo na identificação de sistemas não-lineares e a relação com a dinâmica interna do modelo. Nós propomos o uso de técnicas de múltiplos tiros para resolver alguns desses problemas relativos a suavidade da função custo; e, 3) a relação entre dinâmica interna, atractores e expressividade do modelo em redes neurais recorrentes. A parte mais aplicada desta tese consiste no uso de redes neurais profundas para a interpretação automática do eletrocardiograma e para a identificação de sistemas eletromecânicos não-lineares. Nós apresentamos redes neurais profundas capazes de identificar, com performance sobre-humana, abnormalidades no eletrocardiograma. Nós também estudamos o uso de redes neurais profundas para modelar um oscilador eletrônico e uma aeronave F-16 usando dados de um ensaio de vibrações, obtendo resultados competitivos nos dois casos.

Resumo

O aumento da complexidade nos processos que envolvem muitos recursos interagindo entre si nas ferrovias faz com que pesquisas relacionadas à modelagem no transporte ferroviário de cargas tornem-se cada vez mais relevantes, o que desperta a necessidade de simuladores que ajudam a compreender o comportamento dos trens diante das diferentes situações. A aplicação das Redes de Petri para modelar e simular um fluxo de transporte ferroviário é visto como uma alternativa interessante para abordar tal problema com um viés diferente de grande parte dos trabalhos encontrados na literatura. Uma rede de Petri pode ser representada por um grafo bipartido direcionado, fornecendo uma base matemática padrão e consistente, com simulação fácil e potencialmente rápida. A aplicação demonstrou ser consistente e com excelente desempenho computacional, as simulações foram feitas utilizando o GPenSIM em ambiente Matlab. Simplicidade, rapidez e capacidade de modelagem fazem com que esse método seja uma alternativa promissora nesse contexto.

Abstract

The increase in complexity in processes involving many resources interacting with each other on the railroads makes research related to modeling in rail freight transport increasingly relevant, which arouses the need for simulators that help to understand the behavior of trains in the face of different situations. The application of Petri Nets to model and simulate a flow of rail transport is seen as an interesting alternative to approach this problem with a different bias from most of the works found in the literature. A Petri net can be represented by a directed bipartite graph, providing a standard and consistent mathematical basis, with easy and potentially fast simulation. The application proved to be consistent and with excellent computational performance, the simulations were made using GPenSIM in a Matlab environment. Simplicity, speed and modeling capabilities make this method a promising alternative in this context.

Resumo

A hidroeletricidade é um tipo de energia renovável consolidada e competitiva que desempenha um papel estratégico na matriz energética mundial e apresenta várias vantagens sobre a maioria das outras fontes de energia elétrica, como um alto nível de confiabilidade, tecnologia comprovada, alta eficiência, baixos custos operacionais e de manutenção e flexibilidade. Recentemente, devido ao desenvolvimento de microturbinas hidráulicas, compactas e específicas para uso urbano é possível aproveitar a energia da água em tubulações do sistema de distribuição de água, no setor industrial ou centros urbanos para geração de energia. Estas turbinas são capazes de operar em uma ampla gama de condições de fluxo das tubulações de 80 até 1500mm de diâmetro e podem ser utilizadas em série para aumentar a produção de energia. A energia elétrica gerada em tubulações tem se tornado uma alternativa interessante para a integração de fontes de energia renováveis e para o cenário de geração distribuída de energia, somada aos sistemas fotovoltaicos e eólicos. Trata-se de uma fonte de energia limpa, contínua e sem impactos ambientais, não possuindo, na maioria dos casos, a intermitência da geração de energia, como nos casos das energias eólica e solar. Outra vantagem deste sistema é referente aos problemas de alta pressão nas tubulações de água que atualmente são solucionados com válvulas de redução de pressão. Estas válvulas podem ser substituídas por turbinas hidráulicas instaladas nas tubulações, produzindo energia elétrica. Este trabalho objetiva avaliar a aplicação dessa forma de geração distribuída de energia no Brasil, onde o tema é muito pouco explorado e possui vasto campo de aplicação, através de um estudo de viabilidade baseado no setor de distribuição de água e realizando um levantamento do potencial de geração de energia hidrelétrico em uma mineração do ramo de minério de ferro, comparando a viabilidade da aplicação de turbinas x bombas funcionando como turbina (BFT), além da comparação de viabilidade destas com outras fontes de geração de energia distribuída.

Abstract

Hydroelectricity is a consolidated and competitive type of renewable energy that plays a strategic role in the global energy matrix and presents several advantages over most other sources of electricity, such as high reliability, proven technology, high efficiency, low maintenance costs and flexibility. Recently, due to the development of compact and specific microturbines for urban application, it is possible to harness the energy of the water in pipes of the water distribution system, in the industrial sector or urban centers for power generation. These turbines are capable of operating in a wide range of flow conditions from pipes from 80mm up to 150mm diameter and can be used in series to increase power output. The electricity generated in pipes has become an interesting alternative for the integration of renewable energy sources and the scenario of distributed generation of energy, added to the photovoltaic and wind systems. It is a source of clean energy, continuous and without environmental impacts, not having, in most cases, the intermittent generation of energy, as in the case of wind and solar energy. Another advantage of this system is related to the high pressure issues in the water pipes that are currently solved with pressure reduction valves. These valves can be replaced by hydraulic turbines installed in the pipes, producing electrical energy. The aim of this work is to evaluate the application of this form of distributed energy generation in Brazil, in which the subject is very little explored and has a wide field of application, through a feasibility study based on the water distribution sector and conducting a survey of the potential of generation hydroelectric power generation in an iron ore mining, comparing the feasibility of applying turbines x pumps as turbine (PaT), and comparing their viability with other sources of distributed power generation.

Resumo

Este trabalho é um estudo exploratório que tem como objetivo desenvolver um algoritmo para converter automaticamente um problema de escalonamento job shop flexível com bloqueio em autômatos usando a Teoria de Controle Supervisório. São apresentados o mecanismo para interpretação dos dados de problemas da literatura e a metodologia para a geração dos autômatos que representam o comportamento e as restrições do problema. Além disso, é encontrado o comportamento em malha fechada de alguns sistemas, sobre o qual é aplicada uma heurística de minimização de makespan. Os resultados encontrados estão próximos aos da literatura. É, também, desenvolvido um algoritmo para a obtenção de cadeias de eventos que minimizem os tempos de produção em um sistema flexível de manufatura com demandas estocásticas.

Abstract

This work is an exploratory study that aims to develop an algorithm to automatically translate a Blocking Flexible Job Shop Scheduling Problem modeling into automata using the Supervisory Control Theory. The mechanism for interpretation of literature problem data and the methodology for generating automata that represent the behavior and constraints of the problem are presented. In addition, the closed-loop behavior of some systems is found, on which a makespan minimization heuristic is applied. The results found are close to those in the literature. An algorithm for obtaining strings of events that minimize production times in a flexible manufacturing system with stochastic demands is also developed.