Search

Orientadores: Francisco José Arnold, Paulo Sérgio Martins Pedro Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Tecnologia Resumo: Atualmente o número de cerâmicas piezelétricas existentes é elevada em virtude da rápida adoção de equipamentos elétricos pela sociedade, uma vez que inúmeros dispositivos apresentam essas cerâmicas integradas em sua constituição, como por exemplo, sistemas ultrassônicos, microfones, sensores, sonares, entre outros. Devido à importância e o potencial de uso em diversos segmentos, tais como medicinal, industrial, militar e entretenimento, o estudo dos parâmetros das cerâmicas piezelétricas é primordial para assegurar e impulsionar a pesquisa e o desenvolvimento de equipamentos cada vez mais confiáveis, versáteis e inteligentes. O estudo dos parâmetros do modelo de Mason para cerâmicas piezelétricas visa modelar os parâmetros físicos para simulação e otimização. Esse processo é dependente da estimativa de constantes de material por meio de medida da impedância elétrica. A partir disso, o objetivo dessa pesquisa propõe-se a desenvolver um sistema que utilize metodologias numéricas para melhorar e facilitar o estudo dos parâmetros do modelo de Mason para cerâmicas piezelétricas. Para tanto, empregou-se diferentes Algoritmos Genéticos com Otimização Mono-Objetivo e Multiobjetivo aliados a Equações baseadas no modelo de Mason para comparar e estimar os melhores cenários. Tendo como base os cálculos e os estudos de casos realizados, utilizando diferentes tipos de cerâmicas piezelétricas com modo de vibração em espessura e transversal, em consonância com o referencial teórico e os resultados obtidos, comprovou-se que ocorreram efetivas melhoras com o emprego dos Algoritmos Genéticos, independentemente do modo de vibração, ocasionando o efetivo ajuste das curvas entre os dados estimados e os dados experimentais Abstract: Currently, the number of existing piezoelectric ceramics is significant due to the rapid adoption of electrical equipment by society, since numerous devices present these ceramics integrated in their constitution, as ultrasonic systems, microphones, sensors, sonars, among others. Due to the importance and potential of use in various segments, such as medical, industrial, military and entertainment, the study of parameters of piezoelectric ceramics is paramount to ensure and boost the research and development of devices that is increasingly reliable, versatile, and smart. The study of the parameters of the Mason model for piezoelectric ceramics aims to model the physical parameters for simulation and optimization. This process is dependent on the estimation of material constants by means of electrical impedance measurement. This process is dependent on the estimation of material constants by means of electrical impedance measurement. Because of scenario, the objective of this research is to develop a system that uses numerical methodologies to improve and facilitate the study of the parameters of the Mason model for piezoelectric ceramics. In the direction of objective, different Genetic Algorithms were used with Mono-Objective and Multi-Objective Optimization allied to Equations based on the Mason model to compare and estimate the best scenarios. Based on the calculations and the case studies performed, using different types of piezoelectric ceramics with vibration mode in thickness and transverse, in accordance with the theoretical reference and the obtained results, it was verified that there were effective improvements with the use of Algorithms Genetics, independently of the mode of vibration, causing the effective adjustment of the curves between the estimated data and the experimental data Mestrado Sistemas de Informação e Comunicação Mestre em Tecnologia CAPES

In this paper we discuss the problem of linear tting to experimental data using a method bio-inspired of optimization, i.e., it imitates the biological concepts attempt to nd optimal or suboptimal results. The method used is the genetic algorithm (GA), AG makes use of the theory of Darwinian evolution to nd the best route for the desired maximum point. Traditionally, the linear tting is made through the method of least squares. The method is e cient, but is di cult to justify the pre-calculus classes. Therefore, the alternative AG comes as a computationally exhaustive procedure, however easy justi cation for these classes. Thus, the purpose of this study is to compare the results of linear tting for some control scenarios using this methods and certify the quality of the adjustments obtained by the approximate method. At the end of the work it was found that the results are solid enough to justify the alternative method and the proposed use of this optimization process has the potential to spark interest in other areas of mathematics. Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES Neste trabalho abordaremos o problema de ajuste linear para dados experimentais através de um método de otimização bio-inspirado, isto é, que mimetiza conceitos biológicos na tentativa de buscar resultados ótimos ou sub-ótimos. O método utilizado é o algoritmo genético (AG), AG faz uso da teoria da evolução Darwiniana para buscar a melhor rota para o ponto de máximo desejado. Tradicionalmente, o ajuste linear é feito através do método de mínimos quadrados. Tal método é e ciente, porém é de difícil justi cativa para as turmas pré-cálculo. Diante disso, a alternativa do AG vem como um procedimento exaustivo computacionalmente, entretanto de fácil justi cativa para essas turmas. Assim, a proposta do trabalho é comparar os resultados de ajuste linear para alguns cenários de controle através dos dois métodos e certi car a qualidade dos ajustes obtidos pelo método aproximado. No nal do trabalho constatou-se que os resultados encontrados sÿo sólidos o bastante para justi car o método alternativo e que a proposta da utilização desse processo de otimização tem potencial para despertar interesse em outras áreas da matemática.

Orientador: Romis Ribeiro de Faissol Attux Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação Resumo: Os algoritmos de otimização podem possuir características de busca local, global e multimodal. Em termos simples, os algoritmos de busca local procuram refinar uma solução inicial encontrada, promovendo a sua movimentação para o ótimo local dominante em sua vizinhança. Já os algoritmos de busca global possuem estratégias para escapar de ótimos locais, e, desta forma conseguem movimentar seus pontos de forma mais ampla pelo espaço de busca. Por fim, algoritmos multimodais procuram encontrar os vários ótimos no espaço de busca. Neste trabalho foi proposto um algoritmo de otimização multimodal, baseado em PSO, com duas inovações: o raio de repulsão com controlador de passo, e o armazenamento da região promissora. O algoritmo foi chamado de MPSO (Magnetic Particle Swarm Optimization), e possui apenas um parâmetro de configuração, o número de partículas. Ele apresentou resultados bastante interessantes nos experimentos comparativos realizados, tanto em funções benchmark quanto em uma aplicação prática. A segunda proposta foi uma metodologia de busca baseada em clusterização. Nesta metodologia, a modificação proposta translada os centroides das posições de representantes dos clusters, obtidas originalmente pelos algoritmos de clusterização clássicos, para uma região promissora no cluster, ou seja, para uma região melhor avaliada pela função objetivo, que será maximizada ou minimizada. Desta forma, a metodologia toma a forma de um operador que pode ser utilizado como pré-processador de algoritmos de otimização clássicos, sendo capaz de introduzir diversidade na população inicial, o que, como mostram os experimentos realizados, melhorou os resultados obtidos. Outras possibilidades de aplicação da ideia também são expostas e avaliadas Abstract: Optimization algorithms have local, global and multimodal search features. In simple terms, a local search algorithm refines an initial solution by moving it towards an optimal dominant place in its neighborhood. Global search algorithms have strategies to escape from local optima, and thus can move their points more broadly throughout the search space. Finally, multimodal algorithms seek to find several global optima in the search space. In this thesis, we propose a multimodal optimization algorithm based on PSO with two innovations: the repulsion radius with step controller and the storage of promising search directions. The algorithm was named MPSO (Magnetic Particle Swarm Optimization) and has only one configuration parameter, the number of particles. It led to consistent results in benchmark-based comparative experiments and in a practical application. The second proposal was a clustering-based optimization methodology. This proposal moves the centroids from a position representative of a cluster, originally obtained by classical clustering algorithms, to a promising region in terms of an objective function to be maximized or minimized . The methodology was implemented in the form of an operator used as a pre-processor to traditional optimization algorithms. It introduced diversity in the initial population, which, as shown by the experiments,led to significant performance improvements. Other possibilities of applying this new idea are also discussed in the text Doutorado Engenharia de Computação Doutor em Engenharia Elétrica