Avaliação da influência da frequência de amostragem no desempenho do NEURANÁLISE.

• Autor(a) principal: FONTES, Alessandro Viana.
• Data de Publicação: 2005
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFCG
• Texto Completo: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/17163
• topic: Redes neurais artificiais; Transformada de Wavelet; Inteligência artificial; NEURANÁLISE - software; Sistemas elétricos; Registrador Digital de Perturbações – RDPs; Artificial neural networks; Wavelet Transform; Artificial intelligence; NEURANALYSIS - software; Electrical systems; Digital Disturbance Recorder - RDPs; Engenharia Elétrica.

Este projeto avalia a influência da taxa de amostragem dos RDPs no processo de classificação de faltas em linhas de transmissão através de uma RNA com aprendizagem supervisionada. Esse e um caso típico de problema de reconhecimento de padrões. Devido as características da RNA escolhida É necessária a elaboração de um conjunto de padrões (representativos e distintos entre si) a serem utilizados nas etapas de treinamento, validação e teste da rede. Esse conjunto e comumente denominado de base de dados. A partir da apresentação destes subconjuntos em um processo de treinamento, a rede deve ser capaz de extrair as características de cada classe a ser identificada, adquirindo conhecimento sobre o problema em questão[2]. Por conta do grande volume de dados gerados por RDPs com altas frequências de amostragem, supõe-se que esse fator influencie no desempenho da RNA. Realizou-se analise do desempenho da RNA ao se usar uma base de dados composta por sinais de tensão e corrente que passaram por um processo de re-amostragem ou dizimação. Utilizou-se o Neural Network Toolbox do Matlab® (NNT) e uma base de dados proveniente de simulações de um sistema real.