Wavelets na compactaÃÃo e processamento de sinais de distÃrbios em sistemas de potÃncia para classificaÃÃo via redes neurais artificiais
AUTOR(ES)
Milde Maria da Silva Lira
DATA DE PUBLICAÇÃO
2004
RESUMO
Neste trabalho, sÃo desenvolvidos novos tipos de Wavelets para anÃlise de sinais, um Algoritmo de CompactaÃÃo e um Sistema de ClassificaÃÃo de sinais de tensÃes com distÃrbio. A compactaÃÃo do sinal à realizada eliminando-se os coeficientes wavelets cujos mÃdulos estÃo abaixo de um determinado limiar de corte. Os resultados para sinais reais obtidos em registradores digitais forneceram altas taxas de compactaÃÃo, tipicamente em torno de 82%, demonstrando a potencialidade deste mÃtodo. Na classificaÃÃo, o sinal de tensÃo à prÃ-processado via Wavelets e em seguida submetido a uma reduÃÃo dimensional por meio da ferramenta estatÃstica, AnÃlises de Componentes Principais, e finalmente à submetido à Rede Neural tipo Multilayer Perceptrons - MLP, que indicarà o tipo de distÃrbio presente no sinal. Cada rede implementada foi treinada com uma base de conhecimento, cujos atributos foram constituÃdos dos coeficientes wavelets de aproximaÃÃo, ou de detalhes, ou de ambos. Na combinaÃÃo das Redes Neurais, em cada um dos seis nÃs de saÃda, aplicou-se a mÃdia entre as trÃs saÃdas das redes individuais. A decisÃo final do classificador corresponde à saÃda combinada de maior valor. A tÃcnica de combinaÃÃo de modelos diferentes na classificaÃÃo mostra excelentes resultados ao corrigir os casos mal classificados pelas redes individuais. O percentual de acerto da combinaÃÃo da rede treinada com os coeficientes de detalhes com a aquela treinada com os coeficientes de aproximaÃÃo para um conjunto de teste formado por 306 padrÃes foi de 99,3%, enquanto que na rede individual treinada com ambos coeficientes, esse Ãndice foi de 96,4%. Estes resultados demonstram a superioridade do Sistema de ClassificaÃÃo baseado na combinaÃÃo de redes com arquiteturas diferentes
ASSUNTO(S)
engenharia eletrica classificaÃÃo combinaÃÃo de modelos power disturbance sinais de distÃrbios artificial neural networks anÃlise de componentes principais redes neurais artificiais combining models compactaÃÃo classification transformadas wavelets wavelet transform principal components analysis data compression
Documentos Relacionados
- UtilizaÃÃo de redes neurais artificiais na classificaÃÃo de sinais eletrocardiogrÃficos atriais.
- ClassificaÃÃo supervisionada de imagens SAR via redes neurais artificiais.
- Redes Neurais ProbabilÃsticas para ClassificaÃÃo de Imagens BinÃrias
- Desenvolvimento de reatores com saturaÃÃo natural para aplicaÃÃo em sistemas de potÃncia
- TransformaÃÃo potÃncia em edo e aplicaÃÃes a sistemas Hamiltonianos