Вы находитесь на странице: 1из 103

UNIVERSIDADE FEDERAL DE CAMPINA GRANDE

CENTRO DE ENGENHARIA ELTRICA E INFORMTICA


UNIDADE ACADMICA DE ENGENHARIA ELTRICA
Programa de Ps-Graduao em Engenharia Eltrica

CLASSIFICAO DE ISOLADORES DE VIDRO DE ALTA


TENSO A PARTIR DO ESPECTRO ELETROMAGNTICO
IRRADIADO

PEDRO HENRIQUE VENSKE DA ROCHA

Campina Grande
Dezembro de 2014

UNIVERSIDADE FEDERAL DE CAMPINA GRANDE


CENTRO DE ENGENHARIA ELTRICA E INFORMTICA
UNIDADE ACADMICA DE ENGENHARIA ELTRICA
Coordenao de Ps-Graduao em Engenharia Eltrica

CLASSIFICAO DE ISOLADORES DE VIDRO DE ALTA


TENSO A PARTIR DO ESPECTRO ELETROMAGNTICO
IRRADIADO

PEDRO HENRIQUE VENSKE DA ROCHA

Dissertao apresentada Coordenao de PsGraduao do curso de Engenharia Eltrica da


Universidade Federal de Campina Grande UFCG, como requisito parcial na obteno do
ttulo de Mestre em Engenharia Eltrica.

rea de Concentrao: Processamento da Informao


Linha de Pesquisa: Eletrnica e Telecomunicaes
Orientador: Prof. Dr. Glauco Fontgalland

Campina Grande, Paraba, Brasil


Pedro Henrique Venske da Rocha, Dezembro de 2014

FICHA CATALOGRFICA ELABORADA PELA BIBLIOTECA CENTRAL DA UFCG

R672c

Rocha, Pedro Henrique Venske da.


Classificao de isoladores de vidro de alta tenso a partir do espectro
eletromagntico irradiado / Pedro Henrique Venske da Rocha. Campina
Grande, 2014.
101 f. : il. color.
Dissertao (Mestrado Engenharia Eltrica) Universidade Federal de
Campina Grande, Centro de Engenharia Eltrica e Informtica, 2014.

"Orientao: Prof. Glauco Fontgalland".


Referncias.

1. Espectro Eletromagntico Irradiado. 2. Isoladores de Alta Tenso.


3.

Redes

Neurais

Artificiais.

4.

Reconhecimento

de

Padres.

5. Transformada Wavelet. I. Fontgalland, Glauco. II. Ttulo.

CDU 621.3(043)

Dedico a todos que fizeram parte da minha vida acadmica, os quais me ajudaram em cada
momento para que assim fosse possvel concluir esse meu to almejado objetivo.
Tambm aos estudantes, pesquisadores, curiosos, que assim como eu, esto em busca de
alguma fonte de conhecimento e sabedoria. Sucesso!

Agradecimentos

minha Famlia! Minha me Tnia, pela oportunidade da vida, conselhos, confiana,


ensinamentos, exemplos, companheirismo, carinho e principalmente amor que sempre me
foram e so dados. Ao meu Pai Rocha pelo amor e exemplo de Pai, ser humano, amigo,
companheiro, humildade, sabedoria, fora e professor da vida que me foram e so dados. Ao
meu pai do corao Afrnio pelo exemplo de vida, dedicao, vitria, superao, famlia,
Pai, educador, integridade que me foram e so dados.
A todos os professores que eu tive a oportunidade de aprender ao longo da minha vida, que
contriburam para o meu desenvolvimento profissional e como pessoa. Ao meu orientador de
mestrado, Professor Glauco Fontgalland pela confiana em mim depositada e pelos
ensinamentos tcnicos e profissionais.
Aos colegas e amigos que fiz durante toda a vida e que de certa forma contriburam para a
concluso deste trabalho.
Muito Obrigado!

O conflito no entre o bem e o mal, mas entre o conhecimento e a ignorncia.


Siddhartha Gautama Buda

RESUMO

Os isoladores vtreos de alta tenso so, ainda hoje, os principais equipamentos empregados
nas linhas de transmisso. Embora haja uma tendncia de substituio desses por polimricos,
ainda so predominantemente encontrados principalmente nas redes de transmisso em alta
tenso de 69 kV, 230 kV e 500 kV. Localizados distribuidamente ao longo de uma extensa
rea territorial, os mtodos e procedimentos de inspeo se tornam de difcil execuo. As
rotinas de inspees preventivas e preditivas realizadas atualmente so dotadas de bastante
subjetividade e possuem muitos fatores que restringem a sua implementao. Dependem
exclusivamente da avaliao visual do tcnico e em condies climticas especficas: perodo
noturno, mnima fonte de luminosidade, principalmente da lua, umidade relativa do ar elevada
e o uso de binculo. Outras tcnicas de inspeo foram estudadas, porm no foram
encontrados relatos da sua utilizao nas empresas de energia, para as tenses mencionadas.
Este trabalho apresenta um mtodo para a realizao de inspeo em isoladores de alta tenso.
O diferencial do mtodo est na utilizao de tcnicas de processamento de sinais em
conjunto com inteligncia artificial, para que assim o espectro eletromagntico irradiado por
esses equipamentos, quando esto em operao, seja interpretado e classificado quanto ao
nvel de poluio dos isoladores. Assim, um critrio objetivo inserido no processo,
proporcionando ao inspetor uma ferramenta mais eficiente e que no necessite exclusivamente
de uma avaliao subjetiva. As redes neurais artificiais realizaram a classificao dos sinais
aps o processamento desses atravs da transformada Wavelet. Medies em laboratrio e em
campo foram realizadas para servirem de base de dados para o treinamento do mtodo. Os
melhores resultados mostram acertos acima de 96,5% em todas as medies realizadas.

Palavras-chave: Espectro eletromagntico irradiado, Isoladores de Alta Tenso, Redes


Neurais Artificiais, Reconhecimento de Padres, Transformada Wavelet.

ABSTRACT

The glass high voltage insulators are, today, the main equipment used in transmission lines.
Although a trend towards replacing them with polymers, are still predominantly found mainly
in transmission networks for high voltage 69 kV, 230 kV and 500 kV. Located over an
extensive geographical area, the methods and inspection procedures become difficult to
perform. The routines of preventive and predictive inspections performed today are equipped
with enough subjectivity and have many factors that restrict its implementation. Depend
solely on the visual assessment of the technical and specific climatic conditions: night,
minimum source of light, especially the moon, high relative humidity and the use of
binoculars. Other inspection techniques were studied, but have not found reports of their use
in energy companies, for the mentioned tensions. This research presents a method for carrying
out inspection on high voltage insulators. The differential method is the use of set in signal
processing techniques with artificial intelligence, so that the electromagnetic spectrum
radiated by the equipment when in operation, should be interpreted and classified according to
the level of pollution of the insulators. Thus, an objective criterion is inserted in the process,
giving the inspector a more efficient tool that does not require only a subjective assessment.
Artificial neural networks performed the classification of signals after processing these
through the wavelet transform. Measurements in the laboratory and field tests were conducted
to serve as a database for training method. The best results show up hit 96.5% in all
measurements.

Keywords: Artificial Neural Networks, High Voltage Insulators, Pattern Recognition,


Radiated electromagnetic spectrum, Wavelet Transform.

LISTA DE ILUSTRAES
Figura 1: Isolador de vidro (vista em corte) ............................................................................. 21
Figura 2: Coeficiente de reflexo (S11) medido de isoladores. (a) Conector soldado na
campnula e (b) conector soldado no pino. .............................................................................. 25
Figura 3: Etapas de um sistema RP. ......................................................................................... 26
Figura 4: Visualizao dos sinais nos domnios do tempo e da frequncia. ............................ 28
Figura 5: Janela de anlise: (a) Transformada de Fourier (TF) e (b) Transformada de Fourier
de Tempo Curto (STFT). .......................................................................................................... 32
Figura 6: Visualizao de dois tamanhos para a largura da janela da STFT. (a) Tamanho igual
a e (b) tamanho igual a /2. ................................................................................................... 33
Figura 7: Exemplos de wavelets me: (a) Haar, (b) Daubechies 2, (c) Coiflet 2 e (d) Symlet 2.
.................................................................................................................................................. 34
Figura 8: Wavelets com diferentes escalas e deslocamentos. ................................................... 35
Figura 9: Grfico da amostragem didica................................................................................. 37
Figura 10: Anlise multiresoluo. ........................................................................................... 38
Figura 11: rvore de decomposio de coeficientes wavelets. ................................................ 38
Figura 12: Neurnio biolgico. ................................................................................................ 40
Figura 13: Modelo do neurnio artificial de McCulloch e Pitts. .............................................. 41
Figura 14: Exemplos de funes de ativao. .......................................................................... 42
Figura 15: Grafo de fluxo de sinal (Perceptron). ..................................................................... 44
Figura 16: Mapa bidimensional do relacionamento de duas variveis com duas classes. ....... 44
Figura 17: Perceptron de Mltipla Camada (MLP). ................................................................. 45
Figura 18: Fluxo do sinal no algoritmo backpropagation......................................................... 46
Figura 19: Antena bicnica. (a) Elemento irradiador e (b) fixada no trip. ............................. 50
Figura 20: Kit de alta tenso (KAT) do LAT/UFCG. .............................................................. 51
Figura 21: Salo de alta tenso (SAT) do LAT/UFCG. ........................................................... 51
Figura 22: Diagrama da medio no SAT/UFCG. ................................................................... 52
Figura 23: Experimento realizado em campo, Rio Largo/AL. ................................................. 53
Figura 24: Isoladores utilizados na primeira medio: (a) limpo e (b) poludo. ...................... 54
Figura 25: Indicao dos pontos de medio em relao torre: P1 e P2. .............................. 56
Figura 26: Cadeias de isoladores vtreos retiradas aps o 5 experimento. .............................. 56
Figura 27: RNA utilizada no mtodo A.................................................................................... 59
Figura 28: RNA utilizada no mtodo B. ................................................................................... 60
Figura 29: Nveis de coeficientes wavelets utilizados no mtodo C. ....................................... 61
Figura 30: Sinal processado pela transformada wavelet: (a) sinal original, (b) coeficientes
(1,0), (c) coeficientes (2,0) e (d) coeficientes (3,0). ................................................................. 61
Figura 31: RNA utilizada no mtodo C. ................................................................................... 62
Figura 32: RNA utilizada no mtodo D.................................................................................... 63
Figura 33: Mdias e desvios padro para as faixas com LB de 50 MHz: 1 Experimento. ..... 66
Figura 34: Mdias e desvios padro para as faixas com LB de 50 MHz: 2 Experimento. ..... 67
Figura 35: Mdias e desvios padro para as faixas com LB de 50 MHz: 3 Experimento. ..... 67
Figura 36: Mdias e desvios padro para as faixas com LB de 50 MHz: 4 Experimento. ..... 68
Figura 37: Mdias e desvios padro para as faixas com LB de 50 MHz: 5 e 6 Experimentos.
.................................................................................................................................................. 68
Figura 38: Mdias e desvios padro para as faixas com LB de 100 MHz: 1 Experimento. ... 69
Figura 39: Mdias e desvios padro para as faixas com LB de 100 MHz: 2 Experimento. ... 69
Figura 40: Mdias e desvios padro para as faixas com LB de 100 MHz: 3 Experimento. ... 70
Figura 41: Mdias e desvios padro para as faixas com LB de 100 MHz: 4 Experimento. ... 70

Figura 42: Mdias e desvios padro para as faixas com LB de 100 MHz: 5 e 6
Experimentos. ........................................................................................................................... 70
Figura 43: Mdias e desvios padro para as faixas com LB de 150 MHz: 1 Experimento. ... 71
Figura 44: Mdias e desvios padro para as faixas com LB de 150 MHz: 2 Experimento. ... 71
Figura 45: Mdias e desvios padro para as faixas com LB de 150 MHz: 3 Experimento. ... 71
Figura 46: Mdias e desvios padro para as faixas com LB de 150 MHz: 4 Experimento. ... 72
Figura 47: Mdias e desvios padro para as faixas com LB de 150 MHz: 5 e 6
Experimentos. ........................................................................................................................... 72
Figura 48: Mdias e desvios padro para as faixas com LB de 200 MHz: 1 Experimento. ... 72
Figura 49: Mdias e desvios padro para as faixas com LB de 200 MHz: 2 Experimento. ... 73
Figura 50: Mdias e desvios padro para as faixas com LB de 200 MHz: 3 Experimento. ... 73
Figura 51: Mdias e desvios padro para as faixas com LB de 200 MHz: 4 Experimento. ... 73
Figura 52: Mdias e desvios padro para as faixas com LB de 200 MHz: 1 Experimento. ... 73
Figura 53: Mdias e desvios padro para as faixas com LB de 250 MHz: 1 Experimento. ... 74
Figura 54: Mdias e desvios padro para as faixas com LB de 250 MHz: 2 Experimento. ... 74
Figura 55: Mdias e desvios padro para as faixas com LB de 250 MHz: 5 e 6 Experimento.
.................................................................................................................................................. 74
Figura 56: Mdias e desvios padro para as faixas com LB de 300 MHz: 1 Experimento. ... 75
Figura 57: Mdias e desvios padro para as faixas com LB de 250 MHz: 4 Experimento. ... 75
Figura 58: Mdias e desvios padro para as faixas com LB de 300 MHz: 5 e 6
Experimentos. ........................................................................................................................... 75
Figura 59: Resultados por experimentos - LB 50 MHz. (a) 1, (b) 2, (c) 3, (d) 4, (e) 5 e 6
experimentos............................................................................................................................. 76
Figura 60: Resultados por experimentos - LB 100 MHz. (a) 1, (b) 2, (c) 3, (d) 4, (e) 5 e 6
experimentos............................................................................................................................. 77
Figura 61: Resultados por experimentos - LB 150 MHz. (a) 1, (b) 2, (c) 3, (d) 4, (e) 5 e 6
experimentos............................................................................................................................. 79
Figura 62: Resultados por experimentos LB 200 MHz. (a) 1, (b) 2, (c) 3, (d) 4, (e) 5 e 6
experimentos............................................................................................................................. 80
Figura 63: Resultados por experimentos LB 250 MHz. (a) 1, (b) 4, (c) 5 e 6
experimentos............................................................................................................................. 81
Figura 64: Resultados por experimentos LB 300 MHz. (a) 1, (b) 4, (c) 5 e 6
experimentos............................................................................................................................. 82
Figura 65: Resultados por mtodos LB 50 MHz. .................................................................. 83
Figura 66: Resultados por mtodos LB 100 MHz. ................................................................ 85
Figura 67: Resultados por mtodos LB 150 MHz. ................................................................ 87
Figura 68: Resultados por mtodos LB 200 MHz. ................................................................ 88
Figura 69: Resultados por mtodos LB 250 MHz. ................................................................ 89
Figura 70: Resultados por mtodos LB 300 MHz. ................................................................ 91

LISTA DE TABELAS

Tabela 1: Especificao antena bicnica. ................................................................................. 49


Tabela 2: Especificao do analisador de espectro. ................................................................. 50
Tabela 3: Contagem de pontos pelo DayCor. ........................................................................ 54
Tabela 4: Parmetros da RNA. ................................................................................................. 58
Tabela 5: Relao das subfaixas espectrais analisadas. ............................................................ 65

LISTA DE ABREVIATURAS E SIGLAS

BW ............................................................................................ Bandwidth (Largura de Banda)


CHESF ................................................................Companhia Hidro Eltrica do So Francisco
DWT ........................................ Discrete Wavelet Transform (Transformada Wavelet Discreta)
EDAL ...................................................................................... Eletrobrs Distribuio Alagoas
EMN .................................................................................................................. Eletromagntica
END ..................................................................................................... Ensaios No Destrutivos
FDP.................................................................................... Funo densidade de probabilidade
FFT .............................................. Fast Fourier Transform (Transformada Rpida de Fourier)
HPF .................................................................................. High-Pass Filter (Filtro Passa-Alta)
IA .............................................................................................................. Inteligncia Artificial
IEM ............................................................................................. Interferncia Eletromagntica
LAT ................................................................................................. Laboratrio de Alta Tenso
LB .................................................................................................................. Largura de Banda
LEMA .................................................................... Laboratrio de Eletromagnetismo Aplicado
LPF ................................................................................. Low-Pass Filter (Filtro Passa-Baixa)
LT ............................................................................................................. Linha de Transmisso
MLP .............................................. Multilayer Perceptron (Perceptron de Mltiplas Camadas)
OCR ..................................................................................Reconhecimento tico de Caracteres
PCA ............................... Principal Component Analysis (Anlise de Componentes Principais)
RBF ................................................................ Radial Basis Function (Funo de Base Radial)
REM ........................................................................................................ Rudo eletromagntico
RF ..................................................................................................................... Radiofrequncia
RMB ........................................................................................ Rudo Magntico de Barkhausen
RNA .................................................................................................... Redes Neurais Artificiais
RP .................................................................................................... Reconhecimento de Padro
S11 .......................................................................................................... Coeficiente de reflexo
STFT.................... Short Time Fourier Transform (Transformada de Fourier de Tempo Curto)
TF ....................................................................................................... Transformada de Fourier
TFC .................................................................................... Transformada de Fourier Contnua
TFD ..................................................................................... Transformada de Fourier Discreta
TW .......................................................................................................... Transformada Wavelet
TWC ........................................................................................ Transformada Wavelet Contnua
VNA .................................................... Vector Network Analysis (Analisador Vetorial de Rede)

SUMRIO
1 Introduo ............................................................................................................................ 14
1.1 Estrutura do trabalho ..................................................................................................... 17
2 Fundamentao Terica...................................................................................................... 18
2.1 Estado da arte sobre o tema ........................................................................................... 18
2.2 Isolador de vidro ............................................................................................................ 20
2.2.1 Fabricao ................................................................................................................ 21
2.2.2 Utilizao ................................................................................................................. 22
2.2.3 O Isolador como Elemento Irradiador ..................................................................... 22
2.3 Reconhecimento de Padres ........................................................................................... 25
2.4 Wavelet ........................................................................................................................... 27
2.4.1 Anlise Tempo x Frequncia ................................................................................... 27
2.4.2 Sries de Fourier ...................................................................................................... 28
2.4.3 Transformada de Fourier Contnua (TFC)............................................................... 29
2.4.4 Transformada de Fourier Discreta (TFD) ................................................................ 30
2.4.5 Transformada de Fourier de Tempo Curto .............................................................. 31
2.4.6 Transformada Wavelet Contnua (TWC)................................................................. 33
2.4.7 Transformada Wavelet Discreta .............................................................................. 36
2.4.8 Anlise Multiresoluo ............................................................................................ 37
2.5 Redes Neurais Artificiais (RNA) ..................................................................................... 39
2.5.1 O Neurnio Biolgico ............................................................................................. 39
2.5.2 Neurnio Artificial .................................................................................................. 40
2.5.3 Funo de Ativao ................................................................................................. 42
2.5.4 Perceptron ................................................................................................................ 43
2.5.5 Perceptron de Mltiplas Camadas ........................................................................... 45
2.5.6 Limitaes da RNA ................................................................................................. 47
2.6 Consideraes finais ...................................................................................................... 48
3 Medies ............................................................................................................................... 49
3.1 Equipamentos ................................................................................................................. 49

3.2 Locais dos Experimentos ................................................................................................ 50


3.3 Experimento 1 ................................................................................................................. 53
3.4 Experimento 2 ................................................................................................................. 54
3.5 Experimento 3 ................................................................................................................. 55
3.6 Experimento 4 ................................................................................................................. 55
3.7 Experimento 5 ................................................................................................................. 55
3.8 Experimento 6 ................................................................................................................. 57
3.9 Consideraes finais ...................................................................................................... 57
4 Mtodo de Classificao ...................................................................................................... 58
4.1 Mtodo A ........................................................................................................................ 59
4.2 Mtodo B ........................................................................................................................ 59
4.3 Mtodo C ........................................................................................................................ 60
4.4 Mtodo D ........................................................................................................................ 62
4.5 Consideraes finais ...................................................................................................... 64
5 Resultados ............................................................................................................................ 65
5.1 Resultados das mdias e desvios padro ........................................................................ 66
5.2 Resultados por experimento ........................................................................................... 76
5.3 Resultados por mtodo ................................................................................................... 82
5.4 Consideraes finais ...................................................................................................... 92
6 Concluso ............................................................................................................................. 93
6.1 Publicaes ..................................................................................................................... 95
6.2 Trabalhos futuros ........................................................................................................... 95
Referncias .............................................................................................................................. 97

14

1 Introduo

A manuteno de equipamentos eltricos fundamental para garantir a continuidade


no fornecimento de energia eltrica para seus usurios. Bezerra (2004) indica que problemas
nos isolamentos eltricos so os principais motivos de interrupo no fornecimento de energia
eltrica. Nas linhas de transmisso (LT), os isoladores tm influncia direta em seu
desempenho. Oliveira (2008) especifica que uma das principais causas de desligamentos no
programados em LT o acmulo de poluio em isoladores.
Problemas de interrupes no fornecimento, em particular no Brasil, que atingem
municpios, estados e regies de forma simultnea, em grande parte, tm relao com a forma
em que realizada a manuteno do sistema. Muitas vezes ineficiente, a manuteno deixa
margem a interrupes repetidas que atinge uma grande quantidade de consumidores.
Oleskovics (2007) estima que, nos EUA, o custo das perdas financeiras com a interrupo do
fornecimento de energia eltrica, de at um minuto, pode chegar a US$ 400.000,00. Isso
evidencia uma alta perda para a sociedade como um todo, razo pela qual considerada uma
rea estratgica para o desenvolvimento do pas, compondo um dos pilares responsveis pelo
crescimento econmico (MARCELINO, 2006).
Os estudos na rea de monitoramento e diagnstico de isoladores podem ser
classificados em dois grupos: os que analisam diretamente os parmetros de operao do
isolador (corrente de fuga, descargas parciais internas) necessitando de sensores (localizados
nos equipamentos) e/ou circuitos auxiliares para captar as informaes; e os que tratam os
efeitos causados pelas variaes desses parmetros (corona, trmico, sonoro, visual,
radiofrequncia), coletando esses sinais de forma remota. Atualmente o processo para se
diagnosticar o nvel de poluio em isoladores de alta tenso localizados em LT no uma
tarefa simples, sendo feita principalmente de forma visual (CAPELINI, 2012).
A inspeo visual, na qual o encarregado observa o isolador, est sujeita a erros devido
grande distncia entre o ponto de medio e a cadeia de isolador (FERREIRA, 2011), com
altura mdia entre 15 m e 40 m, em LT para 69 kV, e ainda devendo considerar uma distncia
segura da base da torre, podendo ultrapassar 20 m. No sistema da companhia hidro eltrica do
So Francisco (CHESF), o diagnstico de isoladores com acmulo de poluentes feito

15

principalmente de modo visual: o inspetor de linha escolhe pontos especficos, de acordo com
o histrico de registro de falhas, preferencialmente em noite de lua nova, pois h a menor
ocorrncia de luminosidade (OLIVEIRA, 2008). A inspeo visual bastante prejudicada
quando feita prxima a outras fontes de luz, tais como iluminao local.
Outro mtodo possvel para a inspeo de isoladores a utilizao de termovisores.
Estes instrumentos convertem a energia infravermelha, proveniente de fontes de calor, em
uma escala de cores. Seu emprego, aplicado ao diagnstico do isolador, feito a partir da
comparao das imagens registradas ao longo do tempo. A ocorrncia de aumento na
temperatura um indicativo de que deve existir alguma anomalia no equipamento
(EPPERLY; HEBERLEIN; EADS, 1999).
Semelhante ao mtodo de diagnstico pelo termovisor, o monitoramento da poluio
em isoladores tambm pode ser realizado atravs da anlise da emisso de irradiao
ultravioleta, pois estas so geradas quando h ocorrncia de descargas parciais externas
(CHAURASIA, 1999). A limitao dessa tcnica est no alto custo para aquisio do
aparelho detector de irradiao ultravioleta. Alm disso, para que ocorra descarga parcial, a
umidade relativa do ar deve ser alta, acima de 70% (OLIVEIRA, 2008).
J o mtodo de monitoramento de isoladores por meio de sensores instalados nas
cadeias, descrito em Khalifa (1988), faz a anlise em tempo real da corrente de fuga e envia
um sinal ao centro de manuteno caso esta ultrapasse um limiar preestabelecido.
O presente trabalho investiga um mtodo que busca melhorar os procedimentos de
manuteno atualmente empregados em isoladores de tenso, tornando-o mais eficiente na
concluso da avaliao desses isoladores.
Um fator que contribui para a ineficincia da forma atualmente empregada na
manuteno de isoladores de alta tenso a ausncia de um critrio objetivo, que balize o
encarregado da manuteno a tomar qualquer deciso sobre a necessidade ou no de
interveno no equipamento, podendo essa ser apenas uma limpeza ou a sua substituio.
O estudo das metodologias possveis empregadas na rea de manuteno em
equipamentos uma rea bastante explorada em pesquisas. Podendo se d basicamente de trs
formas, os procedimentos de manuteno so classificados por Vieira (2008) como:
preventiva, corretiva e preditiva. A primeira refere-se a um modelo de manuteno focado nas
intervenes e anlises de acordo com uma programao preestabelecida, formulada a partir
de dados estatsticos das falhas dos equipamentos. Essa forma de manuteno no muito

16

eficiente, pois realiza aes sem levar em considerao a situao real de cada equipamento,
acarretando muitas vezes em substituio ou interveno desnecessrias.
Na corretiva, tambm conhecida como emergencial, a interveno no equipamento
ocorre de forma no planejada devida a alguma falha ou anomalia em seu funcionamento.
Esse modelo de manuteno o que mais d prejuzo para a empresa, pois o problema ocorre
de maneira inesperada e necessita de uma equipe consideravelmente grande para a sua
resoluo, alm da indisponibilidade ocasionada pela falha do equipamento, gerando com isso
perdas expressivas.
O ltimo tipo de manuteno, preditiva, definido como um processo contnuo de
monitoramento de cada equipamento, feito atravs da anlise de certos parmetros que servem
para inferir sobre seu estado operacional. Dessa forma, a interveno somente realizada
quando forem diagnosticados, por meio do monitoramento contnuo dos seus parmetros,
indcios de mau funcionamento que possam levar inoperncia do equipamento. No caso dos
isoladores de alta tenso, o grau de poluio pode ser considerado como critrio de anlise.
Isso reflete em uma economia significativa para a empresa, pois tornam eficientes as aes da
equipe de manuteno.
Diante do contexto inserido, o problema envolve realizar uma manuteno preditiva
satisfatria em isoladores de alta tenso, capaz de auxiliar o corpo tcnico nas realizaes de
inspeo em isoladores.
Esta pesquisa tem o objetivo de propor e testar um mtodo eficiente para diagnosticar
o estado de conservao de isoladores de vidro de alta tenso a partir da anlise do espectro
eletromagntico irradiado do mesmo quando submetido tenso de operao, 69 kV.
Para isso, foram realizadas medies, em laboratrio e no campo, do espectro
irradiado de isoladores submetidos alta tenso. Foram testados isoladores que depois de
lavados foram poludos artificialmente por uma soluo a base de Kaolin, com condutividade
eltrica conhecida.
Os espectros coletados nas medies foram analisados em subfaixas de frequncias
por meio da mdia e do desvio padro a fim de se conhecer melhor os padres existentes em
cada faixa espectral. Aps a anlise, os dados foram submetidos ao mtodo proposto nesta
pesquisa, baseado na decomposio dos coeficientes Wavelets e classificao por uma rede
neural artificial (RNA).

17

1.1 Estrutura do trabalho


No Captulo 2 realizada uma reviso terica dos assuntos e temas abordados no
trabalho. No Captulo 3 explicado em detalhes o processo de medio, bem como os
equipamentos utilizados e os locais das medies. No Captulo 4, apresentado o mtodo
proposto nesta pesquisa. No Captulo 5 so apresentados os resultados obtidos pelo mtodo e,
por fim, no Captulo 6 so expostas as concluses e a propositura de trabalhos futuros.

18

2 Fundamentao Terica

Neste captulo so abordados temas tericos que servem de subsdio para a execuo e
compreenso do que proposto no decorrer deste trabalho.

2.1 Estado da arte sobre o tema


O objetivo de classificar um dado objeto comum em vrias reas da cincia. Os
mtodos de classificao, na sua maioria, se resumem a: aquisio de uma base de dados
relacionada ao problema em questo; tratamento e extrao das caractersticas principais e,
por fim, o processamento por um classificador (THEODORIDIS; KOUTROUMBAS, 2006).
As pesquisas sobre classificadores de padres se dividem principalmente em duas
reas: as que estudam classificadores baseados em inteligncia artificial (IA) e as outras
baseadas em mtodos estatstico-probabilsticos.
Um exemplo do uso de uma abordagem estatstica, para a implementao do
classificador, apresentada na dissertao de Rosario (2011), em que so usadas tcnicas de
estatstica multivariada para classificar sinais de ensaios no destrutivos (END) magnticos, a
partir do rudo magntico de Barkhausen (RMB). O objetivo nesse estudo foi de classificar
arames quebrados em risers1 e tambm classificar diferentes tratamentos trmicos em ao
AISI 420. Os mtodos utilizados no classificador foram a anlise discriminante de Fisher e a
quadrtica. A tcnica, utilizada no referido trabalho, mostra ser possvel a classificao de
padres a partir exclusivamente de um classificador estatstico/probabilstico. A quantidade
de amostras necessrias para a classificao um fator limitante, uma vez que a base de dados
foi composta de 5.328 arquivos.
De forma semelhante, D'mery (2007) disserta sobre outra abordagem para a realizao
de classificao de padres: uma combinao da anlise estatstica com a abordagem da
inteligncia artificial, fazendo uso das redes neurais artificiais. O autor teve como objetivo
implementar um prottipo de um nariz artificial para o diagnstico da diabetes Mellitus. A
metodologia utilizada se baseou no tratamento inicial dos dados, por meio de estatstica
multivariada, em que foi empregada a anlise de componentes principais, conhecida pela sigla
1

Risers so cabos de ao que fazem a conexo fsica de uma plataforma de extrao de petrleo no mar ao poo.

19

em ingls PCA, para extrair as caractersticas principais, e o teste de hiptese para avaliao
do desempenho. Os dados tratados foram processados pelo classificador composto por uma
RNA do tipo multilayer perceptron (MLP) e de funo de base radial, conhecida pela sigla
em ingls RBF. O estudo compara os resultados da classificao sem o tratamento dos dados
pelo PCA e com o emprego de tal tcnica. Os resultados mostram uma significativa melhora
quando utilizado o tratamento prvio dos dados utilizando PCA.
Citados dois trabalhos em reas distintas, onde foram utilizadas diferentes abordagens
para resoluo do problema de reconhecimento de padres e que podem ser teis ao propsito
desta pesquisa, apresentam-se a seguir alguns estudos aplicados diretamente ao tema.
No trabalho de Khalifa (1988), proposta uma forma para se monitorar continuamente
o nvel de poluio do isolador atravs da anlise da corrente de fuga no isolador. Essa
corrente medida por um aparelho instalado no isolador e, caso seu valor ultrapasse um
limiar preestabelecido, que tem relao com o nvel de poluio, um sinal enviado ao centro
de manuteno. Trata-se de uma forma invasiva de se realizar a estimao, baseado no
monitoramento da corrente de fuga por um equipamento localizado no mesmo. Estudos
semelhantes foram realizados no Brasil, em especfico, destacam-se os trabalhos de Gis et al
(2007) e o de Mendona et al (2011), nos quais foram construdos sensores que monitoravam
a corrente de fuga em isoladores polimricos utilizados em linhas de transmisso de 69 kV. A
dificuldade em se implementar tais prticas devida grande quantidade de isoladores
presentes em LT, necessidade de instalao do aparelho monitor em cada equipamento, alm
da possibilidade de falhas e/ou quebras devido s intempries, possibilitando erros do tipo
falso positivo.
A classificao do estado fsico dos isoladores tambm abordada por Bezerra et al
(2008), em que o mesmo se interessa em determinar se o isolador possui algum defeito a
partir da anlise do sinal de ultrassom. No estudo so considerados isoladores de polmero e
testados os mtodos para classificao: Fisher, Karhunen-Love e RNA. O melhor resultado
foi obtido com o uso de RNA do tipo MLP de trs camadas. A tcnica apresentada pelos
autores se torna muito sensvel a nveis sonoros externos, pois se baseia no rudo ultrassnico.
Aplicando ao problema levantado nesta dissertao, o mtodo poderia se tornar impreciso nas
situaes em que o isolador esteja prximo a fontes intensas de som.
Em Pylarinos et al (2007), estudada a classificao de isoladores a partir da anlise
da forma de onda da corrente de fuga. So propostos trs tipos de caractersticas (perda de

20

hidrofobia, arco de banda seca e corrente no linear) aos isoladores, as quais apresentam um
comportamento especfico para a forma de onda da corrente de fuga. A transformada wavelet
(TW) foi utilizada no estudo com o objetivo de extrair os coeficientes wavelets. A partir
desses coeficientes, o classificador RNA realiza o processamento. Foram calculados os
coeficientes wavelets at o sexto nvel, e a RNA proposta foi a MLP de trs camadas.
O estudo do sinal de radiofrequncia (RF) irradiado de isoladores de alta tenso feito
em Fontgalland et al. (2004), a partir de experimentos realizados no LAT e LEMA/UFCG em
que foram feitas medies a fim de ser conhecido o espectro que estes elementos irradiam.
Esse trabalho teve como foco a constatao da presena do fenmeno de irradiao
eletromagntica de isoladores quando submetidos tenso.
Recentemente, Moura et al. (2013) realizou um estudo no qual foi comparado, a partir
dos grficos de mdia e desvio padro do espectro irradiado de isoladores em operao, o
agrupamento em regies distintas dos pontos relativos aos sinais coletados de isoladores
limpo e poludo. Essa pesquisa investigou o espectro na faixa de frequncia de 30 MHz a 130
MHz. Nesse trabalho no foi proposto um mtodo de classificao, limitou-se na comparao
visual dos grficos.
O tratamento dos dados com objetivo de extrair caractersticas relevantes do sinal a
partir da anlise wavelet faz parte do planejamento de trabalho desta dissertao. O
classificador de padres utilizado em vrios trabalhos acerca de reconhecimento de padres,
e sua utilizao, por meio da RNA, tambm faz parte desta pesquisa.

2.2 Isolador de vidro


Os isoladores de tenso, em especial os utilizados em LT, possuem duas funes
principais: isolar eletricamente o condutor carregado (fase) e a torre que o sustenta (terra) e
suportar esforos mecnicos originados da sustentao do cabo de energia conectados a eles.
Alm disso, devem ter resistncia fsica a grandes variaes de temperatura, s quais
acarretam esforos de contrao e dilatao no isolador. Esses equipamentos se destacam pela
elevada importncia que possuem na tarefa de transportar a energia eltrica a outras
localidades (HILEMAN, 1999).

21

2.2.1 Fabricao
Os isoladores devem ser fabricados para suportar elevado grau de esforo mecnico
alm de possuir uma alta rigidez dieltrica. O processo de fabricao desses equipamentos
necessita de um cuidadoso controle e monitoramento, a fim de se garantir ao final
propriedades fsicas e eltricas que garantam a sua operao de forma segura e satisfatria.
Yanaguizawa et al (2011) explicam que o dieltrico utilizado nos isoladores vtreos
composto basicamente de 72% de dixido de silcio, tambm conhecido por slica (SiO2),
13% de carbonato de sdio (Na2O) e 11% de carbonato de clcio (CaO), percentuais
aproximados. Tambm so encontrados, em menor quantidade, o oxido de magnsio (MgO),
utilizado para prevenir a devitrificao, e o oxido de alumnio (Al2O3), utilizado para
aumentar a durabilidade, nas propores aproximadas de 2,5% e 1%, respectivamente.
A composio dessas substncias introduzida em um primeiro forno, forno de fuso,
com temperatura de 1500C, onde so realizadas a fundio e a eliminao de impurezas e
gases. Logo aps, o vidro fundido introduzido em outra cmara, na qual sua temperatura
reduzida a 1200C. Aps a concluso dessa etapa, o vidro despejado em moldes e ento so
prensados e assim ganham a forma definitiva dos discos. Em seguida, os discos so
submetidos ao processo mecnico chamado de tmpera, no qual os mesmos so resfriados
bruscamente atravs de jatos de ar. Tal procedimento garante o fortalecimento da estrutura
fsica dos discos, aumentando a resistncia a esforos mecnicos e a variaes de temperatura
(YANAGUIZAWA et al, 2011).
Aps finalizar a fabricao do dieltrico, iniciada a etapa de cimentao, na qual so
fixadas, atravs de argamassa, as trs peas que compe o isolador: campnula, dieltrico e
pino, conforme ilustrado na Figura 1.
Figura 1: Isolador de vidro (vista em corte)

Cimento

Campnula
Dieltrico (vidro)

Pino
Fonte: FERREIRA, 2008.

22

A campnula e o pino so constitudos de ferro de alta resistncia mecnica. A forma


arredondada dessas ferragens tem por objetivo diminuir a ocorrncia do efeito corona.

2.2.2 Utilizao
Devido ao grande nmero de isoladores de vidro ainda em utilizao nas linhas de
transmisso de alta tenso, seu estudo se torna de grande importncia para o bom
entendimento sobre seu comportamento em situaes diversas, contribuindo na preveno de
interrupes no fornecimento de energia.
Em 2007, a CHESF possua cerca de 3 milhes de isoladores de vidro em operao,
correspondendo a 80% do total da empresa (YANAGUIZAWA; SHINOHARA, 2011). Desde
1880, quando as primeiras linhas de transmisso foram construdas, que os isoladores so de
vidro (PORTELLA, 2008). Atualmente, eles possuem uma vida til relativamente longa,
aproximadamente de 40 anos (YANAGUIZAWA; SHINOHARA, 2011).
A intensa diferena de potencial eltrico existente entre os seus terminais, associada
deteriorao do dieltrico, ocasionalmente, produz um aumento significativo na corrente de
fuga entre os seus terminais, acarretando tambm no aumento do efeito corona. Este efeito
favorece a gerao de sinais de alta frequncia (CAPELINE et al, 2012), resultando em um
espectro eletromagntico possvel de ser medido por uma antena acoplada a um analisador de
espectro, por exemplo.
Estudos feitos por Fontgalland et al. (2004) descrevem o comportamento do espectro
emitido por um isolador quando energizado. Moura et al. (2013) utilizaram os parmetros
estatsticos mdia e desvio padro para comparar graficamente os dados obtidos de medies
de RF em isoladores limpos e poludos. No referido estudo foi observado a separao em
regies distintas no grfcio dos dados referentes as duas classes estudadas: limpo e poludo.

2.2.3 O Isolador como Elemento Irradiador


O estudo do processo de gerao da onda eletromagntica irradiada pelo isolador
necessrio para que seja possvel sua interpretao e anlise.

23

conhecido que, a partir das equaes de Maxwell, tomando-se como ponto de


partida a Lei de Ampre na sua forma pontual, tem-se a Equao 1 (COLLIN, 2001):

em que

a intensidade de campo magntico,

(1)

a densidade de corrente e

densidade de fluxo eltrico, sendo todas as variveis no tempo t.


Da Equao 1, possvel observar que, a partir da variao da densidade de corrente
ou da densidade de fluxo eltrico

, possvel variar a intensidade de campo magntico

Sendo assim, de acordo com a Lei de Faraday (Equao 2) e a equao auxiliar do campo
magntico (Equao 3), uma variao de
por sua vez continua a variar

causa uma variao do campo eltrico , e esta

, completando assim o processo de irradiao de uma onda

eletromagntica.

(2)

(3)

Explicado matematicamente, de forma superficial, o processo de irradiao de uma


onda eletromagntica, feita a anlise da Equao 1 sob ponto de vista das possibilidades
para ocorrer irradiao eletromagntica. Como visto, o campo
variao de ou de

pode ser produzido pela

(Equao 1), ou seja, a partir da injeo de corrente ou de um potencial

eltrico. Assim, de acordo com a Equao 4, a densidade de campo eltrico

o produto de

por uma constante , esta definida a partir da geometria e propriedades eltricas do material.

(4)

Comumente, as antenas de comunicao so utilizadas para irradiar uma onda


eletromagntica a partir da injeo de corrente varivel no tempo de pequena intensidade.

24

Como j exposto, existe tambm outra possibilidade de excitar uma antena com o objetivo
que esta irradie uma onda eletromagntica: aplicando um alto potencial eltrico. Essa a
explicao fsica para o entendimento do que observado com os isoladores de alta tenso,
pois os mesmos se comportam de forma similar a uma antena, sendo esta submetida alta
tenso. Dessa forma possvel captar o sinal irradiado pelos mesmos e assim possivelmente
reconhecer padres dessas assinaturas espectrais.
Uma LT gera um rudo eletromagntico (REM) em uma larga faixa do espectro
(CHARTIER, 1986), o fator principal causador de tal fenmeno a presena dos isoladores
de alta tenso utilizados como suporte para sustentao dos cabos energizados. O estudo das
frequncias em que o isolador pode irradiar de grande importncia, pois assim so
conhecidas quais bandas do espectro so suscetveis interferncia eletromagntica (IEM)
proveniente desses equipamentos. Essa informao serve de referncia para que projetistas de
equipamentos eltrico/eletrnicos conheam as possveis faixas de IEM que seus
equipamentos so passveis de sofrerem, construindo tambm mecanismos de blindagens
contra esses indesejveis rudos. Como exemplo, podem ser citados equipamentos de
telemetria presentes em hospitais e indstrias, os quais operam frequentemente nas faixas de
160 MHz, 460 MHz e 900 MHz (FONTGALLAND, 2005). Nesse caso, tais equipamentos,
quando instalados prximos s LT, sofreriam interferncias devido irradiao
eletromagntica gerada principalmente pelos isoladores.
No estudo de Rocha e Fontgalland (2014), foram feitas medies em isoladores de alta
tenso utilizando o analisador vetorial de rede, ou do nome em ingls vector network analyzer
(VNA). No referido trabalho, o isolador considerado como uma antena e ento o coeficiente
de reflexo (S11) medido indica em quais faixas de frequncia o isolador apresenta
ressonncia, ou seja, consegue irradiar maior nvel de potncia, considerando a impedncia de
entrada do VNA de 50 .
A Figura 2 ilustra os resultados obtidos nas medies do S11 feitas em duas posies
do isolador (campnula e pino) e em dois isoladores (limpo e poludo) (ROCHA;
FONTGALAND, 2014).

25

Figura 2: Coeficiente de reflexo (S11) medido de isoladores. (a) Conector soldado na campnula e (b) conector
soldado no pino.

(b)

(a)
Fonte: ROCHA; FONTGALAND, 2014.

possvel perceber que na faixa aproximada de 120 MHz a 150 MHz houve uma
ressonncia, com S11 menor que -10 dB, o que indica uma possvel faixa de irradiao de
sinal. Tambm observada a distino da intensidade do S11 em ambas as classes de
isoladores, limpo e poludo, estando o isolador limpo irradiando em maior intensidade do que
o poludo.

2.3 Reconhecimento de Padres


Reconhecimento de padres (RP) uma rea da cincia na qual se busca classificar
objetos dentro de um nmero de categorias ou classes (THEODORIDIS; KOUTROUMBAS,
2006). O referido autor explica que esses objetos podem ser desde imagens, dados de medio
ou qualquer tipo de sinal que represente um fenmeno. Analisando-se os parmetros desses
objetos, tambm conhecidos como atributos, a tarefa de RP estabelecer o relacionamento de
cada padro de atributos com uma classe, podendo esta j ser preestabelecida ou no.
O ato de reconhecer padres natural aos animais, em especial os seres humanos, pois
no dia a dia constantemente necessrio classificar objetos e fazer inferncias sobre os
mesmos: reconhecer alimentos, rostos, letras, objetos, sons, etc. Haykin e Veen (2001)
definem reconhecimento de padres como "o processo pelo qual um padro/sinal recebido
atribudo a uma classe dentre um nmero predeterminado de classes (categorias)".
Generalizando, o processo de reconhecer um padro associar um estmulo de entrada (um
sinal de qualquer natureza) a uma classe de padres j "conhecidos" ou no.

26

Vrias so as aplicaes computacionais que necessitam classificar padres para


resolver um dado problema. Tal demanda surge porque cada vez mais comum encontrar
softwares e mquinas que interajam com o ambiente externo e com o ser humano, estes
contendo uma infinidade de parmetros imprecisos e incertos. A simples tarefa de um
software de reconhecimento ptico de caracteres, tambm conhecido pela sigla em ingls
(OCR), por exemplo, que faz o reconhecimento de caracteres de textos digitalizados, uma
aplicao de RP.
Quando um scanner digitaliza algum documento, este reconhecido pelo computador
inicialmente como um arquivo de imagem, sem qualquer tipo de conhecimento ou
relacionamento sobre as sequncias de bits que compe o arquivo. Aps serem processados
por um software OCR, esses bits so analisados, comparados com certos padres j
preestabelecidos, e ento cada sequncia de dados interpretada (classificada) como
pertencente a uma classe especfica (smbolos alfanumricos). Em resumo, as sequncias de
bits, antes interpretadas apenas como pixels, aps a anlise, so reconfiguradas para serem
interpretadas como caracteres.
Segundo expe Bianchi (2006):
Um problema de reconhecimento de padro consiste de uma tarefa de
classificao ou categorizao, onde classes so definidas pelo projetista do
sistema (classificao supervisionada) ou so 'aprendidas' de acordo com a
similaridade dos padres (classificao no supervisionada).

O autor expe as duas formas de se realizar o reconhecimento de padro:


supervisionada e no supervisionada. Bianchi (2006) continua seu estudo sobre o tema
dizendo que o projeto de um sistema de RP envolve trs etapas: aquisio dos dados (extrao
das caractersticas); preprocessamento (seleo das caractersticas mais importantes no
processo de RP) e representao dos dados; e classificao (tomada de deciso). Na Figura 3
ilustrado o modelo geral de um sistema RP.
Figura 3: Etapas de um sistema RP.

Representao
dados entrada

Extrao
caractersticas
principais

Classificador

Fonte: Prprio autor.

Essas etapas esto sempre presentes em um sistema RP e sua eficincia est


relacionada com a forma em que concebida e implementada cada uma delas.

27

Uma aplicao de reconhecimento de padres pode ser feita para estudar certos tipos
de sinais. Os sinais tm a capacidade de expressar, atravs de nmeros, desde fenmenos da
natureza bem como conjuntos de caractersticas fsicas sobre algo. O processamento de sinais
torna vivel, atravs de clculos matemticos, operaes envolvendo variveis naturais,
obtidas a partir de transdutores que "percebem" a ocorrncia de certos fenmenos na natureza
e os quantificam, transformando-os para um domnio numrico.
Segundo Haykin e Veen (2001), o sinal " formalmente definido como uma funo de
uma ou mais variveis, a qual veicula informaes sobre a natureza de um fenmeno fsico".
Dessa forma, a classificao de sinais um tipo de aplicao que serve para as diversas reas
do conhecimento: biologia, mdica, geologia, eletromagnetismo, etc. O estudo das formas e
tipos desses sinais, juntamente com a tentativa de classific-los em classes (padres), tema
constante de trabalhos e pesquisas, como pode ser observado em Ferreira (2011), Vieira
(2008), Demery (2007), entre outros.

2.4 Wavelet
No campo da anlise de sinais, a anlise da representao desses, atravs de diferentes
domnios, importante para interpret-los de forma mais objetiva. A depender do tipo do
sinal e do objetivo da anlise, o estudo das componentes de frequncia (anlise espectral)
fundamental para a obteno de resultados satisfatrios. Assim, nos subtpicos a seguir, so
abordados conceitos de anlise de sinais, iniciando-se pela anlise no domnio espectral.

2.4.1 Anlise Tempo x Frequncia


O sinal normalmente expresso no domnio temporal, visto que se refere a uma
medida realizada ao longo do tempo. Porm, muitas vezes, dada sua complexidade, essa
anlise fica prejudicada, principalmente quando ocorre a presena de rudos que podem se
misturar ao sinal em anlise e com isso mascarar a interpretao do sinal original. Dado esse
fenmeno, um sinal pode ser representado em outro domnio, como por exemplo, o domnio
da frequncia.

28

Na Figura 4 possvel visualizar um sinal nos domnios do tempo e da frequncia


simultaneamente.
Figura 4: Visualizao dos sinais nos domnios do tempo e da frequncia.

Fonte: http://groups.csail.mit.edu/netmit/wordpress/projects/sparse-fourier-transform/.

No exemplo ilustrado na Figura 4, tm-se trs sinais quaisquer, com incios e trminos
iguais, porm com amplitudes e frequncias diferentes.
Pode-se perceber que, na visualizao no domnio temporal, no possvel extrair de
forma apenas visual qualquer informao sobre o sinal, devido sobreposio das suas
componentes de frequncia. J, quando o mesmo sinal analisado no domnio da frequncia,
possvel identificar que o mesmo composto por trs sinais, com frequncias e amplitudes
distintas.
Atravs de operaes matemticas denominadas transformadas, possvel a troca do
domnio do tempo para frequncia, e vice e versa.

2.4.2 Sries de Fourier


O estudo de sinais a partir de suas componentes de frequncia teve incio em meados
de 1822, a partir do trabalho de monografia de Jean Baptiste Joseph Fourier. No referido
trabalho, o autor teve como objetivo inicialmente estudar as trocas de calor entre os corpos.
Fourier provou que uma funo

de perodo

pode ser representado por uma

srie trigonomtrica infinita descrita na Equao 5 (TANG, 2007):

(5)

29

sendo os coeficientes

estes coeficientes

definidos de acordo com as Equaes 6 e 7, respectivamente:

com amplitude
representa as

(6)

(7)

so conhecidos como coeficientes de Fourier. Na Equao 5, que

representa a expanso de Fourier, o primeiro termo (


sobre o perodo

) representa o valor mdio da funo

. Na somatria, o termo

compreendidas no perodo
senides contidas no perodo

representa as

ondas cosseno

, da mesma forma, o termo


.

2.4.3 Transformada de Fourier Contnua (TFC)


A Transformada de Fourier (TF) uma generalizao da Srie de Fourier. A TF
fornece uma representao em termos de superposio de senides, de funes definidas
sobre um intervalo infinito sem uma determinada periodicidade (TANG, 2007).
Atualmente a TF amplamente utilizada nas reas da cincia e engenharias
principalmente no estudo de imagens e ondas sonoras, porm quando a complexidade dos
sinais aumentada, por exemplo, com sinais no estacionrios, como fenmenos transitrios
(voz, circuitos eltricos, sinais biolgicos), essa tcnica no se torna eficaz (AKAY, 1998).
Bendat e Piersol (2010) explicam que a utilizao da TF mais adequada quando se
tm sinais estacionrios. Oliveira (2007) afirma que o principal motivo dessa limitao o
fato que a TF analisa a contribuio de cada componente harmnica no sinal como um todo.
Dessa forma, a anlise via TF no eficiente quando o sinal apresenta componentes de
frequncia com incio e trmino em instantes diferentes aos do sinal como um todo.
A TF de um sinal contnuo

definida na Equao 8 e sua inversa na Equao 9

(MERRY, 2005):
,

(8)

(9)

30

Analisando em detalhe a Equao 8, a qual define a TFC, so observados os termos


que representa a funo no domnio do tempo a qual se deseja realizar a transformada,
a frequncia e o termo
convoluo com o sinal

a funo exponencial complexa que executa uma


, para cada frequncia

(RICCIOTTI, 2006).

As TF direta e inversa contnua so vlidas se forem cumpridas as condies de


Dirichlet (MERRY, 2005):

A integral

deve existir, i.e. a transformada

quando

O sinal no tempo

e sua transformada

so de valor nico, i.e. no

pode haver dois valores para o mesmo tempo e frequncia;

O sinal

e sua transformada

so funes definidas por trechos. Uma

funo definida por trechos deve ter um valor no ponto de descontinuidade que
igual a mdia dos pontos a direita e a esquerda;

Condio suficiente, mas no necessria que a funo

tenham

limites inferior e superior.


Na prtica, o cumprimento dessas condies se torna difcil, principalmente devido ao
fato de que o sinal em que normalmente esta se trabalhando no contnuo. Em aplicaes de
engenharias principalmente, o sinal coletado est na forma discreta, com determinados valores
ao longo de intervalo de tempo finito. Para esses casos, utiliza-se a Transformada de Fourier
Discreta (TFD).

2.4.4 Transformada de Fourier Discreta (TFD)


A TFD e a sua inversa so definidas matematicamente pelas Equaes 10 e 11,
respectivamente.

(10)

31

Na TFD, o nmero
representada por

(11)

definido como o nmero total de amostras, onde cada amostra

Em situaes em que o valor de

muito alto, o clculo analtico da

alto esforo computacional, pois a matriz a ser calculada seria da ordem de

exige um
. Para resolver

essa limitao do mtodo, em 1965 foi criado pelos pesquisadores Cooley e Tukey o
algoritmo Fast Fourier Transform (FFT) (Transformada Rpida de Fourier), ento a TFD se
tornou bastante utilizada (GAO; YAN, 2011). Para a execuo do algoritmo, necessrio que
o valor de N seja potncia inteira de 2.

2.4.5 Transformada de Fourier de Tempo Curto


A transformada de Fourier de tempo curto, denominada em ingls por Short Time
Fourier Transform (STFT) foi idealizada por Dennis Gabor em 1946 como tentativa de
solucionar uma limitao da TF convencional, que a perda da informao temporal (GAO;
YAN, 2011).
Tambm conhecida como Transformada de Gabor ou janelada, essa transformada
introduz um carter local ao processo e passa a depender fortemente do instante de tempo
analisado. Enquanto que na TF a anlise era em todo o domnio no qual a funo era definida,
na STFT, a anlise passa a ser segmentada em vrias janelas.
Nas Figuras 5a e 5b so ilustrados como a STFT se difere da TF convencional. Na
primeira, as frequncias extradas se referem ao conjunto completo para o qual o sinal
definido, no caso ilustrado, a janela em vermelho indica que a transformada aplicada desde
o tempo t=0 at t=50. Na segunda, as janelas azuis indicam que a transformada aplicada em
cada retngulo separadamente, fazendo com que as componentes de frequncia extradas
sejam especficas de cada janela analisada.

32
Figura 5: Janela de anlise: (a) Transformada de Fourier (TF) e (b) Transformada de Fourier de Tempo Curto (STFT).

Janela de anlise (TF)

Janelas de anlise (STFT)

(a)

(b)
Fonte: Prprio autor.

Dessa forma, possvel identificar as senides que compem cada trecho do sinal
compreendido em cada janela.
A STFT definida pela Equao 12 (AKAY, 1998):

(12)

Nota-se que a Equao 12 se difere da Equao 8 somente pela incluso da funo


na integral. Essa funo representa a janela que ser analisada, na qual

so os

instantes de tempo final e inicial, respectivamente, e sua diferena indica o intervalo de tempo
da janela. Os outros termos so iguais ao da Equao 8, tais como
e a exponencial complexa

que representa o sinal

na qual realizada a convoluo para cada frequncia .

Uma caracterstica importante da funo

com relao a largura da janela, ou seja, o

tamanho do intervalo de tempo a ser considerado na transformada. Quanto mais estreita for a
janela (menor largura) maior ser a resoluo no tempo e mais prximo o sinal janelado se
aproximar da estacionariedade, porm sua resoluo em frequncia ser menor, e vice-versa.
A limitao dessa tcnica com relao ao tamanho da janela, pois esse fixo em
todas as faixas de frequncia. Como j exposto, com uma janela muito estreita se tem uma
boa resoluo no domnio temporal, porm perdida a preciso com relao anlise da
frequncia, pois tem associado no espectro uma funo com lbulo principal largo, resultando
em uma reduo da resoluo entre frequncias prximas (CROVATO, 2004).

33

Na Figura 6 possvel visualizar com maior clareza a influncia do tamanho da janela


na resoluo no tempo e na frequncia. Na Figura 6a, tem-se uma janela gaussiana no tempo
de base mais larga. Essa caracterstica implica em menor preciso nesse domnio, pois sero
calculadas muitas frequncias prximas ao ponto mdio da base. Em contra partida, na
mesma figura, observa-se que no eixo espectral a base da curva gaussiana est mais estreita, o
que representa uma maior preciso das frequncias que sero calculadas. O contrrio acontece
na Figura 6b, pois como a largura da janela no domnio do tempo menor, ou seja, a base da
janela gaussiana mais estreita se comparada a anterior, a resoluo nesse domnio aumenta. J
no eixo das frequncias a resoluo diminuda, pois a base da janela larga.
Figura 6: Visualizao de dois tamanhos para a largura da janela da STFT. (a) Tamanho igual a e (b) tamanho
igual a /2.

(a)

(b)
Fonte: Adaptado de GAO; YAN, 2011.

Como alternativa para contornar a limitao da STFT em relao a janela fixa, as


wavelets possibilitaram o janelamento varivel do sinal.

2.4.6 Transformada Wavelet Contnua (TWC)


No perodo compreendido entre a dcada de 40 e incio de 70, muitas transformadas
foram desenvolvidas, porm, basicamente, a nica distino entre elas eram a escolha da
funo janela aplicada na STFT (BARBOZA, 2008).
J no final da dcada de 70, Morlet idealizou a utilizao de funes janela para
analisar diferentes bandas de frequncia. Alm disso, essas funes continham um parmetro

34

que realizava uma contrao ou dilatao nelas. O nome dado inicialmente a essas funes foi
Wavelets, pelo motivo de serem pequenas e oscilantes (GROSSMAN; MORLET, 1984).
Na Figura 7 so ilustrados alguns exemplos de funes wavelets, denominadas de
wavelets me.
Figura 7: Exemplos de wavelets me: (a) Haar, (b) Daubechies 2, (c) Coiflet 2 e (d) Symlet 2.

(a)

(b)

(c)

(d)

Fonte: Mathworks <http://www.mathworks.com/help/wavelet/>.

Em contraste ao que observado com a transformada de Fourier, que utiliza senides


infinitas (ondas longas) em sua anlise, as wavelets

so ondas de pequeno comprimento

e que a rea delimitada pela sua curva zero, de acordo com a Equao 13.
J no domnio da frequncia, essa propriedade equivale afirmar que o espectro da
wavelet tem valor zero em

igual a zero, de acordo com a Equao 14, e considerando

como a transformada de Fourier da funo

(BURROS; GOPINATH; GUO, 1988).

(13)

(14)

A Transformada Wavelet Contnua, denotada por sua sigla em ingls como


, definida pela Equao 15:

(15)

35

em que

so constantes e indicam a escala e o deslocamento, respectivamente, da

wavelet. Percebe-se que na Equao 15 realizada uma convoluo entre o sinal


wavelet

ea

, portanto seu resultado ser proporcional ao grau de similaridade do sinal

e a wavelet

(RICCIOTTI, 2006).

A funo

a wavelet, tambm conhecida por wavelet me, e definida de

acordo com a Equao 16:

em que o termo
variaes de

(16)

um fator de normalizao da energia do sinal para diferentes escalas. As


e

formam a base das funes da transformada. Na Figura 8 ilustrado o

efeito da variao da escala e do deslocamento de uma funo wavelet.


Figura 8: Wavelets com diferentes escalas e deslocamentos.

Deslocamentos
Fonte: Adaptao de <http://georgemdallas.files.wordpress.com/2014/05/scale.gif>.

Para a>0, o valor de

inversamente proporcional a frequncia da funo wavelet

me (GAO; YAN, 2011). Essa caracterstica comprovada observando a Figura 8, pois


percebido que ao aumentar o valor da escala da wavelet me, a mesma dilatada, ou seja, sua
frequncia diminuda. No caso oposto, no qual o valor da escala menor, a funo
comprimida, e sua frequncia aumenta.
Dessa observao, pode-se concluir que com o janelamento realizado por uma wavelet
me com escala maior, ou seja, ela estando na sua forma mais alongada, ir fornecer uma

36

visualizao mais global do sinal, porm com menor preciso. J com a escala menor, estando
a funo wavelet me na sua forma mais comprimida, a visualizao ter maior nvel de
detalhamento local, entretanto, perde-se informaes sobre o comportamento global
(OLIVEIRA, 2007b).

2.4.7 Transformada Wavelet Discreta


A TWC faz um mapeamento de um sinal no tempo (unidimensional) em uma
representao no tempo e escala (bidimensional) (OLIVEIRA, 2007), fazendo alteraes nos
parmetro escala e deslocamento de forma contnua. Sua principal utilidade na deduo das
propriedades da transformada e na construo do modelo matemtico. Na prtica a utilizao
da TWC impraticvel devido a necessidade de se realizar infinitas translaes
(deslocamentos) e escalonamentos, o que geraria muita redundncia e alto grau de esforo
computacional (LIRA, 2004).
Como alternativa ao uso da TWC, est a utilizao dos parmetros escala e
deslocamento na forma discreta, a qual se d o nome de Transformada Wavelet Discreta ou a
sigla DWT do ingls Discrete Wavelet Transform. A DWT ento defina de acordo com a
Equao 17 (OLIVEIRA, 2007a):

em que

(17)

so inteiros associados aos parmetros escala e deslocamento, respectivamente,

o passo fixo de dilatao,

o fator de deslocamento fixo.

Nota-se que a diferena da TWC para DWT est restrita a equao que define a
wavelet me

. Isso devido ao fato que na DWT apenas os valores de escala e

deslocamentos so discretizados, permanecendo os valores da varivel independente do sinal


contnuos.
Usualmente definido

obtendo a chamada amostragem didica,

expresso na Equao 18 (CROVATO, 2004).

37

(18)

Nesse tipo de amostragem, os valores de escala so na forma de potncia de 2


(

) e os passos de dilatao com sendo 1

. Na Figura 9 ilustrado o grfico de

amostragem didica:
Figura 9: Grfico da amostragem didica.

Fonte: Adaptao de <http://masters.donntu.edu.ua/2006/kita/byelikova/library/art1.html>.

O resultado da DWT de um sinal contnuo

ser uma srie de coeficientes

denominados de coeficientes de decomposio em wavelets,

(SIMPSON, 1993),

definidos pela Equao 19:

(19)

2.4.8 Anlise Multiresoluo


Uma tcnica bastante utilizada na rea de processamento de sinais a utilizao de
filtros com o objetivo de analisar sinais em mltiplas bandas de frequncia. Mallat (1989)
incorporou essa tcnica j conhecida no clculo da DWT. A ideia principal analisar o sinal a
partir da aplicao de dois filtros, passa-baixa (LPF) e passa-alta (HPF), de modo que o
espectro do sinal seja dividido ao meio.
As componentes resultantes do filtro passa-alta que contm as altas frequncias e
possuem informaes acerca dos detalhes, enquanto que as outras componentes resultantes do
filtro passa-baixa, contendo as baixas frequncias, fornecem informaes apenas da viso
global dessas frequncias, sem detalhes (DAUBECHIES, 1988). Esse processo de filtragem

38

realizado sucessivamente de forma iterada e assim d origem a chamada rvore de


decomposio wavelet, ilustrada na Figura 10:
Figura 10: Anlise multiresoluo.

Fonte: Prpria do autor.

A vantagem desse mtodo a utilizao apenas de dois filtros em cada etapa. Dessa
forma, pode-se entender que a DWT similar ao esquema de codificao em sub-banda
usando um banco de filtros. Nota-se que aps o processamento pelos filtros, a quantidade de
amostra dos sinais se reduz metade.
Como o processo pode acontecer em vrios nveis, a notao para especificar cada
trecho de sinal mostrado na Figura 11:
Figura 11: rvore de decomposio de coeficientes wavelets.

Fonte: Prpria do autor.

39

Normalmente utilizada apenas a numerao localizada abaixo das siglas cA e cD,


conforme a Figura 11, para identificar os coeficientes.
Na maioria dos sinais, as componentes de baixa frequncia so mais importantes pois
nelas se encontram a identidade do sinal original, j as de alta frequncia carregam o contedo
dos detalhes desses dados. Assim, denomina-se como coeficientes de aproximao (cA) e
coeficientes de detalhes (cD) as componentes de baixa e alta frequncia, respectivamente.

2.5 Redes Neurais Artificiais (RNA)


Com o objetivo de criar ferramentas e mquinas mais otimizadas, os projetistas
encontraram na natureza diversas fontes de inspirao, dentre elas o crebro. Este rgo ainda
amplamente estudado por cientistas na busca de entender melhor seu funcionamento e tentar
reproduzir de forma artificial seu processamento. Assim foram criados os primeiros sistemas
de inteligncia artificial, em que de certa forma imitam o funcionamento desse rgo.

2.5.1 O Neurnio Biolgico


Estima-se que existam aproximadamente 10 bilhes de neurnios no crebro humano,
e quando esto estruturados de forma a se conectarem uns com os outros, d origem a uma
rede neural biolgica. Comparados a estruturas lgicas de silcio, os neurnios so cerca de
cinco a seis ordens de grandeza mais lentos, pois enquanto que em um circuito de silcio o
tempo de processamento de um evento acontece na ordem de nanossegundos (
neurnios esse valor aumenta para a ordem de millissegundos (

s), nos

s) (HAYKIN, 2001).

Por outro lado, os neurnios so estruturas altamente eficientes em termos energticos se


comparados, novamente, aos circuitos de silcio, apresentando uma taxa de
joules/operao contra

joules/operao nos componentes encontrados nos computadores

(FAGGIN, 1991).
Na Figura 12 ilustrado o desenho de um neurnio biolgico. Essa clula a unidade
fundamental de toda a estrutura do crebro e dos demais tecidos nervosos.

40
Figura 12: Neurnio biolgico.

Fonte: <http://janelambulante.blogspot.com.br/2012/05/licao-do-neuronio.html>.

O neurnio biolgico, de forma simplista, possui trs partes: dendritos, corpo celular e
axnio. O primeiro responsvel pela percepo dos estmulos eltricos, nessa parte o
neurnio recebe o sinal eltrico. A depender da intensidade do potencial eltrico que o corpo
celular se encontra, esse estmulo propagado ou no. Caso venha a ser propagado, esse sinal
transmitido pelo axnio, atravs da sinapse, para as demais clulas do corpo (outros
neurnios, msculos, pele, etc.).
As atividades eltricas que acontecem no neurnio biolgico, na maioria das vezes,
ocorrem por meio de rpidos pulsos de tenso, tambm conhecidos por potenciais de ao. A
razo para isso decorre principalmente da estrutura fsica do axnio, pois o mesmo muito
longo e fino, e suas propriedades eltricas so representadas por uma alta impedncia e
capacitncia distribudas por toda sua estrutura. Assim, o axnio pode ser modelado
eletricamente como uma linha de transmisso com resistncia em srie e uma capacitncia em
paralelo, dessa forma um potencial originado em uma extremidade decai exponencialmente
com a distncia, alcanando a outra extremidade com uma intensidade insignificante.
Portanto, para evitar esse problema, a transmisso dos sinais eltricos entre neurnios ocorre
de forma pulsada (ANDERSON, 1995).

2.5.2 Neurnio Artificial


De maneira anloga ao neurnio biolgico, o neurnio artificial uma estrutura lgica
que tem por objetivo funcionar de forma semelhante ao neurnio encontrado na natureza. Sua
primeira idealizao data de 1943 e ficou conhecido como neurnio de McCulloch e Pitts o
qual ilustrado na Figura 13:

41
Figura 13: Modelo do neurnio artificial de McCulloch e Pitts.

Fonte: HAYKIN, 2001.

O funcionamento do neurnio proposto se d de forma similar ao natural, no qual


existe uma camada de entrada onde os dados so inseridos no neurnio, sendo esses
ponderados (multiplicados) pelos respectivos pesos sinpticos de cada entrada. Ento, um
combinador linear soma esses valores e o resultado serve de parmetro para uma funo de
ativao (.) que tem por objetivo restringir a amplitude do sinal de sada do neurnio.
Usualmente, a funo de ativao definida de forma que sua sada esteja compreendida
dentro no intervalo fechado [0,1] ou [-1,1]. H tambm o bias, que tem por objetivo aumentar
ou diminuir a entrada lquida do valor que ser entrada para a funo de ativao, ou seja, ele
representa um significado de tendncia ou limiar de ativao (HAYKIN, 2001).
As Equaes 20 e 21 modelam matematicamente o funcionamento do neurnio :

em que

(20)

(21)

representa o resultado da somatria de todas as entradas

ponderadas pelos respectivos pesos sinpticos


indicada por

. Por fim, a resposta do neurnio

, o qual resultado da aplicao da funo de ativao

argumento a soma de

com o bias

, do neurnio

, tendo como

42

A funo de ativao define a sada do neurnio, na qual pode se d de vrias formas.


importante salientar que o conhecimento adquirido em uma RNA, mais especificamente
em cada neurnio, est nos valores dos pesos sinpticos de cada conexo interneuronal.

2.5.3 Funo de Ativao


Existem basicamente trs tipos bsicos de funes de ativao, expostos na Figura 14:
Figura 14: Exemplos de funes de ativao.

(a)

(b)

(c)

Fonte: HAYKIN, 2001.

Na Figura 14a, tem-se a funo de limiar, tambm conhecida como funo de


Heaviside. Essa funo foi a utilizada no primeiro neurnio artificial proposto por McCulloch
e Pitts, na qual sua sada possui apenas duas possibilidades, valor 1 se seu parmetro for
positivo ou 0 se negativo. A definio matemtica expressa pela Equao 22:

(22)

No grfico ilustrado pela Figura 14b, tem-se uma regio compreendida entre o
intervalo [-1,1], na qual o fator de amplificao a unidade. Tal situao se aproxima a de um
amplificador linear. Nota-se para o fato que se a regio linear de operao (

mantida sem entrar em saturao, o resultado um combinador linear, porm se o fator de


amplificao da regio linear tender ao infinito, a curva se reduz a funo de limiar. A
Equao 23 define a funo linear por partes:

43

(23)

O ltimo exemplo de funo de ativao uma funo no linear do tipo sigmide,


ilustrada na Figura 14c e definida pela Equao 24, tambm conhecida por funo logstica. A
variao do parmetro

tem relao com o grau de inclinao da curva s, assim quando

tende ao infinito, a curva da funo se aproxima da curva da funo de limiar.

(23)

A funo logstica a mais utilizada, dada a sua capacidade de representar fenmenos


naturais no lineares, e sua caracterstica de se obter um intervalor contnuo de valores entre
-1 e 1 como resultado.

2.5.4 Perceptron
Um neurnio ou uma rede neural so estruturas estticas, modelos lgicos de
estruturas de dados que no possuem utilidade sozinha. Para se tornarem ferramentas teis,
essas necessitam de um algoritmo de treinamento para que assim adquiram a inteligncia
esperada e solucione os problemas almejados. Os algoritmos de aprendizagem possuem a
tarefa de realizar o treinamento do neurnio ou de uma RNA, de modo que essas estruturas
possam obter resultados desejveis.
Em 1958, Rosenblatt desenvolveu o perceptron, o qual definido como a forma mais
simples de uma RNA usada com objetivo de reconhecer padres linearmente separveis
(HAYKIN, 2001). Sua estrutura de apenas um neurnio, com seus pesos e bias ajustveis
atravs de um algoritmo prprio baseado na comparao dos resultados obtidos.
O perceptron representado a partir do modelo de grafo de fluxo de sinal, conforme a
ilustrado na Figura 15:

44
Figura 15: Grafo de fluxo de sinal (Perceptron).

Fonte: Adaptao de Haykin (2001).

O perceptron constitudo de apenas uma camada idealizado para o reconhecimento


de padres linearmente separveis, representado por um conjunto de entrada
sua sada limitada a duas classes
Sendo a funo de ativao

ou

,e

.
do tipo limiar, ilustrada na Figura 14a, um exemplo

de regra de deciso se a sada do classificador for +1, os valores de entrada pertencem a


classe

, caso a sada resulte em 0, pertencem a classe

Para o traado de um mapa de duas regies no espao de sinal -dimensional para


valores de entrada

, tem-se a separao dada pelo hiperplano definido na

Equao 25:
.

(25)

Como exemplo ilustrativo, assumem-se dois valores de entrada para o neurnio

, e havendo duas regies (classes) separveis por uma reta, de modo que acima da reta que
define a regio de fronteira pertena a classe

e abaixo a classe

(HAYKIN, 2001).

Assim, o mapa bidimensional construdo relacionando as variveis de entrada com a


regio a qual pertence ilustrado na Figura 16:
Figura 16: Mapa bidimensional do relacionamento de duas variveis com duas classes.

Classe
Classe

Fronteira de deciso
Fonte: Prpria do autor.

45

Ao executar o algoritmo de aprendizagem, denominado de convergncia do


perceptron, por exemplo, os pesos sinpticos so ajustados de forma que para cada conjunto
de valores de entrada (

), seja satisfeita a condio estabelecida na regra de deciso de

relacionamento dessas duas classes, delimitada pela reta que representa a regio de fronteira
de deciso.

2.5.5 Perceptron de Mltiplas Camadas


O Perceptron de Mltiplas Camadas (MLP multilayer perceptron) constitui uma
RNA formada por ns dispostos em camadas, conforme apresentado na Figura 17.
Tipicamente, essa rede composta de uma camada de entrada, constituda de ns sensoriais,
uma ou mais camadas ocultas, formada de ns computacionais e uma camada de sada,
formada tambm por ns computacionais. A distino do tipo de n em sensorial ou
computacional diz respeito ao tipo do n, no primeiro, o n tem funo apenas de representar
os dados de entrada da rede, no outro, o n corresponde aos neurnios artificiais. Cada n de
uma respectiva camada tem conexo com todos os outros ns apenas das camadas adjacentes.
Figura 17: Perceptron de Mltipla Camada (MLP).

Fonte: Prpria do autor.

O MLP uma generalizao do perceptron de camada nica, visto na seo anterior, e


seu funcionamento se d por meio da propagao do sinal atravs das camadas. Esse modelo
amplamente utilizado com sucesso para resoluo de problemas complexos, no lineares, por
meio do algoritmo de treinamento supervisionado de retropropagao de erro (error backpropagation).

46

Baseado na regra de aprendizagem por correo de erro, esse algoritmo funciona em


duas etapas. Na primeira, para frente (propagao), um padro de valores de entrada (vetor de
entrada -

,...,

) apresentado aos ns sensoriais, camada de entrada e ento os

neurnios seguintes so estimulados e seu efeito se propaga para as demais camadas da rede,
at a ltima. Ao chegar camada de sada, essa resulta a resposta real da rede e ento
calculado um sinal de erro, o qual obtido pela diferena da resposta real dada pela rede e a
resposta desejada (alvo) esperada para o vetor de entrada apresentado. Ento, dar-se incio a
segunda etapa do treinamento, na qual os pesos sinpticos so ajustados de acordo com a
regra de correo do erro, levando-se em conta esse sinal de erro calculado no passo anterior.
O sentido do processo de ajustes dos pesos sinpticos se d para trs
(retropropagao), contra a direo convencional das conexes sinpticas, essa caracterstica
que d nome ao algoritmo, ilustrado na Figura 18.
Figura 18: Fluxo do sinal no algoritmo backpropagation.

Fonte: SANTOS, 2008 (adaptado).

Haykin (2001) ressalta que um perceptron de mltiplas camadas possui trs


caractersticas prprias:

A funo de ativao definida nos neurnios de uma rede MLP so do tipo nolinear. Salienta-se que a no-lineariedade deve ser suave, ou seja, diferencivel
em todos os pontos. Usualmente a funo de ativao escolhida uma sigmide,
do tipo apresentado na Equao 24, e com o parmetro de inclinao

igual a 1;

A rede MLP deve conter uma ou mais camadas ocultas, as quais tm como
funo extrair ao mximo informaes significativas acerca dos vetores de
entrada;

Uma rede MLP possui um alto grau de conectividade devido as muitas conexes
sinpticas.

47

2.5.6 Limitaes da RNA


Uma rede MLP uma ferramenta altamente robusta e eficaz quando utilizada para
classificao, devida suas propriedades de generalizao, aprendizagem, mapeamento
entrada-sada, adaptabilidade, tolerncia a falhas entre outras. Entretanto, essas mesmas
caractersticas so responsveis pela ausncia de informaes sobre o comportamento interno
da rede. Isso se d principalmente devido a dois fatores: a presena de um processamento
puramente distribudo e no linear, de forma que se tem um elevado nmero de interconexes
e o outro a dificuldade de visualizao devido presena dos neurnios ocultos (HAYKIN,
2001).
Uma RNA usualmente mencionada como uma caixa-preta, devido a essa
caracterstica de no se conhecer ao certo o que ocorre internamente. Pesquisas tm sido
realizadas com o objetivo de extrair conhecimento e criar procedimentos explicativos que
justifiquem o comportamento dessas redes em situaes especficas (FU, 1994).
O tempo de processamento outro fator que, a depender do grau de complexidade do
problema a ser tratado, e tambm dos recursos computacionais disponveis, pode torna seu
uso limitado, pois em diversas situaes so necessrios milhares de ciclos de treinamento da
rede para obteno de resultados satisfatrios.
A ltima dificuldade listada na utilizao desse mtodo est na ausncia de uma regra
objetiva que especifique certos parmetros da rede, tais como a quantidade de camadas
ocultas, nmero de neurnios nas camadas, melhor funo de ativao, entre outros (LIRA,
2004). difcil alcanar uma configurao tima absoluta, em que se tem a certeza que se
trata da rede mais eficiente para a soluo de um determinado problema. Os trabalhos que
aplicam RNAs definem uma arquitetura para a rede de forma emprica, na base da tentativa e
erro. Pesquisas envolvendo algoritmos genticos so desenvolvidas com o objetivo de
otimizar a escolha desses parmetros (MENDES; CARVALHO, 1997).

48

2.6 Consideraes finais


A reviso bibliogrfica realizada nesse segundo captulo de grande importncia para
contextualizar no mbito das tcnicas e mtodos amplamente estudados e utilizados no meio
acadmico.
Na primeira subsesso do referido captulo foi revisado alguns trabalhos que tm
correlao com o presente estudo: classificao de padres e isoladores de alta tenso. Logo
aps, na sesso 2.2, foi apresentado o isolador de vidro de alta tenso, suas caractersticas
construtivas e de utilizao. Tambm foi feita uma anlise acerca da sua propriedade de
irradiao de ondas eletromagnticas, estas, objeto principal de estudo e classificao por
parte desta pesquisa.
Na sequncia, sesso 2.3, foi abordado o assunto de reconhecimento de padres (RP).
Assim, foi exposto um conceito geral de um sistema RP e tambm suas possveis aplicaes.
J no subcaptulo 2.4, foi feita uma criteriosa reviso terica sobre processamento de sinais.
Desde a anlise por Fourier, a qual se mostrou propcia principalmente a sinais peridicos e
estacionrios, mostrando os avanos obtidos com a Transformada de Fourier de Tempo Curto,
na qual feita um janelamento do tempo. Por fim, definida a Transformada Wavelet, a qual
foi demonstrada seu alto grau de detalhamento do sinal, principalmente sendo esses no
peridicos e no estacionrios.
Por fim, na sesso 2.5, foi abordada a tcnica de IA Redes Neurais Artificiais,
definidas as equaes que descrevem o mtodo e expostas as caractersticas e propriedades
sobre a mesma. Por se tratar de um mtodo de classificao inspirado nos neurnios
biolgicos, demonstrou-se sua caracterstica de processamento paralelo e sua alta capacidade
de generalizao.

49

3 Medies

Neste captulo apresentado o processo de medio de irradiao do isolador,


identificado os equipamentos utilizados e os ambientes em que foram feitas as medies. So
apresentados os sinais que foram medidos e o tratamento realizado em sub-bandas de
frequncia.

3.1 Equipamentos
As medies de irradiao eletromagntica, para as faixas de frequncia de 30 MHz a
330 MHz, foram realizadas com antena bicnica modelo SAS-540, e suas principais
caractersticas esto especificadas na Tabela 1.
Tabela 1: Especificao antena bicnica.

O limite inferior da faixa de frequncia empregada, 30 MHz, est de acordo com a


norma EM 550221. Pela norma, somente considerada emisso irradiada as frequncias
superiores a esse limite, enquanto que para frequncias menores, na faixa de 150 kHz a 30
MHz, considerada emisso conduzida.
J o limite superior empregado nas medies por conta do limite da faixa de
frequncia da antena bicnica, 330 MHz.

EM 55022: Norma europeia que define os limites e mtodos de medio das caractersticas dos equipamentos
da tecnologia de informao e radiofrequncia.

50
Figura 19: Antena bicnica. (a) Elemento irradiador e (b) fixada no trip.

(a)

(b)
Fonte: Prpria do autor.

O analisador de espectro utilizado nos experimentos foi o modelo FSL e suas


principais caractersticas so descritas na Tabela 2.
Tabela 2: Especificao do analisador de espectro.

Analisador de espectro FSL


Fabricante:
ROHDE&SCHWARZ
Modelo
R&SFSL6
Faixa de frequncia
9 kHz - 6 GHz
Tenso DC mxima de entrada (nominal)
50 V
Mxima tenso de pulso
150 V
Nmero de mximo de curvas
4
Nmero de pontos de medio
125 a 32001
Atenuao de entrada
0 dB a 50 dB
50
Impedncia de entrada

3.2 Locais dos Experimentos


As medies ocorreram em trs ambientes: duas salas do Laboratrio de Alta Tenso
(LAT) da UFCG e no campo, na cidade de Rio Largo (Alagoas).
Os experimentos em que foram medidos individualmente cada disco da cadeia de
isoladores ocorreram no kit de alta tenso (KAT), ilustrado na Figura 20, localizado no LAT.
Esse ambiente propcio a ensaios de alta tenso em equipamentos relativamente pequenos,
onde no necessita de um espao maior para o setup de medio. Outra caracterstica desse
laboratrio o limite de tenso que pode ser empregado nos testes, de 200 kV.

51
Figura 20: Kit de alta tenso (KAT) do LAT/UFCG.

Isolador
sob teste
Antena

Fonte: Prpria do autor.

Como o espao fsico reduzido, esse ambiente ideal para as medies de cada disco
de isoladores. J para os experimentos nos quais foram feitas medies de irradiao das
cadeias completas de isoladores compostas por cinco discos, o salo de alta tenso (SAT) do
LAT, ilustrado pela Figura 21, foi utilizado.
Figura 21: Salo de alta tenso (SAT) do LAT/UFCG.

Cadeia de isoladores
sob teste

Antenas

Analisador de
espectro
Fonte: Prpria do autor.

52

Esse ambiente permite realizar experimentos que necessitam de um espao maior,


propiciando a realizao de ensaios em equipamentos de maior porte e tambm com uma
classe de tenso superior ao KAT, podendo empregar at 600 kV.
As medies com as cadeias de isoladores foram realizadas nesse ambiente
principalmente pelo interesse em se obter uma aproximao das condies encontradas no
local de operao dos isoladores, no alto das LTs. Na Figura 22 ilustrado o diagrama das
posies da antena e da cadeia de isolador.
Figura 22: Diagrama da medio no SAT/UFCG.

Cadeia de isolador

Antena bicnica

Fonte: Prpria do autor.

O ltimo local em que foram realizadas medies foi no campo, na cidade de Rio
Largo, regio metropolitana de Macei. A torre na qual ocorreram as medies se situava em
local de difcil acesso devido falta de estrada para veculo e a vegetao densa em volta.
A escolha por essa torre, ilustrada na Figura 23, foi dos funcionrios da Eletrobrs
Distribuio Alagoas (EDAL), os quais j tinham registrado que essa necessitava de uma
interveno para a substituio de duas cadeias de isoladores de vidro que estavam
danificadas e com alto grau de poluio e oxidao, por isoladores polimricos novos.
Para o objetivo da pesquisa, as medies foram realizadas, e aps terminadas, os
tcnicos efetuaram a substituio das duas cadeias de vidro. As cadeias de isoladores retiradas
foram identificadas, alocadas em embalagem apropriada e enviadas para Campina Grande
com o objetivo de serem feitas medies em laboratrio.

53

As medies ocorridas em campo foram do conjunto de cadeias de isoladores dos trs


condutores, sendo que alm das duas cadeias que foram substitudas, tambm havia a
presena de um isolador polimrico sustentando o terceiro condutor. Esse fato dever ser
levado em considerao quando forem analisados os resultados.
Figura 23: Experimento realizado em campo, Rio Largo/AL.

Isolador
polimrico

Cadeias de
isoladores
substitudas

Fonte: Prpria do autor.

Ao todo foram realizados 6 experimentos: 4 no KAT do LAT/UFCG, 1 em campo e 1


no SAT do LAT/UFCG.

3.3 Experimento 1
O primeiro experimento foi realizado no dia 18/09/2012 no Kit do LAT/UFCG. Pelo
fato de ter sido o primeiro experimento, no se conhecia ao certo qual faixa do espectro
analisar, portanto foram feitas medies de 30 MHz at 1 GHz. As polarizaes da antena
tambm foram testadas, vertical e horizontal. Contudo, aps a aplicao do mtodo, os

54

resultados melhores ocorreram com a antena posicionada horizontalmente, por isso, as demais
medies ocorreram com a antena posicionada dessa forma.
A ttulo de comparao, foram utilizados apenas dois discos de isoladores nas
medies: um totalmente limpo e outro bastante poludo, ilustrados nas Figuras 24a e 24b,
obtido de uma regio industrial do estado de Alagoas.
Figura 24: Isoladores utilizados na primeira medio: (a) limpo e (b) poludo.

(b)

(a)
Fonte: Prpria do autor.

O objetivo em utilizar esses dois isoladores para adquirir informaes dos casos
extremos do grau de poluio.

3.4 Experimento 2
O experimento 2 foi realizado no dia 21/10/2013 no Kit do LAT/UFCG. Foram
utilizados quatro isoladores: um limpo e outros trs com graus intermedirios de poluio.
Estes tambm oriundos de regies distintas do estado de Alagoas.
Foi utilizada como critrio para estabelecer o grau de poluio de cada isolador a
anlise do efeito corona no momento da medio, contabilizada por pontos (pixels), obtidos a
partir do aparelho detector de efeito corona (DayCor). Na Tabela 3 so exibidos os
resultados dessa anlise para os quatro isoladores que foram ensaiados.
Tabela 3: Contagem de pontos pelo DayCor.

Isolador
Limpo (2 Medio)
Poludo 1
Poludo 2
Poludo 3

N de pontos
122
147
903
20.184

55

Assim, possvel inferir, de forma indireta, mas com um critrio objetivo, o estado de
conservao dos isoladores testados. Dessa forma, os nmeros seguidos da descrio
Poludo tm relao direta com o estado de degradao e assim foram nomeados. Salientase para o fato de que os isoladores poludos, utilizados nesse experimento, apresentavam-se
visualmente em melhores condies do que o isolador poludo utilizado no experimento 1.

3.5 Experimento 3
Realizado em 09/12/2013 no KAT do LAT/UFCG, o objetivo foi de observar
alteraes do espectro quando o isolador poludo artificialmente. Foram utilizados nesse
experimento um total de trs isoladores, um limpo, e outros dois borrifados com soluo
salina de Kaolin com diferentes concentraes: 1 mS/cm e 8 mS/cm.

3.6 Experimento 4
O experimento 4 foi o ltimo a ser realizado no Kit do LAT/UFCG. Foi realizado no
dia 15/05/2014 no qual foram feitas medies de irradiao eletromagntica em dois
isoladores de vidro: um limpo e outro borrifado com soluo salina de Kaolin de
condutividade de 8 mS/cm.

3.7 Experimento 5
O experimento 5 foi realizado no campo, na cidade de Rio Largo no dia 10/06/2014.
Com o apoio da EDAL, as medies ocorreram no turno da manh e a torre definida continha
um isolador polimrico e outras duas cadeias de isoladores vtreos.
Como se tratava de uma medio a qual continha trs diferentes isoladores, foram
feitas medies em dois pontos distintos com o objetivo de avaliar a variao do local de
medio em relao aos padres de sinais coletados.
A Figura 25 ilustra as posies P1 e P2 da antena nas quais as medies ocorreram.

56

Figura 25: Indicao dos pontos de medio em relao torre: P1 e P2.

Fonte: Prpria do autor.

Finalizadas as medies, a equipe de manuteno da EDAL iniciou o procedimento de


substituio das duas cadeias de vidro por isoladores polimricos. Ento, essas cadeias,
ilustradas na Figura 26, foram enviadas Campina Grande para que fossem feitas medies
em laboratrio.
Figura 26: Cadeias de isoladores vtreos retiradas aps o 5 experimento.

Oxidao
no pino

Dieltrico
quebrado

Fonte: Prpria do autor.

Nota-se que essas cadeias estavam em situao de extrema degradao fsica, na


Figura 26 possvel observar que, em ambas, existe um isolador com dieltrico quebrado, alto
grau de corroso provocado pela oxidao na regio metlica, principalmente nos pinos, alm
do acmulo de poluio presente no dieltrico.

57

3.8 Experimento 6
O 6 experimento ocorreu no SAT do LAT/UFCG, no dia 26/06/2014. Devido ao
ambiente proporcionar um espao maior, foi possvel a medio das cadeias de isoladores a
uma altura de 9 m. Foram feitas medies com trs cadeias de isoladores, uma limpa e as
outras duas provenientes da substituio ocorrida no 5 experimento, conforme ilustra a
Figura 26.
Dessa forma, foi possvel conhecer a variao do sinal captado pelos isoladores
operando em conjunto em uma LT no campo, 5 experimento, e quando submetidos a testes
individuais no ambiente controlado do laboratrio.

3.9 Consideraes finais


No captulo 3, foram apresentadas as medies que foram realizadas. Inicialmente
foram expostos os equipamentos utilizados, bem como os locais em que ocorreram os
experimentos. Ento, nas sees subsequentes, esto definidas as caractersticas e detalhes de
cada medio ocorrida, tais como: isoladores testados, local, procedimentos executados.
Essas informaes so de grande importncia para a interpretao dos resultados que
sero expostos no Captulo 5. Na prxima seo ser apresentado o mtodo, e suas variaes,
que foi proposto e testado nessa pesquisa.

58

4 Mtodo de Classificao

Neste captulo sero apresentados os mtodos que foram propostos e testados. O


algoritmo foi implementado e executado no software Matlab. Os dados utilizados foram
todos obtidos dos experimentos descritos no Captulo 3.
Foram testados ao todo oito mtodos, os quais diferem na quantidade de parmetros
utilizados, na utilizao, ou no, dos coeficientes wavelets e na wavelet me adotada. O
objetivo em testar essas variaes nos mtodos o de conhecer a influncia que essas
alteraes produzem no resultado final.
Em todos eles, os parmetros so inseridos em uma RNA do tipo MLP de trs
camadas, sendo a camada de entrada composta por uma quantidade de neurnios igual a de
parmetros do respectivo mtodo, a oculta formada por cinquenta neurnios e a sada por dois
neurnios. Na Tabela 4 so apresentados os parmetros da RNA que so comuns em todos os
mtodos.
Tabela 4: Parmetros da RNA.

Parmetros da RNA
Frao de treinamento
70%
Frao de validao
15%
Frao de teste
15%
Funo treinamento
Levenberg-Marquardt backpropagation
Funo performance
Erro Mdio Quadrtico - mse
Funo de ativao
Sigmide
Neurnios camada oculta
50
Neurnios camada sada
2

A quantidade de 50 neurnios na camada oculta foi definida a partir de testes


preliminares. Foi constatado que o aumento do nmero desses neurnios ocultos, alm de 50,
no correspondia a um aumento de acertos da rede, contribuindo apenas para o aumento do
tempo de processamento do mtodo.

59

4.1 Mtodo A
No primeiro mtodo testado, denominado de Mtodo A, foram utilizados apenas dois
parmetros para o processamento: mdia e desvio padro. Assim, os dados obtidos dos
experimentos foram processados e, com base no clculo da mdia e do desvio padro,
Equaes 26 e 27, respectivamente, serviram de entrada para o classificador neural.

(26)

onde

a amplitude de cada ponto e

pelo analisador de espectro. Os smbolos

(27)

a quantidade total de pontos no grfico gerados


e

representam respectivamente o valor mdio e o

desvio padro da amostra.


Na Figura 27 ilustrada a RNA utilizada pelo mtodo A:
Figura 27: RNA utilizada no mtodo A.

Mdia
Sada
Sada
Desvio padro
50 neurnios
na camada
oculta
Fonte: Prpria do autor

4.2 Mtodo B
No Mtodo B foram adicionados mais dois parmetros para a anlise, totalizando
quatro: mdia, desvio padro, curtose e rea da regio delimitada pelo grfico. Esses

60

parmetros foram calculados diretamente a partir do espectro irradiado coletado nos


experimentos.
A curtose uma medida de disperso que indica a forma como est a curva funo
densidade de probabilidade (FDP) da amostra, e relacionada ao grau de achatamento
dessa curva. definida de acordo com a Equao 28.

onde

a medida da curtose,

o quarto momento central e

(28)

o desvio padro.

O segundo parmetro adicionado a rea delimitada pela curva do grfico. Como os


dados so discretos, utilizada a regra trapezoidal para o clculo da rea.
A Figura 28 ilustra a RNA utilizada pelo mtodo B.

Figura 28: RNA utilizada no mtodo B.

Mdia
Desvio padro

Sada

Curtose

Sada

rea
50 neurnios
na camada
oculta
Fonte: Prpria do autor.

4.3 Mtodo C
No terceiro mtodo implementado, denominado de mtodo C, os parmetros foram
obtidos a partir do clculo dos coeficientes wavelets de trs nveis: (1,0), (2,0) e (3,0). Esses
nveis so identificados na rvore de decomposio dos coeficientes wavelets, ilustrados na
Figura 29.
A definio desses nveis devido caracterstica que esses coeficientes de
aproximao possuem em representar o sinal de forma aproximada, reduzindo sua

61

dimensionalidade e com isso produzindo um efeito de filtro, o qual elimina parte do rudo
contido no sinal original.
Figura 29: Nveis de coeficientes wavelets utilizados no mtodo C.

Nveis dos
coeficientes
utilizados

Fonte: Prpria do autor.

Aps o clculo desses coeficientes, so obtidos os mesmos parmetros do mtodo A:


mdia e desvio padro. Como exemplo, na Figura 30 ilustrado graficamente o resultado do
processamento pela transformada Wavelet de um sinal coletado de uma medio de
radiofrequncia, na faixa de 30 MHz a 80 MHz, realizada em um isolador em operao.
Figura 30: Sinal processado pela transformada wavelet: (a) sinal original, (b) coeficientes
(1,0), (c) coeficientes (2,0) e (d) coeficientes (3,0).

(a)

(b)

(d)

(c)
Fonte: Prpria do autor.

62

Percebe-se que o sinal captado pela antena, ilustrado na Figura 30a, apresenta uma
resoluo de 1001 amostras. De acordo com a teoria exposta na sesso 2.4.8, a quantidade de
coeficientes wavelets cai pela metade em cada nvel, fato constatado pelas Figuras 30b, 30c e
30d.
Nota-se que, a partir da Figura 31, a RNA do mtodo C composta por seis entradas
correspondentes s mdias e desvios padro de cada um dos trs nveis de coeficientes que
foram calculados.
Figura 31: RNA utilizada no mtodo C.

Mdia c(1,0)
Desvio padro c(1,0)
Sada

Mdia c(2,0)
Desvio padro c(2,0)

Sada

Mdia c(3,0)
Desvio padro c(3,0)

50 neurnios
na camada
oculta
Fonte: Prpria do autor.

Como foram analisados os resultados obtidos por diferentes wavelets me, o mtodo C
subdividido em outros trs submtodos, nomeados como:
C-db12: Wavelet me definida como Daubechies de 12 ordem;
C-coif5: Wavelet me definida como Coiflet de 5 ordem;
C-haar: Wavelet me definida como Haar.

4.4 Mtodo D
De forma semelhante ao mtodo B, no mtodo D, os quatro parmetros (mdia, desvio
padro, curtose e rea) foram obtidos a partir dos mesmos nveis de coeficientes wavelets
empregados no mtodo C, (1,0), (2,0) e (3,0), ilustrados na Figura 29.

63

Tambm foi analisada a performance do mtodo quando escolhidas outras wavelets


me para a decomposio dos coeficientes, portanto, o mtodo foi subdividido em outros trs
mtodos e nomeados como:
D-db12: Wavelet me definida como Daubechies de 12 ordem;
D-coif5: Wavelet me definida como Coiflet de 5 ordem;
D-haar: Wavelet me definida como Haar.

A Figura 32 ilustra a topologia da RNA implementada no mtodo D.


Figura 32: RNA utilizada no mtodo D.

Mdia c(1,0)
Desvio padro c(1,0)
Curtose c(1,0)
rea c(1,0)
Mdia c(2,0)
Sada

Desvio padro c(2,0)


Curtose c(2,0)

Sada

rea c(2,0)
Mdia c(3,0)
Desvio padro c(3,0)

50 neurnios
na camada
oculta

Curtose c(3,0)
rea c(3,0)
Fonte: Prpria do autor.

H nessa rede um total de 12 entradas correspondentes mdia, o desvio padro, a


curtose e a rea de cada um dos trs nveis de coeficientes obtidos.

64

4.5 Consideraes finais


Neste captulo foram descritos os mtodos implementados nessa pesquisa. Para fim de
comparao, foram testados quatro mtodos, os quais se diferenciaram principalmente pela
quantidade de parmetros de entrada da RNA proposta.
Os dois ltimos mtodos, com o objetivo de avaliar o desempenho das wavelets mes
escolhidas, foram segmentados cada um em mais trs submtodos a partir das wavelets mes:
Daubechies de 12 ordem, Coiflet de 5 ordem e Haar. Assim, ser possvel conhecer a
eficincia do algoritmo em mais detalhes, observando a influncia que o tipo de wavelet
utilizada no algoritmo tem sobre os resultados.
No prximo captulo sero apresentados os resultados e suas respectivas
interpretaes.

65

5 Resultados

Neste captulo sero apresentados os resultados obtidos de cada mtodo proposto no


Captulo 4. Adicionalmente, sero apresentados os resultados de um estudo prvio sobre o
comportamento dos sinais a partir do grfico de disperso da mdia e desvio padro dos sinais
coletados. Assim, haver mais informaes sobre cada faixa de frequncia, e com isso, a
avaliao de cada mtodo se dar de forma mais ampla.
O escopo deste trabalho se limitou a analisar a faixa de frequncia de 30 MHz a 330
MHz. Entretanto, por motivos tcnicos e operacionais, no momento das medies ocorridas
durante os 2 e 3 experimentos, a faixa de frequncia medida foi apenas de 30 MHz a 230
MHz. Diante desse fato, a anlise ser segmentada em subfaixas de frequncia, de forma que
seja possvel a comparao de faixas espectrais de mesmo tamanho.
Outro motivo para que a anlise dos dados seja segmentada por faixas de frequncia
que dessa forma possvel uma melhor interpretao e um ajuste fino mais apurado, pois as
componentes de frequncia so processadas atravs das janelas, as quais permitem um
conhecimento em maior detalhe de todo o espectro observado.
Portanto, aps uma apurao preliminar dos resultados em vrias sub-bandas de
frequncia, foram definidas 14 faixas espectrais com as seguintes larguras de banda (LB): 50
MHz, 100 MHz, 150 MHz, 200 MHz, 250 MHz e 300 MHz. Assim, as faixas de frequncia
apresentadas so definidas conforme a Tabela 5.
Tabela 5: Relao das subfaixas espectrais analisadas.

Largura de Banda: Largura de Banda: Largura de Banda: Largura de Banda: Largura de Banda: Largura de Banda:
50 MHz
100 MHz
150 MHz
200 MHz
250 MHz
300 MHz
30 a 80 (MHz)
30 a 130 (MHz)
30 a 180 (MHz)
30 a 230 (MHz)
30 a 280 (MHz)
30 a 330 (MHz)
80 a 130 (MHz)
130 a 230 (MHz)
180 a 330 (MHz)
130 a 180 (MHz)
230 a 330 (MHz)
180 a 230 (MHz)
230 a 280 (MHz)
280 a 330 (MHz)

Com o objetivo de tornar clara a interpretao dos resultados, estes so organizados e


apresentados primeiramente de acordo com cada experimento e posteriormente por cada um
dos mtodos.

66

Uma observao deve ser feita com relao ao 5 experimento. De acordo com o
exposto na seo 3.7, essa medio ocorrida no campo se refere apenas ao da classe poludo.
Portanto, para fins da aplicao dos mtodos de reconhecimento de limpo ou poludo, esses
dados sero apresentados em conjunto com os da 6 medio, pois nesta houve a medio de
uma cadeia limpa de referncia.

5.1 Resultados das mdias e desvios padro


Os grficos de mdia e desvio padro fornecem mais informaes a respeito de cada
faixa do espectro que ser processada. Essas informaes servem de auxlio para a
interpretao dos resultados dos mtodos propostos.
Os resultados para a menor LB, 50 MHz, so ilustrados pelas Figuras 33, 34, 35, 36 e
37.
a) LB de 50 MHz:

1 Experimento

Figura 33: Mdias e desvios padro para as faixas com LB de 50 MHz: 1 Experimento.

67

2 Experimento

Figura 34: Mdias e desvios padro para as faixas com LB de 50 MHz: 2 Experimento.

3 Experimento

Figura 35: Mdias e desvios padro para as faixas com LB de 50 MHz: 3 Experimento.

68

4 Experimento

Figura 36: Mdias e desvios padro para as faixas com LB de 50 MHz: 4 Experimento.

5 e 6 Experimentos

Figura 37: Mdias e desvios padro para as faixas com LB de 50 MHz: 5 e 6 Experimentos.

As faixas analisadas no experimento 1, para a largura de banda de 50 MHz, mostraram


uma separao dos pontos relativos aos isoladores limpos e poludos, localizados em regies

69

bem definidas e distanciadas. Tambm verificado que os poludos possuem os valores de


mdia e o desvio padro maiores do que a outra classe.
No 2 experimento, diferente do que observado no experimento 1, as regies
contendo os pontos das duas classes aparecem muito prximas. Nas duas ltimas faixas, 130 a
180 MHz e 180 a 230 MHz, percebe-se no haver delimitao definida, uma vez que os
pontos relativos s classes se mostram misturados.
No 3 experimento, embora os pontos se apresentem facilmente distinguveis, estando
as duas regies que representam as duas classes bem definidas, a nica situao em que a
mdia apresenta valores maiores para a classe limpa do que para a poluda. Fato observado
apenas para esse caso. Nos experimentos 4, 5 e 6, so visualizados os agrupamentos dos
pontos em duas regies distintas e estas afastadas uma a da outra.
J para a LB de 100 MHz, os resultados so ilustrados pelas Figuras 38, 39, 40, 41 e
42.
b) LB de 100 MHz:

1 Experimento

Figura 38: Mdias e desvios padro para as faixas com LB de 100 MHz: 1 Experimento.

2 Experimento

Figura 39: Mdias e desvios padro para as faixas com LB de 100 MHz: 2 Experimento.

70

3 Experimento

Figura 40: Mdias e desvios padro para as faixas com LB de 100 MHz: 3 Experimento.

4 Experimento

Figura 41: Mdias e desvios padro para as faixas com LB de 100 MHz: 4 Experimento.

5 e 6 Experimentos

Figura 42: Mdias e desvios padro para as faixas com LB de 100 MHz: 5 e 6 Experimentos.

No 1 experimento permanece o mesmo que o observado para o caso com a LB menor,


os dados das duas classes se mantm delimitados em regies especficas e distanciadas.
Nos 2 e 4 experimentos, os pontos referentes das duas classes se apresentam
misturados. No 3 e nos 5 e 6 experimentos as regies contendo os dados das duas classes
continuam a se apresentarem bem definidas e distanciadas.

71

Nota-se facilmente que com o aumento da LB para 150 MHz, ilustrados pelas Figuras
43, 44, 45, 46 e 47, os dados dos isoladores limpo e poludo do 1 experimento se aproximam,
embora ainda estejam separadas as duas regies contendo esses pontos.

c) LB de 150 MHz:

1 Experimento

Figura 43: Mdias e desvios padro para as faixas com LB de 150 MHz: 1 Experimento.

2 Experimento

Figura 44: Mdias e desvios padro para as faixas com LB de 150 MHz: 2 Experimento.

3 Experimento

Figura 45: Mdias e desvios padro para as faixas com LB de 150 MHz: 3 Experimento.

72

4 Experimento

Figura 46: Mdias e desvios padro para as faixas com LB de 150 MHz: 4 Experimento.

5 e 6 Experimentos

Figura 47: Mdias e desvios padro para as faixas com LB de 150 MHz: 5 e 6 Experimentos.

Com o 2 experimento, os dados continuam a se misturarem, assim como os do 4


experimento. No 3 experimento, as duas regies se apresentam prximas uma das outras,
enquanto que no 5 e 6 a distino delas se mostra de forma ntida.
Nas faixas espectrais com LB de 200 MHz, os resultados so ilustrados nas Figuras
48, 49, 50, 51 e 52.

d) LB de 200 MHz:

1 Experimento

Figura 48: Mdias e desvios padro para as faixas com LB de 200 MHz: 1 Experimento.

73

2 Experimento

Figura 49: Mdias e desvios padro para as faixas com LB de 200 MHz: 2 Experimento.

3 Experimento

Figura 50: Mdias e desvios padro para as faixas com LB de 200 MHz: 3 Experimento.

4 Experimento

Figura 51: Mdias e desvios padro para as faixas com LB de 200 MHz: 4 Experimento.

5 e 6 Experimentos

Figura 52: Mdias e desvios padro para as faixas com LB de 200 MHz: 1 Experimento.

74

Nos 1, 3, 5 e 6 experimentos houve distines entre as regies que continham os


pontos das duas classes. Fato no observado nos experimentos 2 e 4, nos quais esses pontos se
misturaram.
Nas Figuras 53, 54 e 55 so ilustrados os resultados para a largura de banda de
250 MHz.

e) LB de 250 MHz:

1 Experimento

Figura 53: Mdias e desvios padro para as faixas com LB de 250 MHz: 1 Experimento.

4 Experimento

Figura 54: Mdias e desvios padro para as faixas com LB de 250 MHz: 2 Experimento.

5 e 6 Experimentos

Figura 55: Mdias e desvios padro para as faixas com LB de 250 MHz: 5 e 6 Experimento.

75

Quando se analisa os dados das faixas com LB de 250 MHz, ilustrados nas Figuras 53,
54 e 55, apenas nos da 5 e 6 medio possvel observar a distino dos pontos de limpos e
poludos, agrupados de forma definida.
Nas Figuras 56, 57 e 58 so ilustrados os resultados para a LB de 300 MHz.

f) LB de 300 MHz:

1 Experimento

Figura 56: Mdias e desvios padro para as faixas com LB de 300 MHz: 1 Experimento.

4 Experimento

Figura 57: Mdias e desvios padro para as faixas com LB de 250 MHz: 4 Experimento.

5 e 6 Experimentos

Figura 58: Mdias e desvios padro para as faixas com LB de 300 MHz: 5 e 6 Experimentos.

76

Assim como o observado com os resultados da largura de banda de 250 MHz, na


ltima e maior LB analisada, 300 MHz, ilustrado pelas Figuras 56, 57 e 58, apenas h
distino dos pontos relativos s duas classes nos experimentos 5 e 6.

5.2 Resultados por experimento


A exposio dos dados, a partir de cada experimento, subdividida em todas as faixas
espectrais listadas na Tabela 5, e dispostas de acordo com a sua largura de banda. Na Figura
59 so apresentados os resultados referentes largura de banda de 50 MHz.
a) LB de 50 MHz:
Figura 59: Resultados por experimentos - LB 50 MHz. (a) 1, (b) 2, (c) 3, (d) 4, (e) 5 e 6 experimentos.

(a)

(b)

(c)

77

(d)

(e)

Da Figura 59, percebe-se que os dados do 1 experimento foram classificados


corretamente por todos os mtodos. Isso decorre principalmente pelo fato de que os isoladores
empregados nessa medio estavam em situaes extremas, limpo e severamente poludo. J
no 2 experimento, devido aos isoladores testados estarem em condies intermedirias de
poluio, os resultados possuram oscilaes, a depender do mtodo utilizado. Destaca-se que
na faixa de frequncia de 80 MHz a 130 MHz, com exceo do mtodo D-haar, todos os
mtodos alcanaram acertos de 100%.
Nos 3, 5 e 6 experimentos tambm foram obtidos 100% de acerto em todos os
mtodos. Na Figura 60 so expostos os resultados com a LB de 100 MHz.

b) LB de 100 MHz
Figura 60: Resultados por experimentos - LB 100 MHz. (a) 1, (b) 2, (c) 3, (d) 4, (e) 5 e 6 experimentos.

(a)

78

(b)

(c)

(d)

(e)

Na Figura 60, de modo semelhante aos resultados com a LB de 50 MHz, foram


obtidos 100% de acertos nos 1, 3, 5 e 6 experimentos.
Percebe-se que no 2 experimento, na faixa de 130 MHz a 230 MHz, houve uma
melhora considervel do mtodo D, e suas variaes, em relao aos mtodos A, B e C.
Enquanto estes mtodos (A, B e C) apresentaram acertos em torno de 90%, o mtodo D-db12
registrou o valor mximo de 98,3% de acertos.

79

Na Figura 61 so ilustrados os resultados para a LB de 150 MHz.


c) LB de 150 MHz
Figura 61: Resultados por experimentos - LB 150 MHz. (a) 1, (b) 2, (c) 3, (d) 4, (e) 5 e 6 experimentos.

(a)

(b)

(c)

(d)

(e)

Nos resultados com a LB de 150 MHz, ilustrados na Figura 61, possvel ver uma
diminuio no percentual de acertos no 2 experimento. Enquanto que para a LB de 50 MHz e

80

100 MHz, em determinadas faixas de frequncia, houve mtodos que acertaram 100% dos
casos. J na anlise em questo, o percentual mximo de acerto foi de 97,5 % com o mtodo
D-db12.
Novamente, para o 1, 3, 5 e 6 experimentos os acertos foram mximos em todos os
mtodos testados, com exceo apenas do mtodo A, na faixa de 30 MHz a 180 MHz, do 1
experimento. A Figura 62 ilustra os resultados com a LB de 200 MHz.
d) LB de 200 MHz
Figura 62: Resultados por experimentos LB 200 MHz. (a) 1, (b) 2, (c) 3, (d) 4, (e) 5 e 6 experimentos.

(b)

(a)

(c)

(d)

(e)

Com a LB de 200 MHz, ilustrada na Figura 62, percebe-se que h uma piora no
desempenho, principalmente no 4 experimento, pois os resultados para LB menores

81

apresentavam acertos superiores a 95%, e na atual anlise apenas o mtodo D e suas variaes
obtiveram esse ndice.
No 1 experimento, os mtodos A e B obtiveram ambos 98,7% e os demais 100%.
Destaca-se tambm a baixa eficincia do mtodo C-db12 no 4 experimento, o qual obteve
apenas 75 % de acertos.
Os resultados para as faixas de frequncia com LB a partir de 250 MHz, ilustrados na
Figura 63, s puderam ser obtidos para o 1, 4, 5 e 6 experimentos, devida falta de
medies ocorridas nos 2 e 3 experimentos.
e) LB de 250 MHz
Figura 63: Resultados por experimentos LB 250 MHz. (a) 1, (b) 4, (c) 5 e 6 experimentos.

(a)

(b)

(c)

A partir da Figura 63, nota-se que com o aumento da LB para 250 MHz, os resultados,
que antes eram tidos como 100% na sua totalidade, agora h uma diminuio dos acertos,
principalmente com o 1 e 2 experimentos.
Como exemplo, tem-se o mtodo C-coif5 com apenas 85% de acertos. Entretanto, no
que se refere ao 5 experimento, continua-se a evidenciar o ndice mximo de acerto.
Na Figura 64, tm-se os resultados para a maior LB em anlise, 300 MHz.

82

f) LB de 300 MHz
Figura 64: Resultados por experimentos LB 300 MHz. (a) 1, (b) 4, (c) 5 e 6 experimentos.

(a)

(b)

(c)

Da Figura 64, nos 1, 5 e 6 experimentos, os mtodos foram bastante eficazes,


alcanando 100% de acertos. Porm, no 4 experimento, houve uma diminuio geral dos
acertos de todos os mtodos, se comparados com outras faixas de frequncia. Destaca-se para
os melhores resultados obtidos pelo mtodo C-db12 e D-db12, 98,7% e 96,5%,
respectivamente.
Ainda no 4 experimento, o mtodo que obteve menor percentual de acertos foi o A,
possivelmente em consequncia da quantidade menor de parmetros de entrada, apenas dois,
e tambm devido ausncia do tratamento realizado pela transformada wavelet.

5.3 Resultados por mtodo


Por haver uma grande quantidade de resultados devido a vrias possibilidades de
combinao de variveis, tais como, 6 faixas de frequncia, 8 mtodos e 6 experimentos, a
interpretao desse volume de informao necessita de uma organizao a partir de um
segundo critrio. Assim, da mesma maneira que foi apresentada na seo 5.2, separando-se

83

por faixas de frequncia, modifica-se adiante o agrupamento dos resultados que sero
expostos a partir de cada mtodo aplicado.
Com essa forma de visualizao dos resultados, possvel uma melhor comparao da
performance de cada mtodo aplicado para cada experimento especfico e suas sub-bandas de
frequncia. Na Figura 65 so ilustrados os resultados para LB de 50 MHz.

a) LB de 50 MHz
Figura 65: Resultados por mtodos LB 50 MHz.

84

Na anlise da Figura 65, que contempla o caso em que a LB de 50 MHz, apenas os


2 e 4 experimentos no obtiveram mximo percentual de acerto. Na faixa de 30 MHz a 80
MHz, quando aplicados ao 2 experimento, os mtodos B, C-db12, D-db12 alcanaram 97,8%
e o mnimo de acertos ocorreu com o mtodo D-haar, que registrou apenas 90% de eficcia.
Quando foram testados com os dados do 4 experimento, os mtodos C-haar e D-db12
obtiveram 90% e 95% de acertos, respectivamente.
J na faixa de 80 MHz a 130 MHz, destaca-se para a pouca eficcia do mtodo A
quando aplicado ao 4 experimento, o qual obteve 85% de acertos. O mesmo resultado foi
obtido pelo mtodo B tambm no 4 experimento e pelo mtodo C-haar no 2 experimento,
ambos para a faixa para a faixa de 130 MHz a 180 MHz.

85

H tambm de se destacar que somente na faixa de 230 MHz a 280 MHz foram
obtidos por todos os mtodos e em todos os experimentos, 100% de acerto. Na Figura 66 so
apresentados os resultados com a LB de 100 MHz.

b) LB de 100 MHz
Figura 66: Resultados por mtodos LB 100 MHz.

86

Da Figura 66, com a LB de 100 MHz, percebe-se que ocorre o mesmo que o
observado quando a LB era de 50 MHz, ou seja, com exceo dos experimentos 2 e 4, todos
os mtodos conseguiram 100% de acertos nas faixas testadas. Na faixa de 30 MHz a 130
MHz, apenas os mtodos C-coif5 e C-haar no alcanaram 100% de acertos, registrando 95%
e 97%, respectivamente.
Observa-se tambm a alta taxa de acertos obtidos pelo mtodo D-haar. Excetuando-se
o resultado obtido no 2 experimento, para a faixa de 130 MHz a 230 MHz, que foi de 97%,
esse mtodo obteve 100% de acertos em todas as demais situaes testadas.
Os menores ndices de acertos foram registrados na faixa de frequncia de 130 MHz a
230 MHz. Na qual o mtodo A obteve 80% quando testado com os dados da 4 medio e
88% com os da 2 medio. Os mtodos C-coif5 e C-haar tambm obtiveram ndices baixos
na referida faixa espectral, alcanando apenas 90% e 86%, respectivamente, quando testados
com os dados do 2 experimento.
A Figura 67 apresenta os resultados com uma LB de 150 MHz.
c) LB de 150 MHz

87

Figura 67: Resultados por mtodos LB 150 MHz.

88

A partir da Figura 67, verifica-se o mesmo padro dos resultados obtidos para a LB de
50 MHz e 100 MHz, na faixa de 30 MHz a 180 MHz. Apenas os mtodos, quando aplicados
aos 2 e 4 experimentos, no obtiveram o acerto mximo de 100%. O melhor registro nesses
dois experimentos foi obtido pelo mtodo D-db12, com 98% de acerto em ambos. Nota-se
tambm que esse mtodo obteve os melhores resultados, o qual registrou 100% nos demais
experimentos e faixas espectrais. Os menores acertos foram obtidos pelos mtodos C-db12 e
D-haar para os dados do 2 experimento, com 90% em ambos.
A Figura 68 ilustra os resultados com a LB de 200 MHz.

d) LB de 200 MHz
Figura 68: Resultados por mtodos LB 200 MHz.

89

Com o aumento da LB, os acertos tendem a diminuir, o que indica os resultados


quando a LB de 200 MHz, ilustrados na Figura 68. Os trs experimentos (1, 3 e 4)
obtiveram o mximo acerto de 100%, exceto os mtodos A e B, quando aplicados aos dados
do 1 experimento.
Os menores acertos foram registrados pelos mtodos C-db12 e C-haar, com 76% e
83,7% nos experimentos 4 e 2, respectivamente. Os demais resultados se localizaram em
torno de 93%.
O mtodo D-db12 obteve a maior quantidade de acerto nos experimentos 2 e 4, com
96,5% e 97,8% de acertos, respectivamente. Alm dos 100% registrados nos demais casos.
A Figura 69 ilustra os resultados obtidos com a LB de 250 MHz.

e) LB de 250 MHz
Figura 69: Resultados por mtodos LB 250 MHz.

90

Nos resultados ilustrados pela Figura 69, com LB de 250 MHz, possvel apenas a
anlise dos dados dos 1, 4 e 5 experimentos, pois a faixa compreendida entre 30 MHZ e
280 MHz, e os demais experimentos se limitarem faixa coletada de at 230 MHz.
Os menores acertos foram registrados com a utilizao dos mtodos C-db12 e C-coif5,
apresentando 90% para o 4 experimento e 85% para o primeiro experimento,
respectivamente.
Todos os mtodos obtiveram 100% de acerto quando aplicados ao 5 e 6
experimentos. As variaes do mtodo D obtiveram 100% de eficcia nos experimentos 1 e 4.
Quanto ao 4 experimento, os mtodos D-db12, D-coif5 e D-haar obtiveram 98,5%, 96% e
97,5% de acertos, respectivamente.
Os resultados obtidos com a LB de 300 MHz so ilustrados na Figura 70.

f) LB de 300 MHz

91
Figura 70: Resultados por mtodos LB 300 MHz.

A anlise dos resultados obtidos para a LB de 300 MHz, ilustrados na Figura 70,
mostram uma relativa melhora dos mtodos C e D, e suas variaes, principalmente quanto ao
4 experimento. Os melhores resultados so de 99% e 98% de acertos nos mtodos C-db12 e
D-db12, respectivamente. Entretanto, o mtodo C-coif5 obteve apenas 92% de acertos nesse
mesmo experimento, menor do que o mtodo B, que acertou 94% do total.
Com exceo dos mtodos A e C-db12, todos os demais acertaram 100%, quando
aplicados aos dados do 1 experimento. Para o 4 experimento, o mtodo que obteve a menor
eficcia foi o A, alcanando 87%.
De forma reiterada, observa-se que os dados dos 5 e 6 experimentos alcanaram
100% de acertos. Esse resultado repete os mesmos de todas as anlises anteriores.

92

5.4 Consideraes finais


Neste captulo foram apresentados os resultados obtidos pelos mtodos de
classificao discutidos no captulo 4. Devido grande quantidade de dados, oriundos de seis
medies, e de um total de oito mtodos, incluindo as suas variaes, foi necessrio a
separao para exibi-los por ordem de cada experimento e por cada mtodo.
Com o objetivo de conhecer o espectro capturado diretamente das medies, em
termos dos parmetros estatsticos mdia e desvio padro, estes tambm foram expostos no
incio do captulo. Desta forma, pde-se ter uma base de referncia sobre o comportamento
geral dos sinais medidos e compar-los de acordo com a classe a que pertence: limpos ou
poludos.

93

6 Concluso

Neste trabalho, foram propostos oito mtodos baseados em tcnicas de processamento


de sinais e inteligncia artificial, para classificar o estado de poluio em isoladores de vidro
de alta tenso, instalados no alto das torres de transmisso de 69 kV. O procedimento
empregado para a realizao da tarefa de classificao de isoladores vtreos de alta tenso, a
partir dos mtodos apresentados, se baseou unicamente no processamento dos sinais
eletromagnticos irradiados desses equipamentos quando esto em operao.
Foi realizada uma reviso terica sobre as tcnicas de processamento de sinais, tais
como transformada de Fourier e transformada wavelet. Tambm foi objeto de estudo e reviso
a tcnica de reconhecimento de padres utilizando redes neurais artificiais, a qual definida
como uma tcnica de IA que se baseia no funcionamento das redes neurais encontrada nos
seres biolgicos. Por fim, e no menos importante, foi descrito o isolador de alta tenso, suas
partes constituintes bem como, de maneira resumida, o seu processo de fabricao.
A importncia da manuteno em isoladores de alta tenso foi explanada, assim como
as formas em que essas podem ser realizadas. Justificou-se a relevncia deste trabalho para a
melhoria da eficincia na rotina de manuteno das redes de transmisso, pois foram testados
mtodos que visam auxiliar o inspetor encarregado da tarefa de decidir por determinado tipo
de interveno no isolador. O mtodo tem como caractersticas ser objetivo, no invasivo,
empregado em qualquer turno do dia e insensvel influncia de variveis tais como a
temperatura e rudos sonoros.
As medies em laboratrio e em campo foram realizadas. Totalizaram-se seis
experimentos nos quais foi captado o espectro eletromagntico irradiado pelos isoladores de
alta tenso quando submetidos tenso normal de operao. Foram utilizados, em todos os
procedimentos de medio em laboratrio, discos individuais e cadeias completas de
isoladores limpos e poludos, os quais possuam caractersticas oriundas do local onde se
encontravam operando. Foi realizado um experimento no qual os discos de isoladores foram
submetidos a testes aps serem poludos artificialmente. Foi realizado um experimento no
campo, e depois de finalizado, duas cadeias foram retiradas e submetidas a um novo
experimento em laboratrio.

94

Foram feitas anlises das faixas espectrais compreendidas entre 30 MHz e 330 MHz.
Uma antena bicnica, acoplada a um analisador de espectro, foi utilizada para captar o
espectro eletromagntico irradiado dos isoladores ensaiados.
Ao todo, oito mtodos foram idealizados, implementados computacionalmente e
testados com os dados colhidos nos seis experimentos realizados. Todos os mtodos
utilizaram um classificador neural de 3 camadas e 50 neurnios na camada oculta. Quatro
parmetros estatsticos foram calculados para que servissem de entradas para as redes: mdia,
desvio padro, curtose e rea do grfico. A transformada Wavelet foi empregada em seis
mtodos, variando-se em relao wavelet me adotada.
Os resultados mostram uma significativa melhora no percentual de acerto quando
utilizado o mtodo D-db12. Este tem como caractersticas a utilizao da wavelet me
Daubechies de 12 ordem e 12 entradas na RNA, composta pela mdia, desvio padro, curtose
e rea do grfico, dos trs nveis de coeficientes wavelets escolhidos. Houve variaes com
relao definio da melhor banda de frequncia a ser empregada, pois a depender dos
experimentos, os maiores acertos se encontravam em faixas de frequncia distintas.
Entretanto, observa-se que a banda de frequncia de 80 MHz a 130 MHz obteve uma maior
quantidade de acertos no geral.
Tambm foi observado que os dados obtidos do 5 experimento, realizados no campo
com a cadeia poluda, e os do 6 experimento, realizado em laboratrio com essas mesmas
cadeias, alm de outra limpa de referncia, mostraram ser classificveis por todos os mtodos
propostos, obtendo em todos os casos 100% de acerto. Esse fato de grande importncia,
pois, para os dados coletados, a distino do ambiente de medio ser no campo ou no
laboratrio no impossibilitou a perfeita classificao dos mesmos. Atenta-se para o fato de
que muitas variveis so modificadas nesses dois ambientes, tais como: temperatura, umidade
relativa do ar, sinais de rdio distintos prximos s duas medies, localizao em cidades
distantes, ambiente controlado do laboratrio e suas paredes metlicas, ambiente aberto em
campo com ausncia de superfcies refletoras de onda e a presena de um isolador polimrico
na mesma torre durante a 5 medio.
Diante do que foi obtido, aps toda a pesquisa, conclui-se que o mtodo D-db12,
proposto neste trabalho, conseguiu de forma satisfatria, apresentando o menor percentual de
acerto de 96,5% apenas para o caso da LB ser de 30 MHz e no 4 experimento. Tambm foi
entendido que a partir da utilizao de isoladores com nveis de poluio intermedirios, a

95

taxa de acerto decai substancialmente, fato comprovado pelos resultados obtidos pelo
experimento 2. Para os dados analisados, devido mudana do ambiente de medio do
campo para o laboratrio, com a cadeia completa, no foi observada variao do padro de
espectro que diminua a eficcia do mtodo.

6.1 Publicaes
Foram produzidos no decorrer desta pesquisa de mestrado dois trabalhos, os quais
foram apresentados em congressos e ambos selecionados para apresentao oral:
ROCHA, P. H. V.; ALBERT, B. B.; FONTGALLAND G., Aumento da faixa
de classificao e acertos do estado de conservao de isoladores, 16
Simpsio Brasileiro de Micro-ondas e Optoeletrnica e 11 Congresso
Brasileiro de Eletromagnetismo, 2014, Curitiba, Brasil, pp. 1085-1090,
Setembro, 2014.

ROCHA, P. H. V.; FONTGALLAND, G., Measuring the radiation bands of


overhead power lines glass insulators. Proceeding of the IEEE 2014
International Conference on Antenna Measurements & Applications, 2014.
France.

6.2 Trabalhos futuros


A partir do que foi pesquisado e dos resultados obtidos, sugerido como possveis
temas de trabalhos futuros:

Empregar a utilizao do mtodo de classificao para os isoladores


polimricos;

Pesquisar a eficcia do mtodo para LTs com tenses maiores que 69 kV;

Investigar a possibilidade de empregar o mtodo de classificao utilizando


frequncias mais elevadas, o que acarretaria na diminuio do tamanho da
antena e facilitaria a execuo da tarefa de medio em campo;

96

Aumentar a quantidade de classes de poluio que o mtodo capaz de


identificar, por exemplo, adicionando nveis intermedirios de poluio e
tornando o mtodo capaz de reconhecer essas variaes;

Estender a possibilidade de classificao do estado fsico/operacional, a partir


do espectro eletromagntico irradiado, outros equipamentos de potncia, tais
como transformadores de tenso, transformadores de corrente e potencial,
disjuntores, etc.

97

Referncias
AKAY, M. Time Frequency and Wavelets in Biological Signal Processing. Dartmouth
College: IEEE Press, 1998. 774. ISBN 0-7803-1147-7.
ANDERSON, J.A., Introduction to neural networks, Cambridge, MA: MIT Press, 1995.
BAEYR, H. C. V. Catch the Wave (phisica), The Sciences, Maio/Junho, 1999. PP. 10-13.
BARBOZA, F. M. Estudo da transformada rpida Wavelet e sua conexo com banco de
filtros. 2008. 71 f. Universidade Federal do Rio Grande do Norte, Natal. 2008. Dissertao de
Mestrado. Disponvel em:
<http://repositorio.ufrn.br:8080/jspui/bitstream/123456789/17002/1/FranciscoMB.pdf >.
BENDAT, J. S.; PIERSOL A. G. Random Data: Analysis and Measurement Procedures. 4.
ed., John Wiley & Sons, Inc., 2010. 604p. ISBN: 978-0-470-24877-5.
BEZERRA, J. M. B. Caracterizao de atributos de sinais para utilizao de tcnicas de
reconhecimento de padres na avaliao do isolamento de instalaes e de equipamentos
eltricos. Campina Grande: Departamento de Engenharia Eltrica, Universidade Federal de
Campina Grande, 2004. Tese de Doutorado.
BEZERRA, J. M. B. et al. Application of Pattern Recognition Techniques to non Invasive
Insulation Monitoring. Conference Record of the 2008 IEE International Symposium on
Electrical Insulation. Vancouver. 2008. p. 96 99.
BIANCHI, M. F. Extrao de caractersticas de imagens de faces humanas atravs de
Wavelets, PCA e IMPCA. So Carlos: Escola de Engenharia de So Carlos, Universidade de
So Paulo, 2006. Tese de Doutorado. Disponvel em:
<http://www.teses.usp.br/teses/disponiveis/18/18133/tde-10072006-002119/>. Acesso em: 18
nov. 2012.
BURRUS, C. S.; GOPINATH, R. A.; GUO, H., Introduction to wavelets and wavelet
transforms: a primer, New Jersey, Prentice Hall, 1988.
CAPELINI, R. M. et al. Localizao de cadeias de isoladores danificadas em linhas de
transmisso atravs da anlise de descargas parciais de corona. In: XIX Congresso Brasileiro
de Automtica, CBA 2012. Campina Grande. Anais. Campina Grande, p. 4581-4587, 2012.
CHAURASIA , D. C. Scintillation Modeling for insulator String under Polluted
Conditions. Eleventh International Symposium on High Voltage Engineering, vol. 4. 1999.
p. 224-227.
COLLIN, R. E. Foundations for Microwave Engineering, 2. ed., IEEE Press, 2001. 924 p.

98

CROVATO, C. D. P. Classificao de sinais de voz utilizando a transformada Wavelet


Packet e Redes Neurais Artificiais. 2004. 142 f. Universidade Federal do Rio Grande do
Sul, Porto Alegre, 2004. Dissertao de mestrado.
DAUBECHIES, I. Orthonormal bases of compactly supported wavelets. Communications on
Pure and Applied Mathematics, 41, 1988. 909-996.
D'EMERY, R. A. Aplicao de Anlise Estatstica e Neural para Reconhecimento de
Sinais de Odores. Recife: Departamento de Estatstica e Informtica, Universidade Federal
Rural de Pernambuco, 2007. Dissertao de Mestrado.
EPPERLY, R. A.; HEBERLEIN, G. E.; EADS, L. G.; Thermography, a tool for reliability
and safety. IEEE Industry Applications Magazine, v. 5, p. 28 36, Jan. 1999.
FAGGIN, F., VLSI implementation of neural networks, International joint conference on
Neural networks, Seattle, 1991.
FERREIRA, T. V. Estimao Inteligente da Poluio de Isolamentos Eltricos Baseada
nos VECSE do Rudo Ultrassnico. Campina Grande: Departamento de Engenharia
Eltrica, Universidade Federal de Campina Grande, 2011. Tese de Doutorado.
FONTGALLAND, G.; NRI, M. G. G.; VALLE, R. M.; ARAGO, G. G.; PIRES, E. S.
Identification of modulation characteristics in electromagnetic interferences measured
from glass insulator. International Symposium on Electromagnetic Compatibility, 2005,
Petrpolis, Rio de Janeiro, Brazil.
FONTGALLAND, G.; SILVA, E. M.; BEZERRA, J. M. B.; NERI, M. G. G.; VALLE, R. R.
M.; DE MELO, M. A. B. On the behavior of Electromagnetic interference measured
from glass insulator. The 10th International Symposium on Antenna Technology and
Applied Electromagnetics, 2004, Winnipeg, Manitoba, Canada. p. 301 304. ISBN-09692563-9-6.
FU, L.M. Rule generation from neural networks. IEE Trans. on System, Man and
Cybernetics, v. 24, n. 8, p. 1114-1124, Ago. 1994.
GAO, R. X.; YAN, R. Wavelet: Theory and Applications for Manufacturing . Springer
Science. 2011.
GIS, N. C.; ROSSI, J. A. D.; NALLIN, F. E.; PETRACHIM, J. A.; ANGELINE, J. M. G.
Aplicao de sensor para monitoramento da degradao de isoladores polimricos de EPDM
na COELBA. 19 Seminrio Nacional de Produo e Transmisso de Energia Eltrica.
Rio de Janeiro, 14 Out. 2007.
GROSSMANS, A.; MORLET, J., Decomposition of hardy functions into squared
integrable wavelets of constant shape. SIAM J. Math Analysis, v.15, n.4, p.723-736, 1984.

99

HAYKIN, S. Redes Neurais: Princpios e prticas. 2. ed. Porto Alegre: Bookman, 2001. 899
p. Traduo de: Paulo Martins Engel.
HAYKIN, S.; VEEN, B.V. Sinais e Sistemas. Porto Alegre: Bookman, 2001. 667 p.
HILEMAN, A. R. Insulator Coordination for Power Systems. New York: Marcel Dekker,
Inc, 1999. 767 p.
KHALIFA, M. et al. A new monitor for pollution on power line insulators: Part 2: Simulated
field tests. IEE Proceedings Generation, Transmission and Distribution, Cairo, v. 135, n.
1, p. 24-30, jan. 1988. Disponvel em: <http://ieeexplore.ieee.org/xpl/
articleDetails.jsp?tp=&arnumber=6333&queryText%3DKhalifa>. Acesso em: 20 Ago. 2012.
LIRA, M. M. S., Wavelets na compactao e processamento de sinais de distrbios em
sistemas de potncia para classificao via redes neurais artificiais. Recife: Universidade
Federal de Pernambuco, 2004. Tese de Doutorado.
MACKENZIE, D. et al. Wavelets, seeing the forest and the trees, the part from research to
human benefit project. National Academy of Sciences. Washington, USA, Dec. 2001.
Disponvel em: <www.beyonddiscovery.org>. Acesso em: Jan. 2013.
MALLAT, S. G.. A theory for multiresolution signal decomposition: the wavelet
representation. IEE Trans Pat anal match intell, 11:674-693, Jul. 1989.
MARCELINO, D. A. Setor Eltrico: Um Estudo Sobre a Estratgia do Segmento de Gerao
de Energia Eltrica do Brasil. In: SEGET ', 3., 2006, Rezende. Anais. Rezende: Simpsio de
Excelncia em Gesto e Tecnologia, 2006. p. 01 - 14.
MENDES, E.; CARVALHO, A Evolutionary Design of MLP Neural Network Architectures.
In: Brazilian Symposium on Neural Networks. Dec. 1997. Campos do Jordo, SP
Proceedings.So Paulo, 1997. p. 58-65.
MENDONA, P. L.; ANGELINI, J. M. G.; NALLIN, F. E.; COSTA, E. G.; FERREIRA, T.
V.; GERMANO, A. D. Monitoramento de isoladores polimricos em linhas de transmisso
atravs de sensor de corrente de fuga. 21 Seminrio Nacional de Produo e Transmisso
de Energia Eltrica. Florianpolis, 23 Out. 2011.
MERRY, R. J. E. Wavelet Theory and Applications: A literature study. Eindhoven
University of Techology. Jun. 2005. 41p.
MESQUITA, M. E. R. V. Um Estudo Comparativo em Memrias Associativas com
nfase em Memrias Associativas Morfolgicas. Campinas: Instituto de Matemtica,
Estatstica e Computao Cientfica, Universidade Estadual de Campinas, 2005. Dissertao
de Mestrado. Disponvel em:
<http://www.bibliotecadigital.unicamp.br/document/?code=vtls000374541>. Acesso em: 03
Jan. 2014.

100

MORA, N. D.; LUCAS, J. F. R; MARAN, M. A. Materiais Eltricos: Compndio de


trabalhos. Foz do Iguau: Universidade Estadual do Oeste do Paran. 2010. Disponvel em <
http://www.foz.unioeste.br/~lamat/downcompendio/compendiov1.pdf> Acesso: Mai. 2014.
MOURA, E.; LEITE, A.; ALBERT,B.; FALCO G.; FONTGALLAND G.; Reading the RF
spectrum of insulators for classification of pollution levels, 16th International Symposium
on Applied Electromagnetics and Mechanics, 2013, Quebec City, Canada, pp 319 320.
NERI, M. G. G. Avaliao de Tcnicas de Monitoramento de Isoladores Polimricos.
Campina Grande: Departamento de Engenharia Eltrica, Universidade Federal de Campina
Grande, 2005. Dissertao de Mestrado.
OLESKOVICS, M. Qualidade de Energia Eltrica. Escola de Engenharia de So Carlos
Departamento de Engenharia Eltrica, USP, 2007.
OLIVEIRA, Hlio Magalhes de. Anlise de Sinais para Engenheiros: Uma abordagem via
Wavelets. 1 Rio de Janeiro: Brasport, 2007a. 243 p.
OLIVEIRA, Hlio Magalhes de. Anlise de Fourier e wavelets: sinais estacionrios e no
estacionrios. 1 ed. Recife: Universitria UFPE, 2007 b. 341 p.
OLIVEIRA, M. A.; FAVERO, L. P. L. Uma breve descrio de algumas tcnicas para anlise
de sries temporais: sries de fourier, wavelets, arima, modelos estruturais para sries de
tempos e redes neurais. In: Seminrios em administrao FEA-USP. So Paulo: Fea-usp,
2003. p. 1-13. Disponvel em:
<http://www.ead.fea.usp.br/semead/6semead/MQI/010MQI%20Algumas%20Tecnicas%20para%20Anal%20de%20Series%20Temporais.doc>. Acesso em:
01 nov. 2012.
OLIVEIRA, S. C. Sistema de Deteco ptica de Descargas Parciais em Cadeias de
Isoladores de Linhas de Transmisso de Alta Tenso. Recife: Universidade Federal de
Pernambuco, 2008. Tese de Doutorado.
PORTELLA, K. F. et al. Efeitos da poluio atmosfrica (litornea e industrial) em isoladores
da rede eltrica da regio metropolitana de Salvador. Qum. Nova [online]. 2008, vol.31, n.2,
pp. 340-348. ISSN 0100-4042. Disponvel em:
<http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100-40422008000200029/>.
Acesso em: Nov. 2012.
PYLARINOS, D.; et al. Classification of surface condition of polymer Coated Insulators
using Wavelet Transform as Neural Networks. Proceedings of the IEEE 2007 International
Conference on Wavelet Analysis and Pattern Recognition, 2007. China. pp. 658 663.
RICCIOTTI, Antonio Carlos Duarte. Utilizao de wavelets no processamento de sinais
EMG. 2006. 72 f. Dissertao de mestrado - Curso de Engenharia Eltrica, Universidade
Federal de Uberlndia, Uberlndia, 2006. Disponvel em:

101

<http://www.bdtd.ufu.br/tde_busca/processaArquivo.php?codArquivo=838>. Acesso em:


Nov. 2012.
ROCHA, P. H. V.; FONTGALLAND, G., Measuring the radiation bands of overhead
power lines glass insulators. Proceeding of the IEEE 2014 International Conference on
Antenna Measurements & Applications, 2014. Frana.
ROSARIO, A. A. Anlise estatstica multivariada para reconhecimento de padres em
ensaios no destrutivos magnticos. So Paulo: Escola Politcnica da Universidade de So
Paulo, 2011. Dissertao de Mestrado.
SANTOS, G. S. M., Aplicao de redes neurais para diagnstico de poluio em
isoladores de alta tenso, Recife: Universidade Federal de Pernambuco, 2008, Dissertao
de Mestrado.
SIMPSON, D. M., An introduction to the discrete orthogonal wavelet transform. Revista
Brasileira de Engenharia. V. 9 n. 1, p. 57-81, 1993. Caderno de engenharia biomdica.
TANG, K. T., Mathematical Methods for Engineers and Scientists 3. New York: Springer,
2007. 438p. ISBN: 103-540-44695-8.
THEODORIDIS, S.; KOUTROUMBAS, K. Pattern Recognition. 3. ed. San Diego:
Academic Press, 2006. 837 p.
CHARTIER V. L., SHERIDAN,R. DIPLACIDO, J. N., LOFTNESS, M.
O.,Electromagnetic Interference Measurements at 900MHz on 230-KV an 500-KV
transmission lines, in IEE Trans. on Power Systems, vol. PWRD-1, n 2, Abr., pp. 140149 ,
1986.
VIEIRA, G. A. B. Estudo da Viabilidade de Utilizao da Tcnica de Ultra-som
Associada ao Processamento Digital de Sinais (PDS) para Deteco de Pontos Quentes e
Equipamentos de Alta Tenso. Rio de Janeiro: Centro Federal de Educao Tecnolgica
(CEFET/RJ), 2008. Dissertao de Mestrado.
YANAGUIZAWA, J. A.; SHINOHARA, A H. Isolamento mnimo em cadeias de isoladores
de vidro danicados por vandalismo em linhas de transmisso. Cientec - Revista de Cincia,
Tecnologia e Humanidades do IFPE, Recife, v. 03, n. 01, p.132-142, 01 Jul. 2011. Anual.