A Informação do Estado do Canal (CSI - Channel State Information) está disponível em redes sem fio do padrão IEEE 802.11. A CSI traz informação sobre o ambiente de propagação através da amplitude e fase das subportadoras OFDM. Neste estudo, emprega-se a CSI para a detecção de risco de queda de pacientes hospitalizados. Detecta-se a mudança no ambiente de propagação do sinal sem fio e a partir deste princípio não-intrusivo são implementados detectores de risco de queda em ambiente hospitalar. Os detectores propostos detectam o risco como anomalias no ambiente a partir da identificação de alterações no ambiente de propagação. Propomos três detectores usando diferentes algoritmos de aprendizagem de máquina: kNN (k-Nearest Neighbors), PCA (Principal Component Analysis) e Autoencoder. Para cada um deles são escolhidos os pontos de corte a partir da técnica de testes e diagnósticos da Curva ROC, obtendo acurácias de até 87,33% para o kNN, 93,00% para o PCA e 90,92% para o Autoencoder. Para esse trabalho é desenvolvido um banco de dados de situações normais e de risco de queda. Além da análise global do detector de risco de queda por anomalias, avalia-se como diferentes tipos de queda comprometem o funcionamento dos detectores de anomalias, ao usá-los para classificar as situações como de risco ou sem risco de queda.

As técnicas de medição de vazão não-intrusivas atuais ainda carecem de melhorias pois têm desvantagens que são impeditivas para aplicações em pequenos diâmetros. Este trabalho busca desenvolver um medidor de vazão por efeito térmico não-intrusivo que utiliza algoritmos de aprendizado de máquinas para obtenção do menor erro de fundo de escala possível em baixas vazões de líquidos. O medidor utiliza um duto de cobre com diâmetro interno de 22mm, seis termopares comerciais do tipo k, uma resistência de aquecimento do tipo microtubular e uma inteligência artificial para inferir a vazão a partir da distribuição térmica na superfície do duto. A disposição dos sensores e do aquecedor foi calculada com base no espalhamento teórico de temperatura obtido na modelagem feita através do software COMSOL Multiphysics. Para avaliar o protótipo do medidor uma bancada de testes foi construída, a qual possibilita o controle da vazão e da temperatura da resistência de aquecimento. A bancada de testes é dotada de um medidor de vazão eletromagnético calibrado e certificado em laboratório externo o qual é utilizado para referência e comparação, conforme as orientações da ABNT e as boas práticas utilizadas nas indústrias e laboratórios de calibração. No experimento, a resistência foi acionada de modo que a temperatura na região central do duto permanecesse em 70°C e foram coletados os dados da distribuição térmica com vazões entre 0,05 e 0,6 m3/h com acréscimos intermediários de 0,01 m3/h. Os dados coletados fornecidos pelo experimento foram utilizados no treinamento dos seguintes modelos: regressão linear, K-Nearest Neighbor (K-NN), Árvore de Decisão, Florestas Aleatórias e Gradient Boosting. Além disso, também foram treinadas redes neurais artificiais Perceptron Multicamadas e modelos de Aprendizagem Profunda. O melhor resultado foi obtido com um modelo de aprendizagem profunda com a técnica Dropout, a qual demonstrou que o protótipo construído tem a capacidade de inferir a vazão com erro de fundo de escala igual a 1,8%. O experimento demonstrou que o uso de algoritmos de aprendizado de máquinas pode ser usado para melhorias em sistemas de medição de vazão não-intrusivos.

Esta dissertação considerou diferentes abordagens de técnicas de controle para acionamento de um Motor Síncrono de Ímã Permanente (MSIP) sem sensores de velocidade. As técnicas foram implementadas com base no controle por orientação de campo (Field Oriented Control – FOC) no qual, a título de comparação, considerou-se inicialmente o controle com o uso de um sensor de posição para determinar a velocidade do motor. Esta primeira abordagem permitiu analisar o acionamento do MSIP com base no controle FOC convencional. Em seguida, três diferentes abordagens de técnicas de controle sem sensor de posição foram implementadas. Na segunda (considerando a ordem de apresentação no texto), a velocidade mecânica foi estimada por meio de um circuito de sincronismo denominado IPLL (Improved Phase-Locked-Loop), no qual, os sinais de entrada correspondem aos fluxos no estator representados no sistema de coordenadas αβ. Nas duas restantes, a velocidade mecânica foi estimada por meio de técnicas de inteligência artificial como Redes Neurais, a partir de duas bases de dados diferentes, que consistiu no objetivo maior deste trabalho. A primeira base de dados correspondeu aos sinais adquiridos pelo sensor mecânico utilizado na primeira abordagem. A segunda base de dados foi obtida a partir da velocidade mecânica estimada pelo IPLL. Com base nos resultados de simulação obtidos com as diferentes abordagens foi possível verificar a viabilidade no uso de redes neurais para estimar a velocidade concebida a partir de diferentes bases de dados.

Esta tese relata de forma detalhada a metodologia para o desenvolvimento e fabricação de um protótipo de um dispositivo multiplicador de elétrons Micromegas, integrado em um anodo de leitura de pads, utilizando um wafer de Silício de 4” como substrato. O dispositivo foi empregado para a montagem de um detector de radiação à gás. São apresentadas e discutidas as técnicas para a formação das camadas micrométricas do wafer, como deposição de filmes finos, fotolitografia, wet etching, metalização e revelação. É descrita a melhora no processamento do material isolante SU-8, bem como na geometria dos orifícios da malha de Alumínio do dispositivo. Micrografias obtidas por Microscópio Óptico e Microscópio Eletrônico de Varredura são apresentadas para a análise da estrutura fabricada. Simulações com os softwares Ansys, Garfield++ e Magboltz são realizadas, a fim de prever a resposta do detector para diferentes misturas de gases. É relatado o projeto de concepção e montagem da caixa e, também, apresentados todos os componentes do sistema de detecção e suas principais características. Por fim, são realizados testes elétricos com o dispositivo, para verificar seu desempenho, em relação ao ganho de elétrons, e espectros de energia da fonte de radiação utilizada. Os resultados indicam ganhos na ordem de 3 × 102 para as fontes radioativas de 241Am e 55F e, e a detecção de eventos devido à irradiação da fonte de 241Am a` 13,9 KeV, sua principal linha de emissão de energia.

The photopeak shift in High Pressure Xe (HPXe) gamma ray detectors due to the energy acquired/lost by the photoelectric and Compton electrons, from the electric field applied in the drift region, is calculated using the PENELOPE code for gamma rays from several radioactive sources. The implications of this effect in HPXe detectors are discussed, namely for TPCs for double beta decay of 136 Xe studies.

Low-temperature calorimeters based on a readout via Transition Edge Sensors (TESs) and operated below $100$ mK are well suited for rare event searches with outstanding resolution and low thresholds. We present first experimental results from two detector prototypes using a novel design of the thermometer coupling denoted remoTES, which further extends the applicability of the TES technology by including a wider class of potential absorber materials. In particular, this design facilitates the use of materials whose physical and chemical properties, as e.g. hygroscopicity, low hardness and low melting point, prevent the direct fabrication of the TES onto their surface. This is especially relevant in the context of the COSINUS experiment (Cryogenic Observatory for SIgnals seen in Next-Generation Underground Searches), where sodium iodide (NaI) is used as absorber material. With two remoTES prototype detectors operated in an above-ground R&D facility, we achieve energy resolutions of $\sigma=87.8$ eV for a $2.33$ g silicon absorber and $\sigma = 193.5$ eV for a $2.27$ g $\alpha$-TeO$_{2}$ absorber, respectively. RemoTES calorimeters offer - besides the wider choice of absorber materials - a simpler production process combined with a higher reproducibility for large detector arrays and an enhanced radiopurity standard.

Chromatography was born approximately one century ago and has undergone outstanding technological improvements in innovation, research, and development since then that has made it fundamental to advances in knowledge at different levels, with a relevant impact on the well-being and health of individuals. Chromatography boosted a comprehensive and deeper understanding of the complexity and diversity of human–environment interactions and systems, how these interactions affect our life, and the several societal challenges we are currently facing, namely those related to the sustainability of our planet and the future generations. From the life sciences, which allowed us to identify endogenous metabolites relevant to disease mechanisms, to the OMICS field, nanotechnology, clinical and forensic analysis, drug discovery, environment, and “foodprint”, among others, the wide range of applications of today’s chromatographic techniques is impressive. This is fueled by a great variability of powerful chromatographic instruments currently available, with very high sensitivity, resolution, and identification capacity, that provide a strong basis for an analytical platform able to support the challenging demands of the postgenomic and post COVID-19 eras. Within this context, this review aims to address the great utility of chromatography in helping to cope with several societal-based challenges, such as the characterization of disease and/or physiological status, and the response to current agri-food industry challenges of food safety and sustainability, or the monitoring of environmental contamination. These are increasingly important challenges considering the climate changes, the tons of food waste produced every day, and the exponential growth of the human population. In this context, the principles governing the separation mechanisms in chromatography as well the different types and chromatographic techniques will be described. In addition, the major achievements and the most important technological advances will be also highlighted. Finally, a set of studies was selected in order to evince the importance of different chromatographic analyses to understand processes or create fundamental information in the response to current societal challenges.

ZEPLIN III is a two-phase xenon detector for direct dark matter search that will look for rare nuclear recoils from elastic scattering of Weakly Interacting Massive Particles off xenon atoms. ZEPLIN III measures both the scintillation and ionisation signals produced in the liquid by the interacting particle. The prompt scintillation is detected by an array of 31 photomultipliers (PM) immersed in the liquid, and a strong electric field extracts the ionisation electrons to the vapour phase. Electroluminescence photons are produced in the gas and detected by the same PM array. In this paper we describe position reconstruction methods that use both these signals to achieve a position accuracy of a few millimetres in the horizontal plane and sub-millimetre in the vertical coordinate.