Notícias

Banca de DEFESA: GIOVANNI DE SOUZA PINHEIRO

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: GIOVANNI DE SOUZA PINHEIRO
DATA: 07/11/2024
HORA: 14:30
LOCAL: LEAT_UFPA
TÍTULO:

IDENTIFICAÇÃO DE SISTEMAS MULTIFORÇAS A PARTIR DE DADOS DE VIBRAÇÃO E TÉCNICAS DE APRENDIZADO DE MÁQUINAS


PALAVRAS-CHAVES:
 Identificação de forças. Método de Elementos Finitos. Metologia de 
Superfície de Resposta. Aprendizado de Máquinas

PÁGINAS: 100
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Elétrica
SUBÁREA: Medidas Elétricas, Magnéticas e Eletrônicas; Instrumentação
ESPECIALIDADE: Medidas Elétricas
RESUMO:
O surgimento de defeitos em componentes dinâmicos tende a produzir alterações nas 
forças geradas, que podem ser detectadas por meio de alterações no espectro de 
resposta à vibração do equipamento. Compreender as forças que atuam sobre uma 
estrutura é extremamente importante, especialmente nos casos em que os pontos de 
medição são limitados ou inacessíveis, pois permite avaliar, entre outros fatores, se a 
vida útil do componente está comprometida pela condição atual da máquina. Nesses 
casos, um problema inverso precisa ser resolvido. As técnicas de Machine Learning 
vêm se destacando como uma poderosa ferramenta de predição dentre as soluções 
desenvolvidas para esse tipo de problema, sendo cada vez mais aplicadas a 
problemas de engenharia. Portanto, este trabalho tem como objetivo avaliar diferentes 
modelos de aprendizado de máquina para a identificação de forças atuando em um 
sistema composto por uma placa suspensa, com base em dados de vibração medidos. 
Nesse sentido, um modelo computacional foi gerado e calibrado usando respostas de 
vibração medidas em laboratório. Um banco de dados robusto foi criado usando a 
Metodologia de Superfície de Resposta em conjunto com o Design of Experiment 
(DOE) e, em seguida, utilizado para avaliar a capacidade dos modelos de aprendizado 
de máquina em prever a localização, frequência de excitação, magnitude e número 
de forças que atuam na estrutura. Entre os seis modelos de aprendizado de máquina 
avaliados, o k-NN foi capaz de prever os parâmetros das forças com um erro de 
0,013%, e as florestas aleatórias com um erro máximo de 0,2%. A inovação do estudo 
está na aplicação do método proposto para identificação de parâmetros em sistemas 
multiforças.
 

Artigo Publicado em Periódico Qualis A2:

 Pinheiro, G.d.S.; Setúbal, F.A.d.N.; Nunes, M.V.A; Filho, S.d.S.C.; Mesquita, A.L.A. Comparative Analysis of Machine Learning Techniques for Identifying Multiple Force Systems from Accelerometer Measurements. Sensors 2024, 24, 6675. 


MEMBROS DA BANCA:
Presidente - 2224684 - MARCUS VINNICIUS ALVES NUNES
Interno - 326021 - UBIRATAN HOLANDA BEZERRA
Externo ao Programa - 1111830 - ALLAN RODRIGO ARRIFANO MANITO
Externo ao Programa - 1861747 - FABIO ANTONIO DO NASCIMENTO SETUBAL
Externo à Instituição - DENIS CARLOS LIMA COSTA
Externo à Instituição - DIORGE DE SOUZA LIMA
Notícia cadastrada em: 23/10/2024 11:51
SIGAA | Centro de Tecnologia da Informação e Comunicação (CTIC) - (91)3201-7793 | Copyright © 2006-2024 - UFPA - morango.ufpa.br.morango1