Compartilhamento |
![]() ![]() |
Use este identificador para citar ou linkar para este item:
http://www.bdtd.uerj.br/handle/1/11863
Tipo do documento: | Dissertação |
Título: | Redes neurais convolucionais aplicadas em monitoramento de estruturas metálicas |
Título(s) alternativo(s): | Convolutional neural networks applied in the monitoring of metallic structures |
Autor: | Almeida, Julio Henrique Lopes de ![]() |
Primeiro orientador: | Amaral, Jorge Luís Machado do |
Primeiro coorientador: | Silva, Marco Aurélio Botelho da |
Primeiro membro da banca: | Vellasco, Marley Maria Bernardes Rebuzzi |
Segundo membro da banca: | Orosa, Luis Martí |
Resumo: | Este trabalho apresenta um sistema inteligente de monitoramento estrutural de peças metálicas. Ele consiste de duas etapas: a primeira realiza-se um ensaio não destrutivo utilizando-se impedância eletromecânica e a segunda, a curva de impedância é classificada por um algoritmo de aprendizagem profunda, Redes Neurais Convolucionais, as quais foram executadas utilizando duas formas diferentes de tratamento do vetor de entrada, que são: mantê-lo unidimensional e convertê-lo em uma matriz bidimensional quadrada. O ensaio de impedância eletromecânica foi realizado através da fixação de um transdutor PZT em chapas de aço carbono 1020, que simulam a palheta da turbina, e diferentemente dos trabalhos relacionados, a fixação foi feita de modo não permanente utilizando um suporte com molas, ao invés do método comum, que consiste na fixação permanente do sensor, através da colagem com um adesivo de alta resistência. O objetivo deste trabalho é identificar a condição mecânica das palhetas de aço a partir das curvas de impedância elétrica extraídas do transdutor PZT. As Redes Neurais Convolucionais foram comparadas com os classificadores k-vizinhos mais próximos, máquina de vetores de suporte, regressão logística e apresentaram resultados competitivos. |
Abstract: | This work presents an intelligent structural monitoring system. It consists of two steps: the first one is a non-destructive test using electromechanical impedance and the second one, an impedance curve is classified by a deep learning algorithm, Convolutional Neural networks. The experiments were performed using two different ways of handling on the input vector: keep it one-dimensional and convert it into a two-dimensional array. The electromechanical impedance test was performed through using a PZT transducer coupled with 1020 carbon steel plates, which simulate the turbine vane with different damages. Unlike the related works, the fixation was non-permanent with aid of a custom-made support with springs, instead of the common method, which consists on a permanent fixation of the sensor, with a high-strength adhesive. The purpose of this study is to identify the mechanical condition of the steel plates from the electrical impedance curves extracted from PZT transducer. The Convolutional Neural networks were compared with the K-nearest neighbors classifiers, a support vector machine, logistic regression and submitted competitive results. |
Palavras-chave: | Electronic Engineering Neural networks Convolutions (Mathematics) Classifiers Deep Learning Gas turbine vanes Structure Monitoring Electromechanical Impedance Intelligent Systems Metallic Structures Engenharia eletrônica Redes neurais Convoluções (Matemática) Classificadores Aprendizagem Profunda Palhetas de Turbinas a gás Monitoramento de Estruturas Impedância Eletromecânica Sistemas Inteligentes Estruturas Metálicas |
Área(s) do CNPq: | CNPQ::ENGENHARIAS |
Idioma: | por |
País: | BR |
Instituição: | Universidade do Estado do Rio de Janeiro |
Sigla da instituição: | UERJ |
Departamento: | Centro de Tecnologia e Ciências::Faculdade de Engenharia |
Programa: | Programa de Pós-Graduação em Engenharia Eletrônica |
Citação: | ALMEIDA, Julio Henrique Lopes de. Redes neurais convolucionais aplicadas em monitoramento de estruturas metálicas. 2018. 103 f. Dissertação (Mestrado em Redes de Telecomunicações; Sistemas Inteligentes e Automação) - Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2018. |
Tipo de acesso: | Acesso Aberto |
URI: | http://www.bdtd.uerj.br/handle/1/11863 |
Data de defesa: | 28-Fev-2018 |
Aparece nas coleções: | Mestrado em Engenharia Eletrônica |
Arquivos associados a este item:
Arquivo | Tamanho | Formato | |
---|---|---|---|
Julio Henrique Lopes de Almeida.pdf | 5,9 MB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.