Utilização do algoritmo de aprendizado de máquinas para monitoramento de falhas em estruturas inteligentes

Página do item simplificado
dc.contributor.advisorLopes Junior, Vicente [UNESP]
dc.contributor.authorGuimarães, Ana Paula Alves [UNESP]
dc.contributor.institutionUniversidade Estadual Paulista (Unesp)
dc.date.accessioned2017-02-07T13:18:18Z
dc.date.available2017-02-07T13:18:18Z
dc.date.issued2016-12-20
dc.description.abstractStructural health monitoring (SHM) is an area that has been extensively studied for allowing the construction of systems that have the ability to identify damages at an early stage, thus being able to avoid serious future losses. Ideally, these systems have the minimum of human interference. Systems that address the concept of learning have the ability to be autonomous. It is believed that by having these properties, the machine learning algorithms are an excellent choice to perform the steps of identifying, locating and assessing damage with ability to obtain highly accurate results with minimum error rates. This work is mainly focused on using support vector machine algorithm for monitoring structural condition and, thus, get better accuracy in identifying the presence or absence of damage, reducing error rates through the approaches of machine learning. It allows an intelligent and efficient monitoring system. LIBSVM library was used for analysing and validation of the proposed approach. Thus, it was feasible to conduct training and classification of data promoting the identification of damages. It was also possible to locate the damages in the structure. The results of identification and location of the damage was quite satisfactory.en
dc.description.abstractO monitoramento da condição estrutural é uma área que vem sendo bastante estudada por permitir a construção de sistemas que possuem a capacidade de identificar um determinado dano em seu estágio inicial, podendo assim evitar sérios prejuízos futuros. O ideal seria que estes sistemas tivessem o mínimo de interferência humana. Sistemas que abordam o conceito de aprendizagem têm a capacidade de serem autômatos. Acredita-se que por possuírem estas propriedades, os algoritmos de aprendizagem de máquina sejam uma excelente opção para realizar as etapas de identificação, localização e avaliação de um dano, com capacidade de obter resultados extremamente precisos e com taxas mínimas de erros. Este trabalho tem como foco principal utilizar o algoritmo support vector machine no auxílio do monitoramento da condição de estruturas e, com isto, obter melhor exatidão na identificação da presença ou ausência do dano, diminuindo as taxas de erros através das abordagens da aprendizagem de máquina, possibilitando, assim, um monitoramento inteligente e eficiente. Foi utilizada a biblioteca LibSVM para análise e validação da proposta. Desta forma, foi possível realizar o treinamento e classificação dos dados promovendo a identificação dos danos e posteriormente, empregando as predições efetuadas pelo algoritmo, foi possível determinar a localização dos danos na estrutura. Os resultados de identificação e localização dos danos foram bastante satisfatórios.pt
dc.identifier.aleph000879661
dc.identifier.capes33004099082P2
dc.identifier.lattes8338952092032444
dc.identifier.urihttp://hdl.handle.net/11449/148718
dc.language.isopor
dc.publisherUniversidade Estadual Paulista (Unesp)
dc.rights.accessRightsAcesso aberto
dc.subjectMonitoramento da condição estruturalpt
dc.subjectAprendizado de máquinapt
dc.subjectEstruturas inteligentespt
dc.subjectInteligência artificialpt
dc.subjectSupport vector machineen
dc.subjectStructural health monitoringen
dc.subjectMachine learningen
dc.subjectSmart structuresen
dc.subjectArtificial intelligenceen
dc.subjectSupport vector machineen
dc.titleUtilização do algoritmo de aprendizado de máquinas para monitoramento de falhas em estruturas inteligentespt
dc.title.alternativeUse of the learning algorithm of machines for the monitoring of faults in intelligent structuresen
dc.typeDissertação de mestrado
unesp.author.lattes8338952092032444
unesp.campusUniversidade Estadual Paulista (Unesp), Faculdade de Engenharia, Ilha Solteirapt
unesp.embargoOnlinept
unesp.graduateProgramEngenharia Mecânica - FEISpt
unesp.knowledgeAreaMecânica dos Sólidospt
unesp.researchAreaEstruturas Inteligentes

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
guimaraes_apa_me_ilha.pdf
Tamanho:
4.42 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
3.01 KB
Formato:
Item-specific license agreed upon to submission
Descrição:

Coleções

Dissertações - Engenharia Mecânica - FEIS