Publicação: Sistema imunológico artificial e modelo de Misturas Gaussianas Aplicados na detecção e classificação de dano em um sistema dinâmico controlado
Carregando...
Arquivos
Data
Autores
Orientador
Chavarette, Fabio Roberto 
Coorientador
Pós-graduação
Engenharia Mecânica - FEIS 33004099082P2
Curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Dissertação de mestrado
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
Os sistemas de controle são experienciados no cotidiano e fornecem otimização para várias ferramentas e sistemas os quais os seres humanos dependem. A utilização de controladores em sistemas dinâmicos visa diretamente sua aplicabilidade e aumento da segurança, portanto, seu funcionamento adequado está diretamente ligado à modelagem apropriada da planta-alvo. Considerando esses pontos e as diferentes possibilidades de danos que os sistemas dinâmicos podem sofrer devido à natureza de sua operação, a necessidade de monitorar a integridade estrutural desses sistemas, que podem ter suas características físicas modificadas, é validada. Uma técnica comumente utilizada para esse propósito é o Monitoramento da Integridade Estrutural (SHM), que é um sistema orientado por dados que pode ajudar a detectar falhas, permitindo assim uma ação apropriada decorrente de um prognóstico precoce. Uma ferramenta usada para esse propósito são os chamados Sistemas Imunológicos Artificiais (AISs), dentro desta classe de algoritmos os de Seleção Negativa (NSA) realizam a diferenciação entre agentes próprios e não próprios para a classificação de sinais, replicando uma função presente no Sistema Imunológico Natural (NIS). Neste trabalho, é proposta a aplicação de um sistema SHM, com AIS do tipo NSA como ferramenta de reconhecimento de padrões, aplicado a um Pêndulo Invertido Rotacional (RIP) como modelo de referência, para detecção de danos em sistemas dinâmicos controlados. Como esse sistema mecânico é naturalmente instável, sua operação depende diretamente da existência de um controlador, que deve ser capaz de garantir sua estabilidade e o comportamento dinâmico desejado, por exemplo, acompanhar uma referência variável. A abordagem adotada utiliza as variáveis de saída do controlador como dados para monitorar suas condições operacionais. Ainda, dado que a combinação das análises feitas pelo AIS dos dados de saída formam um espaço de afinidades, é criado um Modelo de Mistura Gaussiana (GMM) capaz de realizar a classificação semi-supervisionada das condições operacionais. Como resultado, a combinação das técnicas propostas, aplicadas à análise de quatro condições estruturais únicas, com simulação de danos à estrutura e ao atuador, atingiram uma taxa de detecção de danos de 99,38% e uma taxa de acerto de classificação de 94,38% em 20 gerações distintas de dados de referência.
Resumo (inglês)
Control systems are experienced in everyday life, providing optimization for various tools and systems on which humans rely. The use of controllers in dynamic systems directly aims at their applicability and increased safety; hence, their proper functioning is directly linked to the appropriate modeling of the target plant. Considering these points and the different potential damages that dynamic systems might suffer due to the nature of their operation, the need to monitor the structural integrity of these systems, which can have their physical characteristics modified, is validated. A commonly used technique for this purpose is Structural Health Monitoring (SHM), a data-driven system that can help detect failures, thus enabling appropriate action resulting from early prognosis. One tool used for this purpose is the so-called Artificial Immune Systems (AISs), within this class of algorithms, the Negative Selection Algorithms (NSAs) differentiate between self and non-self agents for signal classification, replicating a function present in the Natural Immune System (NIS). In this work, the application of an SHM system, using NSA-type AIS as a pattern recognition tool, is proposed for detecting damages in controlled dynamic systems. As this mechanical system is naturally unstable, its operation directly depends on the existence of a controller, which must ensure its stability and the desired dynamic behavior, such as tracking a variable reference. The adopted approach uses the controller's output variables as data to monitor its operational conditions. Moreover, given that the combination of analyses performed by the AIS on the output data forms an affinity space, a Gaussian Mixture Model (GMM) capable of semisupervised classification of operational conditions is created. As a result, the combination of the proposed techniques applied to the analysis of four unique structural conditions, simulating damage to the structure and actuator, achieved a damage detection rate of 99.38% and a classification accuracy of 94.38% across 20 distinct generations of reference data.
Descrição
Palavras-chave
Monitoramento da integridade estrutural, Sistema imunológico artificial, Modelo de mistura gaussiana, Controle, Pêndulo invertido, Structural health monitoring, Artificial immune system, Gaussian mixuture model, Control, Inverted pendulum
Idioma
Português
Como citar
DONATONI, M. M. Sistema imunológico artificial e Modelo de Misturas Gaussianas aplicados na detecção e classificação de dano em um sistema dinâmico controlado. 2024. 115 f. Dissertação (Metrado em Engenharia Mecânica) - Faculdade de Engenharia, Universidade Estadual Paulista - Unesp, Ilha Solteira, 2024.
