Detecção e classificação de falhas estruturais de um sistema mecânico por meio de uma rede neural artificial

Página do item simplificado
dc.contributor.advisorChavarette, Fábio Roberto [UNESP]
dc.contributor.advisorLopes, Mara Lúcia Martins [UNESP]
dc.contributor.authorChaim, Lucas Perroni
dc.contributor.institutionUniversidade Estadual Paulista (Unesp)
dc.date.accessioned2019-07-17T17:35:13Z
dc.date.available2019-07-17T17:35:13Z
dc.date.issued2019-05-31
dc.description.abstractRedes Neurais Artificiais (RNAs) são algoritmos de aprendizado, geralmente estruturados em torno de categorização de dados de entrada e/ou seu agrupamento por similaridade. Tendo em vista características desejáveis como aprendizado rápido e estabilidade frente a vetores de entrada altamente mutáveis, adotou-se uma RNA do tipo Fuzzy ARTMAP como mecanismo central de um método de monitoramento de saúde estrutural para detectar e categorizar falhas em dados experimentais provenientes de um sistema mecânico similar a um pequeno prédio de dois andares. Mais especificamente, com o objetivo de detectar alterações das frequências naturais da estrutura, fenômeno ligado à deterioração da mesma, e determinar qual(is) andar(es) está(ão) ligado(s) ao comportamento anômalo, se detectado. A acurácia da rede foi avaliada, sendo realizado um estudo da quantidade de dados necessárias para o desempenho satisfatório da rede. Observou-se desempenho satisfatório, a acurácia do método tendendo a aproximadamente 94% a partir de certas quantidades de dados.pt
dc.description.abstractArtificial Neural Networks (ANNs) are learning algorithms, largely revolving around categorizing data sets based on measures of similarity between its members. Due to desirable characteristics such as fast learning and stability when dealing with highly mutable input vectors, a Fuzzy ARTMAP ANN was selected as the core mechanism of a structural health monitoring method. Its goal was to detect and categorize faults in experimental data collected from a mechanical system akin to a small two-story building. More specifically, to detect disturbances on the structure's natural frequencies, phenomenon linked to its deterioration, and to determine which story or stories are linked to anomalous behavior, if any. The accuracy of the method was evaluated, and the amount of data needed for optimal operation was determined. Satisfactory performance was observed; the method's accuracy tended towards 94% with enough training samples.en
dc.description.sponsorshipConselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)
dc.description.sponsorshipIdCNPq 131031/2017-1
dc.identifier.aleph000918547
dc.identifier.capes33004099082P2
dc.identifier.lattes5434299135943285
dc.identifier.urihttp://hdl.handle.net/11449/182557
dc.language.isopor
dc.publisherUniversidade Estadual Paulista (Unesp)
dc.rights.accessRightsAcesso aberto
dc.subjectMonitoramento da integridade estruturalpt
dc.subjectDetecção e classificação de falhaspt
dc.subjectRedes neurais artificiaispt
dc.subjectStructural health monitoringen
dc.subjectFault detection and classificationen
dc.subjectArtificial neural networksen
dc.titleDetecção e classificação de falhas estruturais de um sistema mecânico por meio de uma rede neural artificialpt
dc.title.alternativeFault detection and classification of a mechanical system using an artificial neural networken
dc.typeDissertação de mestrado
unesp.author.lattes5434299135943285
unesp.campusUniversidade Estadual Paulista (Unesp), Faculdade de Engenharia, Ilha Solteirapt
unesp.embargoOnlinept
unesp.examinationboard.typeBanca públicapt
unesp.graduateProgramEngenharia Mecânica - FEISpt
unesp.knowledgeAreaMecânica dos sólidospt
unesp.researchAreaMonitoramento de integridade estruturalpt

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
chaim_lp_me_ilha.pdf
Tamanho:
5.62 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 KB
Formato:
Item-specific license agreed upon to submission
Descrição:

Coleções

Dissertações - Engenharia Mecânica - FEIS