Diagnóstico de falhas em circuitos analógicos utilizando inteligência de enxame
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB) |
Texto Completo: | https://www.repositorio.mar.mil.br/handle/ripcmb/846511 |
Resumo: | Falhas de circuito aberto ou curto-circuito, bem como em parâmetros discretos são os modelos mais utilizados no método de simulação antes do teste. Como a resposta de um circuito analógico a um sinal de entrada é contínua, falhas em qualquer elemento específico do circuito podem não caracterizar todas as possíveis falhas de componentes. Existem três recursos importantes no diagnóstico de falhas em circuitos analógicos: identificação de componentes defeituosos, determinação de valores de elementos defeituosos e restrições de tolerância do circuito. Para resolver este problema, foram propostas e implementadas duas metodologias, que são baseadas em otimização utilizando inteligência de enxame para o diagnóstico de falhas: otimização por enxame de partículas (Particle Swarm Optimization – PSO); e otimização inspirada no comportamento dos morcegos (BatAlgorithm – BA). As equações não lineares do circuito em teste são usadas para calcular seus parâmetros. O objetivo é identificar o componente do circuito que tem potencial para apresentar a falha, comparando as respostas obtidas do circuito real e a resposta obtida pelo processo de otimização. Foram utilizados dois circuitos como estudos de caso para avaliar o desempenho das metodologias propostas: o filtro Biquad de Tow-Thomas (circuito 1) e o filtro de ButterWorth (circuito 2). As metodologias propostas foram capazes de identificar ou, pelo menos, reduzir a quantidade de possíveis componentes com falhas. Foram extraídas as quatro principais métricas de desempenho: a acurácia, a precisão, a sensibilidade e a especificidade. A técnica do BA teve um melhor desempenho, utilizando a combinação máxima dos nós acessíveis do circuito em teste, com valor das métricas consideradas 95,84%, 81,45%, 82,16% e 97,66%, respectivamente para o circuito 1. Para o circuito 2, obteve métricas de 95,13%, 74,87%, 73,30% e 97,42%, respectivamente. A técnica do BA também foi melhor em relação ao tempo de execução. Para o circuito 1, houve uma redução média de 7,95% do tempo em relação ao tempo médio do PSO para o circuito sem falhas e de 8,12% para os casos com falha. Para o circuito 2, houve uma redução média de 12,2% do tempo em relação ao tempo médio do PSO para o circuito sem falhas e de 11,2% para os casos com falha. |
id |
MB_232384af495be02b6f918b26dce88a49 |
---|---|
oai_identifier_str |
oai:www.repositorio.mar.mil.br:ripcmb/846511 |
network_acronym_str |
MB |
network_name_str |
Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB) |
repository_id_str |
|
spelling |
Galindo, Jalber Dinelli LunaNedjah, NadiaMourelle, Luiza de Macedo2024-01-03T14:31:13Z2024-01-03T14:31:13Z2022GALINDO, Jalber D. L. Diagnóstico de Falhas em Circuitos Analógicos Utilizando Inteligência de Enxame. 2022. 251f. Dissertação (Mestrado em Engenharia Eletrônica) – Faculdade de Engenharia, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2022.https://www.repositorio.mar.mil.br/handle/ripcmb/846511Falhas de circuito aberto ou curto-circuito, bem como em parâmetros discretos são os modelos mais utilizados no método de simulação antes do teste. Como a resposta de um circuito analógico a um sinal de entrada é contínua, falhas em qualquer elemento específico do circuito podem não caracterizar todas as possíveis falhas de componentes. Existem três recursos importantes no diagnóstico de falhas em circuitos analógicos: identificação de componentes defeituosos, determinação de valores de elementos defeituosos e restrições de tolerância do circuito. Para resolver este problema, foram propostas e implementadas duas metodologias, que são baseadas em otimização utilizando inteligência de enxame para o diagnóstico de falhas: otimização por enxame de partículas (Particle Swarm Optimization – PSO); e otimização inspirada no comportamento dos morcegos (BatAlgorithm – BA). As equações não lineares do circuito em teste são usadas para calcular seus parâmetros. O objetivo é identificar o componente do circuito que tem potencial para apresentar a falha, comparando as respostas obtidas do circuito real e a resposta obtida pelo processo de otimização. Foram utilizados dois circuitos como estudos de caso para avaliar o desempenho das metodologias propostas: o filtro Biquad de Tow-Thomas (circuito 1) e o filtro de ButterWorth (circuito 2). As metodologias propostas foram capazes de identificar ou, pelo menos, reduzir a quantidade de possíveis componentes com falhas. Foram extraídas as quatro principais métricas de desempenho: a acurácia, a precisão, a sensibilidade e a especificidade. A técnica do BA teve um melhor desempenho, utilizando a combinação máxima dos nós acessíveis do circuito em teste, com valor das métricas consideradas 95,84%, 81,45%, 82,16% e 97,66%, respectivamente para o circuito 1. Para o circuito 2, obteve métricas de 95,13%, 74,87%, 73,30% e 97,42%, respectivamente. A técnica do BA também foi melhor em relação ao tempo de execução. Para o circuito 1, houve uma redução média de 7,95% do tempo em relação ao tempo médio do PSO para o circuito sem falhas e de 8,12% para os casos com falha. Para o circuito 2, houve uma redução média de 12,2% do tempo em relação ao tempo médio do PSO para o circuito sem falhas e de 11,2% para os casos com falha.Open-circuit or short-circuit faults, as well as in discrete parameters are the most used models in simulation methods before testing. Since the response of an analog circuit to an input signal is continuous, failures in any particular circuit component may not characterize all possible component failures. There are three important features in failure diagnostic of analog circuits: identifying faulty components, determining faulty element values, and circuit tolerance constraints. To solve this problem, two methodologies are proposed and implemented, which are based on optimization using swarm intelligence, for the diagnosis of failures: Particle Swarm Optimization (PSO); and bat behavior inspired optimization, termed Bat Algorithm (BA). The non-linear equations of the circuit under test are used to calculate its parameters. The objective is to identify the circuit component that has the potential to present a failure by comparing the responses measured the real circuit and that obtained by the optimization process. Two circuits are used as case studies to evaluate the performance of the proposed implementations: the Tow-Thomas Biquad filter (circuit 1) and the ButterWorth filter (circuit 2). The proposed methodologies are able to identify or, at least, reduce the number of possibly failing components. The four main performance metrics used are extracted: accuracy, precision, sensitivity and specificity. The BA technique offers a better performance, using the combination of the maximum accessible nodes of the circuit under test, with the considered metric values 95.84%, 81.45%, 82.16% and 97.66%, respectively for circuit 1. For circuit 2, the obtained metric values are 95.13%, 74.87%, 73.30% and 97.42%, respectively. The BA technique is more efficient regarding the execution time. For circuit 1, there was an average reduction of 7.95% of the time when compared to the average time of the PSO for the circuit without failures, and of 8.12% for the cases with failure. For circuit 2, there was an average reduction of 12.2% of the time when compared to the average time of the PSO for the circuit without failures, and of 11.2% for the cases with failure.Universidade do Estado do Rio de Janeiro (UERJ)EletrônicaEngenharia eletrônicaInteligência de enxameOtimização por enxame de partículasOtimização inspirada no comportamento dos morcegosDiagnóstico de falhas em circuitos analógicosDiagnóstico de falhas em circuitos analógicos utilizando inteligência de enxameFault diagnosis in analogic circuits using swarm intelligenceinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB)instname:Marinha do Brasil (MB)instacron:MBORIGINALDissertacao-JALBER.pdfDissertacao-JALBER.pdfapplication/pdf1828271https://www.repositorio.mar.mil.br/bitstream/ripcmb/846511/1/Dissertacao-JALBER.pdf626e1c28782fc18ad34d36a00fa40d13MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-83272https://www.repositorio.mar.mil.br/bitstream/ripcmb/846511/2/license.txt8ff7ce654d5215cee2106f3e3b7eb37fMD52ripcmb/8465112024-01-03 13:56:41.625oai:www.repositorio.mar.mil.br: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Repositório InstitucionalPUBhttps://www.repositorio.mar.mil.br/oai/requestdphdm.repositorio@marinha.mil.bropendoar:2024-01-03T16:56:41Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB) - Marinha do Brasil (MB)false |
dc.title.pt_BR.fl_str_mv |
Diagnóstico de falhas em circuitos analógicos utilizando inteligência de enxame |
dc.title.alternative.pt_BR.fl_str_mv |
Fault diagnosis in analogic circuits using swarm intelligence |
title |
Diagnóstico de falhas em circuitos analógicos utilizando inteligência de enxame |
spellingShingle |
Diagnóstico de falhas em circuitos analógicos utilizando inteligência de enxame Galindo, Jalber Dinelli Luna Engenharia eletrônica Inteligência de enxame Otimização por enxame de partículas Otimização inspirada no comportamento dos morcegos Diagnóstico de falhas em circuitos analógicos Eletrônica |
title_short |
Diagnóstico de falhas em circuitos analógicos utilizando inteligência de enxame |
title_full |
Diagnóstico de falhas em circuitos analógicos utilizando inteligência de enxame |
title_fullStr |
Diagnóstico de falhas em circuitos analógicos utilizando inteligência de enxame |
title_full_unstemmed |
Diagnóstico de falhas em circuitos analógicos utilizando inteligência de enxame |
title_sort |
Diagnóstico de falhas em circuitos analógicos utilizando inteligência de enxame |
author |
Galindo, Jalber Dinelli Luna |
author_facet |
Galindo, Jalber Dinelli Luna |
author_role |
author |
dc.contributor.author.fl_str_mv |
Galindo, Jalber Dinelli Luna |
dc.contributor.advisor1.fl_str_mv |
Nedjah, Nadia Mourelle, Luiza de Macedo |
contributor_str_mv |
Nedjah, Nadia Mourelle, Luiza de Macedo |
dc.subject.por.fl_str_mv |
Engenharia eletrônica Inteligência de enxame Otimização por enxame de partículas Otimização inspirada no comportamento dos morcegos Diagnóstico de falhas em circuitos analógicos |
topic |
Engenharia eletrônica Inteligência de enxame Otimização por enxame de partículas Otimização inspirada no comportamento dos morcegos Diagnóstico de falhas em circuitos analógicos Eletrônica |
dc.subject.dgpm.pt_BR.fl_str_mv |
Eletrônica |
description |
Falhas de circuito aberto ou curto-circuito, bem como em parâmetros discretos são os modelos mais utilizados no método de simulação antes do teste. Como a resposta de um circuito analógico a um sinal de entrada é contínua, falhas em qualquer elemento específico do circuito podem não caracterizar todas as possíveis falhas de componentes. Existem três recursos importantes no diagnóstico de falhas em circuitos analógicos: identificação de componentes defeituosos, determinação de valores de elementos defeituosos e restrições de tolerância do circuito. Para resolver este problema, foram propostas e implementadas duas metodologias, que são baseadas em otimização utilizando inteligência de enxame para o diagnóstico de falhas: otimização por enxame de partículas (Particle Swarm Optimization – PSO); e otimização inspirada no comportamento dos morcegos (BatAlgorithm – BA). As equações não lineares do circuito em teste são usadas para calcular seus parâmetros. O objetivo é identificar o componente do circuito que tem potencial para apresentar a falha, comparando as respostas obtidas do circuito real e a resposta obtida pelo processo de otimização. Foram utilizados dois circuitos como estudos de caso para avaliar o desempenho das metodologias propostas: o filtro Biquad de Tow-Thomas (circuito 1) e o filtro de ButterWorth (circuito 2). As metodologias propostas foram capazes de identificar ou, pelo menos, reduzir a quantidade de possíveis componentes com falhas. Foram extraídas as quatro principais métricas de desempenho: a acurácia, a precisão, a sensibilidade e a especificidade. A técnica do BA teve um melhor desempenho, utilizando a combinação máxima dos nós acessíveis do circuito em teste, com valor das métricas consideradas 95,84%, 81,45%, 82,16% e 97,66%, respectivamente para o circuito 1. Para o circuito 2, obteve métricas de 95,13%, 74,87%, 73,30% e 97,42%, respectivamente. A técnica do BA também foi melhor em relação ao tempo de execução. Para o circuito 1, houve uma redução média de 7,95% do tempo em relação ao tempo médio do PSO para o circuito sem falhas e de 8,12% para os casos com falha. Para o circuito 2, houve uma redução média de 12,2% do tempo em relação ao tempo médio do PSO para o circuito sem falhas e de 11,2% para os casos com falha. |
publishDate |
2022 |
dc.date.issued.fl_str_mv |
2022 |
dc.date.accessioned.fl_str_mv |
2024-01-03T14:31:13Z |
dc.date.available.fl_str_mv |
2024-01-03T14:31:13Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
GALINDO, Jalber D. L. Diagnóstico de Falhas em Circuitos Analógicos Utilizando Inteligência de Enxame. 2022. 251f. Dissertação (Mestrado em Engenharia Eletrônica) – Faculdade de Engenharia, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2022. |
dc.identifier.uri.fl_str_mv |
https://www.repositorio.mar.mil.br/handle/ripcmb/846511 |
identifier_str_mv |
GALINDO, Jalber D. L. Diagnóstico de Falhas em Circuitos Analógicos Utilizando Inteligência de Enxame. 2022. 251f. Dissertação (Mestrado em Engenharia Eletrônica) – Faculdade de Engenharia, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2022. |
url |
https://www.repositorio.mar.mil.br/handle/ripcmb/846511 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade do Estado do Rio de Janeiro (UERJ) |
publisher.none.fl_str_mv |
Universidade do Estado do Rio de Janeiro (UERJ) |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB) instname:Marinha do Brasil (MB) instacron:MB |
instname_str |
Marinha do Brasil (MB) |
instacron_str |
MB |
institution |
MB |
reponame_str |
Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB) |
collection |
Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB) |
bitstream.url.fl_str_mv |
https://www.repositorio.mar.mil.br/bitstream/ripcmb/846511/1/Dissertacao-JALBER.pdf https://www.repositorio.mar.mil.br/bitstream/ripcmb/846511/2/license.txt |
bitstream.checksum.fl_str_mv |
626e1c28782fc18ad34d36a00fa40d13 8ff7ce654d5215cee2106f3e3b7eb37f |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB) - Marinha do Brasil (MB) |
repository.mail.fl_str_mv |
dphdm.repositorio@marinha.mil.br |
_version_ |
1813189026768748544 |