Optimal guidance and control of autonomous underwater vehicle for docking task
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Dissertação |
Idioma: | eng |
Título da fonte: | Repositório Institucional da UFBA |
Texto Completo: | https://repositorio.ufba.br/handle/ri/38432 |
Resumo: | A inserção e retirada de veı́culos autônomos submarinos (AUV) são operações de alto custo, duração e risco para os operadores. Uma possı́vel solução para a redução desses três fatores é a substituição destes operadores por veı́culos de superfı́cie não tripulados (USV). Uma etapa fundamental para retirada do AUV de forma autônoma é a atracação, que é o momento em que o AUV entra na estação de atracação (DS) móvel, que por sua vez estaria sendo rebocada pelo USV. O algoritmo de controle do AUV deve garantir que a DS está no campo de visão (FOV) dos sensores do AUV, assim como que o AUV está no FOV dos sensores da DS. Ademais, o controlador deve controlar o AUV de forma precisa para evitar a colisão indesejada entre o AUV e a DS. Um controlador muito utilizado na literatura para resolver esses problemas é o contro- lador preditivo baseado em modelo (MPC). Contudo, a maioria dos MPCs de atracação não consideram a predição do movimento da DS em seu problema de otimização. Além disso, diversos MPCs de atracação consideram que o objetivo do MPC é levar o AUV para a mesma pose da DS. Porém, ao fim da manobra de atracação, o AUV deve estar em uma pose e com uma velocidade relativa a DS, e não nas mesmas. Dessa forma, para a atracação de um AUV, essa pose e velocidade relativas devem ser consideradas no cálculo de referência do controlador. Portanto, a proposta deste trabalho é a de levar em consideração essa pose relativa de atracação e a predição de sua movimentação no MPC. Por fim, esse trabalho também se propõe a manter contribuições já realizadas por outros trabalhos. Tais contribuições são as implementações no MPC dos limites dos propulsores, garantia que o AUV está no FOV da DS e garantia que a DS está no FOV do AUV. Para a validação da proposta deste trabalho, a solução foi testada em um ambiente de simulação no Gazebo, no qual a dinâmica submarina foi computada pelo UUV Simulator [1]. A framework robot operating system (ROS) [2] e a biblioteca de otimização Casadi [3] foram usados para o desenvolvimento do controlador e para a sua conexão com o simulador. Para os casos de teste, os parâmetros e o modelo 3D do veı́culo submarino comercial BlueROV2 Heavy foram utilizados para representar a DS e o AUV na simulação. Dois casos de testes foram elaborados para demonstrar a eficiência da predição do movimento da pose de atracação no MPC, um com uma oscilação vertical da DS e outro com um movimento rotacional e horizontal. As restrições de FOV e a predição da pose de atracação foram testadas simultaneamente com sucesso para caso de teste com oscilação vertical, mas por ter sido computacionalmente muito custoso, a restrição do FOV do AUV foi retirada para o outro teste. Para ambos os casos de teste concluiu-se que o tempo de atracação é reduzido e que o erro entre a pose do AUV e sua pose de atracação é menor quando é realizada a predição do movimento da DS. |
id |
UFBA-2_bc386d88ef1c2f1177c84eadbfadd58d |
---|---|
oai_identifier_str |
oai:repositorio.ufba.br:ri/38432 |
network_acronym_str |
UFBA-2 |
network_name_str |
Repositório Institucional da UFBA |
repository_id_str |
1932 |
spelling |
2023-11-13T14:09:05Z2023-11-13T14:09:05Z2023-04-14https://repositorio.ufba.br/handle/ri/38432A inserção e retirada de veı́culos autônomos submarinos (AUV) são operações de alto custo, duração e risco para os operadores. Uma possı́vel solução para a redução desses três fatores é a substituição destes operadores por veı́culos de superfı́cie não tripulados (USV). Uma etapa fundamental para retirada do AUV de forma autônoma é a atracação, que é o momento em que o AUV entra na estação de atracação (DS) móvel, que por sua vez estaria sendo rebocada pelo USV. O algoritmo de controle do AUV deve garantir que a DS está no campo de visão (FOV) dos sensores do AUV, assim como que o AUV está no FOV dos sensores da DS. Ademais, o controlador deve controlar o AUV de forma precisa para evitar a colisão indesejada entre o AUV e a DS. Um controlador muito utilizado na literatura para resolver esses problemas é o contro- lador preditivo baseado em modelo (MPC). Contudo, a maioria dos MPCs de atracação não consideram a predição do movimento da DS em seu problema de otimização. Além disso, diversos MPCs de atracação consideram que o objetivo do MPC é levar o AUV para a mesma pose da DS. Porém, ao fim da manobra de atracação, o AUV deve estar em uma pose e com uma velocidade relativa a DS, e não nas mesmas. Dessa forma, para a atracação de um AUV, essa pose e velocidade relativas devem ser consideradas no cálculo de referência do controlador. Portanto, a proposta deste trabalho é a de levar em consideração essa pose relativa de atracação e a predição de sua movimentação no MPC. Por fim, esse trabalho também se propõe a manter contribuições já realizadas por outros trabalhos. Tais contribuições são as implementações no MPC dos limites dos propulsores, garantia que o AUV está no FOV da DS e garantia que a DS está no FOV do AUV. Para a validação da proposta deste trabalho, a solução foi testada em um ambiente de simulação no Gazebo, no qual a dinâmica submarina foi computada pelo UUV Simulator [1]. A framework robot operating system (ROS) [2] e a biblioteca de otimização Casadi [3] foram usados para o desenvolvimento do controlador e para a sua conexão com o simulador. Para os casos de teste, os parâmetros e o modelo 3D do veı́culo submarino comercial BlueROV2 Heavy foram utilizados para representar a DS e o AUV na simulação. Dois casos de testes foram elaborados para demonstrar a eficiência da predição do movimento da pose de atracação no MPC, um com uma oscilação vertical da DS e outro com um movimento rotacional e horizontal. As restrições de FOV e a predição da pose de atracação foram testadas simultaneamente com sucesso para caso de teste com oscilação vertical, mas por ter sido computacionalmente muito custoso, a restrição do FOV do AUV foi retirada para o outro teste. Para ambos os casos de teste concluiu-se que o tempo de atracação é reduzido e que o erro entre a pose do AUV e sua pose de atracação é menor quando é realizada a predição do movimento da DS.The deployment and retrieval of Autonomous Underwater Vehicles (AUV) are operations with high costs, duration and risks for the operators. A possible solution to reduce these three factors is the autonomous deployment and retrieval of the AUV from Unmanned Surface Vehicles (USV) instead of operators in a surface vessel. A fundamental step in the full autonomous retrieval of the AUV is the docking stage, in which the AUV enters inside a mobile docking station (DS) attached to the USV. The control algorithm for docking has to ensure that the DS is in the AUV’s sensors field of view (FOV) and that the AUV is in the DS’s sensors FOV. Moreover, the controller has to control the vehicle precisely to avoid crashing the AUV with the DS or USV. A controller that is vastly used in the literature to solve these problem is the model predictive controller (MPC). Nonetheless, most of docking MPCs do not take into ac- count the prediction of DS movement in the optimization problem. Additionally, various docking MPC proposed in the literature considers, that the goal pose of docking MPC is the pose of the DS. Although, in reality, by the end of docking maneuver, the AUV has to be in a pose and with a velocity relative to the DS, but not in the same. Therefore, for an AUV docking, the computation of pose and velocity setpoint for the docking con- troller has to consider this relative pose. The proposal of this work is to take into account this docked pose and its movement prediction in the MPC. Additionally, this work will maintain some contributions that already have been developed for AUV MPC docking, which are the implementation of thrusters limits and FOV constraints of DS and AUV in the docking MPC controller. For validation of the proposal, the solution was tested in a Gazebo simulated envi- ronment, in which the underwater dynamics were computed by underwater unmanned vehicles (UUV) simulator [1]. The robot operating system (ROS) [2] framework and Casadi [3] optimization library were used to develop the controller and connect it with the simulation. For the test cases, the parameters and 3D model of the commercial BlueROV2 Heavy were used to represent the DS and the AUV in the simulation. Two test cases were designed to demonstrate the efficiency of predicting docked pose movement with the MPC, one with a vertical oscillation motion of the DS and the other with a rotational and horizontal motion. The FOV constraints and the prediction of the docked pose movement were successfully tested together for the vertical oscillation, but it was computationally expensive, thus only the DS FOV constraint was used for the other tests. For both test cases the conclusion was that the docking maneuver is faster and that the error between the AUV and the goal pose is smaller when the goal of the docking MPC uses the prediction of DS movement, instead of its current states.Submitted by Yuri Oliveira (yuri.matos@gmail.com) on 2023-11-10T06:07:38Z No. of bitstreams: 2 license_rdf: 701 bytes, checksum: 42fd4ad1e89814f5e4a476b409eb708c (MD5) Yuri_Oliveira_Dissertacao.pdf: 3338377 bytes, checksum: 69addefc318c82f56e8ebf46ff8c65ad (MD5)Approved for entry into archive by Biblioteca Engenharia Processamento Técnico (biengproc@ufba.br) on 2023-11-13T14:09:05Z (GMT) No. of bitstreams: 2 Yuri_Oliveira_Dissertacao.pdf: 3338377 bytes, checksum: 69addefc318c82f56e8ebf46ff8c65ad (MD5) license_rdf: 701 bytes, checksum: 42fd4ad1e89814f5e4a476b409eb708c (MD5)Made available in DSpace on 2023-11-13T14:09:05Z (GMT). No. of bitstreams: 2 Yuri_Oliveira_Dissertacao.pdf: 3338377 bytes, checksum: 69addefc318c82f56e8ebf46ff8c65ad (MD5) license_rdf: 701 bytes, checksum: 42fd4ad1e89814f5e4a476b409eb708c (MD5) Previous issue date: 2023-04-14Technology Innovation InstituteengUniversidade Federal da BahiaPrograma de Pós-Graduação em Mecatrônica da UFBA (PPGM) UFBABrasilInstituto de Computação - ICCC0 1.0 Universalhttp://creativecommons.org/publicdomain/zero/1.0/info:eu-repo/semantics/openAccessAutonomous underwater vehiclesDockingControlOptimizationModel predictive controllerCNPQ::ENGENHARIAS::ENGENHARIA NAVAL E OCEANICA::MAQUINAS MARITIMASVeículos autônomos submarinosAtracaçãoControleOtimizaçãoControlador preditivo baseado em modeloOptimal guidance and control of autonomous underwater vehicle for docking taskMestrado Acadêmicoinfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/publishedVersionSchnitman, LeizerNicola, JeremySchnitman, LeizerNicola, JeremyLe Bars, FabriceGalvão, Roberto K. H.http://lattes.cnpq.br/6369756762426245Oliveira, Yuri de Matos Alves dereponame:Repositório Institucional da UFBAinstname:Universidade Federal da Bahia (UFBA)instacron:UFBATEXTYuri_Oliveira_Dissertacao.pdf.txtYuri_Oliveira_Dissertacao.pdf.txtExtracted texttext/plain103371https://repositorio.ufba.br/bitstream/ri/38432/4/Yuri_Oliveira_Dissertacao.pdf.txt89f1f11bc81445b259f881b253749a03MD54ORIGINALYuri_Oliveira_Dissertacao.pdfYuri_Oliveira_Dissertacao.pdfDissertacao de Yuri Oliveiraapplication/pdf3338377https://repositorio.ufba.br/bitstream/ri/38432/1/Yuri_Oliveira_Dissertacao.pdf69addefc318c82f56e8ebf46ff8c65adMD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8701https://repositorio.ufba.br/bitstream/ri/38432/2/license_rdf42fd4ad1e89814f5e4a476b409eb708cMD52LICENSElicense.txtlicense.txttext/plain1715https://repositorio.ufba.br/bitstream/ri/38432/3/license.txt67bf4f75790b0d8d38d8f112a48ad90bMD53ri/384322023-11-18 02:04:29.716oai:repositorio.ufba.br:ri/38432TElDRU7Dh0EgREUgRElTVFJJQlVJw4fDg08gTsODTy1FWENMVVNJVkEKCkNvbSBhIGFwcmVzZW50YcOnw6NvIGRlc3RhIGxpY2Vuw6dhLCBvIGF1dG9yIG91IHRpdHVsYXIgZG9zIGRpcmVpdG9zIGRlIGF1dG9yIGNvbmNlZGUgYW8gUmVwb3NpdMOzcmlvIEluc3RpdHVjaW9uYWwgbyBkaXJlaXRvIG7Do28tZXhjbHVzaXZvIGRlIHJlcHJvZHV6aXIsICB0cmFkdXppciAoY29uZm9ybWUgZGVmaW5pZG8gYWJhaXhvKSBlL291IGRpc3RyaWJ1aXIgYSBzdWEgcHVibGljYcOnw6NvIChpbmNsdWluZG8gbyByZXN1bW8pIG5vIGZvcm1hdG8gaW1wcmVzc28gZS9vdSBlbGV0csO0bmljbyBlIGVtIHF1YWxxdWVyIG1laW8sIGluY2x1aW5kbyBvcyAKZm9ybWF0b3Mgw6F1ZGlvIGUvb3UgdsOtZGVvLgoKTyBhdXRvciBvdSB0aXR1bGFyIGRvcyBkaXJlaXRvcyBkZSBhdXRvciBjb25jb3JkYSBxdWUgbyBSZXBvc2l0w7NyaW8gcG9kZSwgc2VtIGFsdGVyYXIgbyBjb250ZcO6ZG8sIHRyYW5zcG9yIGEgc3VhIHB1YmxpY2HDp8OjbyBwYXJhIHF1YWxxdWVyIG1laW8gZS9vdSBmb3JtYXRvIHBhcmEgZmlucyBkZSBwcmVzZXJ2YcOnw6NvLCBwb2RlbmRvIG1hbnRlciBtYWlzIGRlIHVtYSBjw7NwaWEgIHBhcmEgZmlucyBkZSBzZWd1cmFuw6dhLCBiYWNrdXAgZSBwcmVzZXJ2YcOnw6NvLgoKTyBhdXRvciBvdSB0aXR1bGFyIGRvcyBkaXJlaXRvcyBkZSBhdXRvciBkZWNsYXJhIHF1ZSBhIHN1YSBwdWJsaWNhw6fDo28gw6kgb3JpZ2luYWwgZSBxdWUgbsOjbywgcXVlIHNlamEgZGUgc2V1IGNvbmhlY2ltZW50bywgaW5mcmluZ2UgZGlyZWl0b3MgYXV0b3JhaXMgZGUgbmluZ3XDqW0uCgpDYXNvIGEgc3VhIHB1YmxpY2HDp8OjbyBjb250ZW5oYSBtYXRlcmlhbCBxdWUgbsOjbyBwb3NzdWkgYSB0aXR1bGFyaWRhZGUgZG9zIGRpcmVpdG9zIGF1dG9yYWlzLCB2b2PDqiBkZWNsYXJhIHF1ZSBvYnRldmUgYSBwZXJtaXNzw6NvIGlycmVzdHJpdGEgZG8gZGV0ZW50b3IgZG9zIGRpcmVpdG9zIGF1dG9yYWlzIHBhcmEgY29uY2VkZXIgYW8gUmVwb3NpdMOzcmlvIG9zIGRpcmVpdG9zIGFwcmVzZW50YWRvcyBuZXN0YSBsaWNlbsOnYSBlIHF1ZSBlc3NlIG1hdGVyaWFsIGRlIHByb3ByaWVkYWRlIGRlIHRlcmNlaXJvcyBlc3TDoSBjbGFyYW1lbnRlIGlkZW50aWZpY2FkbyBlIHJlY29uaGVjaWRvIG5vIHRleHRvIG91IG5vIGNvbnRlw7pkbyBkYSBwdWJsaWNhw6fDo28gb3JhIGRlcG9zaXRhZGEuCgpDQVNPIEEgUFVCTElDQcOHw4NPIE9SQSBERVBPU0lUQURBICBSRVNVTFRFIERFIFVNIFBBVFJPQ8ONTklPIE9VIEFQT0lPIERFIFVNQSAgQUfDik5DSUEgREUgRk9NRU5UTyBPVSBPVVRSTyAKT1JHQU5JU01PLCBWT0PDiiBERUNMQVJBIFFVRSBSRVNQRUlUT1UgVE9ET1MgRSBRVUFJU1FVRVIgRElSRUlUT1MgREUgUkVWSVPDg08sIENPTU8gVEFNQsOJTSBBUyBERU1BSVMgT0JSSUdBw4fDlUVTIApFWElHSURBUyBQT1IgQ09OVFJBVE8gT1UgQUNPUkRPLgoKTyBSZXBvc2l0w7NyaW8gc2UgY29tcHJvbWV0ZSBhIGlkZW50aWZpY2FyLCBjbGFyYW1lbnRlLCBvIHNldSBub21lIChzKSBvdSBvKHMpIG5vbWUocykgZG8ocykgZGV0ZW50b3IoZXMpIGRvcyBkaXJlaXRvcyBhdXRvcmFpcyBkYSBwdWJsaWNhw6fDo28gZSBuw6NvIGZhcsOhIHF1YWxxdWVyIGFsdGVyYcOnw6NvLCBhbMOpbSBkYXF1ZWxhcyBjb25jZWRpZGFzIHBvciBlc3RhIGxpY2Vuw6dhLgo=Repositório InstitucionalPUBhttp://192.188.11.11:8080/oai/requestopendoar:19322023-11-18T05:04:29Repositório Institucional da UFBA - Universidade Federal da Bahia (UFBA)false |
dc.title.pt_BR.fl_str_mv |
Optimal guidance and control of autonomous underwater vehicle for docking task |
title |
Optimal guidance and control of autonomous underwater vehicle for docking task |
spellingShingle |
Optimal guidance and control of autonomous underwater vehicle for docking task Oliveira, Yuri de Matos Alves de CNPQ::ENGENHARIAS::ENGENHARIA NAVAL E OCEANICA::MAQUINAS MARITIMAS Veículos autônomos submarinos Atracação Controle Otimização Controlador preditivo baseado em modelo Autonomous underwater vehicles Docking Control Optimization Model predictive controller |
title_short |
Optimal guidance and control of autonomous underwater vehicle for docking task |
title_full |
Optimal guidance and control of autonomous underwater vehicle for docking task |
title_fullStr |
Optimal guidance and control of autonomous underwater vehicle for docking task |
title_full_unstemmed |
Optimal guidance and control of autonomous underwater vehicle for docking task |
title_sort |
Optimal guidance and control of autonomous underwater vehicle for docking task |
author |
Oliveira, Yuri de Matos Alves de |
author_facet |
Oliveira, Yuri de Matos Alves de |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Schnitman, Leizer |
dc.contributor.advisor-co1.fl_str_mv |
Nicola, Jeremy |
dc.contributor.referee1.fl_str_mv |
Schnitman, Leizer |
dc.contributor.referee2.fl_str_mv |
Nicola, Jeremy |
dc.contributor.referee3.fl_str_mv |
Le Bars, Fabrice |
dc.contributor.referee4.fl_str_mv |
Galvão, Roberto K. H. |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/6369756762426245 |
dc.contributor.author.fl_str_mv |
Oliveira, Yuri de Matos Alves de |
contributor_str_mv |
Schnitman, Leizer Nicola, Jeremy Schnitman, Leizer Nicola, Jeremy Le Bars, Fabrice Galvão, Roberto K. H. |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA NAVAL E OCEANICA::MAQUINAS MARITIMAS |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA NAVAL E OCEANICA::MAQUINAS MARITIMAS Veículos autônomos submarinos Atracação Controle Otimização Controlador preditivo baseado em modelo Autonomous underwater vehicles Docking Control Optimization Model predictive controller |
dc.subject.por.fl_str_mv |
Veículos autônomos submarinos Atracação Controle Otimização Controlador preditivo baseado em modelo |
dc.subject.other.pt_BR.fl_str_mv |
Autonomous underwater vehicles Docking Control Optimization Model predictive controller |
description |
A inserção e retirada de veı́culos autônomos submarinos (AUV) são operações de alto custo, duração e risco para os operadores. Uma possı́vel solução para a redução desses três fatores é a substituição destes operadores por veı́culos de superfı́cie não tripulados (USV). Uma etapa fundamental para retirada do AUV de forma autônoma é a atracação, que é o momento em que o AUV entra na estação de atracação (DS) móvel, que por sua vez estaria sendo rebocada pelo USV. O algoritmo de controle do AUV deve garantir que a DS está no campo de visão (FOV) dos sensores do AUV, assim como que o AUV está no FOV dos sensores da DS. Ademais, o controlador deve controlar o AUV de forma precisa para evitar a colisão indesejada entre o AUV e a DS. Um controlador muito utilizado na literatura para resolver esses problemas é o contro- lador preditivo baseado em modelo (MPC). Contudo, a maioria dos MPCs de atracação não consideram a predição do movimento da DS em seu problema de otimização. Além disso, diversos MPCs de atracação consideram que o objetivo do MPC é levar o AUV para a mesma pose da DS. Porém, ao fim da manobra de atracação, o AUV deve estar em uma pose e com uma velocidade relativa a DS, e não nas mesmas. Dessa forma, para a atracação de um AUV, essa pose e velocidade relativas devem ser consideradas no cálculo de referência do controlador. Portanto, a proposta deste trabalho é a de levar em consideração essa pose relativa de atracação e a predição de sua movimentação no MPC. Por fim, esse trabalho também se propõe a manter contribuições já realizadas por outros trabalhos. Tais contribuições são as implementações no MPC dos limites dos propulsores, garantia que o AUV está no FOV da DS e garantia que a DS está no FOV do AUV. Para a validação da proposta deste trabalho, a solução foi testada em um ambiente de simulação no Gazebo, no qual a dinâmica submarina foi computada pelo UUV Simulator [1]. A framework robot operating system (ROS) [2] e a biblioteca de otimização Casadi [3] foram usados para o desenvolvimento do controlador e para a sua conexão com o simulador. Para os casos de teste, os parâmetros e o modelo 3D do veı́culo submarino comercial BlueROV2 Heavy foram utilizados para representar a DS e o AUV na simulação. Dois casos de testes foram elaborados para demonstrar a eficiência da predição do movimento da pose de atracação no MPC, um com uma oscilação vertical da DS e outro com um movimento rotacional e horizontal. As restrições de FOV e a predição da pose de atracação foram testadas simultaneamente com sucesso para caso de teste com oscilação vertical, mas por ter sido computacionalmente muito custoso, a restrição do FOV do AUV foi retirada para o outro teste. Para ambos os casos de teste concluiu-se que o tempo de atracação é reduzido e que o erro entre a pose do AUV e sua pose de atracação é menor quando é realizada a predição do movimento da DS. |
publishDate |
2023 |
dc.date.accessioned.fl_str_mv |
2023-11-13T14:09:05Z |
dc.date.available.fl_str_mv |
2023-11-13T14:09:05Z |
dc.date.issued.fl_str_mv |
2023-04-14 |
dc.type.driver.fl_str_mv |
Mestrado Acadêmico info:eu-repo/semantics/masterThesis |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufba.br/handle/ri/38432 |
url |
https://repositorio.ufba.br/handle/ri/38432 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.rights.driver.fl_str_mv |
CC0 1.0 Universal http://creativecommons.org/publicdomain/zero/1.0/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
CC0 1.0 Universal http://creativecommons.org/publicdomain/zero/1.0/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal da Bahia |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Mecatrônica da UFBA (PPGM) |
dc.publisher.initials.fl_str_mv |
UFBA |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Instituto de Computação - IC |
publisher.none.fl_str_mv |
Universidade Federal da Bahia |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFBA instname:Universidade Federal da Bahia (UFBA) instacron:UFBA |
instname_str |
Universidade Federal da Bahia (UFBA) |
instacron_str |
UFBA |
institution |
UFBA |
reponame_str |
Repositório Institucional da UFBA |
collection |
Repositório Institucional da UFBA |
bitstream.url.fl_str_mv |
https://repositorio.ufba.br/bitstream/ri/38432/4/Yuri_Oliveira_Dissertacao.pdf.txt https://repositorio.ufba.br/bitstream/ri/38432/1/Yuri_Oliveira_Dissertacao.pdf https://repositorio.ufba.br/bitstream/ri/38432/2/license_rdf https://repositorio.ufba.br/bitstream/ri/38432/3/license.txt |
bitstream.checksum.fl_str_mv |
89f1f11bc81445b259f881b253749a03 69addefc318c82f56e8ebf46ff8c65ad 42fd4ad1e89814f5e4a476b409eb708c 67bf4f75790b0d8d38d8f112a48ad90b |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFBA - Universidade Federal da Bahia (UFBA) |
repository.mail.fl_str_mv |
|
_version_ |
1808459684462460928 |