Predição da descarga e capacidade de baterias li-on utilizadas em vants

Detalhes bibliográficos
Autor(a) principal: Frota da Costa, Erick
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal do Ceará (UFC)
Texto Completo: http://www.repositorio.ufc.br/handle/riufc/43832
Resumo: Costa E., F. Predição da descarga e da capacidade de baterias li-on utilizadas em vants. 2019. 95 f. Dissertação (Mestrado em Engenharia Elétrica e da Computação) - Campus de Sobral, Universidade Federal do Ceará, Sobral, 2019.
id UFC-7_fb7b36c751a81f05c8d72413921ab592
oai_identifier_str oai:repositorio.ufc.br:riufc/43832
network_acronym_str UFC-7
network_name_str Repositório Institucional da Universidade Federal do Ceará (UFC)
repository_id_str
spelling Predição da descarga e capacidade de baterias li-on utilizadas em vantsDischarge and capacity prediction of lithium ion batteries used in UAVSBaterias li-onVantsPHMRNA ELMFiltro de PartículasFiltro de Kalman Unscentend.Costa E., F. Predição da descarga e da capacidade de baterias li-on utilizadas em vants. 2019. 95 f. Dissertação (Mestrado em Engenharia Elétrica e da Computação) - Campus de Sobral, Universidade Federal do Ceará, Sobral, 2019.This research aims to perform a prediction study of the capacity and discharge of lithium ion batteries (Li-Ion) from a set of a NASA database. These batteries are commonly used in UAVs (Unmanned Aerial Vehicles) because it presents characteristics such as lightness, high energy density, large number of discharge cycles, among others. The prediction methods are used in the form of supervised learning, in which algorithms are fed part of the NASA database’s inputs and outputs. The methods used in this study were: Non-recursive least squares, Discrete Kalman Filter, Artificial Neural Network with ELM (Extreme Learning Machine) training, Particle Filter and Unscented Kalman Filter. In order to make a comparative analysis of these, RMSE (Root-Mean-Square Error), R2 (correlation coefficient) and computational cost were used. In addition, PHM (Prognostics and Health Management) techniques were used alongside the aforementioned ones, utilizing a threshold-based failure methodology as well as prediction barriers for the capacity with 95% confidence intervals.Esta pesquisa busca realizar um estudo de predição da capacidade e descarga de baterias de íons de lítio (Li-Ion) de um conjunto de base de dados da NASA. Essas baterias são comumente usadas em VANTS (Veículos Aéreos não Tripulados) por apresentar certas características, como: leveza, alta densidade energética, grande quantidade de ciclos de descarga, entre outras. Os métodos de predição são usados na forma de aprendizagem supervisionada, na qual os algoritmos são informados das entradas e saídas de uma parte da base de dados da NASA. Os métodos usados para este estudo foram: Mínimos quadrados não recursivos, Filtro de Kalman Discreto, Rede Neural Artificial com o treinamento ELM (Máquina de Aprendizagem Extremo), Filtro de Partículas e Filtro de Kalman Unscented. Para se fazer uma análise comparativa destes, foram usados o RMSE (raiz do erro quadrático médio), R2 (coeficiente de correlação) e o custo computacional. Além disso, foram utilizadas técnicas de PHM (Prognostics and Health Management ou Prognóstico e Gerenciamento de Saúde) junto às técnicas citadas, com uma metodologia de falha baseada em threshold e barreiras de predição para a capacidade com intervalos de confiança de 95%.Universidade Federal do CearáPinto, Vandilberto PereiraFrota da Costa, Erick2019-07-22T14:24:30Z2019-07-22T14:24:30Z2019-07info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfCosta. E., F.http://www.repositorio.ufc.br/handle/riufc/43832porreponame:Repositório Institucional da Universidade Federal do Ceará (UFC)instname:Universidade Federal do Ceará (UFC)instacron:UFCinfo:eu-repo/semantics/openAccess2019-07-22T14:24:30Zoai:repositorio.ufc.br:riufc/43832Repositório InstitucionalPUBhttp://www.repositorio.ufc.br/ri-oai/requestbu@ufc.br || repositorio@ufc.bropendoar:2024-09-11T18:45:25.878982Repositório Institucional da Universidade Federal do Ceará (UFC) - Universidade Federal do Ceará (UFC)false
dc.title.none.fl_str_mv Predição da descarga e capacidade de baterias li-on utilizadas em vants
Discharge and capacity prediction of lithium ion batteries used in UAVS
title Predição da descarga e capacidade de baterias li-on utilizadas em vants
spellingShingle Predição da descarga e capacidade de baterias li-on utilizadas em vants
Frota da Costa, Erick
Baterias li-on
Vants
PHM
RNA ELM
Filtro de Partículas
Filtro de Kalman Unscentend.
title_short Predição da descarga e capacidade de baterias li-on utilizadas em vants
title_full Predição da descarga e capacidade de baterias li-on utilizadas em vants
title_fullStr Predição da descarga e capacidade de baterias li-on utilizadas em vants
title_full_unstemmed Predição da descarga e capacidade de baterias li-on utilizadas em vants
title_sort Predição da descarga e capacidade de baterias li-on utilizadas em vants
author Frota da Costa, Erick
author_facet Frota da Costa, Erick
author_role author
dc.contributor.none.fl_str_mv Pinto, Vandilberto Pereira
dc.contributor.author.fl_str_mv Frota da Costa, Erick
dc.subject.por.fl_str_mv Baterias li-on
Vants
PHM
RNA ELM
Filtro de Partículas
Filtro de Kalman Unscentend.
topic Baterias li-on
Vants
PHM
RNA ELM
Filtro de Partículas
Filtro de Kalman Unscentend.
description Costa E., F. Predição da descarga e da capacidade de baterias li-on utilizadas em vants. 2019. 95 f. Dissertação (Mestrado em Engenharia Elétrica e da Computação) - Campus de Sobral, Universidade Federal do Ceará, Sobral, 2019.
publishDate 2019
dc.date.none.fl_str_mv 2019-07-22T14:24:30Z
2019-07-22T14:24:30Z
2019-07
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.uri.fl_str_mv Costa. E., F.
http://www.repositorio.ufc.br/handle/riufc/43832
identifier_str_mv Costa. E., F.
url http://www.repositorio.ufc.br/handle/riufc/43832
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.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do Ceará
publisher.none.fl_str_mv Universidade Federal do Ceará
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal do Ceará (UFC)
instname:Universidade Federal do Ceará (UFC)
instacron:UFC
instname_str Universidade Federal do Ceará (UFC)
instacron_str UFC
institution UFC
reponame_str Repositório Institucional da Universidade Federal do Ceará (UFC)
collection Repositório Institucional da Universidade Federal do Ceará (UFC)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal do Ceará (UFC) - Universidade Federal do Ceará (UFC)
repository.mail.fl_str_mv bu@ufc.br || repositorio@ufc.br
_version_ 1813028934032293888

Registros relacionados