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

Detalhes bibliográficos
Autor(a) principal: Chaim, Lucas Perroni
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UNESP
Texto Completo: http://hdl.handle.net/11449/182557
Resumo: Redes 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.
id UNSP_f74c34b64f4368d9dfd7f1901c3232f6
oai_identifier_str oai:repositorio.unesp.br:11449/182557
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str 2946
spelling Detecção e classificação de falhas estruturais de um sistema mecânico por meio de uma rede neural artificialFault detection and classification of a mechanical system using an artificial neural networkMonitoramento da integridade estruturalDetecção e classificação de falhasRedes neurais artificiaisStructural health monitoringFault detection and classificationArtificial neural networksRedes 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.Artificial 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.Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)CNPq 131031/2017-1Universidade Estadual Paulista (Unesp)Chavarette, Fábio Roberto [UNESP]Lopes, Mara Lúcia Martins [UNESP]Universidade Estadual Paulista (Unesp)Chaim, Lucas Perroni2019-07-17T17:35:13Z2019-07-17T17:35:13Z2019-05-31info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/11449/18255700091854733004099082P25434299135943285porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-08-05T18:15:44Zoai:repositorio.unesp.br:11449/182557Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestrepositoriounesp@unesp.bropendoar:29462024-08-05T18:15:44Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Detecção e classificação de falhas estruturais de um sistema mecânico por meio de uma rede neural artificial
Fault detection and classification of a mechanical system using an artificial neural network
title Detecção e classificação de falhas estruturais de um sistema mecânico por meio de uma rede neural artificial
spellingShingle Detecção e classificação de falhas estruturais de um sistema mecânico por meio de uma rede neural artificial
Chaim, Lucas Perroni
Monitoramento da integridade estrutural
Detecção e classificação de falhas
Redes neurais artificiais
Structural health monitoring
Fault detection and classification
Artificial neural networks
title_short Detecção e classificação de falhas estruturais de um sistema mecânico por meio de uma rede neural artificial
title_full Detecção e classificação de falhas estruturais de um sistema mecânico por meio de uma rede neural artificial
title_fullStr Detecção e classificação de falhas estruturais de um sistema mecânico por meio de uma rede neural artificial
title_full_unstemmed Detecção e classificação de falhas estruturais de um sistema mecânico por meio de uma rede neural artificial
title_sort Detecção e classificação de falhas estruturais de um sistema mecânico por meio de uma rede neural artificial
author Chaim, Lucas Perroni
author_facet Chaim, Lucas Perroni
author_role author
dc.contributor.none.fl_str_mv Chavarette, Fábio Roberto [UNESP]
Lopes, Mara Lúcia Martins [UNESP]
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Chaim, Lucas Perroni
dc.subject.por.fl_str_mv Monitoramento da integridade estrutural
Detecção e classificação de falhas
Redes neurais artificiais
Structural health monitoring
Fault detection and classification
Artificial neural networks
topic Monitoramento da integridade estrutural
Detecção e classificação de falhas
Redes neurais artificiais
Structural health monitoring
Fault detection and classification
Artificial neural networks
description Redes 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.
publishDate 2019
dc.date.none.fl_str_mv 2019-07-17T17:35:13Z
2019-07-17T17:35:13Z
2019-05-31
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 http://hdl.handle.net/11449/182557
000918547
33004099082P2
5434299135943285
url http://hdl.handle.net/11449/182557
identifier_str_mv 000918547
33004099082P2
5434299135943285
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 Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv repositoriounesp@unesp.br
_version_ 1826303862623961088

Registros relacionados