Please use this identifier to cite or link to this item: http://repositorio.ufpa.br/jspui/handle/2011/7187
metadata.dc.type: Dissertação
Issue Date: 14-May-2007
metadata.dc.creator: MACHADO, José Aristides dos Santos
metadata.dc.contributor.advisor1: VIEIRA JÚNIOR, Petrônio
metadata.dc.contributor.advisor-co1: MELLO, Hiran de
Title: Redes neurais de múltiplas camadas para redução do tempo de aquisição de dados para testes modais em estruturas flexíveis
metadata.dc.description.sponsorship: FANC - Fundação Amazônica de Apoio a Pesquisa e Desenvolvimento Tecnológico André Nunes Coelho
CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
Citation: MACHADO, José Aristides dos Santos. Redes neurais de múltiplas camadas para redução do tempo de aquisição de dados para testes modais em estruturas flexíveis. Orientador: Petrônio Vieira Júnior; Coorientador: Hiran de Mello. 2007. 87 f. Dissertação (Mestrado em Engenharia Elétrica) - Centro Tecnológico, Universidade Federal do Pará, Belém, 2007. Disponível em : http://repositorio.ufpa.br/jspui/handle/2011/7187. Acesso em:.
metadata.dc.description.resumo: Neste trabalho discutem-se técnicas de aperfeiçoamento das estimativas dos parâmetros dinâmicos de modelos representativos de Sistemas de Um Grau de Liberdade (S1GL) e Sistema de Múltiplos Graus de Liberdade (SMGL) de estruturas flexíveis. As avaliações referem-se aos métodos que utilizam a Função Resposta em Freqüência (FRF) obtida mediante medições da resposta ao impulso de uma estrutura flexível. Utiliza-se como hipótese de trabalho o pressuposto de que o modelo subjacente possui adequação para uma descrição precisa do sistema. Portanto, um bom método de obtenção experimental da FRF deve levar a uma concordância significativa entre a FRF prevista pela teoria e a FRF obtida experimentalmente. No presente trabalho investiga-se o ganho em qualidade obtido com o aumento virtual do tempo de aquisição (previsão de valores futuros). Na realização desta estratégia faz-se uso de Previsores Não Lineares baseados em Redes Neurais de Múltiplas Camadas (RNMC). Para comparação de desempenho do Previsor Neural, utilizam-se Previsores Lineares (modelos ARX e ARMAX). Os resultados obtidos neste estudo sugerem a viabilidade do uso de redes RNMC para melhoria da estimativa de parâmetros de estruturas flexíveis.
Abstract: This work presents techniques to improve the dynamics parameters estimation of Single Degree of Freedom (SDOF) and Multiple Degree of Freedom (MDOF) models characteristic from flexible structures. The analyses are referred to the method that uses the Frequency Response Function (FRF) obtained from the impulse response of the flexible structure. We use for assumption that the considered models are convenient for a suitable description of the system. Thus, an experimental good method of obtaining the FRF should produce a significant accordance between the theoretical and the experimental FRF. The improvement in increasing the acquisition time artificially (forecasting) is analyzed by using a Multilayer Neural Network (MNN) model. The performance of neural forecaster is compared with results obtained using ARX and ARMAX models. The obtained results in this research, suggest the viability to use the MNN.
Keywords: Vibrações
Previsão
Estimativa de parâmetros
Redes neurais de múltiplas camadas
Vibration
Parameter estimation
Forecasting
Multilayer neural network
metadata.dc.subject.cnpq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
metadata.dc.publisher.country: Brasil
Publisher: Universidade Federal do Pará
metadata.dc.publisher.initials: UFPA
metadata.dc.publisher.department: Instituto de Tecnologia
metadata.dc.publisher.program: Programa de Pós-Graduação em Engenharia Elétrica
metadata.dc.rights: Acesso Aberto
Appears in Collections:Dissertações em Engenharia Elétrica (Mestrado) - PPGEE/ITEC

Files in This Item:
File Description SizeFormat 
Dissertacao_RedesNeuraisMultiplas.pdf799,91 kBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons