Use este identificador para citar ou linkar para este item: https://repositorio.ufpa.br/jspui/handle/2011/7187
Registro completo de metadados
Campo DCValorIdioma
dc.creatorMACHADO, José Aristides dos Santos-
dc.date.accessioned2016-12-20T17:01:24Z-
dc.date.available2016-12-20T17:01:24Z-
dc.date.issued2007-05-14-
dc.identifier.citationMACHADO, 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:.pt_BR
dc.identifier.urihttp://repositorio.ufpa.br/jspui/handle/2011/7187-
dc.description.abstractThis 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.pt_BR
dc.description.provenanceSubmitted by camilla martins (camillasmmartins@gmail.com) on 2016-12-14T12:47:30Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_RedesNeuraisMultiplas.pdf: 819108 bytes, checksum: 5c3f04639de4009299a8110144494e86 (MD5)en
dc.description.provenanceRejected by Edisangela Bastos (edisangela@ufpa.br), reason: on 2016-12-15T12:20:06Z (GMT)en
dc.description.provenanceSubmitted by camilla martins (camillasmmartins@gmail.com) on 2016-12-20T13:08:15Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_RedesNeuraisMultiplas.pdf: 819108 bytes, checksum: 5c3f04639de4009299a8110144494e86 (MD5)en
dc.description.provenanceApproved for entry into archive by Edisangela Bastos (edisangela@ufpa.br) on 2016-12-20T17:01:24Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_RedesNeuraisMultiplas.pdf: 819108 bytes, checksum: 5c3f04639de4009299a8110144494e86 (MD5)en
dc.description.provenanceMade available in DSpace on 2016-12-20T17:01:24Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_RedesNeuraisMultiplas.pdf: 819108 bytes, checksum: 5c3f04639de4009299a8110144494e86 (MD5) Previous issue date: 2007-05-14en
dc.description.sponsorshipFANC - Fundação Amazônica de Apoio a Pesquisa e Desenvolvimento Tecnológico André Nunes Coelho-
dc.description.sponsorshipCAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superiorpt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal do Parápt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectVibraçõespt_BR
dc.subjectPrevisãopt_BR
dc.subjectEstimativa de parâmetrospt_BR
dc.subjectRedes neurais de múltiplas camadaspt_BR
dc.subjectVibrationen
dc.subjectParameter estimationen
dc.subjectForecastingen
dc.subjectMultilayer neural network-
dc.subject-
dc.titleRedes neurais de múltiplas camadas para redução do tempo de aquisição de dados para testes modais em estruturas flexíveispt_BR
dc.typeDissertaçãopt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto de Tecnologiapt_BR
dc.publisher.initialsUFPApt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICApt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.contributor.advisor1VIEIRA JÚNIOR, Petrônio-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1958791286192330pt_BR
dc.contributor.advisor-co1MELLO, Hiran de-
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/2127559774805521pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/0323867002304257pt_BR
dc.description.resumoNeste 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.pt_BR
dc.publisher.programPrograma de Pós-Graduação em Engenharia Elétricapt_BR
Aparece nas coleções:Dissertações em Engenharia Elétrica (Mestrado) - PPGEE/ITEC

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Dissertacao_RedesNeuraisMultiplas.pdf799,91 kBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Este item está licenciado sob uma Licença Creative Commons Creative Commons