Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/41317
ORCID:  http://orcid.org/0009-0004-1070-5458
Document type: Dissertação
Access type: Acesso Aberto
Title: Monitoramento Estrutural por Impedância Eletromecânica via Sistemas Neuro-Fuzzy
Alternate title (s): Electromechanical Impedance-based health monitoring using Neuro-Fuzzy Systems
Author: Prudente, Fellipe André Diniz
First Advisor: Jafelice, Rosana Sueli da Motta
First member of the Committee: Rogenski, Josuel Kruppa
Second member of the Committee: Roveda, Sandra Regina Monteiro Masalskiene
Summary: O intuito do monitoramento de integridade estrutural (SHM) é inspecionar uma estrutura com o propósito de identificar, localizar e detectar possíveis danos. O enfoque deste estudo é para um SHM em empresas de prospecção e exploração de petróleo. Os dados utilizados são de experimentos financiados pela Petrobras. O objetivo deste trabalho é a compensação de temperatura para dados coletados de impedância eletromecânica, via dois sistemas neuro-fuzzy distintos, o Hybrid Neural Fuzzy Inference System (HyFIS) e o Adaptive Neuro-fuzzy Inference System (ANFIS), ambos geram Sistemas Baseados em Regras Fuzzy (SBRF), que utilizam os métodos de inferência de Mamdani e de Takagi-Sugeno, respectivamente. As medições foram realizadas em três contextos diferentes. O primeiro experimento foi realizado através de um sensor piezoelétrico PZT (PbLead Zirconate Titanate) acoplado em uma chapa de alumínio com temperatura controlada em uma câmara climática no Laboratório de Mecânica de Estruturas (LMEst) da Faculdade de Engenharia Mecânica da Universidade Federal de Uberlândia (UFU). Em seguida, no segundo cenário os dados foram coletados por pastilhas de PZT instaladas em uma placa de aço que foi submetida a cinco danos diferentes em condições ambientais no Campus Glória. Para a realização do terceiro experimento foram conectados nove PZT na seção circular do protótipo de teto de um tanque de combustível, localizado em ambiente externo no Campus Santa Mônica. Nos três experimentos, todos realizados na UFU, ocorreram a coleta das impedâncias relacionadas a determinadas temperaturas e frequências. Parte destes dados foram utilizados para o treinamento nas redes neuro-fuzzy que constroem os SBRF, tendo como variáveis de entrada, a temperatura e a frequência; e na variável de saída, a impedância. É realizada uma análise comparativa, calculando o desvio de coeficiente de correlação (CCD) entre os resultados obtidos pelos SBRF, gerados pelo HyFIS e pelo ANFIS, e os dados experimentais. Os resultados obtidos por essa comparação foram satisfatórios, com superioridade do HyFIS com mais de 90\% de acurácia em todos os experimentos. No segundo experimento, foi possível medir a diferença da impedância, entre os valores de referência e dos cinco danos, através de dez métricas diferentes, determinadas através dos SBRF obtidos pelo HyFIS. Essa escolha foi realizada devido a precisão dos valores de validação gerados pelo HyFIS serem superiores aos originados pelo ANFIS. Acredita-se que as aplicações das redes neuro-fuzzy no SHM são promissoras em otimização de processos de produção em diferentes áreas da engenharia, em especial, empresas petrolíferas que é o foco deste trabalho.
Abstract: The aim of Structural Health Monitoring (SHM) is to examine a structure for the identification, localization, and detection of potential damages. The focus of this study is on SHM in oil exploration and production companies. The data used comes from experiments funded by Petrobras. The objective is to account for temperature variations in data gathered from electromechanical impedance by employing two distinct neuro-fuzzy systems: the Hybrid Neural Fuzzy Inference System (HyFIS) and the Adaptive Neuro-fuzzy Inference System (ANFIS). Both systems generate Fuzzy Rule-Based Systems (FRBS), employing Mamdani and Takagi-Sugeno inference methods, respectively. The experiments took place in three different contexts. The initial experiment involved a piezoelectric PZT (PbLead Zirconate Titanate) sensor affixed to an aluminum plate under controlled temperature within a climatic chamber at the Mechanical Structures Laboratory (LMEst) of the Faculty of Mechanical Engineering. Subsequently, in the second scenario, data were collected using PZT patches mounted on a steel plate, subjecting it to five different damages in ambient conditions at the Glória Campus. For the third experiment, nine PZTs were linked to the circular section of a fuel tank prototype roof in an outdoor setting at the Santa Mônica Campus. In all experiments conducted at the Federal University of Uberlândia (UFU) sites, impedances linked to specific temperatures and frequencies were collected. A segment of this data was used to train the neuro-fuzzy networks constructing the FRBS, with temperature and frequency as input variables and impedance as the output variable. A comparative analysis was carried out by computing the Coefficient of Correlation Deviation (CCD) between the results obtained from the HyFIS and ANFIS-generated FRBS and the experimental data. The comparison results were satisfactory, showing HyFIS superiority with over 90\% accuracy in all experiments. In the second experiment, it was feasible to measure impedance differences between reference values and the five damages using ten distinct metrics derived from the FRBS obtained by HyFIS. This decision stemmed from the precision of validation values generated by HyFIS, surpassing those produced by ANFIS. The implementation of neuro-fuzzy networks in SHM holds potential for optimizing production processes across various engineering domains, particularly in the petroleum industry, which is the primary focus of this study.
Keywords: ANFIS
HyFIS
Conjuntos Fuzzy
SBRF
SHM
Impedância
Area (s) of CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA::MATEMATICA APLICADA
Language: por
Country: Brasil
Publisher: Universidade Federal de Uberlândia
Program: Programa de Pós-graduação em Matemática
Quote: PRUDENTE, Fellipe André Diniz. Monitoramento Estrutural por Impedância Eletromecânica via Sistemas Neuro-Fuzzy. 142 f. Dissertação (Mestrado em Matemática) - Universidade Federal de Uberlândia, Uberlândia, 2024. DOI http://doi.org/10.14393/ufu.di.2024.24.
Document identifier: http://doi.org/10.14393/ufu.di.2024.24
URI: https://repositorio.ufu.br/handle/123456789/41317
Date of defense: 25-Jan-2024
Sustainable Development Goals SDGs: ODS::ODS 4. Educação de qualidade - Assegurar a educação inclusiva, e equitativa e de qualidade, e promover oportunidades de aprendizagem ao longo da vida para todos.
Appears in Collections:DISSERTAÇÃO - Matemática

Files in This Item:
File Description SizeFormat 
MonitoramentoEstruturalImpedância.pdf48 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.