Capa Evento Congresso Programação Exposição Patrocínio Títulos Autores Código
|
|
- Manuel Fidalgo Alvarenga
- 7 Há anos
- Visualizações:
Transcrição
1 13ª Conferência sobre Tecnologia de Equipamentos COTEQ SISTEMA DE CLASSIFICAÇÃO BASEADO EM MÁQUINA DE VETOR DE SUPORTE PARA AUXÍLIO AO DIAGNÓSTICO EM INSPEÇÕES POR ULTRASSOM UTILIZANDO ONDAS GUIADAS Fábio da C. Cruz 1, Mateus S. D Almeida 2, Eduardo F. S. Filho 3, Cláudia T. T. Farias 4, Ivan Silva 5, Maria C. S. Albuquerque 6. Copyright 2015, ABENDI, ABRACO e IBP. Trabalho apresentado durante a 13ª Conferência sobre Tecnologia de Equipamentos. As informações e opiniões contidas neste trabalho são de exclusiva responsabilidade do(s) autor(es). SINOPSE A inspeção por ultrassom é uma técnica largamente empregada na indústria para avaliação da integridade de estruturas e equipamentos. Neste ensaio não-destrutivo, o sinal acústico de alta frequência interage com a peça ensaiada podendo sofrer processos como atenuação, reflexão e refração. Através destas alterações é possível caracterizar o material em análise. Entre os diferentes tipos de ensaios por ultrassom, a utilização das ondas guiadas de Lamb, por seu longo alcance, apresenta vantagens como a capacidade de inspeção de regiões inacessíveis e a possibilidade de análise de grandes distâncias sem deslocamento dos transdutores. Estes são importantes diferenciais quando comparado com as técnicas tradicionais, pois possibilitam inspeções mais rápidas e com menor custo. Devido à complexidade dos sinais coletados nas inspeções utilizando ondas guiadas, técnicas de processamento digital de sinais podem ser utilizadas para garantir um melhor aproveitamento da informação obtida. O objetivo deste trabalho é o projeto de um sistema automático para detecção de trincas (ou fendas). O corpo de prova utilizado foi uma chapa de alumínio, onde foram inseridas fendas com 1,0 mm de espessura para simular a formação de trincas. Para a inspeção foram empregadas ondas guiadas de Lamb na configuração transmissão-recepção num ensaio por imersão. O processamento das informações coletadas foi realizado através do uso da Transformada Discreta de Fourier e a posterior classificação empregando uma Máquina de Vetor de Suporte (SVM Support Vector Machine). As SVM têm sido utilizadas com sucesso em diversos problemas complexos de classificação. Os resultados obtidos mostram que a técnica proposta é capaz de obter alta eficiência na detecção das trincas. 1 Mestre em Engenharia Elétrica DCET / UESC 2 Graduando em Engenharia Elétrica DEE / UFBA 3 Doutor em Engenharia Elétrica PPGEE / UFBA 4 Doutora em Engenharia Metalúrgica e de Materiais GPEND / IFBA 5 Doutor em Engenharia Metalúrgica e de Materiais GPEND / IFBA 6 Doutora em Engenharia de Processos GPEND / IFBA 1184
2 1. INTRODUÇÃO Os ensaios não destrutivos (NDE, do inglês Nondestructive Evaluation) são importantes ferramentas para o monitoramento da integridade estrutural. O interesse por estas técnicas tem crescido bastante nos últimos anos, pois elas permitem aumentar a segurança e reduzir custos de manutenção dos equipamentos (1). Os métodos NDE são baseados em diferentes técnicas tais como: emissão acústica, corrente de Eddy, radiografia, termografia, ondas guiadas de Lamb, dentre outras (2). As ondas guiadas possuem características de destaque para aplicação em ensaios não destrutivos, devido, principalmente, a sua capacidade de percorrer grandes distâncias com pequena atenuação (3). Este tipo de onda ultrassônica apresenta também alta sensibilidade a descontinuidades com diferentes geometrias, a perda de espessura e também a alterações microestruturais. Neste trabalho, para o processamento inicial dos sinais ultrassônicos foi empregado a Transformada de Fourier. Através desta técnica se busca a extração das características relevantes dos dados o que possibilita uma precisa classificação dos sinais medidos. Como ferramenta adicional na seleção de características foi empregada a Análise de Componentes Principais. O corpo de prova neste trabalho é uma chapa de Alumínio com 1,0 mm de espessura onde foram inseridas descontinuidades na forma de fendas. O objetivo do sistema proposto é a detecção e classificação dos defeitos presentes utilizando ondas guiadas de Lamb na configuração transmissão-recepção. O processamento de sinais utilizou Transformada de Fourier e a classificação se deu por meio das máquinas de vetor de suporte. 2. FUNDAMENTAÇÃO TEÓRICA 2.1 Ondas Guiadas de Lamb As ondas guiadas transportam energia essencialmente ao longo do meio onde estão confinadas (4). Para as ondas de Lamb é possível obter um número infinito de modos de propagação com velocidades variáveis, isto ocorre por causa do efeito das fronteiras. O entendimento dos fenômenos associados à propagação das ondas de Lamb é fundamental para sua aplicação como método de ensaio não destrutivo. Os modos de propagação das ondas guiadas podem ser classificados em dois grupos: modos simétricos e assimétricos. Os modos simétricos são aqueles em que os deslocamentos das partículas são distribuídos simetricamente em relação ao plano médio da chapa, enquanto que os modos assimétricos correspondem a deslocamentos assimétricos, conforme mostrado na Figura
3 Para a realização de ensaio utilizando ondas de Lamb é necessário o conhecimento das curvas de dispersão. Estas curvas são resultado da resolução do problema que envolve as condições de fronteira para a estrutura em estudo. Qualquer ponto nelas pode ser usado para o ensaio, contudo alguns modos são mais sensíveis para a detecção de um determinado tipo de defeito (5). O ângulo de incidência e a frequência são dois parâmetros que podem ser variados para a que ocorra a excitação do modo de Lamb desejado. Figura 1: (a) Propagação de ondas de Lamb em uma chapa de espessura d. (b) Representação dos modos simétricos. (c) Representação dos modos assimétricos. Fonte: (6). 2.2 Transformada Discreta de Fourier A Transformada Discreta de Fourier é um método bastante empregado para extração de características no domínio da frequência a partir de ensaios ultrassônicos. A fórmula desta transformada em suas formas direta é obtida pela Equação 1 (7). onde: e é o sinal no domínio do tempo. (Equação 1) 2.3 Análise de Componentes Principais A Análise de Componentes Principais (PCA, do inglês Principal Component Analysis) é uma técnica de grande aplicação quando se busca a redução da dimensão dos dados na análise de sinais multivariados. Através da PCA é possível a transformação dos dados originais para um novo conjunto de variáveis, definidos como componentes principais, estes que são não correlacionados e que são ordenados de forma que as primeiras componentes apresentem a maior parte da variância presente em todas as variáveis originais (8). 1186
4 2.4 Máquinas de Vetores de Suporte Máquinas de vetor de suporte (SVMs, do inglês Support Vector Machines) tem como fundamento a teoria de aprendizagem estatístico, desenvolvida por Vapnik (9). Esta teoria estabelece condições matemáticas que auxiliam na escolha de um classificador particular a partir de um conjunto de dados de treinamento. Para isto é considerado o nível de complexidade e o desempenho do classificador no conjunto de treinamento. A formulação mais simples para a as SVMs lida com problemas de classificação binários linearmente separáveis onde são definidas fronteiras lineares de separação dos dados. A partir desta formulação, foi desenvolvida técnica para estabelecer fronteiras lineares sobre conjuntos de dados mais gerais (10). O funcionamento das máquinas de vetor suporte é definido da seguinte maneira: dadas duas classes e um conjunto de pontos que pertencem a estas, as máquinas de vetor suporte determinam o hiperplano que os separa, de forma a colocar a maior quantidade possível de pontos da mesma classe do mesmo lado, ao mesmo tempo em que a distância de cada classe a esse hiperplano é maximizada (11). A determinação do hiperplano ótimo corresponde a um problema de otimização sujeito a restrições, sendo possível o emprego do método dos multiplicadores de Lagrange para a determinação do ponto de mínimo (12). Os vetores suporte são os dados da amostra de treinamento que definem as margens do hiperplano de separação ótimo. Inúmeros conjuntos de dados não são linearmente separáveis, ou seja, não é possível dividir satisfatoriamente os dados de treinamento por um hiperplano. Para estes casos, as SVMs realizam o mapeamento do conjunto de treinamento do seu espaço original, para um novo de maior dimensão, denominado espaço de características. Desta forma, inicialmente os dados são mapeados para um espaço de maior dimensão e após isto é aplicada uma SVM linear sobre este espaço. É possível realizar operações sobre os dados de entrada, sem que estes sejam mapeados no espaço de características, ou seja, não é necessário realizar operações em um espaço de dimensão maior, o espaço de características. Isto é obtido com o emprego da função Kernel (K). Esta que recebe dois pontos e do espaço de entradas e calcula o produto escalar no espaço de características (13) (Equação 2). (Equação 2) onde : é um mapeamento, em que é o espaço de entradas e o espaço de características. 1187
5 Constitui prática comum o emprego de funções Kernel sem conhecer o mapeamento. Funções kernel de grande utilização são as polinomiais, as gaussianas ou RBF (Radial-Basis Function) e as Sigmoidais (11). Neste trabalho, para resolução de problemas multiclasses foi realizada a decomposição do problema original em vários subproblemas binários. 3. METODOLOGIA 3.1 Corpos de Prova O corpo de prova empregado neste trabalho corresponde a uma chapa de alumínio com dimensões 300 x 300 e 1,0 mm de espessura. Para simular a presença de trincas foram inseridas três linhas de descontinuidades em formato de fendas com largura de 1,85 mm, profundidade de 0,8 mm e espaçadas de 3,0 mm, conforme apresentado na Figura 2. Foram realizadas também medições na região entre as fendas. Figura 2 Projeto da inserção de defeitos na chapa de alumínio. Dimensões em milímetros. 3.3 Configuração experimental O ensaio empregou a configuração transmissão-recepção. Os transdutores piezoelétricos utilizados foram os Olympus Panametrics, modelo V-303 SU com diâmetro 12,7 mm e frequência central nominal 1 MHz. Para excitação dos transdutores, foi utilizado o gerador de pulso Olympus, modelo 5077 PR. Os sinais foram coletados pelo osciloscópio Tektronix TDS 2024C com uma frequência de amostragem de 250 Ms/s e armazenados em um microcomputador. A Figura 3 ilustra a configuração dos equipamentos no ensaio de ondas de Lamb por imersão. 1188
6 Figura 3 Configuração dos equipamentos utilizados na inspeção. 3.2 Análise das Curvas de Dispersão Para a seleção adequada do modo de propagação aplicado à peça, foi empregado o software Disperse. Nele foram simuladas as curvas de dispersão para o corpo de prova escolhido. Por ser menos atenuante, além de possui pouca variação de velocidade na região de menor produto frequência-espessura, o modo de propagação S0 foi selecionado para a realização do ensaio. O ângulo de incidência para a geração do modo S0 no corpo de prova em alumínio com 1 mm de espessura utilizando transdutor com frequência central de 0,9 MHz é de 16º( Figuras 4 e 5). Figura 4 Curvas de dispersão para uma placa de alumínio com 1 mm de espessura. (a) velocidade de grupo, (b) velocidade de fase. 1189
7 Figura 5 Curvas de dispersão para uma placa de alumínio com 1 mm de espessura (a) atenuação, (b) ângulo de incidência. 4. RESULTADOS E DISCUSSÃO Para o problema de classificação proposto, o conjunto de dados disponível constitui-se por 3400 sinais. Os dados são resultado de 5 varreduras realizadas no corpo de prova. Para as diversas configurações de classificador estudadas, os sinais correspondentes a 4 varreduras, no total de 3000 sinais, formam o Conjunto A e foram empregados para as fases de treinamento e teste inicial do classificador, a seguir foi utilizado o conjunto de dados com 400 sinais (1 varredura), chamado de Conjunto B, com intuito de realizar a validação final do sistema proposto. As classes de interesse para o problema são: sem defeito, 1 fenda, 2 fendas e 3 fendas. Sendo que para cada classe no conjunto A compreende 750 sinais. Como parâmetros da análise do desempenho dos sistemas de classificação foram utilizados o produto das eficiências e a matriz de confusão. O conjunto A foi dividido numa parte de treinamento contendo 70% dos sinais, e os 30% restantes formam a parte de teste. Para a extração e seleção das características relevantes dos dados foi efetuada a Transformada de Fourier e a Análise de Componentes Principais. Os sinais normalizados no domínio do tempo e os coeficientes após a Transformada de Fourier estão apresentados nas Figuras 6 e 7, respectivamente. 1190
8 (a) (b) (c) (d) Figura 6: Sinais ultrassônicos típicos obtidos no domínio do tempo: (a) sem defeito, (b) uma fenda, (c) duas fendas, (d) três fendas. Figura 7: Coeficientes da FFT típicos dos sinais ultrassônicos. 1191
9 Devido a pequena amplitude dos coeficientes da FFT de ordens elevadas, foram selecionados apenas os 50 primeiros coeficientes da Transformada de Fourier como variáveis de entrada do classificador Classificação binária O primeiro problema abordado pelo sistema discriminante corresponde a uma classificação binária. Neste caso os sinais foram divididos nas classes com defeito e sem defeito. A seguir, os dados foram separados empregando novos classificadores binários, sempre comparando um defeito específico (1 fenda, 2 fendas ou 3 fendas com as demais classes)a função kernel empregada nesta etapa de testes foi do tipo linear. As Tabela 1, 2,3 e 4 mostram os resultados obtidos. Tabela 1: Matrizes de confusão para as classes com defeito e sem defeito. Conjunto A (dados de teste) PE (%)= 99,3 9,4 real Tabela 2: Matrizes de confusão para as classes 1 fenda em relação às demais classes. Conjunto A (dados de teste) PE (%)=96,7 4,0 real Com Com defeito defeito 98,7 0,0 1,3 100,0 1 fenda s 1 fenda ,7 classes 0,0 56,3 Conjunto B Conjunto B PE (%) = PE (%) = 75,1 30,9 Com 100 0,0 0, fenda 38,7 61,3 classes 2,0 98,0 1192
10 Tabela 3: Matrizes de confusão para as classes 2 fendas em relação às demais classes. s 2 fendas em relação às demais classes. Conjunto A (dados de teste) PE (%)= 95,2 real Tabela 4: Matrizes de confusão para as classes 3 fendas em relação às demais classes. s 3 fendas em relação às demais classes. Conjunto A (dados de teste) PE (%)=97.6 2,7 real 2 fendas classes 2 fendas s 93,8 3,4 6,2 96,6 3 fendas s 3 fendas 99,6 4,3 classes 0,4 95,7 Conjunto B Conjunto B PE (%) = 82,0 6,8 PE= 89,4 13,0 2 fendas 87,0 22,7 classes 13,0 77,3 3 fendas 99,0 19,3 classes 1,0 80, Problema Multiclasses Nesta etapa foi empregada a máquina de vetor de suporte para realizar a discriminação das 4 classes simultaneamente. Com objetivo de encontrar a melhor função Kernel para a resolução do problema foram realizados diversos testes (Tabela 5). O melhor resultado obtido corresponde ao emprego da função kernel do tipo polinomial (Tabela 5). Tabela 5: Produto das eficiências para diferentes funções Kernel. Função kernel Produto das eficiências (%) Radial-Basis Function 91,6 Polinomial 98,0 Quadrática 98,0 A matriz de confusão correspondente à função kernel polinomial (uma das maiores eficiências da classificação) é apresentada na Tabela
11 Tabela 6: Matrizes de confusão para classificados SVM multiclasses. Conjunto A (dados de teste) PE (%) = 97,9 2,0 real defeito 1 fenda 2 fendas 3 fendas 99,6 0,4 0,0 0,0 1 fenda 0,0 99,2 0,0 0,0 2 fendas 0,0 0,0 95,1 1,8 3 fendas 0,4 0,4 4,9 98,2 Conjunto B PE (%) = 70,0 26, ,0 0,0 0,0 1 fenda 0,0 87,0 5,0 28,0 2 fendas 0,0 10,0 39,0 1,0 3 fendas 0,0 2,0 56,0 71, Problema Multiclasses com aplicação da PCA Com objetivo de produzir eficiente compactação dos dados, foi aplicado a PCA aos dois conjuntos de dados. A configuração do classificador empregada nesta etapa foi a que obteve melhor desempenho para o caso onde não foi realizada a análise de componentes principais. O gráfico da eficiência da classificação para diferentes níveis de compactação dos dados está representado na Figura 8. Para a definição da eficiência da classificação foram empregados os dados do conjunto contendo 400 sinais. 1194
12 Figura 8: Eficiência da classificação em relação ao número de componentes da PCA. Desta forma, conclui-se que o número de coeficientes que apresentou maior eficiência na classificação foi de 8 coeficientes. O gráfico 9 mostra a separação das classes para as 3 primeiras componentes principais. A matriz de confusão correspondente a melhor classificação está mostrada na Tabela 7. Figura 9: Separação de classes para as três primeiras componentes da PCA. 1195
13 Tabela 7: Matriz de confusão para classificadores SVM com 9 componentes principais. Conjunto A (dados de teste) PE (%) = 87,1 13,8 real defeito 1 fenda 2 fendas 3 fendas 99,6 5,8 1,3 0,0 Detectada 1 fenda 0,4 92,9 4,9 0,0 2 fendas 0,0 1,3 91,6 32,0 3 fendas 0,0 0,0 2,2 68,0 Conjunto B PE (%) = 60,9 35, ,0 0,0 0,0 Detectada 1 fenda 0,0 79,0 12,0 1,0 2 fendas 0,0 13,0 87,0 79,0 3 fendas 0,0 1,0 1,0 20,0 5. CONCLUSÃO Neste trabalho foi empregado o processamento de sinais através da transformada de Fourier e classificação com Máquina de Vetor de Suporte, com objetivo de detectar e classificar a quantidade de fendas em uma chapa de alumínio inspecionada por ondas de Lamb. Pela aplicação da PCA foi possível uma redução considerável da quantidade de dados necessários para a tarefa de classificação. Merece destaque o fato de que o desempenho do classificador com PCA foi afetado negativamente por tal redução, o que ocasionou a perda de informação relevante para a correta classificação dos sinais. 1196
14 Apesar disso, o sistema apresentou desempenho satisfatório com produto das eficiências de 87,1 %. Desta forma, foi possível confirmar a aplicabilidade das ondas guiadas de Lamb em conjunto com as técnicas de processamento e classificação dos sinais para implementação de sistemas de monitoramento de integridade de estruturas. 6. AGRADECIMENTOS Ao Grupo de Pesquisas em Ensaios Não Destrutivos pelo apoio na fase de aquisição de dados, ao Laboratório de Ensaios Ultrassônicos do Instituto Federal da Bahia pela utilização da infraestrutura e ao IFBA e a FAPESB pelo apoio financeiro. 7. REFERÊNCIAS (1) Farrar, C. R.,Worden K. An introduction to structural health monitoring. Philosophical Transactions of The Royal Society. Published 15 February (2) Boller, C. Ways and options for aircraft structural health management. Smart Materials and Structures, Bristol, v. 10, n. 3, p , (3) M.H.S. Siqueira ;Gatts, C.E.N. ; da Silva,R.R.; Rebello, J.M.A. The use of ultrasonic guided waves and wavelets analysis in pipe inspection. Ultrasonics 41 (2004) (4) Sabtos, M.J.S.F. Ondas ultra-sonoras guiadas na caracterização e controlo não destrutivo de materiais. Dissertação de doutorado. Universidade de Coimbra, (5) Edalati, K.; Kermani, A.; Naderi, B. and Panahi, B. Defects Evaluation in Lamb Wave Testing of Thin Plates. 3rd MENDT - Middle East Nondestructive Testing Conference & Exhibition Nov 2005 Bahrain, Manama. (6) Farias,C. T. T. Utilização das Ondas Ultra-Sônicas de Lamb na Inspeção de Materiais Compósitos Laminados Fibra-Metal. Tese de doutorado, COPPE/UFRJ, Rio de Janeiro, (7) Proakis, J.G. and Manolakis,D.G. Digital Signal Processing- Principles, Algorithms and Applications. Fourth Edition, Pearson Prentice Hall, (8) Jolliffe, I.T. Principal Component Analysis, Springer, (9) Vapnik, V.N. The nature of Statistical learning theory. Spring- Verlag, New York, (10) Cortes, C. and Vapnik,V.N. Support vector networks. Machine Lerning, 20(3): ,
15 (11) Lorena, A.C. and Carvalho,A.C.P.L.F. Uma Introdução às Support Vector Machines. Rita, volume XIV, número 2, (12) Haykin, S. Neural Networks A Compreensive Foundation. Prentice-Hall, New Jersey, 2nd edition, (13) R. Herbrich. Learning Kernel Classifiers: Theory and Algorithms. MIT Press,
Reconhecimento de Padrões de Falhas Tipo Fenda em Chapa de Alumínio Utilizando Clusterização Fuzzy
Reconhecimento de Padrões de Falhas Tipo Fenda em Chapa de Alumínio Utilizando Clusterização Fuzzy Pedro Henrique S. Coutinho, Thiago P. das Chagas, Fábio da C. Cruz DCET - UESC Ilhéus, Bahia, Brasil Emails:
Leia maisPalavras chave: ensaios não destrutivos, processamento digital de sinal, redes neurais, pulso eco, ultrassom
CLASSIFICAÇÃO DE SINAIS ULTRASSÔNICOS PRÉ-PROCESSADOS PELA TRANSFORMADA DE FOURIER ATRAVÉS DAS REDES NEURAIS ARTIFICIAIS UTILIZANDO A TÉCNICA PULSO ECO PARA IDENTIFICAÇÃO DE DEFEITOS EM JUNTAS SOLDADAS
Leia maisPalavras chave: Ensaios não destrutivos, Ondas Guiadas de Lamb, Ensaios Ultrassônicos por Imersão, Detecção de descontinuidades
AVALIAÇÃO NÃO DESTRUTIVA ULTRASSÔNICA DE CHAPAS DE AÇO COM DESCONTINUIDADES TIPO FENDA UTILIZANDO ONDAS DE LAMB NOS DOMÍNIOS DO TEMPO E DA FREQUÊNCIA Alexandre S. A. de Oliveira 1, Cláudia Teresa Teles
Leia maisCONAEND&IEV DETECÇÃO E CLASSIFICAÇÃO DE DESCONTINUIDADES TIPO FENDA EM CHAPA DE ALUMÍNIO UTILIZANDO ONDAS ULTRASSÔNICAS GUIADAS DE
CONAEND&IEV2014-054 DETECÇÃO E CLASSIFICAÇÃO DE DESCONTINUIDADES TIPO FENDA EM CHAPA DE ALUMÍNIO UTILIZANDO ONDAS ULTRASSÔNICAS GUIADAS DE LAMB, TRANSFORMADA DE FOURIER E REDES NEURAIS ARTIFICIAIS Erick
Leia maisClassificação Neural de Descontinuidades com Espectros de Frequência em Inspeção Ultrassônica por Imersão
Classificação Neural de Descontinuidades com Espectros de Frequência em Inspeção Ultrassônica por Imersão Vitor Luis Conceição Leite 1, Antônio Carlos Peixoto Bitencourt 2, Cláudia Teresa Teles Farias
Leia mais5th Pan American Conference for NDT 2-6 October 2011, Cancun, Mexico
Estudo da propagação das ondas de Lamb em chapas de alumínio com furos de diferentes profundidades. Cláudia Teresa Teles FARIAS 1, Raimundo S. PARANHOS 1, Ivan Costa da SILVA 2, Eduardo Furtado SIMAS FILHO
Leia maisUNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS MÁQUINA DE VETOR DE SUPORTE (SUPPORT VECTOR MACHINES) Prof. Dr. André A. P. Biscaro 1º Semestre de 2017 Introdução Poderosa metodologia para resolver problemas de aprendizagem
Leia maisSUPPORT VECTOR MACHINE - SVM
SUPPORT VECTOR MACHINE - SVM Definição 2 Máquinas de Vetores Suporte (Support Vector Machines - SVMs) Proposto em 79 por Vladimir Vapnik Um dos mais importantes acontecimentos na área de reconhecimento
Leia maisCONAEND&IEV IDENTIFICAÇÃO DE DEFEITOS EM JUNTAS SOLDADAS INSPECIONADAS POR
CONAEND&IEV 2012-040 IDENTIFICAÇÃO DE DEFEITOS EM JUNTAS SOLDADAS INSPECIONADAS POR ULTRASSOM ATRAVÉS DE REDES NEURAIS ARTIFICIAIS COM PRÉ- PROCESSAMENTO PELA TRANSFORMADA DISCRETA DO COSSENO Inaian S.
Leia mais2. Redes Neurais Artificiais
Computação Bioinspirada - 5955010-1 2. Redes Neurais Artificiais Prof. Renato Tinós Depto. de Computação e Matemática (FFCLRP/USP) 1 2.5. Support Vector Machines 2.5. Support Vector Machines (SVM) 2.5.2.
Leia maisEstudo do Campo de deslocamento das partículas na propagação das Ondas Ultrassônicas de Lamb
Estudo do Campo de deslocamento das partículas na propagação das Ondas Ultrassônicas de Lamb Priscila L. Seixas 1, Cláudia Teresa Teles Farias 2 Alexandre S. A. de Oliveira 3, Ygor T. B. dos Santos 4 ¹Graduando
Leia maisFiltros Digitais IIR Aplicados a Sinais Ultrassônicos
https://eventos.utfpr.edu.br//sicite/sicite2017/index Filtros Digitais IIR Aplicados a Sinais Ultrassônicos RESUMO Andréia Rossini de Souza andreia@alunos.utfpr.edu.br Universidade Tecnológica Federal
Leia maisUN, Population Division, 2011)
22 1 1.1 Contextualização e motivação Historicamente o aumento da população em centros urbanos se deu a partir da revolução industrial no século XIX, entretanto a sua concentração sempre foi maior no campo.
Leia maisClassificadores Lineares
Universidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica Classificadores Lineares David Menotti www.inf.ufpr.br/menotti/ci171-182 Hoje Funções Discriminantes Lineares Perceptron Support
Leia maisPalavras chave: B-Scan, C-Scan, corrosão, perda de espessura, ultrassom
Detecção de descontinuidades em chapa de aço sae 1020 utilizando técnica ultrassônica Angêlo Antonio Carvalho Aragão 1, Cláudia Teresa Teles Farias, Matheus Souza Sales Araújo, Ygor Tadeu Bispo dos Santos.
Leia maisPalavras chaves: Ensaios não destrutivos, Ondas Guiadas de Lamb, Ensaios Ultrassônicos por Imersão, Detecção de descontinuidades.
CONAEND&IEV212-3 AVALIAÇÃO NÃO DESTRUTIVA ULTRASSÔNICA DE CHAPAS DE ALUMÍNIO COM DIFERENTES DESCONTINUIDADES UTILIZANDO ONDAS DE LAMB Alexandre S. A. de Oliveira 1,Josiane de Castro Dias 2, Cláudia Teresa
Leia maisThiago Zavaschi Orientador: Alessandro Koerich Programa de Pós-Graduação em Informática (PPGIa) Pontifícia Universidade
Thiago Zavaschi (zavaschi@ppgia.pucpr.br) Orientador: Alessandro Koerich Programa de Pós-Graduação em Informática (PPGIa) Pontifícia Universidade Católica do Paraná (PUC-PR) Conceitos relacionados a classificação
Leia maisINF 1771 Inteligência Artificial
Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 17 Support Vector Machines (SVM) Formas de Aprendizado Aprendizado Supervisionado Árvores de decisão. K-Nearest Neighbor
Leia maisMáquinas de suporte vetorial e sua aplicação na detecção de spam
e sua aplicação na detecção de spam Orientador: Paulo J. S. Silva (IME-USP) Universidade de São Paulo Instituto de Matemática e Estatística Departamento de Ciência da Computação MAC499 Trabalho de Formatura
Leia mais14ª Conferência sobre Tecnologia de Equipamentos
14ª Conferência sobre Tecnologia de Equipamentos COTEQ2017-147 SISTEMA DE CLASSIFICAÇÃO APLICADO NA DETECÇÃO DE DANOS EM PÁS DE AEROGERADORES INSPECIONADOS POR ULTRASSOM Lucas Farias M. Rodrigues¹, Fábio
Leia mais14ª Conferência sobre Tecnologia de Equipamentos
14ª Conferência sobre Tecnologia de Equipamentos COTEQ2017-219 CLASSIFICAÇÃO DE FALHAS EM SOLDA DE CHAPAS DE AÇO POR MEIO DE MÁQUINA DE APRENDIZADO EXTREMO APLICADA A INSPEÇÕES NÃO-DESTRUTIVAS POR ULTRASSOM
Leia mais14ª Conferência sobre Tecnologia de Equipamentos
14ª Conferência sobre Tecnologia de Equipamentos COTEQ2017-255 SISTEMA PARA CONDICIONAMENTO, AQUISIÇÃO, PROCESSAMENTO E ARMAZENAMENTO REMOTO DE SINAIS DE INSPEÇÕES NÃO-DESTRUTIVAS Manoel Messias Silva
Leia maisSupport Vector Machines
Universidade Federal do Paraná Laboratório de Estatística e Geoinformação - LEG Support Vector Machines Eduardo Vargas Ferreira Definição Support Vector Machines são baseados no conceito de planos de decisão
Leia maisTabela 1. Comparação de propriedades mecânicas das fibras de vidro, aramida e carbono (2).
COTEQ 039 AVALIAÇÃO NÃO DESTRUTIVA DA INTEGRIDADE ESTRUTURAL DE COMPÓSITOS DE ALUMÍNIO E EPÓXI UTILIZANDO PROCESSSAMENTO ESATATÍSTICO E REDES NEURAIS ARTIFICIAIS COMO FERRAMENTA DE AUXÍLIO. Yure Nascimento
Leia maisUma Introdução a SVM Support Vector Machines. Obs: Baseada nos slides de Martin Law
Uma Introdução a SVM Support Vector Machines Obs: Baseada nos slides de Martin Law Sumário Historia das SVMs Duas classes, linearmente separáveis O que é um bom limite para a decisão? Duas classes, não
Leia maisSinopse. 1. Introdução
COTEQ-204 VARIÁVEIS QUE INFLUENCIAM OS RESULTADOS DO ENSAIO DE MATERIAIS FERROMAGNÉTICOS PELA ANÁLISE DO RUÍDO MAGNÉTICO BARKHAUSEN Silvério Ferreira da Silva Júnior 1, Donizete Anderson de Alencar 2,
Leia maisCOTEQ SISTEMA ELETRÔNICO EMBARCADO PARA DIAGNÓSTICO AUTOMÁTICO EM CAMPO DE INSPEÇÕES POR ULTRASSOM
12ª Conferência sobre Tecnologia de Equipamentos COTEQ2013-022 SISTEMA ELETRÔNICO EMBARCADO PARA DIAGNÓSTICO AUTOMÁTICO EM CAMPO DE INSPEÇÕES POR ULTRASSOM Angelo C. Carvalho 1, Maria C. S. Albuquerque
Leia maisMáquinas de Vetores de Suporte - Support Vector Machines (SVM) Germano Vasconcelos
Máquinas de Vetores de Suporte - Support Vector Machines (SVM) Germano Vasconcelos Introdução * Método supervisionado de aprendizagem de máquina * Empregado em classificação de dados Classificação binária
Leia maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Aula 14 Support Vector Machines (SVM) 2016.1 Prof. Augusto Baffa Formas de Aprendizado Aprendizado Supervisionado Árvores de Decisão. K-Nearest
Leia maisRedes Neurais (Inteligência Artificial)
Redes Neurais (Inteligência Artificial) Aula 13 Support Vector Machines (SVM) Edirlei Soares de Lima Formas de Aprendizado Aprendizado Supervisionado Árvores de Decisão. K-Nearest
Leia maisAdriana da Costa F. Chaves. Máquina de Vetor Suporte (SVM) para Classificação Binária 2
Máquina de Vetor Suporte (SVM) para Classificação Binária Adriana da Costa F. Chaves Conteúdo da Apresentação Introdução Máquinas de Vetor Suporte para Classificação binária Exemplos Conclusão Máquina
Leia maisPalavras-chave: Ondas de Lamb, Compósitos Laminados Fibra-Metal, Detecção de Danos.
COTEQ-5 DETECÇÃO DE DANOS EM COMPÓSITOS LAMINADOS FIBRA-METAL UTILIZANDO ONDAS DE LAMB Cláudia Teresa T. Farias, Ivan C. da Silva, Rômulo Moreira 3, João Carlos Machado, João Marcos A. Rebello 5. Copyright
Leia maisDeterminação de vícios refrativos oculares utilizando Support Vector Machines
Determinação de vícios refrativos oculares utilizando Support Vector Machines Giampaolo Luiz Libralão, André Ponce de Leon F. de Carvalho, Antonio Valerio Netto, Maria Cristina Ferreira de Oliveira Instituto
Leia maisEstudo analítico e numérico do espalhamento acústico
Universidade Federal de São João Del-Rei MG 26 a 28 de maio de 21 Associação Brasileira de Métodos Computacionais em Engenharia Estudo analítico e numérico do espalhamento acústico M.E. Maria 1 ; E.N.M.
Leia maisAplicações da Técnica de Emissão Acústica em Dutos e Tubulações
Aplicações da Técnica de Emissão Acústica em Dutos e Tubulações Pedro Feres Filho PASA - Physical Acoustic South America e-mail: pedro@pasa.com.br Tel: +11 3082 5111 Introdução Tubulações de gás, óleo
Leia maisAUTOR(ES): HIAGO AMADOR CUNHA, DIELSON DA SILVA CONCEIÇÃO, TIAGO SOUZA DOS SANTOS
16 TÍTULO: COMPORTAMENTO DINÂMICO DE UMA VIGA ENGASTADA CATEGORIA: CONCLUÍDO ÁREA: ENGENHARIAS E ARQUITETURA SUBÁREA: ENGENHARIAS INSTITUIÇÃO: FACULDADE ANHANGUERA DE TAUBATÉ AUTOR(ES): HIAGO AMADOR CUNHA,
Leia mais14ª Conferência sobre Tecnologia de Equipamentos
14ª Conferência sobre Tecnologia de Equipamentos COTEQ2017-143 IDENTIFICAÇÃO DE DANOS EM PÁS DE TURBINAS EÓLICAS UTILIZANDO CLASSIFICAÇÃO AUTOMÁTICA ATRAVÉS DE DETECÇÃO DE NOVIDADES Moisés A. Oliveira
Leia maisOsciloscópio Digital. Diagrama em blocos:
Osciloscópio Digital Neste tipo de osciloscópio, o sinal analógico de entrada é inicialmente convertido para o domínio digital através de um conversor A/D rápido, sendo em seguida armazenado em uma memória
Leia maisALGORITMO SUBIDA DA ENCOSTA PARA OTIMIZAÇÃO DE PARÂMETROS DE MÁQUINAS DE VETORES SUPORTES
ALGORITMO SUBIDA DA ENCOSTA PARA OTIMIZAÇÃO DE PARÂMETROS DE MÁQUINAS DE VETORES SUPORTES Francisco Carlos Monteiro Souza, Ricardo B. C. Prudêncio Centro de Informática Universidade Federal de Pernambuco
Leia maisDISPOSITIVO PARA AVALIAÇÃO DA PROFUNDIDADE DE CORROSÃO LOCALIZADA POR INSPEÇÃO RADIOGRÁFICA
DISPOSITIVO PARA AVALIAÇÃO DA PROFUNDIDADE DE CORROSÃO LOCALIZADA POR INSPEÇÃO RADIOGRÁFICA Maurício de Oliveira Marcos Rodrigues Técnicos de Inspeção de Equipamentos e Instalações da Refinaria Presidente
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Alessandro L. Koerich Programa de Pós-Graduação em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Horários Aulas Sala 3 CCET [quinta-feira, 8:20 12:00] Atendimento
Leia maisBrasil 2017 AVALIAÇÃO DE INTEGRIDADE DE COLETOR DE VAPOR
Brasil 2017 AVALIAÇÃO DE INTEGRIDADE DE COLETOR DE VAPOR VAPOR AVALIAÇÃO DE INTEGRIDADE DE COLETOR DE VAPOR 2 VAPOR Realização de avaliação de integridade de coletor de vapor de caldeiras durante parada
Leia mais7 Resultados e Discussão
114 7 Resultados e Discussão A fim de avaliar a importância da utilização de imagens polarizadas em medidas de textura, cujo processamento necessita de imagens nos dois modos de captura (campo claro e
Leia mais5th Pan American Conference for NDT 2-6 October 2011, Cancun, Mexico
5th Pan American Conference for NDT 2-6 October 2011, Cancun, Mexico Análise do espectro de frequência do modo S 0 das ondas de Lamb em chapas de alumínio com furos circulares de diferentes diâmetros.
Leia maisAprendizagem de Máquina
Plano de Aula Aprendizagem de Máquina Bagging,, Support Vector Machines e Combinação de Classificadores Alessandro L. Koerich Uma visão geral de diversos tópicos relacionados à Aprendizagem de Máquina:
Leia mais2. INTRODUÇÃO 3. DETECÇÃO DE TRINCAS SUPERFICIAIS
NOVAS APLICAÇÕES DE EDDY CURRENT NA INSPEÇÃO DE EQUIPAMENTOS Arilson Rodrigues 1, Mauro Araujo 2, Adélio Borges 3 Copyright 2006, ABENDE Trabalho apresentado no CONAEND&IEV 2006, em São Paulo/SP. As informações
Leia maisULTRASSOM EM SOLDA A PONTO
1 ULTRASSOM EM SOLDA A PONTO 2 Fundamentos da Soldagem Soldagem por resistência Definição: É um processo de pressão, produzido a partir da superfície de contato entre duas chapas distintas, por meio do
Leia maisInteligência Artificial
Universidade Federal de Campina Grande Departamento de Sistemas e Computação Pós-Graduação em Ciência da Computação Inteligência Artificial Aprendizagem Outras Técnicas Prof. a Joseana Macêdo Fechine Régis
Leia maisRicardo de Oliveira Carneval PETROBRAS S.A.
DESENVOLVIMENTO DE UM SISTEMA DE AQUISIÇÂO DE DADOS PARA AGILIZAR O EMPREGO DO ENSAIO DE CORRENTES PARASITAS EM TROCADORES DE CALOR Ricardo de Oliveira Carneval PETROBRAS S.A. Trabalho apresentado no XXI
Leia maisAlgoritmo para Determinação e Classificação de Distúrbios Múltiplos em Sistemas Elétricos 79
Algoritmo para Determinação e Classificação de Distúrbios Múltiplos em Sistemas Elétricos 79 3.3.3 Classificação dos distúrbios múltiplos Para a correta classificação dos diversos distúrbios é necessário
Leia maisClassificação de arritmias em sinais ECG
Classificação de arritmias em sinais ECG Eduardo Luz Rensso Mora Universidade Federal de Ouro Preto 06/10/2010 Summary 1 Introdução 2 3 4 5 Introdução Comparação entre três métodos para classificação de
Leia maisMáquinas de Vetores de Suporte
Máquinas de Vetores de Suporte Marcelo K. Albertini 14 de Setembro de 2015 2/22 Máquinas de Vetores de Suporte Support Vector Machines (SVM) O que é? Perceptron revisitado Kernels (núcleos) Otimização
Leia maisMáquinas de Vetores de Suporte Aplicadas à Classificação de Defeitos em Couro Bovino
Máquinas de Vetores de Suporte Aplicadas à Classificação de Defeitos em Couro Bovino Ricardo Cezar Bonfim Rodrigues 24 de abril de 2006 1 Antecedentes e Justificativa Hoje, em diversos processos industriais,
Leia maisIEV DETECÇÃO DE NOVIDADES NA CLASSIFICAÇÃO DE DEFEITOS EM JUNTA
CONAEND&IEV2016-019 DETECÇÃO DE NOVIDADES NA CLASSIFICAÇÃO DE DEFEITOS EM JUNTA SOLDADA DE AÇO SAE1020 Moisés A. Oliveira 1, Lucas C. Silva 2, Eduardo F. Simas Filho 3, Ivan C. Silva 4, Maria Cléa S. de
Leia maisÁrvore Binária SVM Otimizada na Classificação de Imagem Hiperespectral. Diego Bonesso 1 Vitor Haertel 1
Árvore Binária SVM Otimizada na Classificação de Imagem Hiperespectral. Diego Bonesso 1 Vitor Haertel 1 1 Universidade Federal do Rio Grande do Sul - UFRGS/PPGSR Caixa Postal 15044-91501-970 Porto Alegre
Leia maisDEPARTAMENTO DE ENGENHARIA DE MATERIAIS ESCOLA DE ENGENHARIA DE SÃO CARLOS UNIVERSIDADE DE SÃO PAULO (SMM-EESC-USP) SMM-311 ENSAIOS NÃO-DESTRUTIVOS
DEPARTAMENTO DE ENGENHARIA DE MATERIAIS ESCOLA DE ENGENHARIA DE SÃO CARLOS UNIVERSIDADE DE SÃO PAULO (SMM-EESC-USP) SMM-311 ENSAIOS NÃO-DESTRUTIVOS 4. ULTRASSOM - Ultrasom = freqüências de onda acima de
Leia maisRubem Manoel de Braga - LAMEF UFRGS Henrique Anderson Beker - LAMEF UFRGS Afonso Reguly - LAMEF UFRGS Universidade Federal do Rio Grande do Sul
SONDA PARA MEDIR A ESPESSURA RESIDUAL DE CILINDROS DE MOTORES Rubem Manoel de Braga - LAMEF UFRGS Henrique Anderson Beker - LAMEF UFRGS Afonso Reguly - LAMEF UFRGS Universidade Federal do Rio Grande do
Leia maisParâmetros importantes de um Analisador de Espectros: Faixa de frequência. Exatidão (frequência e amplitude) Sensibilidade. Resolução.
Parâmetros importantes de um Analisador de Espectros: Faixa de frequência Exatidão (frequência e amplitude) Sensibilidade Resolução Distorção Faixa dinâmica Faixa de frequência: Determina as frequências
Leia mais4. RESULTADOS E DISCUSSÃO
112 4. RESULTADOS E DISCUSSÃO A Figura 91 apresenta, esquematicamente, as descontinuidades lineares, circulares e irregulares, numeradas de 1 a 12, simuladas na amostra metálica, enquanto que na Tabela
Leia maisRedes Neurais Artificiais
Redes Neurais Artificiais Prof. Dr. Hugo Valadares Siqueira Semana de Eletrônica e Automação 2014 Redes Neurais Artificiais Uma rede neural artificial é um circuito composto por uma grande quantidade de
Leia maisEstudo dos modos de propagação das ondas guiadas em estruturas cilindricas de aço carbono
Estudo dos modos de propagação das ondas guiadas em estruturas cilindricas de aço carbono Lucas B. CARDOSO 1, Cláudia Teresa T. FARIAS², Camila A. TEIXEIRA³, Ygor T. B. SANTOS 4. ¹Graduando em Engenharia
Leia maisCONAEND&IEV QUALIFICAÇÃO DE PROCEDIMENTO DE ULTRASSOM PHASED ARRAY PARA INSPEÇÃO DE JUNTAS SOLDADAS COM GEOMETRIA COMPLEXA TIPO "BOCA
CONAEND&IEV2016-032 QUALIFICAÇÃO DE PROCEDIMENTO DE ULTRASSOM PHASED ARRAY PARA INSPEÇÃO DE JUNTAS SOLDADAS COM GEOMETRIA COMPLEXA TIPO "BOCA DE LOBO" DE TUBULAÇÕES Arilson R. Silva 1, Paulo Cesar F. Henriques
Leia maisUNIVERSIDADE DE SÃO PAULO ESCOLA DE ENGENHARIA DE SÃO CARLOS DEPARTAMENTO DE ENGENHARIA MECÂNICA SEM 5766 ANÁLISE MODAL DE ESTRUTURAS
UNIVERSIDADE DE SÃO PAULO ESCOLA DE ENGENHARIA DE SÃO CARLOS DEPARTAMENTO DE ENGENHARIA MECÂNICA SEM 5766 ANÁLISE MODAL DE ESTRUTURAS Aula # 1 Introdução 1 Prof. Paulo S. Varoto 1.1- Objetivos da Disciplina
Leia maisAplicação de Histograma de Gradientes Orientados para detecção de hidrômetros em imagens de fundo complexo
Aplicação de Histograma de Gradientes Orientados para detecção de hidrômetros em imagens de fundo complexo Juliana Patrícia Detroz Professor: André Tavares da Silva Universidade do Estado de Santa Catarina
Leia maisDisciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 05 / Detecção Binária Baseada em
Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 05 / Detecção Binária Baseada em Múltiplas Observações e Detecção com Múltiplas Hipóteses Prof. Eduardo Simas (eduardo.simas@ufba.br) Programa
Leia maisUNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica
REDES DE FUNÇÃO DE BASE RADIAL - RBF Prof. Dr. André A. P. Biscaro 1º Semestre de 2017 Funções de Base Global Funções de Base Global são usadas pelas redes BP. Estas funções são definidas como funções
Leia mais13ª Conferência sobre Tecnologia de Equipamentos
13ª Conferência sobre Tecnologia de Equipamentos COTEQ2015 052 EFEITO DE INCRUSTAÇÃO E CORROSÃO INTERNA NO ENSAIO DE IRIS PROBLEMAS E SOLUÇÕES Arilson R. Silva 1, Mauro Duque de Araujo 2 Copyright 2015,
Leia maisDisciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 03 / Detecção de Sinais
Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 03 / Detecção de Sinais Prof. Eduardo Simas (eduardo.simas@ufba.br) Programa de Pós-Graduação em Engenharia Elétrica/PPGEE Universidade Federal
Leia maisImplementação dos Algoritmos e Resultados
Capítulo 6 Implementação dos Algoritmos e Resultados 6.1 Considerações Iniciais Diversas situações foram exploradas neste trabalho visando analisar qual seria a wavelet mais adequada para sistemas de extração
Leia maisSEMINÁRIO DOS ARTIGOS:
SEMINÁRIO DOS ARTIGOS: Text Detection and Character Recognition in Scene Images with Unsupervised Feature Learning End-to-End Text Recognition with Convolutional Neural Networks Fernanda Maria Sirlene
Leia maisULTRASSOM AUTOMÁTICO DE SOLDAS PROCEDIMENTO PR-042
Página: 1 de 13 1. OBJETIVO Este procedimento fixa as condições para a execução dos ensaios por ultrassom automático para detecção e avaliação de descontinuidades em juntas longitudinais e helicoidais
Leia mais7 Extração de Dados Quantitativos
Capítulo 7 - Extração de Dados Quantitativos 119 7 Extração de Dados Quantitativos A técnica de medição desenvolvida e descrita nos capítulos anteriores produz como resultado a variação temporal da espessura
Leia mais1- Quais das seguintes freqüências estão dentro da escala do ultrassom? 2- A velocidade média de propagação nos tecidos de partes moles é?
Exercícios de Física 1- Quais das seguintes freqüências estão dentro da escala do ultrassom? a) 15 Hz b) 15 KHz c) 15 MHz d) 17.000 Hz e) 19 KHz 2- A velocidade média de propagação nos tecidos de partes
Leia maisAPLICAÇÃO DA TÉCNICA DE TERMOGRAFIA ATIVA NA INSPEÇÃO NÃO-DESTRUTIVA DE TAMBORES DE REJEITO NUCLEAR
APLICAÇÃO DA TÉCNICA DE TERMOGRAFIA ATIVA NA INSPEÇÃO NÃO-DESTRUTIVA DE TAMBORES DE REJEITO NUCLEAR Aluno: Igor Szczerb Orientador: Marcos Venicius Soares Pereira Introdução A termografia ativa é um método
Leia maisDEPARTAMENTO DE ENGENHARIA MECÂNICA
DEPARTAMENTO DE ENGENHARIA MECÂNICA Otimização: Algoritmos e Aplicações na Engenharia Mecânica ENG1786 & MEC2403 Ivan Menezes 2018-2 1 EMENTA 1. Introdução 1.1 Definições Básicas 1.2 Classificação dos
Leia maisAnálise comparativa entre técnicas de classificação de vozes saudáveis e patológicas utilizando SVM e LDA
Análise comparativa entre técnicas de classificação de vozes saudáveis e patológicas utilizando SVM e LDA Jayne dos Santos Lima [1], Thamyres Tâmulla Cavalcante Palitó [2], Vinícius Jefferson Dias Vieira
Leia maisMedidas de desempenho em... REGRESSORES RECONHECEDORES DETECTORES CLASSIFICADORES
Medidas de desempenho em REGRESSORES RECONHECEDORES DETECTORES CLSSIFICDORES 9 Regressor multivariado (em sw, fw ou hw) 20 10 Variáveis observadas no mundo real X Regressor implementado em SW, FW ou HW
Leia maisREFLEXÃO E REFRACÇÃO A presença de defeitos ou outras anomalias em materiais pode ser detectada através da variação da impedância acústica.
REFLEXÃO E REFRACÇÃO A presença de defeitos ou outras anomalias em materiais pode ser detectada através da variação da impedância acústica. Z V [R] Numa interface entre materiais diferentes existe sempre
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Introdução
Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Introdução Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Objetivos Introduzir os conceito básicos de reconhecimento
Leia maisDetecção e classificação de defeitos em chapas de aço carbono utilizando ondas ultrassônicas guiadas de Lamb e redes neurais artificiais
Detecção e classificação de defeitos em chapas de aço carbono utilizando ondas ultrassônicas guiadas de Lamb e redes neurais artificiais Matheus Souza Sales Araújo 1, Cláudia Teresa Teles Farias 2, Alexandre
Leia maisEXTRAÇÃO SEMI - AUTOMÁTICA DE FEIÇÕES LINEARES E A CALIBRAÇÃO DOS PARÂMETROS INTRÍNSECOS DE CÂMERAS Projeto de Pesquisa PIBIC/CNPq ( )
USP UNIVERSIDADE DE SÃO PAULO EP ESCOLA POLITÉCNICA EXTRAÇÃO SEMI - AUTOMÁTICA DE FEIÇÕES LINEARES E A CALIBRAÇÃO DOS PARÂMETROS INTRÍNSECOS DE CÂMERAS Projeto de Pesquisa PIBIC/CNPq (2000-2001) LEONARDO
Leia mais4 Cálculo de Equivalentes Dinâmicos
4 Cálculo de Equivalentes Dinâmicos 4.1 Introdução Com o elevado índice de expansão dos sistemas elétricos de potência, os freqüentes aumentos nas interligações e o alto número de variáveis que envolvem
Leia maisClassificação de Padrões por Blocos em Imagens Não Segmentadas de Tomografia Computadorizada
Classificação de Padrões por Blocos em Imagens Não Segmentadas de Tomografia Computadorizada Aline Dartora Prof. David Menotti Departamento de Informática Universidade Federal do Paraná (UFPR) 23 de outubro
Leia mais3 Extração de Regras Simbólicas a partir de Máquinas de Vetores Suporte 3.1 Introdução
3 Extração de Regras Simbólicas a partir de Máquinas de Vetores Suporte 3.1 Introdução Como já mencionado na seção 1.1, as SVMs geram, da mesma forma que redes neurais (RN), um "modelo caixa preta" de
Leia maisUniversidade Federal da Bahia DEE - Departamento de Engenharia Elétrica PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA FÁBIO DA CONCEIÇÃO CRUZ
Universidade Federal da Bahia DEE - Departamento de Engenharia Elétrica PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA FÁBIO DA CONCEIÇÃO CRUZ SELEÇÃO EFICIENTE DE CARACTERÍSTICAS PARA UM SISTEMA DE
Leia mais3 Técnicas de medição do escoamento
Técnicas de medição do escoamento 28 3 Técnicas de medição do escoamento O conhecimento do campo de velocidade de fluidos em movimento é fundamental para o entendimento dos mecanismos básicos que governam
Leia maisCARACTERIZAÇÃO DA RUGOSIDADE SUPERFICIAL ATRAVÉS DE TÉCNICA ULTRA-SÔNICA
CARACTERIZAÇÃO DA RUGOSIDADE SUPERFICIAL ATRAVÉS DE TÉCNICA ULTRA-SÔNICA Joanes Silva Dias CEFET/RJ Mauricio Saldanha Motta CEFET/RJ Trabalho apresentado no XXI Congresso Nacional de Ensaios Não Destrutivos,
Leia maisBrasil 2018 AVALIAÇÃO DE ESTRUTURAS CIVIS
Brasil 2018 AVALIAÇÃO DE ESTRUTURAS CIVIS IB-NDT ENSAIOS NÃO DESTRUTIVOS 2 DEPARTAMENTO DE AVALIAÇÃO DE ESTRUTURAS CIVIS A IB-NDT é a primeira empresa no Brasil a possuir departamento estruturado com tecnologias
Leia maisPROCESSAMENTO DIGITAL DE SINAIS E INTELIGÊNCIA COMPUTACIONAL APLICADOS AOS ENSAIOS ULTRASSÔNICOS
PROCESSAMENTO DIGITAL DE SINAIS E INTELIGÊNCIA COMPUTACIONAL APLICADOS AOS ENSAIOS ULTRASSÔNICOS Igor RIBEIRO (1); Cláudia FARIAS (2); Eduardo SIMAS FILHO (3); Yure SOUZA (4); Elmo BORGES JUNIOR (5); Diego
Leia mais4 Construção dos Classificadores
4 Construção dos Classificadores 4.1. Modelagem O aprendizado supervisionado contém a etapa de modelagem, nessa etapa definimos quais serão as características encaminhadas ao classificador para o treinamento.
Leia maisAprendizado de Máquinas. Classificadores Lineares
Universidade Federal do Paraná (UFPR) Departamento de Informática Aprendizado de Máquinas Classificadores Lineares David Menotti, Ph.D. web.inf.ufpr.br/menotti Objetivos Introduzir o conceito de classificação
Leia maisESTUDO DA FREQUÊNCIA DE RESSONÂNCIA DE UM SENSOR DE CORRENTES PARASITAS
CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS Revista Destaques Acadêmicos, Lajeado, v. 9, n. 4, 2017. ISSN 2176-3070 DOI: http://dx.doi.org/10.22410/issn.2176-3070.v9i4a2017.1621 www.univates.br/revistas ESTUDO
Leia maisUTILIZAÇÃO DA TÉCNICA DE INSPEÇÃO ULTRA-SÔNICA B-SCAN PARA MAPEAMENTO DE REGIÕES COM PERDA DE ESPESSURA.
UTILIZAÇÃO DA TÉCNICA DE INSPEÇÃO ULTRA-SÔNICA B-SCAN PARA MAPEAMENTO DE REGIÕES COM PERDA DE ESPESSURA. Arilson Rodrigues Mauro Duque de Araujo José A. P. Chainho German Engenharia e Serv. De Manutenção
Leia maisPalavras chave: defeitos de solda, pulso eco, redes neurais artificiais, transformada de wavelet
DETECÇÃO DE DEFEITOS EM JUNTAS SOLDADAS UTILIZANDO UM CLASSIFICADOR NEURAL ALIMENTADO POR SINAIS ULTRASSÔNICOS PRÉ- PROCESSADOS PELA TRANSFORMADA DE WAVELET Francisco G. de Paula¹, Maria Cléa S. de Albuquerque
Leia maisCapítulo 1 Introdução
Introdução 16 Capítulo 1 Introdução Esta tese trata de um novo algoritmo capaz de detectar e classificar os distúrbios múltiplos que afetam a qualidade de energia em sistemas elétricos industriais com
Leia maisSandro Gonçalves Silva, M.Sc. Eng. Metalúrgico Coppe/UFRJ,
AVALIAÇÃO DO ERRO ENTRE A TÉCNICA DO TEMPO DE PERCURSO DA ONDA DIFRATADA - TOFD (TIME-OF-FLIGHT DIFRACTION) E AS TÉCNICAS CONVENCIONAIS NA INSPEÇÃO DE CORDÕES DE AÇOS Sandro Gonçalves Silva, M.Sc. Eng.
Leia maisULTRASSOM - CHAPAS PROCEDIMENTO DE END PR 015
Página: 1 de 10 1. OBJETIVO Estabelecer as condições mínimas do ensaio não destrutivo por meio de ultrassom para detecção de duplalaminação em chapas grossas de aço carbono e baixa liga, bem como para
Leia mais5 Exemplos e testes 5.1 Exemplos de uso da Biblioteca Simula ao de um radar rodovi ario de monitoramento de velocidade automotiva
5 Exemplos e testes Com o objetivo de experimentar a aplicação deste trabalho em simulações de radares, foram desenvolvidos exemplos de simulações de cenários realistas. Cinco simulações foram experimentadas:
Leia maisPROPOSTA DE UTILIZAÇÃO DE REDES NEURAIS PARA ANÁLISES FÍSICO- QUÍMICA UTILIZANDO DADOS ESPECTROMÉTRICOS NO UV-VIS
PROPOSTA DE UTILIZAÇÃO DE REDES NEURAIS PARA ANÁLISES FÍSICO- QUÍMICA UTILIZANDO DADOS ESPECTROMÉTRICOS NO UV-VIS 1 SILVA, J. N., 2 MONTEIRO, G. S., 3 SILVA, S. K., 4 AVELINO, M. C., 5 FRANÇA, M. I. C,.
Leia maisENSAIOS NÃO DESTRUTIVOS O QUE É PRECISO SABER? UMA DISCUSSÃO INICIAL SOBRE OS ENSAIOS NÃO DESTRUTIVOS E SUAS APLICAÇÕES DIRETAS ABRIL/2018
ENSAIOS NÃO DESTRUTIVOS O QUE É PRECISO SABER? UMA DISCUSSÃO INICIAL SOBRE OS ENSAIOS NÃO DESTRUTIVOS E SUAS APLICAÇÕES DIRETAS ABRIL/2018 Equipe Técnica SGS Função - INDUSTRIAL, SGS RESUMO Este documento
Leia mais