Sensor inteligente em fibra ótica para localização de deformações em estruturas planas

• Main Author: Ribeiro, Fabiano
• Other Authors: Mueller, Márcia
• Language: Portuguese
• Published: Universidade Tecnológica Federal do Paraná 2014
• Subjects: Redes neurais (Computação); Deformações (Mecânica); Engenharia elétrica; Neural networks (Computer science); Deformations (Mechanics); Electric engineering
• Online Access: http://repositorio.utfpr.edu.br/jspui/handle/1/836

CAPES, CNPq, FINEP, Fundação Araucária === Neste trabalho é apresentado um estudo sobre a aplicabilidade de redes de Bragg na análise de impactos em estruturas planas. Para tanto, os dispositivos foram caracterizados, preliminarmente, quanto à deformação mecânica e temperatura. Nesta abordagem, para a validação experimental, quatro redes de Bragg foram fixadas nos cantos de uma placa de polimetilmetacrilato que, posteriormente, foi submetida a impactos mecânicos. Os efeitos de impactos produzidos na placa foram detectados pelas redes de Bragg, sendo que suas respostas em λ ao longo de 0,3 segundos foram utilizadas para treinar e testar redes neurais artificiais do tipo perceptron multicamadas. As localizações dos impactos nos quadrantes foram, então, fornecidas pela rede neural artificial, a qual demonstrou que a localização pode ser prevista com uma taca de classificação correta de aproximadamente 90% na etapa de validação. Outra RNA foi implementada para localizar coordenadas de posições de impacto, a qual permitiu fazer uma análise quantitativa dos erros, realizando uma comparação do valor desejado e o valor de saída da RNA na localização de um impacto em um plano. O maior erro médio (Em) em relação ao valor alvo foi de 0,401 cm em x, e 0,703 cm em relação à y, sendo que, o maior desvio padrão (σEm) foi de 0,896 cm em x, e 1,572 cm em y considerando cinco diferentes posições de impacto na etapa de teste de RNA. === In this work the applicability of fiber Bragg grantings as tools for the analysis of impacts on planar structures was studied. In a first step, Bragg grantings were characterized and their thermal and strain sensitivities were determined. The experiments were carried out with four fiber Bragg gratings. Being that their responses in λ along 0.3 second were used to train and test a multilayer perceptron artificial neural network. The locations of impacts in quadrants were supplied by the artificial neural network. The results demonstrate that such location can be predicted with correct classification rate of approximately 90.0% in validation step. Another RNA was implemented to locate impact coordinates, wich allowed a quantitative analysis of errors by performing a comparison of the desired value and the output value provided by the RNA on the location of an impact on a plan. The largest mean error (Em) to the target value was 0,401 cm for the coordinate x and 0,703 cm for y, considering five different points of impact in the test step.