Monitoramento ótico de impactos mecânicos supervisionado por inteligência artificial

• Main Author: Kamizi, Marcos Aleksandro
• Other Authors: Fabris, José Luís
• Language: Portuguese
• Published: Universidade Tecnológica Federal do Paraná 2015
• Subjects: Detectores ópticos; Fibras ópticas; Redes neurais (Computação); Vibração - Medição; Inteligência artificial; Engenharia elétrica; Optical detectors; Optical fibers; Neural networks (Computer science); Vibration - Measurement; Artificial intelligence; Electric engineering
• Online Access: http://repositorio.utfpr.edu.br/jspui/handle/1/1300

CAPES; CNPq; FINEP; Fundação Araucária === Neste trabalho apresenta-se um sistema ótico inteligente apto a localizar a posição de impactos mecânicos aplicados em uma estrutura plana. Para isso, os transdutores foram caracterizados, preliminarmente, quanto à deformação mecânica. Nesta aplicação, quatro redes de Bragg em fibra ótica foram instaladas em uma placa quadrada de polimetil-metacrilato, submetida a um conjunto de impactos em condições controladas. As respostas fornecidas pelos transdutores foram utilizadas para modelar e testar redes neurais artificiais. O sistema demonstrou possuir a capacidade para realizar a tarefa de encontrar a posição do distúrbio, mesmo em pontos de impacto diferentes daqueles apresentados na etapa de treinamento. O maior erro médio quadrático medido na fase de testes foi de 1,1 cm em relação ao ponto de impacto, sendo que os pontos localizavam-se a uma distância de 5 cm uns dos outros e estavam demarcados em uma superfície de prova com 60 cm de comprimento, 60 cm de largura e 6 mm de espessura. === In this work is presented an intelligent optical sensor capable to localize the position of mechanical impacts on a flat surface structure. The transducers were previously characterized relatively to mechanical strain. In this application, four optical fiber Bragg gratings were installed on a polymethyl methacrylate square plate, subjected to a set of mechanical impacts under controlled conditions. The responses provided by the transducers were used to model and test Artificial Neural Networks. The system showed the capacity to determine the disturbance positions, even at impact points different from the ones used in the training stage. The higher mean square error obtained in the test stage was 1,1 cm relatively to the impact position, wherein the points were located at a distance of 5 cm from each other on a test surface with 60 cm length , 60 cm width and 6 mm height.