IDENTIFICAÇÃO DE SISTEMA NÃO LINEAR UTILIZANDO REDES NEURAIS PARA ATUADORES COM MEMÓRIA DE FORMA
"2017-06-07 00:00:00" // app/Providers/../Base/Publico/Artigo/resources/show_includes/info_artigo.blade.php
App\Base\Administrativo\Model\Artigo {#1843 // app/Providers/../Base/Publico/Artigo/resources/show_includes/info_artigo.blade.php #connection: "mysql" +table: "artigo" #primaryKey: "id" #keyType: "int" +incrementing: true #with: [] #withCount: [] +preventsLazyLoading: false #perPage: 15 +exists: true +wasRecentlyCreated: false #escapeWhenCastingToString: false #attributes: array:35 [ "id" => 28546 "edicao_id" => 59 "trabalho_id" => 927 "inscrito_id" => 2028 "titulo" => "IDENTIFICAÇÃO DE SISTEMA NÃO LINEAR UTILIZANDO REDES NEURAIS PARA ATUADORES COM MEMÓRIA DE FORMA" "resumo" => "Os atuadores com memória de forma apresentam um comportamento único de recuperação de elevadas deformações, retornando a uma forma pré-estabelecida, através da transformação de fase induzida por temperatura entre as fases sólidas de martensita e austenita. Entretanto, durante o seu funcionamento, estes atuadores são expostos a vários ciclos térmicos que provocam a formação de deformações irreversíveis. Esta deformação plástica não reversível altera o comportamento histerético e diminui a deformação máxima de transformação da liga com memória de forma. Assim, este trabalho visa a utilização de redes neurais dinâmicas utilizando um modelo não linear auto regressivo com entradas exógenas para a identificação destes atuadores. Dados de temperatura e deformação de mil ciclos de transformação foram fornecido à rede neural de modo a correlacionar estas variáveis e aprender as mudanças provocadas pela deformação residual. Em seguida, para a validação deste sistema, a previsão de mil e quinhentos ciclos foi realizada e comparada com os dados experimentais. Finalmente, é possível afirmar que a rede neural artificial proposta possui a capacidade de identificar satisfatoriamente o comportamento do atuador com memória de forma e pode ser utilizada para a previsão de alguns ciclos a frente dos dados fornecidos para o treinamento." "modalidade" => "Comunicação Oral (CO)" "area_tematica" => "Engenharia Elétrica" "palavra_chave" => "MATERIAIS COM MEMÓRIA DE FORMA, REDES NEURAIS ARTIFICIAIS, IDENTIFICAÇÃO DE SISTEMAS" "idioma" => "Português" "arquivo" => "TRABALHO_EV070_MD1_SA16_ID2028_15052017211232.pdf" "created_at" => "2020-05-28 15:53:14" "updated_at" => "2020-06-09 19:21:26" "ativo" => 1 "autor_nome" => "LUCAS FEITOSA NICOLAU" "autor_nome_curto" => "LUCAS NICOLAU" "autor_email" => "lucasfnicolau@gmail.com" "autor_ies" => "UNIVERSIDADE FEDERAL DA PARAÍBA" "autor_imagem" => "" "edicao_url" => "anais-ii-conapesc" "edicao_nome" => "Anais II CONAPESC" "edicao_evento" => "II Congresso Nacional de Pesquisa e Ensino em Ciências" "edicao_ano" => 2017 "edicao_pasta" => "anais/conapesc/2017" "edicao_logo" => "5e49fd7b37d20_16022020234203.jpg" "edicao_capa" => "5f184199ee8b8_22072020103937.jpg" "data_publicacao" => null "edicao_publicada_em" => "2017-06-07 00:00:00" "publicacao_id" => 28 "publicacao_nome" => "Anais do Conapesc" "publicacao_codigo" => "2525-6696" "tipo_codigo_id" => 1 "tipo_codigo_nome" => "ISSN" "tipo_publicacao_id" => 1 "tipo_publicacao_nome" => "ANAIS de Evento" ] #original: array:35 [ "id" => 28546 "edicao_id" => 59 "trabalho_id" => 927 "inscrito_id" => 2028 "titulo" => "IDENTIFICAÇÃO DE SISTEMA NÃO LINEAR UTILIZANDO REDES NEURAIS PARA ATUADORES COM MEMÓRIA DE FORMA" "resumo" => "Os atuadores com memória de forma apresentam um comportamento único de recuperação de elevadas deformações, retornando a uma forma pré-estabelecida, através da transformação de fase induzida por temperatura entre as fases sólidas de martensita e austenita. Entretanto, durante o seu funcionamento, estes atuadores são expostos a vários ciclos térmicos que provocam a formação de deformações irreversíveis. Esta deformação plástica não reversível altera o comportamento histerético e diminui a deformação máxima de transformação da liga com memória de forma. Assim, este trabalho visa a utilização de redes neurais dinâmicas utilizando um modelo não linear auto regressivo com entradas exógenas para a identificação destes atuadores. Dados de temperatura e deformação de mil ciclos de transformação foram fornecido à rede neural de modo a correlacionar estas variáveis e aprender as mudanças provocadas pela deformação residual. Em seguida, para a validação deste sistema, a previsão de mil e quinhentos ciclos foi realizada e comparada com os dados experimentais. Finalmente, é possível afirmar que a rede neural artificial proposta possui a capacidade de identificar satisfatoriamente o comportamento do atuador com memória de forma e pode ser utilizada para a previsão de alguns ciclos a frente dos dados fornecidos para o treinamento." "modalidade" => "Comunicação Oral (CO)" "area_tematica" => "Engenharia Elétrica" "palavra_chave" => "MATERIAIS COM MEMÓRIA DE FORMA, REDES NEURAIS ARTIFICIAIS, IDENTIFICAÇÃO DE SISTEMAS" "idioma" => "Português" "arquivo" => "TRABALHO_EV070_MD1_SA16_ID2028_15052017211232.pdf" "created_at" => "2020-05-28 15:53:14" "updated_at" => "2020-06-09 19:21:26" "ativo" => 1 "autor_nome" => "LUCAS FEITOSA NICOLAU" "autor_nome_curto" => "LUCAS NICOLAU" "autor_email" => "lucasfnicolau@gmail.com" "autor_ies" => "UNIVERSIDADE FEDERAL DA PARAÍBA" "autor_imagem" => "" "edicao_url" => "anais-ii-conapesc" "edicao_nome" => "Anais II CONAPESC" "edicao_evento" => "II Congresso Nacional de Pesquisa e Ensino em Ciências" "edicao_ano" => 2017 "edicao_pasta" => "anais/conapesc/2017" "edicao_logo" => "5e49fd7b37d20_16022020234203.jpg" "edicao_capa" => "5f184199ee8b8_22072020103937.jpg" "data_publicacao" => null "edicao_publicada_em" => "2017-06-07 00:00:00" "publicacao_id" => 28 "publicacao_nome" => "Anais do Conapesc" "publicacao_codigo" => "2525-6696" "tipo_codigo_id" => 1 "tipo_codigo_nome" => "ISSN" "tipo_publicacao_id" => 1 "tipo_publicacao_nome" => "ANAIS de Evento" ] #changes: [] #casts: array:14 [ "id" => "integer" "edicao_id" => "integer" "trabalho_id" => "integer" "inscrito_id" => "integer" "titulo" => "string" "resumo" => "string" "modalidade" => "string" "area_tematica" => "string" "palavra_chave" => "string" "idioma" => "string" "arquivo" => "string" "created_at" => "datetime" "updated_at" => "datetime" "ativo" => "boolean" ] #classCastCache: [] #attributeCastCache: [] #dates: [] #dateFormat: null #appends: [] #dispatchesEvents: [] #observables: [] #relations: [] #touches: [] +timestamps: false #hidden: [] #visible: [] +fillable: array:13 [ 0 => "edicao_id" 1 => "trabalho_id" 2 => "inscrito_id" 3 => "titulo" 4 => "resumo" 5 => "modalidade" 6 => "area_tematica" 7 => "palavra_chave" 8 => "idioma" 9 => "arquivo" 10 => "created_at" 11 => "updated_at" 12 => "ativo" ] #guarded: array:1 [ 0 => "*" ] }