Pronóstico y detección de fallas en tractores agrícolas mediante simulación numérica y algoritmos del sistema inmunológico artificial
DOI:
https://doi.org/10.33448/rsd-v9i12.11191Palabras clave:
Tractor agrícola; Monitoreo de integridad estructural; Selección negativa; Selección clonal.Resumen
Ante el creciente avance tecnológico en la agricultura, y con miras a promover una mayor productividad y seguridad laboral para las personas involucradas en el proceso de evolución tecnoagrícola, este artículo desarrolla un sistema de diagnóstico inteligente, proponiendo algoritmos inmunológicos artificiales, inspirados en el Sistema Inmunológico Biológico, para aplicar al proceso de monitoreo de la integridad estructural de un tractor agrícola y el consecuente análisis de fallas estructurales, en condiciones normales de suelo y en el corto plazo. Para ello, la detección de fallas en la integridad estructural en tractores agrícolas se obtiene para capturar datos de manera continua para el aprendizaje automático, de manera que se crea y alimenta un modelo numérico, bajo el cálculo de ecuaciones diferenciales, con el fin de medir los desplazamientos del tractor en a medida que los parámetros de velocidad del tractor cambian y la distancia entre los niveles del suelo se intercalan y, por lo tanto, resultan en posibles pronósticos de riesgo estructural. Computacionalmente, a través del software Octave, el análisis, identificación y clasificación de los datos obtenidos es posible con el uso de algoritmos de selección negativa y selección clonal. La inspección de la estructura del tractor con foco en una mejor conservación es el punto principal del estudio, y con la relevante calidad y consistencia de la metodología presentada y resultado de la investigación, permite indicar si el tractor se encuentra en condiciones normales o presenta signos de avería estructural, porque si hay riesgos, se puede identificar la falla.
Citas
Bradley, D. W. & Tyrrell, A. M. (2002). Immunotronics: novel finite-state-machine architectures with built-in self-test using self-nonself differentiation, 6. IEEE Transactions on Evolutionary Computation, New York.
Dasgupta, D. (1998). Artificial immune systems and their applications. New York: Springer Verlag.
De Castro, L. N. (2001). Engenharia imunológica: desenvolvimento e aplicação de ferramentas computacionais inspiradas em sistemas imunológicos artificiais. 286 f. Tese (Doutorado) - Faculdade de Engenharia Elétrica e de Computação, Universidade Estadual de Campinas, Campinas.
De Castro, L. N. & Timmis, J. (2002). Artificial immune systems: a new computational intelligence approach. New York: Springer.
De Castro, L. N. & Timmis, J. (2003). Artificial Immune Systems as a Novel Soft Computing Paradigm. Soft Computing Journal, 7(8), 526-544, Heidelberg.
De Castro, L. N. & Von Zuben, F. J. (2000). The clonal selection algorithm with engineering applications. In: Workshop Proceedings of Gecco, Workshop on Artificial Immune Systems and Their Applications, Las Vegas.
Forrest, S. A., Perelson, A. L. & Cherukuri, R. (1994). Self-nonself discrimination in a computer. In: Proceedings of the IEEE Symposium on Research in Security and Privacy, Oakland. Proceedings [...].
Franco, V. R., Bueno, D. D., Brennan, M. J., Cavalini, JR., A. A., Gonsalez, C. G., Lopes Junior, V. (2009). Experimental damage location in smart structures using Lamb waves approaches. In: Brazilian Conference on Dynamics, Control and Their Applications. Anais Dincon. Bauru: SBMAC.
Haykin, S. (2008). Neural networks and learning machines, 3. New York: Prentice-Hall.
Kartalopoulos, S. V. (1996). Understanding Neural Networks and Fuzzy Logic: Basic Concepts and Applications, IEEE Press, Piscataway, NJ, USA.
Khoury, J. K. JR., Dias, G. P., Cordeiro, R. R. & Souza, C. M. A. (2004). Modelagem da estabilidade de tratores agrícolas de pneus, 39(5), 459-468. Pesquisa Agropecuária Brasileira, Brasília.
Lima, F. P. A., Chavarette, F. R., Souza, A. S. E., Souza, S. S. F. & Lopes, M. L. M. (2013). Artificial immune systems with negative selection applied to health monitoring of aeronautical structures, 871, 283-289. Advanced Materials Research, Hong King.
Lima, F. P. A., Chavarette, F. R., Souza, A. S. E., Souza, S. S. F & Lopes, M. L. M. (2014). Artificial immune systems applied to the analysis of structural integrity of a building. Applied Mechanics and Materials, 472, 544-549, Yandong Wang.
Sakai, K. (2006). Nonlinear dynamics and chaos in agricultural systems. Amsterdam: Elsevier Science B.V.
Zadeh, L. A. (1995). Fuzzy sets, Information and Control, 8(3). New York.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2020 Dionatan Pontes de Oliveira; Wayrone Klaiton Silva; Daniela Cabral de Oliveira; Fábio Roberto Chavarette; Daniel Emanuel Cabral de Oliveira; Luis Cláudio Villani Ortiz ; Dorgival Fidellis de Souza; João Areis Ferreira Barbosa Júnior
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
