Monitoramento de integridade estrutural em rotores dinâmicos usando inteligência artificial com aprendizado continuado
DOI:
https://doi.org/10.33448/rsd-v12i6.42017Palavras-chave:
Monitoramento da integridade estrutural; Rotores dinâmicos; Sistemas imunológicos artificiais; Algoritmo de seleção negativa; Algoritmo de seleção clonal; Aprendizado continuado.Resumo
Este artigo tem por objetivo o desenvolvimento de um algoritmo de inteligência artificial com aprendizado continuado, inspirado no funcionamento do sistema imunológico biológico, para realizar o monitoramento da integridade estrutural. Este algoritmo inteligente será desenvolvido empregando-se técnicas baseadas nos sistemas imunológicos artificiais (SIA), como o algoritmo de seleção negativa (ASN) e o algoritmo de seleção clonal (ASC). Os SIAs são técnicas promissoras no campo da inteligência artificial, e sua concepção é inspirada nos sistemas imunológicos biológicos, com o objetivo de reproduzir computacionalmente, suas principais características, propriedade, funcionalidades e habilidades. Os sistemas imunológicos artificiais constituem-se de poderosas ferramentas adequadas para realizar tarefas complexas, como diagnósticos, em consequência de ter como principal habilidade a capacidade de identificar mudanças comportamentais. Por ser uma arquitetura estável, confiável e adaptativa, permite a inclusão do módulo de aprendizagem continuada, o qual possibilita que o sistema absorva novas experiências e conhecimento sem a necessidade de reiniciar as células de memória (conhecimento). Deste modo, este sistema se tornará mais eficiente à medida que novas informações são processadas e disponibilizadas. Ou seja, trata-se de um sistema inteligente que busca o aperfeiçoamento com o passar o tempo. Está propriedade é uma vantagem dos SIAs, e deve ser destacada, pois, diferentemente do que ocorre com outras técnicas de inteligência artificial, como, por exemplo, as redes neurais artificiais (RNA), os SIA permitem a possibilidade da aprendizagem de forma contínua.
Referências
Barros, A. C., Tonelli-Neto, M. S., Decanini, J. G. M. S & Minussi, C. R. (2014). Detecção e Classificação de Distúrbios de Tensão em Sistemas de Distribuição de Energia Elétrica Usando uma Rede Neural ARTMAP Euclidiana Modificada com Treinamento Continuado, Anais do SBAI - Simpósio Brasileiro de Automação Inteligente, 1-6.
Bradley, D.W. & Tyrrell, A.M. (2002). Immunotronics - Novel Finite-State-Machine Architectures with Built-In Self-Test Using Self-Nonself Differentiation. IEEE Trans. on Evolutionary Computation. 6 (3), 227-238.
Castro, L. N. & Von Zuben, F. J. The clonal selection algorithm with engineering applications. In: Proceedings of GECCO, Workshop on Artificial Immune Systems and Their Applications, Las Vegas, 36-39.
Castro, L. N. (2001). Immune engineering: development and application of computational tools inspired by artificial immune systems. PhD. Thesis. UNICAMP. Campinas, São Paulo, Brazil. (In Portuguese).
Castro, L. N. & Timmis, J. (2002). Artificial Immune Systems: A New Computational Intelligence Approach, Springer, 1st edition.
Dasgupta, D. (1998). Artificial Immune Systems and Their Applications, Springer, New York, USA.
Dasgupta, D. (2006). Advances in Artificial Immune Systems. IEEE Computational Intelligence Magazine, 40-49.
Deraemaeker, A. & Worden, K. (2010). New Trends in Vibration Based Structural Health Monitoring. New York, Springer Wien, 311p.
Farrar, C.R. & Worden, K. (2013). Structural Health Monitoring: A Machine Learning Perspective. Chichester, John Wiley, 643p.
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, 1-4.
Forrest, S., Perelson, A., Allen, L. & Cherukuri, R. (1994). Self-Nonself Discrimination in a Computer, Proc. of IEEE Symposium on Research in Security and Privacy. 202-212.
Gonsalez, C. G. (2012). Metodologias para reconhecimento de padrões em sistemas de SHM utilizando a técnica da impedância eletromecânica (E/M). 2012. 117 f. Dissertação (Mestrado em Engenharia Mecânica) - Faculdade de Engenharia, Universidade Estadual Paulista - UNESP, Ilha Solteira.
Hall, S. R. (1999). The effective management and use of structural health data. In: International Workshop on Structural Health Monitoring, 2., 1999, New York. Proceedings… New York: VirginiaTech Publisher, 265-275.
Haykin, S. (2008). Neural networks and learning machines. (3a ed.), Prentice-Hall, 936p.
Jeffcott, H. H. (1919). The lateral vibration of loaded shafts in the neighborhood of a whirling speed — The effect of want of balance, The London, Edinburgh, and Dublin Philosophical Magazine and Journal of Science. 37 (219), 304-314.
Kartalopoulos, S. V. (1996). Understanding Neural Networks and Fuzzy Logic: Basic Concepts and Applications, IEEE Press, Piscataway, NJ, USA.
Lima F. P. A. (2016). Diagnóstico de distúrbios de tensão em sistemas de distribuição baseado num sistema imunológico artificial com aprendizado continuado. 2016, 103 f. Tese (Doutorado Engenharia Elétrica) - Faculdade de Engenharia, Universidade Estadual Paulista - UNESP, Ilha Solteira.
Marchiori, S. C., Silveira, M. C. G., Lotufo, A. D. P., Minussi, C. R. & Lopes, M. L. M. (2011). Neural network based on adaptive resonance theory with continuous training for multi-configuration transient stability analysis of electric power systems, Applied Soft Computing, 11 (1), 706-715.
Pereira A. S. et al. (2018). Metodologia da pesquisa científica. FSM. https://www.ufsm.br/app/uploads/sites/358/2019/02/Metodologia-da-Pesquisa-Cientifica_final.pdf
Python 3.11 version, release data on oct. 2022.
Santos, A. A. A., Chavarette, F. R., & Souza, S. S. F. (2022). Artificial Immune Systems with Negative Selection Applied to Structural Integrity Monitoring in a Metallic Bridge. Research, Society and Development, 11 (1), 1-15.
Souza, S. S. F., Chavarette, F. R., & Lima, F. P. A. (2022a). Wavelet Artificial Immune System Algorithm Applied to the Faults Aeronautical Structural Monitoring. Brazilian Journal of Development, 8 (1), 27193-27210.
Souza, S. S. F., Chavarette, F. R., & Lima, F. P. A. (2022b). Artificial Immune Systems Applied to Clinical Diagnosis of Breast Cancer Samples. Research, Society and Development, 11 (1), p. 1-14.
Turra, A. E., Baptista, F. G., Lopes Junior, V. & Vieira, J. (2013). Detecção de dano em placas de alumínio utilizando impedância Eletromecânica. In: Simpósio Brasileiro de Automação Inteligente, 1-6.
Zadeh, L. A. (1995). Fuzzy sets, Information and Control, 8 (3), 338-353.
Zheng, S., Wang, X. & Liu, L. (2004). Damage detection in composite materials based upon the computational mechanics and neural networks. In: European Workshop on Structural Health Monitoring, 609–615.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2023 Robson Aparecido Ferreira; Simone Silva Frutuoso de Souza; Fernando Parra dos Anjos Lima
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
