Navegando por Autor "Rocha, Filipe Augusto Santos"
Agora exibindo 1 - 4 de 4
Resultados por página
Opções de Ordenação
Item Análise de mobilidade de um dispositivo robótico para inspeção remota de cavidades.(2016) Rocha, Filipe Augusto Santos; Freitas, Gustavo Medeiros; Magalhães, Paulo Henrique Vieira; Freitas, Gustavo Medeiros; Magalhães, Paulo Henrique Vieira; Costa, Ramon Romankevicius; From, Pal JohanEsta dissertação aborda o estudo da mobilidade de dispositivos robóticos que se locomovem sobre terrenos não estruturados. O robô investigado aqui é projetado para a inspeção de cavidades naturais. Este pode utilizar diferentes modos de locomoção, como rodas, rodas tipo estrela, pernas e até configurações híbridas. A comutação entre os modos é possibilitada por um sistema de troca rápida dos mecanismos de locomoção. Métricas são usadas para quantificar o consumo energético, estabilidade, capacidade de transpor obstáculos e velocidade de translação. Um ambiente de simulação é desenvolvido integrando o simulador V-REP, Robot Operating System (ROS) e bibliotecas em Python. É possível comandar os elementos virtuais através do ROS e obter as métricas de mobilidade através das bibliotecas. Diferentes ensaios são propostos para a avaliação do desempenho dos modos. Em especial, um dos ensaios é realizado em ambiente representativo baseado no mapa tridimensional de uma caverna real. Informações são obtidas através do cálculo das métricas propostas. Testes de campo utilizando um protótipo do robô mostram o comportamento do mesmo em diversas situações. Os resultados e comparações obtidos permitem avaliar as características de cada modo de locomoção e inferir as vantagens e desvantagens do uso de cada um. Os códigos implementados são disponibilizados em anexo e em repositórios na internet.Item Automatic system for visual detection of dirt buildup on conveyor belts using convolutional neural networks.(2020) Santos, André Almeida; Rocha, Filipe Augusto Santos; Reis, Agnaldo José da Rocha; Guimarães, Frederico GadelhaConveyor belts are the most widespread means of transportation for large quantities of materials in the mining sector. Therefore, autonomous methods that can help human beings to perform the inspection of the belt conveyor system is a major concern for companies. In this context, we present in this work a novel and automatic visual detector that recognizes dirt buildup on the structures of conveyor belts, which is one of the tasks of the maintenance inspectors. This visual detector can be embedded as sensors in autonomous robots for the inspection activity. The proposed system involves training a convolutional neural network from RGB images. The use of the transfer learning technique, i.e., retraining consolidated networks for image classification with our collected images has shown very effective. Two different approaches for transfer learning have been analyzed. The best one presented an average accuracy of 0.8975 with an F-1 Score of 0.8773 for the dirt recognition. A field validation experiment served to evaluate the performance of the proposed system in a real time classification task.Item Detecção automática de defeitos em rolos de transportadores de correia utilizando sensoriamento ultrassônico.(2019) Ericeira, Daniel Rodrigues; Pessin, Gustavo; Bianchi, Andrea Gomes Campos; Pessin, Gustavo; Bianchi, Andrea Gomes Campos; Coelho, Bruno Nazário; Rocha Filho, Geraldo Pereira; Rocha, Filipe Augusto SantosTransportadores de correia são os principais equipamentos que compõem a logística de um terminal portuário. As partes rolantes do transportador de correia podem falhar principalmente devido a rolos danificados, que podem causar avarias graves à planta, como rasgar a correia e causar incêndios. Atualmente, a proteção do transportador é feita por sensores que indicam uma anormalidade já ocorrida, ou com inspeção humana que utiliza experiência prática em busca de sinais visuais, sonoros e de temperatura excessiva que indiquem falhas iminentes. Com objetivo de auxiliar o atual sistema corretivo e de inspeção local com análise de dados para detectar falhas mecânicas iminentes, é proposto um modelo de classificação de defeitos em rolos. Foram realizadas gravações de ultrassom em rolos sem ruídos perceptíveis, classificados como “nãodefeituosos” e em rolos que apresentavam ruídos característicos de falhas já perceptíveis, classificados como “defeituosos”. A base de dados montada foi utilizada para treinamento e teste de desempenho de algoritmos de aprendizado de máquina do tipo Random Forest e Multilayer Perceptron. Foram elaborados quatro tipos de experimentos para teste, dois usando dados no domínio do tempo e dois usando dados no domínio da frequência, com atributos estatísticos diferentes. Os resultados obtidos em testes de classificação mostraram que existe um padrão característico na faixa de ultrassons que difere os rolos não-defeituosos de defeituosos, conforme pré-avaliados com métodos tradicionais de inspeção humana. No melhor caso, o experimento usando média móvel dos dados no domínio da frequência apresentou média de classificação correta de rolos de 83,68%, tendo o melhor resultado com taxa de acerto de 90%.Item Discontinuity detection in the shield metal arc welding process.(2017) Cocota Júnior, José Alberto Naves; Garcia, Gabriel Carvalho; Costa, Adilson Rodrigues da; Lima, Milton Sérgio Fernandes de; Rocha, Filipe Augusto Santos; Freitas, Gustavo MedeirosThis work proposes a new methodology for the detection of discontinuities in the weld bead applied in Shielded Metal ArcWelding (SMAW) processes. The detection system is based on two sensors—a microphone and piezoelectric—that acquire acoustic emissions generated during the welding. The feature vectors extracted from the sensor dataset are used to construct classifier models. The approaches based on Artificial Neural Network (ANN) and Support Vector Machine (SVM) classifiers are able to identify with a high accuracy the three proposed weld bead classes: desirable weld bead, shrinkage cavity and burn through discontinuities. Experimental results illustrate the system’s high accuracy, greater than 90% for each class. A novel Hierarchical Support Vector Machine (HSVM) structure is proposed to make feasible the use of this system in industrial environments. This approach presented 96.6% overall accuracy. Given the simplicity of the equipment involved, this system can be applied in the metal transformation industries.