Banca de QUALIFICAÇÃO: ALEXANDRE MAGNO DA SILVA NUNES

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: ALEXANDRE MAGNO DA SILVA NUNES
DATA: 30/08/2021
HORA: 16:00
LOCAL: Centro de Informática (remoto)
TÍTULO: Detecção de Falhas em Drones Através da Análise de Sinais de Vibração Baseada no Caos Usando Densidade de Máximos
PALAVRAS-CHAVES:
PÁGINAS: 60
RESUMO: O Veículo Aéreo Não Tripulado (VANT) se popularizou ao longo dos anos em diversas atividades, sejam comerciais ou recreativas. Porém, os drones ainda não possuem total confiança no que se refere a segurança, devido a algumas limitações, como mostra a literatura. Isso tem preocupado pesquisadores, empresas e órgãos governamentais por se tratarem de sistemas críticos de segurança, ou seja, uma falha no sistema pode resultar em perda de vidas, prejuízos ou danos para o ambiente. Diante disso, surge a necessidade de criação de técnicas de identificação de falhas que se adequem às limitações encontradas. As metodologias encontradas para reconhecimento dos defeitos nos VANT’s normalmente são divididas em três abordagens: conhecimento, processamento de sinal ou baseadas em modelo. Este trabalho tem como objetivo a detecção e diagnóstico de falhas em drones em tempo real e propõe uma estratégia para identificação de falhas mecânicas. A abordagem proposta no trabalho utiliza a técnica de análise de sinais baseada no caos usando a densidade de máximos (SAC-DM). Em resultados parciais, foram aplicados algoritmos classificadores em um dataset disponibilizado por outro trabalho, que consistem em dados de três acelerômetros dispostos em um drone hexacóptero. Foi observado uma melhora significativa no desempenho do reconhecimento de falhas com a aplicação da SAC-DM, quando comparado com aplicação dos sinais brutos.
MEMBROS DA BANCA:
Presidente - 2579537 - ALISSON VASCONCELOS DE BRITO
Interno - 2042972 - TIAGO PEREIRA DO NASCIMENTO
Externo ao Programa - 1417704 - EWERTON MONTEIRO SALVADOR