Please use this identifier to cite or link to this item: https://bdm.ufpa.br:8443/jspui/handle/prefix/1518
Compartilhar:
metadata.dc.type: Trabalho de Conclusão de Curso - Graduação
Title: Estudo comparativo de métodos de compressão de dados e detecção de danos em monitoramento de integridade estrutural
metadata.dc.creator: ELIASQUEVICI, Felipe
metadata.dc.contributor.advisor1: SALES JUNIOR, Claudomiro de Souza de
Issue Date: 23-Feb-2018
Citation: ELIASQUEVICI, Felipe. Estudo comparativo de métodos de compressão de dados e detecção de danos em monitoramento de integridade estrutural. Orientador: Claudomiro de Souza de Sales Junior. 2018. 56 f. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) – Faculdade de Computação, Instituto de Ciências Exatas e Naturais, Universidade Federal do Pará, Belém, 2018. Disponível em: http://bdm.ufpa.br/jspui/handle/prefix/1518. Acesso em:.
metadata.dc.description.resumo: O Monitoramento de Integridade Estrutural (SHM) é um processo que objetiva detectar danos em estruturas através de sensores instalados na mesma que captam dados e fazem quantização de dano em tempo real. Um número grande de sensores coletando informações em um intervalos curtos de tempo podem gerar uma quantidade muito grande de dados, que precisam ser transmitidos e armazenados. A compressão de dados torna-se essencial então para esses sistemas. Durante o processo de compressão, entretanto, características importantes dos sinais gerados pelos sensores podem ser perdidas, e a detecção de danos pode ficar comprometida. Nesse contexto, este trabalho propõe um estudo comparativo entre combinações de métodos de compressão de dados e técnicas de detecção de danos. sobre os dados comprimidos. Para mensurar a eficiência dessas combinações utiliza-se uma métrica paramétrica, a qual quantifica o quão boa uma combinação é em uma única medida. Apos comparados os resultados foi observado que as combinações envolvendo o algoritmo Chebshevy Approximation geraram os melhores resultados, especialmente com os algoritmos Fuzy-C-Means e K-Means.
Abstract: Structural Health Monitoring (SHM) is a process that aims to detect damage in structures through sensors attached on this structure that capture the data and quantify the damage in real time. A big number of sensors capturing information in short time intervals can generate a huge volume of data, that needs to be transmitted and stored. Data compression then becomes essential to these kinds of system. In the compression process, however, essential characteristics of the signals generated by the sensors can be lost, and the damage detection could be compromised. Considering that, this study propose to compare several combinations of data compression methods and damage detection techniques. To measure the efficiency of those combinations it is utilized a parametric metric, which quantifies how good a combination is in a single measure. After comparing the results it was observed that the algorithm Chebshevy Approximation generate the best results, specially when combined with Fuzzy-C-Means and K-Means.
metadata.dc.subject.cnpq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Keywords: SHM
Compressão de dados
Detecção de danos
Método de avaliação
Clusterização
metadata.dc.rights: Acesso Aberto
Appears in Collections:Faculdade de Computação - FC/ICEN

Files in This Item:
File Description SizeFormat 
TCC_EstudoComparativoMetodos.pdf3,47 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons