Banca de DEFESA: Marlon Marques Soudre

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : Marlon Marques Soudre
DATA : 06/12/2023
HORA: 14:00
LOCAL: Graco/ENM
TÍTULO:

Monitoramento embarcado baseado em GPU para detecção e diagnóstico de falhas em sistemas não lineares variantes no tempo -um estudo de caso de turbina eólica

PALAVRAS-CHAVES:

Monitoramento de Sistemas Variantes no Tempo; Projeto de Sistemas Embarcados. Detecção e Diagnóstico de Falhas; Falhas em Turbinas Eólicas.

PÁGINAS: 200
RESUMO:

O monitoramento de sistemas não lineares e variantes no tempo visando detectar e diagnosticar falhas não é uma tarefa trivial, sobretudo quando aplicado a sistemas embarcados e suas restrições. Apesar dos desafios, o desenvolvimento e popularização de tecnologias como Internet of Things (IoT), ferramentas de aprendizagem de máquina e o paradigma de computação na borda (Edge Computing) tem aumentado o interesse no tema. No entanto, ainda são poucos os trabalhos inseridos nesse cenário, havendo um espaço a ser preenchido no que tange a soluções que sejam viáveis de serem embarcadas. Neste sentido, o presente trabalho propõe contribuições baseadas em GPUs no intuito de contribuir para o preenchimento desta lacuna na literatura. Primeiramente, é proposto uma estratégia aplicadas a sistemas embarcados baseados em GPUs para identificação de sistemas não lineares e caixa-preta. Mais precisamente, foi desenvolvido uma estratégia de paralelização do algoritmo Forward Regression Orthogonal Least Squares (FROLS) para seleção de modelos autoregressivos parcimoniosos, lineares e não lineares. Em seguida, são apresentadas soluções para detecção e classificação de falhas, ambas mapeadas em GPUs e baseadas na análise dos parâmetros do modelo identificado, implementadas com ferramentas de gráficos de controle (control-chart) e Máquinas de Vetores de Suporte (SVM), respectivamente. Por fim, as soluções supracitadas foram reunidas, juntamente com a estratégia de estimação recursiva dos parâmetros do modelo dentro de uma janela móvel (SWRLS), a fim de se estabelecer um algoritmo de monitoramento para detecção e diagnóstico de falhas (SWRLS\SVM\FROLS). As soluções se mostraram viáveis quando validadas com dados reais de uma pá de turbina eólica submetida a variação de temperatura e a falhas decorrentes do acúmulo de gelo e formação de trincas em diferentes escalas. Vale ressaltar que este estudo de caso é atual e relevante, combinando as características de um sistema não linear variável no tempo, devido a falhas e fatores ambientais, e atuando no paradigma de computação na borda, essenciais especialmente para instalações offshore. Nesse sentido, o estudo de caso escolhido explora a solução proposta em sua totalidade, mostrando a viabilidade de um monitoramento embarcado baseado em GPU para detecção e diagnóstico de falhas em sistemas não lineares variantes no tempo.  

MEMBROS DA BANCA:
Externo à Instituição - ALVARO BERNAL NOROÑA - UDV
Presidente - 2279048 - CARLOS HUMBERTO LLANOS QUINTERO
Externo à Instituição - EDWARD DAVID MORENO ORDONEZ - UFS
Interno - 1686564 - JONES YUDI MORI ALVES DA SILVA
Externo à Instituição - LEANDRO DOS SANTOS COELHO - PUCPR