Diagnóstico de falhas em circuitos analógicos utilizando inteligência de enxame

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: Galindo, Jalber Dinelli Luna
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade do Estado do Rio de Janeiro (UERJ)
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: https://www.repositorio.mar.mil.br/handle/ripcmb/846511
Resumo: Falhas de circuito aberto ou curto-circuito, bem como em parâmetros discretos são os modelos mais utilizados no método de simulação antes do teste. Como a resposta de um circuito analógico a um sinal de entrada é contínua, falhas em qualquer elemento específico do circuito podem não caracterizar todas as possíveis falhas de componentes. Existem três recursos importantes no diagnóstico de falhas em circuitos analógicos: identificação de componentes defeituosos, determinação de valores de elementos defeituosos e restrições de tolerância do circuito. Para resolver este problema, foram propostas e implementadas duas metodologias, que são baseadas em otimização utilizando inteligência de enxame para o diagnóstico de falhas: otimização por enxame de partículas (Particle Swarm Optimization – PSO); e otimização inspirada no comportamento dos morcegos (BatAlgorithm – BA). As equações não lineares do circuito em teste são usadas para calcular seus parâmetros. O objetivo é identificar o componente do circuito que tem potencial para apresentar a falha, comparando as respostas obtidas do circuito real e a resposta obtida pelo processo de otimização. Foram utilizados dois circuitos como estudos de caso para avaliar o desempenho das metodologias propostas: o filtro Biquad de Tow-Thomas (circuito 1) e o filtro de ButterWorth (circuito 2). As metodologias propostas foram capazes de identificar ou, pelo menos, reduzir a quantidade de possíveis componentes com falhas. Foram extraídas as quatro principais métricas de desempenho: a acurácia, a precisão, a sensibilidade e a especificidade. A técnica do BA teve um melhor desempenho, utilizando a combinação máxima dos nós acessíveis do circuito em teste, com valor das métricas consideradas 95,84%, 81,45%, 82,16% e 97,66%, respectivamente para o circuito 1. Para o circuito 2, obteve métricas de 95,13%, 74,87%, 73,30% e 97,42%, respectivamente. A técnica do BA também foi melhor em relação ao tempo de execução. Para o circuito 1, houve uma redução média de 7,95% do tempo em relação ao tempo médio do PSO para o circuito sem falhas e de 8,12% para os casos com falha. Para o circuito 2, houve uma redução média de 12,2% do tempo em relação ao tempo médio do PSO para o circuito sem falhas e de 11,2% para os casos com falha.
id MB_232384af495be02b6f918b26dce88a49
oai_identifier_str oai:www.repositorio.mar.mil.br:ripcmb/846511
network_acronym_str MB
network_name_str Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB)
repository_id_str
spelling Diagnóstico de falhas em circuitos analógicos utilizando inteligência de enxameFault diagnosis in analogic circuits using swarm intelligenceEngenharia eletrônicaInteligência de enxameOtimização por enxame de partículasOtimização inspirada no comportamento dos morcegosDiagnóstico de falhas em circuitos analógicosEletrônica (DGPM-305)Falhas de circuito aberto ou curto-circuito, bem como em parâmetros discretos são os modelos mais utilizados no método de simulação antes do teste. Como a resposta de um circuito analógico a um sinal de entrada é contínua, falhas em qualquer elemento específico do circuito podem não caracterizar todas as possíveis falhas de componentes. Existem três recursos importantes no diagnóstico de falhas em circuitos analógicos: identificação de componentes defeituosos, determinação de valores de elementos defeituosos e restrições de tolerância do circuito. Para resolver este problema, foram propostas e implementadas duas metodologias, que são baseadas em otimização utilizando inteligência de enxame para o diagnóstico de falhas: otimização por enxame de partículas (Particle Swarm Optimization – PSO); e otimização inspirada no comportamento dos morcegos (BatAlgorithm – BA). As equações não lineares do circuito em teste são usadas para calcular seus parâmetros. O objetivo é identificar o componente do circuito que tem potencial para apresentar a falha, comparando as respostas obtidas do circuito real e a resposta obtida pelo processo de otimização. Foram utilizados dois circuitos como estudos de caso para avaliar o desempenho das metodologias propostas: o filtro Biquad de Tow-Thomas (circuito 1) e o filtro de ButterWorth (circuito 2). As metodologias propostas foram capazes de identificar ou, pelo menos, reduzir a quantidade de possíveis componentes com falhas. Foram extraídas as quatro principais métricas de desempenho: a acurácia, a precisão, a sensibilidade e a especificidade. A técnica do BA teve um melhor desempenho, utilizando a combinação máxima dos nós acessíveis do circuito em teste, com valor das métricas consideradas 95,84%, 81,45%, 82,16% e 97,66%, respectivamente para o circuito 1. Para o circuito 2, obteve métricas de 95,13%, 74,87%, 73,30% e 97,42%, respectivamente. A técnica do BA também foi melhor em relação ao tempo de execução. Para o circuito 1, houve uma redução média de 7,95% do tempo em relação ao tempo médio do PSO para o circuito sem falhas e de 8,12% para os casos com falha. Para o circuito 2, houve uma redução média de 12,2% do tempo em relação ao tempo médio do PSO para o circuito sem falhas e de 11,2% para os casos com falha.Open-circuit or short-circuit faults, as well as in discrete parameters are the most used models in simulation methods before testing. Since the response of an analog circuit to an input signal is continuous, failures in any particular circuit component may not characterize all possible component failures. There are three important features in failure diagnostic of analog circuits: identifying faulty components, determining faulty element values, and circuit tolerance constraints. To solve this problem, two methodologies are proposed and implemented, which are based on optimization using swarm intelligence, for the diagnosis of failures: Particle Swarm Optimization (PSO); and bat behavior inspired optimization, termed Bat Algorithm (BA). The non-linear equations of the circuit under test are used to calculate its parameters. The objective is to identify the circuit component that has the potential to present a failure by comparing the responses measured the real circuit and that obtained by the optimization process. Two circuits are used as case studies to evaluate the performance of the proposed implementations: the Tow-Thomas Biquad filter (circuit 1) and the ButterWorth filter (circuit 2). The proposed methodologies are able to identify or, at least, reduce the number of possibly failing components. The four main performance metrics used are extracted: accuracy, precision, sensitivity and specificity. The BA technique offers a better performance, using the combination of the maximum accessible nodes of the circuit under test, with the considered metric values 95.84%, 81.45%, 82.16% and 97.66%, respectively for circuit 1. For circuit 2, the obtained metric values are 95.13%, 74.87%, 73.30% and 97.42%, respectively. The BA technique is more efficient regarding the execution time. For circuit 1, there was an average reduction of 7.95% of the time when compared to the average time of the PSO for the circuit without failures, and of 8.12% for the cases with failure. For circuit 2, there was an average reduction of 12.2% of the time when compared to the average time of the PSO for the circuit without failures, and of 11.2% for the cases with failure.Universidade do Estado do Rio de Janeiro (UERJ)Nedjah, NadiaMourelle, Luiza de MacedoGalindo, Jalber Dinelli Luna2024-01-03T14:31:13Z2024-01-03T14:31:13Z2022info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfGALINDO, Jalber D. L. Diagnóstico de Falhas em Circuitos Analógicos Utilizando Inteligência de Enxame. 2022. 251f. Dissertação (Mestrado em Engenharia Eletrônica) – Faculdade de Engenharia, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2022.https://www.repositorio.mar.mil.br/handle/ripcmb/846511info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB)instname:Marinha do Brasil (MB)instacron:MB2025-08-26T17:03:57Zoai:www.repositorio.mar.mil.br:ripcmb/846511Repositório InstitucionalPUBhttps://www.repositorio.mar.mil.br/oai/requestdphdm.repositorio@marinha.mil.bropendoar:2025-08-26T17:03:57Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB) - Marinha do Brasil (MB)false
dc.title.none.fl_str_mv Diagnóstico de falhas em circuitos analógicos utilizando inteligência de enxame
Fault diagnosis in analogic circuits using swarm intelligence
title Diagnóstico de falhas em circuitos analógicos utilizando inteligência de enxame
spellingShingle Diagnóstico de falhas em circuitos analógicos utilizando inteligência de enxame
Galindo, Jalber Dinelli Luna
Engenharia eletrônica
Inteligência de enxame
Otimização por enxame de partículas
Otimização inspirada no comportamento dos morcegos
Diagnóstico de falhas em circuitos analógicos
Eletrônica (DGPM-305)
title_short Diagnóstico de falhas em circuitos analógicos utilizando inteligência de enxame
title_full Diagnóstico de falhas em circuitos analógicos utilizando inteligência de enxame
title_fullStr Diagnóstico de falhas em circuitos analógicos utilizando inteligência de enxame
title_full_unstemmed Diagnóstico de falhas em circuitos analógicos utilizando inteligência de enxame
title_sort Diagnóstico de falhas em circuitos analógicos utilizando inteligência de enxame
author Galindo, Jalber Dinelli Luna
author_facet Galindo, Jalber Dinelli Luna
author_role author
dc.contributor.none.fl_str_mv Nedjah, Nadia
Mourelle, Luiza de Macedo
dc.contributor.author.fl_str_mv Galindo, Jalber Dinelli Luna
dc.subject.por.fl_str_mv Engenharia eletrônica
Inteligência de enxame
Otimização por enxame de partículas
Otimização inspirada no comportamento dos morcegos
Diagnóstico de falhas em circuitos analógicos
Eletrônica (DGPM-305)
topic Engenharia eletrônica
Inteligência de enxame
Otimização por enxame de partículas
Otimização inspirada no comportamento dos morcegos
Diagnóstico de falhas em circuitos analógicos
Eletrônica (DGPM-305)
description Falhas de circuito aberto ou curto-circuito, bem como em parâmetros discretos são os modelos mais utilizados no método de simulação antes do teste. Como a resposta de um circuito analógico a um sinal de entrada é contínua, falhas em qualquer elemento específico do circuito podem não caracterizar todas as possíveis falhas de componentes. Existem três recursos importantes no diagnóstico de falhas em circuitos analógicos: identificação de componentes defeituosos, determinação de valores de elementos defeituosos e restrições de tolerância do circuito. Para resolver este problema, foram propostas e implementadas duas metodologias, que são baseadas em otimização utilizando inteligência de enxame para o diagnóstico de falhas: otimização por enxame de partículas (Particle Swarm Optimization – PSO); e otimização inspirada no comportamento dos morcegos (BatAlgorithm – BA). As equações não lineares do circuito em teste são usadas para calcular seus parâmetros. O objetivo é identificar o componente do circuito que tem potencial para apresentar a falha, comparando as respostas obtidas do circuito real e a resposta obtida pelo processo de otimização. Foram utilizados dois circuitos como estudos de caso para avaliar o desempenho das metodologias propostas: o filtro Biquad de Tow-Thomas (circuito 1) e o filtro de ButterWorth (circuito 2). As metodologias propostas foram capazes de identificar ou, pelo menos, reduzir a quantidade de possíveis componentes com falhas. Foram extraídas as quatro principais métricas de desempenho: a acurácia, a precisão, a sensibilidade e a especificidade. A técnica do BA teve um melhor desempenho, utilizando a combinação máxima dos nós acessíveis do circuito em teste, com valor das métricas consideradas 95,84%, 81,45%, 82,16% e 97,66%, respectivamente para o circuito 1. Para o circuito 2, obteve métricas de 95,13%, 74,87%, 73,30% e 97,42%, respectivamente. A técnica do BA também foi melhor em relação ao tempo de execução. Para o circuito 1, houve uma redução média de 7,95% do tempo em relação ao tempo médio do PSO para o circuito sem falhas e de 8,12% para os casos com falha. Para o circuito 2, houve uma redução média de 12,2% do tempo em relação ao tempo médio do PSO para o circuito sem falhas e de 11,2% para os casos com falha.
publishDate 2022
dc.date.none.fl_str_mv 2022
2024-01-03T14:31:13Z
2024-01-03T14:31:13Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv GALINDO, Jalber D. L. Diagnóstico de Falhas em Circuitos Analógicos Utilizando Inteligência de Enxame. 2022. 251f. Dissertação (Mestrado em Engenharia Eletrônica) – Faculdade de Engenharia, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2022.
https://www.repositorio.mar.mil.br/handle/ripcmb/846511
identifier_str_mv GALINDO, Jalber D. L. Diagnóstico de Falhas em Circuitos Analógicos Utilizando Inteligência de Enxame. 2022. 251f. Dissertação (Mestrado em Engenharia Eletrônica) – Faculdade de Engenharia, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2022.
url https://www.repositorio.mar.mil.br/handle/ripcmb/846511
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade do Estado do Rio de Janeiro (UERJ)
publisher.none.fl_str_mv Universidade do Estado do Rio de Janeiro (UERJ)
dc.source.none.fl_str_mv reponame:Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB)
instname:Marinha do Brasil (MB)
instacron:MB
instname_str Marinha do Brasil (MB)
instacron_str MB
institution MB
reponame_str Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB)
collection Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB)
repository.name.fl_str_mv Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB) - Marinha do Brasil (MB)
repository.mail.fl_str_mv dphdm.repositorio@marinha.mil.br
_version_ 1855762816221315072