Sistema de identificação de fonte de gás utilizando nanoquadricóptero
Ano de defesa: | 2022 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | , , , |
Tipo de documento: | Tese |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade Federal de Uberlândia
|
Programa de Pós-Graduação: |
Programa de Pós-graduação em Engenharia Elétrica
|
Departamento: |
Não Informado pela instituição
|
País: |
Brasil
|
Palavras-chave em Português: | |
Área do conhecimento CNPq: | |
Link de acesso: | https://repositorio.ufu.br/handle/123456789/36129 http://doi.org/10.14393/ufu.te.2022.496 |
Resumo: | Soluções para o problema de detecção de fonte de odor são necessárias para permitir a realização de diversas tarefas como busca por vazamentos ambientais de gás, monitoramento da qualidade do ar e detecção de presença de gás tóxico em ambientes internos, permitindo, assim, aumentar a segurança e prevenir acidentes em ambientes com presença de gases perigosos. Neste sentido, a utilização de aeronaves nesta tarefa agrega agilidade, segurança e eficiência, contribuindo no desenvolvimento da Indústria 4.0. A solução presente neste trabalho faz uso de uma estratégia de busca pela fonte de odor utilizando a abordagem do mapeamento da distribuição de gás em um ambiente tridimensional utilizando um nanoquadricóptero do modelo Crazyflie 2.0. O mapeamento é viabilizado a partir de uma função de densidade de probabilidade por kernel gaussiano, a qual atua sobre as leituras de características extraídas do sinal de qualidade do ar de um sensor SGP30 embarcado e produz um mapa contínuo, sem haver necessidade de segmentação do ambiente. A subtarefa de declaração da posição da fonte é avaliada através de diferentes estratégias envolvendo redes neurais artificiais e técnicas de aprendizagem de máquina. Os resultados apontam que o algoritmo proposto é capaz de realizar estimativas precisas sobre a localização da fonte com erros de estimação com média próxima a 0,46 m em um ambiente de aproximadamente 15 m3. O algoritmo possui a possibilidade de escalabilidade para incorporar outras aeronaves e explorar ambientes internos com maiores volumes. |
id |
UFU_0f329053f74437f1c6df163d412d234a |
---|---|
oai_identifier_str |
oai:repositorio.ufu.br:123456789/36129 |
network_acronym_str |
UFU |
network_name_str |
Repositório Institucional da UFU |
repository_id_str |
|
spelling |
2022-09-21T14:45:49Z2022-09-21T14:45:49Z2022-08-26SOUZA, Rafael Monteiro Jorge Alves de. Sistema de identificação de fonte de gás utilizando nanoquadricóptero. 2022, 80f. Tese (Doutorado em Engenharia Elétrica) - Universidade Federal de Uberlândia, Uberlândia, 2022. DOI http://doi.org/10.14393/ufu.te.2022.496https://repositorio.ufu.br/handle/123456789/36129http://doi.org/10.14393/ufu.te.2022.496Soluções para o problema de detecção de fonte de odor são necessárias para permitir a realização de diversas tarefas como busca por vazamentos ambientais de gás, monitoramento da qualidade do ar e detecção de presença de gás tóxico em ambientes internos, permitindo, assim, aumentar a segurança e prevenir acidentes em ambientes com presença de gases perigosos. Neste sentido, a utilização de aeronaves nesta tarefa agrega agilidade, segurança e eficiência, contribuindo no desenvolvimento da Indústria 4.0. A solução presente neste trabalho faz uso de uma estratégia de busca pela fonte de odor utilizando a abordagem do mapeamento da distribuição de gás em um ambiente tridimensional utilizando um nanoquadricóptero do modelo Crazyflie 2.0. O mapeamento é viabilizado a partir de uma função de densidade de probabilidade por kernel gaussiano, a qual atua sobre as leituras de características extraídas do sinal de qualidade do ar de um sensor SGP30 embarcado e produz um mapa contínuo, sem haver necessidade de segmentação do ambiente. A subtarefa de declaração da posição da fonte é avaliada através de diferentes estratégias envolvendo redes neurais artificiais e técnicas de aprendizagem de máquina. Os resultados apontam que o algoritmo proposto é capaz de realizar estimativas precisas sobre a localização da fonte com erros de estimação com média próxima a 0,46 m em um ambiente de aproximadamente 15 m3. O algoritmo possui a possibilidade de escalabilidade para incorporar outras aeronaves e explorar ambientes internos com maiores volumes.Solutions to the odor source localization problem are necessary to allow accomplishment of several tasks such as environmental gas leakage searching, air quality monitoring and indoor detection of dangerous gas, thus allowing to increase safety and prevent accidents in environments where hazardous gases are handle. In this sense, the use of aircraft in this task brings agility, safety and efficiency, contributing to the development of Industry 4.0. The solution presented in this work makes use of an odor source localization strategy by gas distribution mapping approach in a three-dimensional environment using a Crazyflie 2.0 nano quadcopter. The mapping is constructed from a probability density function by Gaussian kernel, which acts over characteristics extracted from the air quality signal of an on-board SGP30 sensor and produces a continuous map, without the need for segmentation of the workspace. The source position declaration subtask is evaluated through different strategies involving artificial neural networks and machine learning techniques. The results show that the proposed algorithm is capable of making accurate estimates of the odor source location with estimation errors means close to 0.46 m in an environment of approximately 15 m3. The algorithm has the possibility of scalability by incorporation other aircraft and thus explore indoor environments with higher volumes.Tese (Doutorado)porUniversidade Federal de UberlândiaPrograma de Pós-graduação em Engenharia ElétricaBrasilhttp://creativecommons.org/licenses/by-nc-nd/3.0/us/info:eu-repo/semantics/openAccessCNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOSEngenharia ElétricaAr - Controle de qualidadePredator (Drone)Localização de fonte de odorOdor source localizationmapeamento de distribuição de gásGas distribution mappingquadricópteroquadcopterredes neurais artificiaisartificial neural networkaprendizagem de máquinamachine learningestimação de densidade de probabilidadeprobability density estimationCrazyflie 2.0Crazyflie 2.0Sistema de identificação de fonte de gás utilizando nanoquadricópteroGas source identification system using nanoquadricopterinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisLopes, Luís Cláudio Oliveirahttp://lattes.cnpq.br/9971842873202479Morais, Aniel Silva dehttp://lattes.cnpq.br/8844251698422960Ramos, Daniel Costahttp://lattes.cnpq.br/5562358915665822Fernandes Júnior, Renato Ferreirahttp://lattes.cnpq.br/0072425749854092Mattioli, Aline Fernanda Biancohttp://lattes.cnpq.br/6980876459992932Avelar, Henrique Joséhttp://lattes.cnpq.br/5829897480786768http://lattes.cnpq.br/4126569419786141Souza, Rafael Monteiro Jorge Alves de80119468011reponame:Repositório Institucional da UFUinstname:Universidade Federal de Uberlândia (UFU)instacron:UFUORIGINALSistemaIdentificacaoFonte.pdfSistemaIdentificacaoFonte.pdfTeseapplication/pdf7086839https://repositorio.ufu.br/bitstream/123456789/36129/1/SistemaIdentificacaoFonte.pdfadc255d744023a8b8cb0006c70572c3fMD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufu.br/bitstream/123456789/36129/2/license_rdf9868ccc48a14c8d591352b6eaf7f6239MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81792https://repositorio.ufu.br/bitstream/123456789/36129/3/license.txt48ded82ce41b8d2426af12aed6b3cbf3MD53TEXTSistemaIdentificacaoFonte.pdf.txtSistemaIdentificacaoFonte.pdf.txtExtracted texttext/plain191781https://repositorio.ufu.br/bitstream/123456789/36129/4/SistemaIdentificacaoFonte.pdf.txt13090a2e149692efec9cfdd2372e2f88MD54THUMBNAILSistemaIdentificacaoFonte.pdf.jpgSistemaIdentificacaoFonte.pdf.jpgGenerated Thumbnailimage/jpeg1379https://repositorio.ufu.br/bitstream/123456789/36129/5/SistemaIdentificacaoFonte.pdf.jpg38a37a61f7f29a44c621cb918783b876MD55123456789/361292022-09-22 03:15:42.137oai:repositorio.ufu.br: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Repositório InstitucionalONGhttp://repositorio.ufu.br/oai/requestdiinf@dirbi.ufu.bropendoar:2022-09-22T06:15:42Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU)false |
dc.title.pt_BR.fl_str_mv |
Sistema de identificação de fonte de gás utilizando nanoquadricóptero |
dc.title.alternative.pt_BR.fl_str_mv |
Gas source identification system using nanoquadricopter |
title |
Sistema de identificação de fonte de gás utilizando nanoquadricóptero |
spellingShingle |
Sistema de identificação de fonte de gás utilizando nanoquadricóptero Souza, Rafael Monteiro Jorge Alves de CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS Localização de fonte de odor Odor source localization mapeamento de distribuição de gás Gas distribution mapping quadricóptero quadcopter redes neurais artificiais artificial neural network aprendizagem de máquina machine learning estimação de densidade de probabilidade probability density estimation Crazyflie 2.0 Crazyflie 2.0 Engenharia Elétrica Ar - Controle de qualidade Predator (Drone) |
title_short |
Sistema de identificação de fonte de gás utilizando nanoquadricóptero |
title_full |
Sistema de identificação de fonte de gás utilizando nanoquadricóptero |
title_fullStr |
Sistema de identificação de fonte de gás utilizando nanoquadricóptero |
title_full_unstemmed |
Sistema de identificação de fonte de gás utilizando nanoquadricóptero |
title_sort |
Sistema de identificação de fonte de gás utilizando nanoquadricóptero |
author |
Souza, Rafael Monteiro Jorge Alves de |
author_facet |
Souza, Rafael Monteiro Jorge Alves de |
author_role |
author |
dc.contributor.advisor-co1.fl_str_mv |
Lopes, Luís Cláudio Oliveira |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/9971842873202479 |
dc.contributor.advisor1.fl_str_mv |
Morais, Aniel Silva de |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/8844251698422960 |
dc.contributor.referee1.fl_str_mv |
Ramos, Daniel Costa |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/5562358915665822 |
dc.contributor.referee2.fl_str_mv |
Fernandes Júnior, Renato Ferreira |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/0072425749854092 |
dc.contributor.referee3.fl_str_mv |
Mattioli, Aline Fernanda Bianco |
dc.contributor.referee3Lattes.fl_str_mv |
http://lattes.cnpq.br/6980876459992932 |
dc.contributor.referee4.fl_str_mv |
Avelar, Henrique José |
dc.contributor.referee4Lattes.fl_str_mv |
http://lattes.cnpq.br/5829897480786768 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/4126569419786141 |
dc.contributor.author.fl_str_mv |
Souza, Rafael Monteiro Jorge Alves de |
contributor_str_mv |
Lopes, Luís Cláudio Oliveira Morais, Aniel Silva de Ramos, Daniel Costa Fernandes Júnior, Renato Ferreira Mattioli, Aline Fernanda Bianco Avelar, Henrique José |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS Localização de fonte de odor Odor source localization mapeamento de distribuição de gás Gas distribution mapping quadricóptero quadcopter redes neurais artificiais artificial neural network aprendizagem de máquina machine learning estimação de densidade de probabilidade probability density estimation Crazyflie 2.0 Crazyflie 2.0 Engenharia Elétrica Ar - Controle de qualidade Predator (Drone) |
dc.subject.por.fl_str_mv |
Localização de fonte de odor Odor source localization mapeamento de distribuição de gás Gas distribution mapping quadricóptero quadcopter redes neurais artificiais artificial neural network aprendizagem de máquina machine learning estimação de densidade de probabilidade probability density estimation Crazyflie 2.0 Crazyflie 2.0 |
dc.subject.autorizado.pt_BR.fl_str_mv |
Engenharia Elétrica Ar - Controle de qualidade Predator (Drone) |
description |
Soluções para o problema de detecção de fonte de odor são necessárias para permitir a realização de diversas tarefas como busca por vazamentos ambientais de gás, monitoramento da qualidade do ar e detecção de presença de gás tóxico em ambientes internos, permitindo, assim, aumentar a segurança e prevenir acidentes em ambientes com presença de gases perigosos. Neste sentido, a utilização de aeronaves nesta tarefa agrega agilidade, segurança e eficiência, contribuindo no desenvolvimento da Indústria 4.0. A solução presente neste trabalho faz uso de uma estratégia de busca pela fonte de odor utilizando a abordagem do mapeamento da distribuição de gás em um ambiente tridimensional utilizando um nanoquadricóptero do modelo Crazyflie 2.0. O mapeamento é viabilizado a partir de uma função de densidade de probabilidade por kernel gaussiano, a qual atua sobre as leituras de características extraídas do sinal de qualidade do ar de um sensor SGP30 embarcado e produz um mapa contínuo, sem haver necessidade de segmentação do ambiente. A subtarefa de declaração da posição da fonte é avaliada através de diferentes estratégias envolvendo redes neurais artificiais e técnicas de aprendizagem de máquina. Os resultados apontam que o algoritmo proposto é capaz de realizar estimativas precisas sobre a localização da fonte com erros de estimação com média próxima a 0,46 m em um ambiente de aproximadamente 15 m3. O algoritmo possui a possibilidade de escalabilidade para incorporar outras aeronaves e explorar ambientes internos com maiores volumes. |
publishDate |
2022 |
dc.date.accessioned.fl_str_mv |
2022-09-21T14:45:49Z |
dc.date.available.fl_str_mv |
2022-09-21T14:45:49Z |
dc.date.issued.fl_str_mv |
2022-08-26 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
SOUZA, Rafael Monteiro Jorge Alves de. Sistema de identificação de fonte de gás utilizando nanoquadricóptero. 2022, 80f. Tese (Doutorado em Engenharia Elétrica) - Universidade Federal de Uberlândia, Uberlândia, 2022. DOI http://doi.org/10.14393/ufu.te.2022.496 |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufu.br/handle/123456789/36129 |
dc.identifier.doi.pt_BR.fl_str_mv |
http://doi.org/10.14393/ufu.te.2022.496 |
identifier_str_mv |
SOUZA, Rafael Monteiro Jorge Alves de. Sistema de identificação de fonte de gás utilizando nanoquadricóptero. 2022, 80f. Tese (Doutorado em Engenharia Elétrica) - Universidade Federal de Uberlândia, Uberlândia, 2022. DOI http://doi.org/10.14393/ufu.te.2022.496 |
url |
https://repositorio.ufu.br/handle/123456789/36129 http://doi.org/10.14393/ufu.te.2022.496 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/3.0/us/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/3.0/us/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Uberlândia |
dc.publisher.program.fl_str_mv |
Programa de Pós-graduação em Engenharia Elétrica |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal de Uberlândia |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFU instname:Universidade Federal de Uberlândia (UFU) instacron:UFU |
instname_str |
Universidade Federal de Uberlândia (UFU) |
instacron_str |
UFU |
institution |
UFU |
reponame_str |
Repositório Institucional da UFU |
collection |
Repositório Institucional da UFU |
bitstream.url.fl_str_mv |
https://repositorio.ufu.br/bitstream/123456789/36129/1/SistemaIdentificacaoFonte.pdf https://repositorio.ufu.br/bitstream/123456789/36129/2/license_rdf https://repositorio.ufu.br/bitstream/123456789/36129/3/license.txt https://repositorio.ufu.br/bitstream/123456789/36129/4/SistemaIdentificacaoFonte.pdf.txt https://repositorio.ufu.br/bitstream/123456789/36129/5/SistemaIdentificacaoFonte.pdf.jpg |
bitstream.checksum.fl_str_mv |
adc255d744023a8b8cb0006c70572c3f 9868ccc48a14c8d591352b6eaf7f6239 48ded82ce41b8d2426af12aed6b3cbf3 13090a2e149692efec9cfdd2372e2f88 38a37a61f7f29a44c621cb918783b876 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU) |
repository.mail.fl_str_mv |
diinf@dirbi.ufu.br |
_version_ |
1792331459044835328 |