Use este identificador para citar ou linkar para este item:
http://repositorio.ufc.br/handle/riufc/75933| Tipo: | Artigo de Evento |
| Título: | Modelagem da degradação em turbinas de aeronave sob condições reais de voo |
| Autor(es): | Moura Filho, Joaquim Osterwald Frota Silva, Marcelo Estevão da Pinto, Valdilberto Pereira Amora, Márcio André Baima |
| Palavras-chave em português: | Aprendizagem de máquina;Árvores de decisão;turbina de aeronave;Modelagem de curvas |
| Palavras-chave em inglês: | Machine lerning;Decision trees;Aircraft turbine;Curve modeling |
| CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
| Data do documento: | 2022 |
| Instituição/Editor/Publicador: | Sociedade Brasileira de Automática |
| Citação: | MOURA FILHO, Joaquim Osterwald Frota; SILVA, Marcelo Estevão da; PINTO, Vandilberto Pereira; AMORA, Márcio André Baima. Modelagem da degradação em turbinas de aeronova sob condições reais de voo. In: CONGRESSO BRASILEIRO DE AUTOMÁTICA, 24., 2022, Fortaleza. Anais [...] Fortaleza: UFC/IFCE, 2022. Disponível em: 10.20906/CBA2022/3619. |
| Resumo: | O trabalho realiza uma modelagem das curvas de degradação em turbinas de aeronaves sob condições reais de voo e também um comparativo entre técnicas de aprendizado de máquina baseadas em árvores de decisão. Os algoritmos utilizados são: Arvores de Decisão (AD), Floresta Aleatória (FA) e Gradient Boosting (GB). São empregados como métodos de avaliação de desempenho o coeficiente de determinação, o erro quadrático médio e a raiz do erro quadrático médio. Os resultados apresentados mostram o melhor desempenho da FA e do GB na estimação dos valores. Os coeficientes de determinação dos algoritmos atingiram valores médios superiores a 0,98, mostrando assim a eficiência dos modelos propostos para serem utilizados nesta aplicação. |
| Abstract: | The paper performs a modeling of the degradation curves in aircraft turbines under real flight conditions and also a comparison between machine learning techniques based on decision trees. The algorithms used are: Decision Trees (DT), Random Forest (RF) and Gradient Boosting (GB). Coefficient of determination, mean square error and root mean square error are employed as performance evaluation methods. The presented results show the best performance of RF and GB in estimating the values. The coefficients of determination of the algorithms reached average values higher than 0.98, thus showing the efficiency of the proposed models to be used in this application. |
| URI: | http://repositorio.ufc.br/handle/riufc/75933 |
| Identificador DOI: | 10.20906/CBA2022/3619 |
| ISSN: | 2525-8311 |
| ORCID do(s) Autor(es): | https://orcid.org/0009-0001-7061-6033 https://orcid.org/0000-0003-2444-7360 https://orcid.org/0000-0003-2132-1877 https://orcid.org/0000-0001-5046-8718 |
| Currículo Lattes do(s) Autor(es): | http://lattes.cnpq.br/2252234989838469 http://lattes.cnpq.br/0595540618528754 http://lattes.cnpq.br/6580158506931564 http://lattes.cnpq.br/9606593375708738 |
| Tipo de Acesso: | Acesso Aberto |
| Aparece nas coleções: | PPGEEC - SOBRAL - Trabalhos apresentados em eventos |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| 2022_evento_jofmourafilho.pdf | 534,68 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.