Use este identificador para citar ou linkar para este item: http://repositorio.ufc.br/handle/riufc/75933
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorMoura Filho, Joaquim Osterwald Frota-
dc.contributor.authorSilva, Marcelo Estevão da-
dc.contributor.authorPinto, Valdilberto Pereira-
dc.contributor.authorAmora, Márcio André Baima-
dc.date.accessioned2024-01-22T17:48:24Z-
dc.date.available2024-01-22T17:48:24Z-
dc.date.issued2022-
dc.identifier.citationMOURA 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.pt_BR
dc.identifier.issn2525-8311-
dc.identifier.urihttp://repositorio.ufc.br/handle/riufc/75933-
dc.description.abstractThe 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.pt_BR
dc.language.isopt_BRpt_BR
dc.publisherSociedade Brasileira de Automáticapt_BR
dc.rightsAcesso Abertopt_BR
dc.titleModelagem da degradação em turbinas de aeronave sob condições reais de voopt_BR
dc.typeArtigo de Eventopt_BR
dc.description.abstract-ptbrO 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.pt_BR
dc.identifier.doi10.20906/CBA2022/3619-
dc.subject.ptbrAprendizagem de máquinapt_BR
dc.subject.ptbrÁrvores de decisãopt_BR
dc.subject.ptbrturbina de aeronavept_BR
dc.subject.ptbrModelagem de curvaspt_BR
dc.subject.enMachine lerningpt_BR
dc.subject.enDecision treespt_BR
dc.subject.enAircraft turbinept_BR
dc.subject.enCurve modelingpt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICApt_BR
local.author.orcidhttps://orcid.org/0009-0001-7061-6033pt_BR
local.author.orcidhttps://orcid.org/0000-0003-2444-7360pt_BR
local.author.orcidhttps://orcid.org/0000-0003-2132-1877pt_BR
local.author.orcidhttps://orcid.org/0000-0001-5046-8718pt_BR
local.author.latteshttp://lattes.cnpq.br/2252234989838469pt_BR
local.author.latteshttp://lattes.cnpq.br/0595540618528754pt_BR
local.author.latteshttp://lattes.cnpq.br/6580158506931564pt_BR
local.author.latteshttp://lattes.cnpq.br/9606593375708738pt_BR
Aparece nas coleções:PPGEEC - SOBRAL - Trabalhos apresentados em eventos

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2022_evento_jofmourafilho.pdf534,68 kBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.