Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (Unesp) | - |
Autor(es): dc.contributor | Fraunhofer Joint Laboratory of Excellence on Advanced Production Technology (Fh-J_LEAPT Naples) | - |
Autor(es): dc.contributor | University of Naples Federico II | - |
Autor(es): dc.creator | Junior, Pedro Oliveira [UNESP] | - |
Autor(es): dc.creator | Conte, Salvatore | - |
Autor(es): dc.creator | D'Addona, Doriana M. | - |
Autor(es): dc.creator | Aguiar, Paulo [UNESP] | - |
Autor(es): dc.creator | Bapstista, Fabricio [UNESP] | - |
Data de aceite: dc.date.accessioned | 2022-02-22T00:26:47Z | - |
Data de disponibilização: dc.date.available | 2022-02-22T00:26:47Z | - |
Data de envio: dc.date.issued | 2020-12-11 | - |
Data de envio: dc.date.issued | 2020-12-11 | - |
Data de envio: dc.date.issued | 2019-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.procir.2020.05.057 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/199222 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/199222 | - |
Descrição: dc.description | The identification and severity of structural damages, especially in the early stage, is critical in structural health monitoring (SHM) systems. Among several approaches used to accomplish this goal, the electromechanical impedance (EMI) technique has taken place within nondestructive evaluation (NDE) methods. On the other hand, neural networks (NN) based on self-organizing maps (SOM) has been a promising tool in many engineering classification problems. However, there is a gap of application regarding the combination of the EMI technique and SOM NN. To encourage this, an enhanced EMI-based damage classification method using self-organizing features is proposed in the present research paper. A SOM NN architecture was implemented whose inputs were derived from representative features of the impedance signatures. As a result, self-organizing maps can be used as an effective tool to enhance the damage classification in EMI-based SHM applications. For the present application, the results indicated a promising and useful contribution to the grinding field. | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | Univ. Estadual Paulista UNESP School of Engineering Department of Electrical and Mechanical Engineering | - |
Descrição: dc.description | Fraunhofer Joint Laboratory of Excellence on Advanced Production Technology (Fh-J_LEAPT Naples) | - |
Descrição: dc.description | Dept. of Chemical Materials and Industrial Production Engineering University of Naples Federico II, Piazzale Tecchio 80 | - |
Descrição: dc.description | Univ. Estadual Paulista UNESP School of Engineering Department of Electrical and Mechanical Engineering | - |
Descrição: dc.description | FAPESP: #2016/02831-5 | - |
Formato: dc.format | 330-334 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Procedia CIRP | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Diagnostic and maintenance | - |
Palavras-chave: dc.subject | Electromechanical impedance | - |
Palavras-chave: dc.subject | Grinding | - |
Palavras-chave: dc.subject | Neural networks | - |
Palavras-chave: dc.subject | Self-organizing maps | - |
Palavras-chave: dc.subject | Sensor monitoring | - |
Palavras-chave: dc.subject | SHM | - |
Título: dc.title | An improved impedance-based damage classification using self-organizing maps | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: