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 Federal de Minas Gerais (UFMG) | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | de Paula Silva Ferreira, Leonardo | - |
Autor(es): dc.creator | Yano, Marcos Omori | - |
Autor(es): dc.creator | da Silva, Samuel | - |
Autor(es): dc.creator | Cimini, Carlos Alberto | - |
Data de aceite: dc.date.accessioned | 2025-08-21T15:48:27Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T15:48:27Z | - |
Data de envio: dc.date.issued | 2023-07-29 | - |
Data de envio: dc.date.issued | 2023-07-29 | - |
Data de envio: dc.date.issued | 2021-12-31 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/247396 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/247396 | - |
Descrição: dc.description | In the aeronautic industry, in addition to the aging of the current fleet of aircraft in operation, increasing cargo capacity and the use of composite materials have increased interest in developing Structural Health Monitoring systems (SHM) by aircraft manufacturers and airlines. On the other hand, the increase in the processing capacity of computers enabled the development of Artificial Intelligence systems. These systems can make decisions based on an incomplete data set and are particularly attractive in applications where human intelligence and critical thinking are needed. However, the performance of SHM based on Machine Learning is limited to only the knowledge used in the learning phase, not able to describe the structural behavior under conditions different from those used in the model training. This work proposes a hybrid learning methodology as an alternative to augment the amount of data available during the training phase. A finite element model is adjusted with limited experimental data and used to simulate new damage scenarios. Then, a multilayer neural network is trained with different experimental and numerical data combinations. The system’s performance is evaluated with experimental data that is not used during model training, and the model’s accuracy is compared using scenarios with and without. | - |
Descrição: dc.description | UFMG - Universidade Federal de Minas Gerais | - |
Descrição: dc.description | UNESP - Universidade Estadual Paulista, Campus de Ilha Solteira | - |
Descrição: dc.description | UNESP - Universidade Estadual Paulista, Campus de Ilha Solteira | - |
Formato: dc.format | 3723-3736 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | 33rd Congress of the International Council of the Aeronautical Sciences, ICAS 2022 | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | hybrid learning | - |
Palavras-chave: dc.subject | Lamb wave simulations | - |
Palavras-chave: dc.subject | neural networks | - |
Palavras-chave: dc.subject | SHM | - |
Título: dc.title | DAMAGE QUANTIFICATION ON COMPOSITE STRUCTURES USING NEURAL NETWORKS AND HYBRID DATA | - |
Tipo de arquivo: dc.type | aula digital | - |
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: