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 | Siqueira, Hugo Valadares | - |
Autor(es): dc.contributor | Siqueira, Hugo Valadares | - |
Autor(es): dc.contributor | Martins, Marcella Scoczynski Ribeiro | - |
Autor(es): dc.contributor | Kan, Rafael Felipe Van | - |
Autor(es): dc.creator | Silva, Cristiellen Heuko da | - |
Data de aceite: dc.date.accessioned | 2025-08-29T12:01:12Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T12:01:12Z | - |
Data de envio: dc.date.issued | 2025-08-08 | - |
Data de envio: dc.date.issued | 2025-08-08 | - |
Data de envio: dc.date.issued | 2025-06-13 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/37818 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1087483 | - |
Descrição: dc.description | With the growing demand for electric vehicles, the development of intelligent systems capable of accurately monitoring the functionality and longevity of batteries has become essential, as they are among the most critical and costly components of these automobiles. Proper management of the State of Charge (SOC) is crucial to ensure battery performance, safety, and lifespan. In this context, the present work aims to estimate the SOC of batteries from the Renault Kangoo, an electric vehicle with approximately 10 years of use, using machine learning techniques. Three distinct Artificial Neural Network (ANN) architectures were implemented and evaluated: the Multilayer Perceptron (MLP), the Long Short-Term Memory network (LSTM), and the Extreme Learning Machine (ELM). The methodology involved collecting, preprocessing, and analyzing real-world operational data from the vehicle to train and validate the proposed models. The best performance was achieved by the ELM and LSTM networks, with mean squared errors of 0.000023 and 0.000048, respectively, demonstrating high accuracy in SOC prediction. The results highlight the potential of neural networks for intelligent battery monitoring in vehicular applications. | - |
Descrição: dc.description | Com a crescente demanda por veículos elétricos, tornou-se necessário o desenvolvimento de sistemas inteligentes capazes de monitorar com precisão a funcionalidade e a longevidade das baterias, que representam um dos principais componentes desses automóveis 4 tanto do ponto de vista técnico quanto econômico. O gerenciamento adequado do Estado de Carga (State of Charge 3 SOC) é essencial para garantir o desempenho, a segurança e a vida útil das baterias. Nesse contexto, o presente trabalho tem como objetivo estimar o SOC de baterias do Renault Kangoo, um veículo elétrico com cerca de 10 anos de uso, utilizando técnicas de aprendizado de máquina. Foram implementadas e avaliadas três arquiteturas distintas de Redes Neurais Artificiais (RNAs): o Perceptron de Múltiplas Camadas (MLP), a Memória de Longo-Curto Prazo (LSTM) e a Máquina de Aprendizado Extremo (ELM). O processo envolveu a coleta, pré-processamento e análise de dados reais de operação do veículo, com o intuito de treinar e validar os modelos propostos. Os melhores desempenhos foram obtidos pelas redes ELM e LSTM, com erros quadráticos médios de 0.000023 e 0.000048, respectivamente, demonstrando elevada acurácia na predição do SOC. Os resultados reforçam o potencial das RNAs no monitoramento inteligente de baterias em aplicações veiculares. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Ponta Grossa | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Departamento Acadêmico de Engenharia Elétrica | - |
Publicador: dc.publisher | Engenharia Elétrica | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Palavras-chave: dc.subject | Baterias elétricas | - |
Palavras-chave: dc.subject | Carga e distribuição elétrica | - |
Palavras-chave: dc.subject | Redes neurais (Computação) | - |
Palavras-chave: dc.subject | Veículos elétricos | - |
Palavras-chave: dc.subject | Indústria automobilística | - |
Palavras-chave: dc.subject | Electric batteries | - |
Palavras-chave: dc.subject | Electric charge and distribution | - |
Palavras-chave: dc.subject | Neural networks (Computer science) | - |
Palavras-chave: dc.subject | Electric vehicles | - |
Palavras-chave: dc.subject | Automobile industry and trade | - |
Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | - |
Título: dc.title | Estimativa do estado de carga de baterias utilizando redes neurais artificiais | - |
Título: dc.title | State-of-charge estimation of batteries using artificial neural networks | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
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: