Please use this identifier to cite or link to this item: http://tede.udesc.br/tede/tede/1773
metadata.dc.type: Dissertação
Title: Algoritmos de inteligência computacional em instrumentação: uso de fusão de dados na avaliação de amostras biológicas e químicas
Other Titles: Computational intelligence algorithms for instrumentation: biological and chemical samples evaluation by using data fusion
metadata.dc.creator: Negri, Lucas Hermann
metadata.dc.contributor.advisor1: Paterno, Aleksander Sade
metadata.dc.description.resumo: Neste trabalho são apresentados métodos computacionais para o processamento de dados produzidos em sistemas de espectroscopia de impedância elétrica e sensoriamento a redes de Bragg em fibra óptica com o objetivo de inferir características das amostras analisadas. Sistemas de estimação e classificação foram desenvolvidos, utilizando os sinais isoladamente ou de forma conjunta com o objetivo de melhorar as respostas dos sistemas. Propõe-se o ajuste dos parâmetros de funções que modelam espectros de impedância elétrica por meio de um novo algoritmo de otimização por enxame de partículas, incluindo a sua utilização na correção de espectros com determinadas distorções. Um estudo comparativo foi realizado entre os métodos correntes utilizados na detecção de pico de sinais resultantes de sensores em fibras ópticas, onde avaliou-se a exatidão, precisão e desempenho computacional. Esta comparação foi feita utilizando dados simulados e experimentais, onde percebeu-se que não há algoritmo simultaneamente superior em todos os aspectos avaliados, mas que é possível escolher o ideal quando se têm os requisitos da aplicação. Um método de detecção de pico por meio de uma rede neural artificial foi proposto, sendo recomendado em situações onde o espectro analisado possui distorções ou não é simétrico. Redes neurais artificiais e máquinas de vetor de suporte foram utilizadas em conjunto com os algoritmos de processamento com o objetivo de classificar ou estimar alguma característica de amostras em experimentos que envolveram carnes bovinas, leite bovino e misturas de combustível automotivo. Mostra-se neste trabalho que os métodos de processamento propostos são úteis para a extração das características importantes dos dados e que os esquemas utilizados para a fusão destes dados foram úteis dentro dos seus objetivos iniciais de classificação e estimação.
Abstract: This work presents computational methods to process data from electrical impedance spectroscopy and fiber Bragg grating interrogation in order to characterize the evaluated samples. Estimation and classification systems were developed, by using the signals isolatedly or simultaneously. A new method to adjust the parameters of functions that describes the electrical impedance spectra by using particle swarm optimization is proposed. Such method were also extended to correct distorted spectra. A benchmark for peak detection algorithms in fiber Bragg grating interrogation was performed, including the currently used algorithms as obtained from literature, where the accuracy, precision, and computational performance were evaluated. This comparative study was performed with both simulated and experimental data. It was perceived that there is no optimal algorithm when all aspects are taken into account, but it is possible to choose a suitable algorithm when one has the application requirements. A novel peak detection algorithm based on an artificial neural network is proposed, being recommended when the analyzed spectra have distortions or is not symmetrical. Artificial neural networks and support vector machines were employed with the data processing algorithms to classify or estimate sample characteristics in experiments with bovine meat, milk, and automotive fuel. The results have shown that the proposed data processing methods are useful to extract the data main information and that the employed data fusion schemes were useful, in its initial classification and estimation objectives.
Keywords: Espectroscopia de impedância elétrica
Redes de Bragg
Otimização por enxame de partículas
Redes neurais artificiais
Máquinas de vetor de suporte
Fusão de dados
Espectroscopia de impedância elétrica
Redes de Bragg
Otimização por enxame de partículas
Redes neurais artificiais
Fusão de dados
Impedance spectroscopy
Fiber bragg gratings
Particle swarm optimization
Artificial neural networks
Support vector machines
Data fusion
metadata.dc.subject.cnpq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
metadata.dc.language: por
metadata.dc.publisher.country: BR
Publisher: Universidade do Estado de Santa Catarina
metadata.dc.publisher.initials: UDESC
metadata.dc.publisher.department: Engenharia Elétrica
metadata.dc.publisher.program: Mestrado em Engenharia Elétrica Acadêmico
metadata.dc.rights: Acesso Aberto
URI: http://tede.udesc.br/handle/handle/1773
Issue Date: 24-Feb-2012
Appears in Collections:Mestrado Acadêmico em Engenharia Elétrica

Files in This Item:
File Description SizeFormat 
LUCAS HERMANN NEGRI.pdf2,23 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.