Engenharia Elétrica (Belo Horizonte - Nova Gameleira)

URI Permanente para esta coleção

https://repositorio.cefetmg.br//handle/123456789/606

Navegar

Navegando Engenharia Elétrica (Belo Horizonte - Nova Gameleira) por Autor "Afonso, Márcio Matias"

Agora exibindo 1 - 1 de 1
  • Imagem de Miniatura
    Item
    Desenvolvimento de sensor virtual embarcado para estimação de vazão de gás em processo industrial utilizando modelos de aprendizado de máquina
    (Centro Federal de Educação Tecnológica de Minas Gerais, 2026-06-23) Silva, Rita Vitória Braga; Carvalho, Tulio Charles de Oliveira; http://lattes.cnpq.br/0249563467742892; http://lattes.cnpq.br/0361300206047822; Carvalho, Tulio Charles de Oliveira; Poubel, Raphael Paulo Braga; Afonso, Márcio Matias
    Sensores virtuais constituem uma alternativa de baixo custo para a estimação de vari áveis de processo, reduzindo a necessidade de instrumentação física adicional e ampliando as possibilidades de monitoramento em sistemas industriais. Nesse contexto, este trabalho propõe o desenvolvimento e a implementação embarcada de sensores virtuais baseados em aprendizado de máquina para estimação da vazão de gás em uma planta de bancada que emula um sistema de bicos injetores de alto-forno. Inicialmente, foi realizada a aquisição de dados experimentais da planta, seguida do pré-processamento e da construção de modelos preditivos utilizando as técnicas Perceptron Multicamadas (MLP) e as Florestas Aleatórias, do inglês Random Forest (RF). Posteriormente, os modelos foram convertidos e embarcados em uma plataforma ESP32. Em ambos osambientes, computacional e embarcado, os modelos foram avaliados por meio das métricas coeficiente de determinação (𝑅2), erro absoluto médio (MAE) e erro quadrático médio (MSE), além do erro percentual absoluto médio (MAPE) e da análise dos recursos computa cionais demandados durante a execução embarcada. Os resultados demonstraram que ambos os modelos foram capazes de estimar adequadamente a variável de interesse, apresentando elevados valores de 𝑅2 e baixos erros de predição. Entretanto, o modelo RF apresentou desem penho superior ao MLP tanto em ambiente computacional quanto embarcado, mantendo maior estabilidade das métricas após a implementação no microcontrolador e demandando menor utilização de memória. Os resultados obtidos demonstram o potencial da aplicação de técnicas de aprendizado de máquina no desenvolvimento de sensores virtuais para sistemas embarcados, contribuindo para a estimação de variáveis de processo em ambientes sujeitos a restrições de processamento e memória.