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 Data de Publicação

Filtrar resultados por ano ou mês
Agora exibindo 1 - 3 de 3
  • Imagem de Miniatura
    Item
    Análise comparativa de rectennas com diferentes topologias de metamateriais para a sua miniaturização
    (Centro Federal de Educação Tecnológica de Minas Gerais, 2026-06-11) Souza, Felipe Luciano Neiva; Resende, Úrsula do Carmo; http://lattes.cnpq.br/2792357895049279; Resende, Úrsula do Carmo; Gonçalves, Sandro Trindade Mordente; Almeida, Maurício Duarte de
    Este trabalho compara o desempenho de rectennas compostas por antenas de microfita miniaturizadas com diferentes topologias de metamateriais aplicadas ao plano terra, visando à redução dimensional e à integração em sistemas compactos de conversão RF-CC. Para isso, projetou-se uma antena convencional de referência em 2,45 GHz e desenvolveram-se três antenas miniaturizadas com topologias CSRR, MNG e DGS. As estruturas foram modeladas e otimizadas no CST Studio Suite, com uso de algoritmo genético, confeccionadas e caracterizadas experimentalmente por meio do coeficiente de reflexão. Também foi projetado no software Advanced Design System um retificador dobrador de tensão, integrado às antenas para avaliação das rectennas em ensaio de transmissão direta. Os resultados indicaram reduções de área de 68,67% para a CSRR, 71,55% para a MNG e 64,73% para a DGS. A CSRR apresentou o melhor casamento de impedância medido, a MNG a maior miniaturização e a DGS o maior ganho entre as antenas miniaturizadas. Embora a rectenna convencional tenha gerado maior tensão de saída, as versões miniaturizadas mantiveram capacidade de conversão RF-CC, demonstrando viabilidade para aplicações compactas e de baixo consumo.
  • Imagem de Miniatura
    Item
    Análise comparativa entre transformers visuais e CNNS na classificação de calcificações e massas mamárias
    (Centro Federal de Educação Tecnológica de Minas Gerais, 2026-06-16) Gaete, Victor Daniel Oliveira; Farias, Alexandre Rodrigues; Carvalho, Túlio Charles de Oliveira; http://lattes.cnpq.br/0249563467742892; http://lattes.cnpq.br/7892039987874375; http://lattes.cnpq.br/7149591090990465; Farias, Alexandre Rodrigues; Carvalho, Túlio Charles de Oliveira; Dias, Rosilene Nietzsch; Ferreira, José Hissa
    Este trabalho apresenta uma análise comparativa entre redes neurais convolucionais e Transformers visuais aplicados à classificação binária de lesões mamográficas, conside rando massas e calcificações. Foram utilizados recortes de regiões de interesse, da base CBIS-DDSM como conjunto principal, com avaliação externa na base VinDr-Mammo. O desempenho dos modelos foi avaliado principalmente por meio da métrica ROC-AUC, com plementada por acurácia, precisão, sensibilidade, especificidade e F1-score. Os resultados indicam diferenças de desempenho entre os tipos de achado, com melhor desempenho geral na classificação de massas em comparação às calcificações. Além disso, observou-se que a generalização externa varia entre arquiteturas e tipos de lesão, evidenciando a importância da validação em bases independentes.
  • 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.