Skip navigation
Please use this identifier to cite or link to this item: http://repositorio.unb.br/handle/10482/42636
Files in This Item:
File Description SizeFormat 
2021_RogfelThompsonMartinez.pdf21,6 MBAdobe PDFView/Open
Title: Weld bead geometry modeling in GMAW process by machine learning techniques and data mining process
Other Titles: Modelamento da geometria do cordão da solda no processo GMAW mediante técnicas de aprendizado de máquina e processo de mineração de dados
Authors: Martínez, Rogfel Thompson
metadata.dc.contributor.email: rogfel@gmail.com
Orientador(es):: Alfaro, Sadek Crisostomo Absi
Coorientador(es):: Bestard, Guillermo Alvarez
Assunto:: Soldagem GMAW
Aprendizagem de máquina
Processo de soldagem
Processo GMAW
Issue Date: 26-Dec-2021
Citation: MARTÍNEZ, Rogfel Thompson. Weld bead geometry modeling in GMAW process by machine learning techniques and data mining process. 2021. 97 f., il. Tese (Doutorado em Sistemas Mecatrônicos) — Universidade de Brasília, Brasília, 2021.
Abstract: O processo GMAW possui um comportamento não linear, e tem levado muitos pesquisadores a desenvolverem diversos estudos sobre ele. Um dos principais interesses tem sido otimizar o processo para desenvolver melhor desempenho nos processos industriais. Dessa forma, os avanços atuais em processamento de imagem, modelo preditivo e modelagem inteligente podem ajudar a otimizar processos. Essas técnicas podem obter bons resultados na análise de soldagem. As técnicas se podem agrupar em: técnicas de aprendizado de máquina, aprendizado profundo, aprendizado por reforço e processos de mineração de dados. Eles são responsáveis pelos avanços atuais em predições, classificação de imagens em tempo real e controle inteligente. Sua aplicação na área de soldagem tem como potencial um melhor estudo e análise de processos, otimização de tecnologias de soldagem e melhores controles de processo. Esta pesquisa tem como objetivo desenvolver um modelo de geometria do cordão de solda no processo GMAW através da aplicação das técnicas de machine learning e do processo de mineração de dados. Como resultado da pesquisa, foi obtido um modelo de deep learning para a análise do arco, um modelo preditivo do comportamento do processo e um modo com o objetivo de otimizá-lo. As metodologias desenvolvidas com esses modelos demonstram uma eficiência válida para serem aplicadas em processos reais de GMAW.
Abstract: The GMAW process has a non-linear behavior and has led many researchers to develop several studies on it. One of the main interests has been to optimize the process to develop better performance in industrial processes. Thus, current advances in image processing, predictive model, and intelligent modeling can help to optimize processes. These techniques can obtain good results in welding analysis. These techniques can be grouped into, techniques of machine learning, deep learning, and reinforcement learning, and data mining processes. They are responsible for the current advances in prediction, real-time image classification, and intelligent control. Its application in the welding area has the potential for a better study and analysis of processes, optimization of welding technologies, and better process controls. This research focuses on the objective of developing a weld bead geometry model in GMAW process by applying machine learning techniques and data mining process. As a result of the research, a deep learning model was obtained for the analysis of the arc, a predictive model of the process behavior, and a mode to optimize it. The methodologies developed with these models demonstrate a valid efficiency to be applied in real GMAW processes.
metadata.dc.description.unidade: Faculdade de Tecnologia (FT)
Departamento de Engenharia Mecânica (FT ENM)
Description: Tese (doutorado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2021.
metadata.dc.description.ppg: Programa de Pós-Graduação em Sistemas Mecatrônicos
Licença:: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Agência financiadora: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).
Appears in Collections:Teses, dissertações e produtos pós-doutorado

Show full item record " class="statisticsLink btn btn-primary" href="/jspui/handle/10482/42636/statistics">



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