Exportar registro bibliográfico

Controlador baseado em redes neurais para navegação em canal de acesso treinado por dados de manobras realizadas por práticos (2018)

  • Authors:
  • USP affiliated authors: MAJIMA, ALEX KENJI UYEDA - EP ; SAKURAI, LUCAS HIDEKI - EP
  • School: EP
  • Sigla do Departamento: PMR
  • Subjects: REDES NEURAIS; SIMULAÇÃO; NAVIOS
  • Language: Português
  • Abstract: O presente trabalho visa abordar o complexo problema de controle de embarcações marítimas que adentram um porto por meio de um canal de acesso. Devido a essa complexidade, profissionais conhecidos como práticos realizam as manobras para garantir agilidade e segurança com a tarefa de conduzir a embarcação dentro dos limites do canal e reduzir sua velocidade até o final do mesmo permitindo atracar no porto. De forma a usufruir da experiência desses profissionais e simular a sua tomada de decisções de comandos, optou-se pela utilização de redes neurais como forma de controle, pois esta técnica requer o treinamento de uma arquitetura de rede que adere aos dados de referência, no caso, a sequência de comandos de simulações realizadas por práticos. A primeira etapa do projeto foi a elaboração desses dados de forma a garantir a sua qualidade e adequação aos parâmetros de entrada e de saída planejados. A segunda etapa foi o ciclo iterativo de definição e ajuste da arquitetura por meio do treinamento e avaliação de performance. A terceira e última etapa foi criar uma interface para validação por simulação e possibilitar a interação da rede neural com o integrador numérico de forma autônoma. Como forma de desenvolver a rede foi utilizado a linguagem de programação Python associado ao framework chamado TensorFlow. Desta maneira, o documento discorre sobre as fases de elaboração e a possibilidade de exibilizar a automação de embarcações pela utilização de rede neurais para um mais amplo conjunto de condições, o que poder a aproximar a tecnologia atual para condições mais realistas, garantir maior segurança ao reduzir a interferência humana e otimizar o tempo de espera e de entrada nos portos.
  • Imprenta:

  • Download do texto completo

    Tipo Nome Link
    Versão Publicada Alex Majima -Lucas Sakura... Direct link
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      MAJIMA, Alex Kenji Uyeda e SAKURI, Lucas Hideki. Controlador baseado em redes neurais para navegação em canal de acesso treinado por dados de manobras realizadas por práticos. 2018. Trabalho de Conclusão de Curso (Graduação) – Escola Politécnica, Universidade de São Paulo, São Paulo, 2018. Disponível em: https://bdta.abcd.usp.br/directbitstream/8905cbda-aa49-4b39-89ae-7eb7ebdc2129/Alex%20Majima%20-Lucas%20Sakurai%20-Monografia.pdf. Acesso em: 19 mar. 2024.
    • APA

      Majima, A. K. U., & Sakuri, L. H. (2018). Controlador baseado em redes neurais para navegação em canal de acesso treinado por dados de manobras realizadas por práticos (Trabalho de Conclusão de Curso (Graduação). Escola Politécnica, Universidade de São Paulo, São Paulo. Recuperado de https://bdta.abcd.usp.br/directbitstream/8905cbda-aa49-4b39-89ae-7eb7ebdc2129/Alex%20Majima%20-Lucas%20Sakurai%20-Monografia.pdf
    • NLM

      Majima AKU, Sakuri LH. Controlador baseado em redes neurais para navegação em canal de acesso treinado por dados de manobras realizadas por práticos [Internet]. 2018 ;[citado 2024 mar. 19 ] Available from: https://bdta.abcd.usp.br/directbitstream/8905cbda-aa49-4b39-89ae-7eb7ebdc2129/Alex%20Majima%20-Lucas%20Sakurai%20-Monografia.pdf
    • Vancouver

      Majima AKU, Sakuri LH. Controlador baseado em redes neurais para navegação em canal de acesso treinado por dados de manobras realizadas por práticos [Internet]. 2018 ;[citado 2024 mar. 19 ] Available from: https://bdta.abcd.usp.br/directbitstream/8905cbda-aa49-4b39-89ae-7eb7ebdc2129/Alex%20Majima%20-Lucas%20Sakurai%20-Monografia.pdf

    Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

    Digital Library of Academic Works of Universidade de São Paulo     2012 - 2024