Banca de DEFESA: RAFAEL AVILA DOS SANTOS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: RAFAEL AVILA DOS SANTOS
DATA: 10/02/2026
HORA: 08:30
LOCAL: Virtual
TÍTULO:

Desenvolvimento de soft-sensors utilizando MGGP e aprendizado de máquinas para estimação de forças de veículos com pneu inteligente

PALAVRAS-CHAVES:

veículos autônomos, inteligência artificial, dinâmica veicular, pneu inteligente, programação genética, aprendizado de máquinas, identificação de sistemas, NARX

PÁGINAS: 130
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Elétrica
SUBÁREA: Medidas Elétricas, Magnéticas e Eletrônicas; Instrumentação
ESPECIALIDADE: Sistemas Eletrônicos de Medida e de Controle
RESUMO:

Com o avanço tecnológico, os veículos evoluíram de sistemas puramente mecânicos para plataformas inteligentes dotadas de sensoriamento embarcado, possibilitando diferentes níveis de autonomia conforme a norma SAE J3016. Embora essa instrumentação aumente a inteligência e a segurança, ela também eleva custos, limitando a disseminação de tecnologias avançadas. Nesse contexto, Soft Sensors tornam-se uma alternativa ao inferirem grandezas de interesse a partir de variáveis correlacionadas medidas por sensores de baixo custo, como é o caso dos Pneus Inteligentes. Neste trabalho, desenvolvem-se Soft Sensors baseados em modelos NARX/FIR identificados pelo algoritmo evolucionário MGGP (Multigene Genetic Programming) para estimar as forças Fx, Fy e Fz nas rodas de um veículo de passageiro, utilizando exclusivamente dados de aceleração provenientes de pneus inteligentes. O problema foi formulado como MIMO, pois as entradas correspondem às acelerações nos três eixos ao longo do ângulo de rotação do pneu e as saídas são as três forças, com o MGGP estruturado internamente em três componentes MISO para compor as equações de saída. As características de entrada foram extraídas na região do contact patch, organizadas por ângulo de rotação com resolução de 2,5°, avaliando-se três intervalos (±10°, ±20° e ±35°), diferentes configurações de atrasos e duas estratégias de treinamento, com os modelos específicos por pneu e os modelos treinados com os quatro pneus simultaneamente (generalização). A validação contemplou manobras com diferentes forças predominantes (reta, Slalom, Double Lane Change, curvas constantes, curvas com frenagem e direção aleatória), além de um comparativo com modelos de aprendizado de máquina (LSTM, GRU e MLP) por meio das métricas MAPE e R². Os resultados indicaram que o intervalo ±10° tende a produzir modelos menos precisos e com maior variância, enquanto ±20° e ±35° apresentaram desempenho pareado, sugerindo que ±20° já é suficiente para a predição das forças. Observou-se ainda que modelos com apenas um atraso podem reduzir a variância e, em alguns casos, superar configurações com múltiplos atrasos, indicando que o aumento do espaço de busca não implica ganhos proporcionais. Quanto à generalização, modelos treinados com dados dos quatro pneus simultaneamente apresentaram desempenho competitivo frente aos específicos, reforçando a relevância prática da abordagem MIMO/generalista. A análise estrutural evidenciou acoplamentos relevantes entre as forças, com recorrência de termos autorregressivos entre Fy e Fz e uso frequente de Fy na modelagem de Fx, em consonância com o compartilhamento do atrito no contato pneu-solo. Por fim, os modelos via MGGP superaram LSTM, GRU e MLP nas condições avaliadas, mantendo baixa complexidade. Enquanto as redes possuem centenas de milhares a milhões de parâmetros, os modelos NARX/FIR via MGGP utilizaram 63 parâmetros e FLOPs substancialmente reduzidos, ainda que com maior tempo de treinamento. Assim, os resultados confirmam o potencial de pneus inteligentes e do MGGP para a estimação de grandezas dinâmicas, com implicações para sistemas veiculares mais acessíveis, redundantes e seguros.

MEMBROS DA BANCA:
Interno - ANDRE MURILO DE ALMEIDA PINTO (Membro)
Presidente - BRUNO HENRIQUE GROENNER BARBOSA (Membro)
Interno - DANIEL AUGUSTO PEREIRA (Membro)
Interno - DANTON DIEGO FERREIRA (Membro)
Externo à Instituição - GIOVANI BERNARDES VITOR - UNIFEI - UNI (Membro)
Externo à Instituição - MURILLO FERREIRA DOS SANTOS - CEFET/MG (Suplente)
Interno - RICARDO RODRIGUES MAGALHAES (Suplente)
Interno - WILIAN SOARES LACERDA (Membro)