Programa de Pós-Graduação em Engenharia Elétrica

Proposta unificada para estimação de movimento e estado energético em sistemas embarcados alimentados por bateria

Thu, 01 Jan 2026 00:00:00 GMT

Proposta unificada para estimação de movimento e estado energético em sistemas embarcados alimentados por bateria Silva, Raphael Diego Comesanha e O Filtro de Kalman Estendido (EKF - Extended Kalman Filter) é amplamente empregado para estimativa de atitude utilizando Unidades de Medida Magnéticas e Inerciais (MIMU - Magnetic and Inertial Measurement Units) em sistemas de sensoriamento alimentados por bateria. Nessas aplicações, a disponibilidade energética influencia a operação do sistema, contudo, informações sobre o estado da bateria são geralmente tratadas por mecanismos supervisórios externos, em vez de serem integradas ao processo de estimação. Este trabalho apresenta uma formulação baseada em EKF, na qual o Estado de Carga (SOC - State of Charge) da bateria é explicitamente incluído como uma variável de estado, permitindo a estimação conjunta da atitude e do estado energético em uma única estrutura de filtragem. A dinâmica do SOC é modelada por meio de um estimador de baixa complexidade baseado em medições de tensão e corrente de terminal, enquanto a estimativa de atitude é realizada utilizando um Filtro de Kalman Estendido Simplificado (SEKF - Simplified Extended Kalman Filter) adaptado para aplicações embarcadas baseadas em MIMU. A abordagem proposta foi avaliada por meio de simulações numéricas sob perfis de carga constante e variável no tempo, representativos de dispositivos eletrônicos de baixa potência. Os resultados indicam que a inclusão da estimação de SOC não afeta o desempenho da estimativa de atitude do SEKF original, enquanto os erros de estimação do SOC permanecem em torno de 10% na maioria das condições de carga avaliadas, para consumo de potência de aproximadamente 0,1 W, consistente com plataformas eletrônicas vestíveis e autônomas de pequeno porte. Considerando as limitações da implementação em ambiente computacional, ao incorporar a estimativa do estado energético diretamente na estrutura de filtragem, em vez de tratá-la como uma tarefa supervisória externa, a formulação proposta oferece uma abordagem de estimação unificada adequada para sistemas embarcados baseados em MIMU com recursos computacionais e energéticos limitados.; Abstract: Extended Kalman Filters (EKFs) are widely employed for attitude estimation using Magnetic and Inertial Measurement Units (MIMUs) in battery-powered sensing systems. In such applications, energy availability influences system operation, yet battery state information is commonly treated by external supervisory mechanisms rather than being integrated into the estimation process. This work presents an EKF-based formulation in which the battery State of Charge (SOC) is explicitly included as a state variable, allowing joint estimation of attitude and energy state within a single filtering framework. SOC dynamics are modeled using a low-complexity estimator based on terminal voltage and current measurements, while attitude estimation is performed using a Simplified Extended Kalman Filter (SEKF) tailored for embedded MIMU-based applications. The proposed approach was evaluated through numerical simulations under constant and time-varying load profiles representative of low-power electronic devices. The results indicate that the inclusion of SOC estimation does not affect the attitude estimation performance of the original SEKF, while SOC estimation errors remain below 10% in most of the evaluated load conditions for a power consumption of approximately 0.1 W, consistent with wearable and small autonomous electronic platforms. By incorporating energy state estimation directly into the filtering structure, rather than treating it as an external supervisory task, the proposed formulation offers a unified estimation approach suitable for embedded MIMU-based systems with limited computational and energy resources. Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2026.

Metodologia sistemática de seleção de métodos e atributos multidomínio para classificação de padrões de escoamento bifásico com sensores ópticos NIR multicomprimento de onda

Thu, 01 Jan 2026 00:00:00 GMT

Metodologia sistemática de seleção de métodos e atributos multidomínio para classificação de padrões de escoamento bifásico com sensores ópticos NIR multicomprimento de onda Martins, Thiago A classificação de padrões de escoamento bifásico gás?líquido é essencial para o monitoramento, a análise e a operação segura de sistemas industriais. Abordagens baseadas em aprendizado de máquina têm sido empregadas para automatizar essa tarefa, mas muitos estudos ainda analisam separadamente a tecnologia de sensoriamento, a extração de atributos dos sinais e a escolha do classificador. No caso de sensores ópticos no infravermelho próximo, ainda é limitada a avaliação sistemática de comprimentos de onda discretos, atributos extraídos em diferentes domínios e métodos de seleção ou redução de características. Essa lacuna é especialmente relevante quando se busca combinar alta acurácia de classificação com modelos de menor complexidade, isto é, capazes de operar com conjuntos reduzidos de atributos e com potencial de aplicação em soluções dedicadas de instrumentação digital. Esta tese propõe e valida uma metodologia sistemática para a classificação de padrões de escoamento bifásico horizontal ar?água a partir de sinais ópticos obtidos por sensores colimados no infravermelho próximo. Foram avaliados três comprimentos de onda, 850 nm, 980 nm e 1310 nm, selecionados por apresentarem diferentes sensibilidades à interface gás?líquido e à presença da fase líquida no caminho óptico. A metodologia proposta, denominada Multi-Feature Multi-Domain, organiza a análise de forma integrada, considerando a contribuição individual e combinada dos sensores, a extração de atributos nos domínios do tempo, da frequência e do tempo?frequência, a aplicação de métodos de redução ou seleção de características e a avaliação de classificadores supervisionados. Os atributos foram extraídos por meio de descritores estatísticos no domínio do tempo, descritores espectrais baseados na densidade espectral de potência e descritores tempo?frequência obtidos pela transformada discreta de wavelet. Esses conjuntos foram avaliados por análise de componentes principais (PCA), análise discriminante linear (LDA) e eliminação recursiva de características (RFE), sendo posteriormente classificados por máquina de vetores de suporte (SVM), k-vizinhos mais próximos (kNN), Random Forest e redes neurais artificiais. Os resultados mostraram que os três comprimentos de onda fornecem respostas físicas complementares aos padrões de escoamento e que a fusão multicomprimento de onda discreto melhora a separação entre regimes em diferentes configurações. A melhor configuração baseada em análise de componentes principais atingiu 97,67% de acurácia com atributos estatísticos do sensor de 980 nm. Com análise discriminante linear, a combinação de atributos wavelet dos três sensores atingiu 99,31% de acurácia. A eliminação recursiva de características apresentou os resultados mais expressivos, alcançando 99,48% de acurácia com apenas sete atributos espectrais dos três sensores, 99,83% com cinco atributos multidomínio do sensor de 1310 nm e 100% de acurácia quando todos os sensores e domínios de atributos foram combinados. A partir desses resultados, foi proposta a diretriz Optimal Feature and Method Selection, que organiza diferentes rotas de escolha conforme o objetivo da aplicação, seja a máxima acurácia, seja a redução do número de atributos e da complexidade do modelo. A principal contribuição da tese é a consolidação de uma abordagem integrada para seleção de sensores, atributos e classificadores em sistemas ópticos discretos no infravermelho próximo. A metodologia proposta fornece suporte ao desenvolvimento de soluções de instrumentação para monitoramento automático de escoamentos bifásicos, com processamento seletivo e potencial de aplicação em sistemas dedicados de medição e monitoramento.; Abstract: The classification of gas?liquid two-phase flow patterns is essential for monitoring, analysis, and safe operation of industrial systems. Machine learning-based approaches have been used to automate this task, but many studies still analyze sensing technology, signal feature extraction, and classifier selection separately. In the case of near-infrared optical sensors, the systematic evaluation of discrete wavelengths, features extracted from different domains, and feature selection or dimensionality reduction methods remains limited. This gap is especially relevant when aiming to combine high classification accuracy with lower-complexity models, that is, models capable of operating with reduced feature sets and with potential application in dedicated digital instrumentation solutions. This thesis proposes and validates a systematic methodology for classifying horizontal air?water two-phase flow patterns from optical signals obtained by collimated near-infrared sensors. Three wavelengths were evaluated, 850 nm, 980 nm, and 1310 nm, selected because they provide different sensitivities to the gas?liquid interface and to the presence of the liquid phase in the optical path. The proposed methodology, named Multi-Feature Multi-Domain, organizes the analysis in an integrated way, considering the individual and combined contribution of the sensors, feature extraction in the time, frequency, and time?frequency domains, the application of feature selection or dimensionality reduction methods, and the evaluation of supervised classifiers. Features were extracted using statistical descriptors in the time domain, spectral descriptors based on power spectral density, and time?frequency descriptors obtained from the discrete wavelet transform. These feature sets were evaluated using principal component analysis (PCA), linear discriminant analysis (LDA), and recursive feature elimination (RFE), and subsequently classified using support vector machine (SVM), k-nearest neighbors (kNN), Random Forest, and artificial neural networks. The results showed that the three wavelengths provide complementary physical responses to the flow patterns and that discrete multi-wavelength fusion improves regime separation in different configurations. The best configuration based on principal component analysis achieved 97.67% accuracy using statistical features from the 980 nm sensor. With linear discriminant analysis, the combination of wavelet features from the three sensors achieved 99.31% accuracy. Recursive feature elimination provided the most expressive results, reaching 99.48% accuracy with only seven spectral features from the three sensors, 99.83% with five multi-domain features from the 1310 nm sensor, and 100% accuracy when all sensors and feature domains were combined. Based on these results, the Optimal Feature and Method Selection guideline was proposed, organizing different selection routes according to the application objective, whether maximum accuracy or reduction in the number of features and model complexity. The main contribution of this thesis is the consolidation of an integrated approach for selecting sensors, features, and classifiers in discrete near-infrared optical systems. The proposed methodology supports the development of instrumentation solutions for automatic two-phase flow monitoring, with selective processing and potential application in dedicated systems. Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2026.

Aprendizado profundo explicável com mecanismo de atenção para detecção de displasia epitelial oral em leucoplasias: desenvolvimento de uma ferramenta educacional

Thu, 01 Jan 2026 00:00:00 GMT

Aprendizado profundo explicável com mecanismo de atenção para detecção de displasia epitelial oral em leucoplasias: desenvolvimento de uma ferramenta educacional Souza, Lucas Fiamoncini de O câncer de boca é uma das neoplasias malignas mais prevalentes, frequentemente precedido por lesões orais potencialmente malignas, como a leucoplasia. A displasia epitelial oral (OED) é uma condição histopatológica de risco aumentado para transformação maligna, cuja detecção e classificação em graus de severidade apresenta elevada subjetividade, resultando em inconsistências diagnósticas. Nos últimos anos, técnicas de inteligência artificial têm sido exploradas para auxiliar na detecção e classificação da OED, embora a falta de interpretabilidade dos modelos e a escassez de aplicações educacionais permaneçam como lacunas significativas na literatura. Nesse contexto, este trabalho propõe o desenvolvimento de uma plataforma educacional baseada em aprendizado profundo explicável com mecanismo de atenção para auxiliar estudantes de pós-graduação em patologia bucal. O sistema integra imagens histopatológicas e dados clínicos de pacientes diagnosticados com leucoplasia para detecção de OED. Técnicas de explicabilidade baseadas em mapas de calor são empregadas para destacar as regiões histológicas mais relevantes para a decisão do modelo, sendo essas regiões validadas por comparação sistemática com anotações de patologistas especialistas. Os resultados obtidos são equiparáveis ao estado da arte, com F1-score de 0,92 e AUC de 0,94. Um estudo de caso com estudantes de pós-graduação demonstrou que as informações de apoio fornecidas pela ferramenta aumentaram a acurácia do processo de classificação de 0,63 ± 0,09 para 0,82 ± 0,14 (p < 0,01) e a especificidade de 0,46 ± 0,22 para 0,78 ± 0,26 (p < 0,01) ? sugerindo seu potencial pedagógico. A plataforma desenvolvida integra predições, valores de confiabilidade e mapas de atenção, promovendo um aprendizado ativo e visualmente orientado em patologia bucal.; Abstract: Oral cancer is one of the most prevalent malignant neoplasms, frequently preceded by potentially malignant oral lesions such as leukoplakia. Oral epithelial dysplasia (OED) is a histopathological condition with an increased risk of malignant transformation, whose detection and classification into severity grades presents high subjectivity, resulting in diagnostic inconsistencies. In recent years, artificial intelligence techniques have been explored to assist in the detection and classification of OED, although the lack of interpretability of the models and the scarcity of educational applications remain significant gaps in the literature. In this context, this work proposes the development of an educational platform based on explainable deep learning with attention mechanism to assist postgraduate students in oral pathology. The system integrates histopathological images and clinical data from patients diagnosed with leukoplakia for the detection of OED at the clinical case level. Explainability techniques based on heatmaps are employed to highlight the most relevant histological regions for the model?s decision, these regions being validated by systematic comparison with annotations from expert pathologists. The results obtained are comparable to the state of the art, with an F1-score of 0.92 and an AUC of 0.94. A case study with postgraduate students demonstrated that the supporting information provided by the tool increased the accuracy of the classification process from 0.63 ± 0.09 to 0.82 ± 0.14 (p < 0.01) and the specificity from 0.46 ± 0.22 to 0.78 ± 0.26 (p < 0.01) ? suggesting its pedagogical potential. The developed platform integrates predictions, confidence scores, and attention maps, promoting active and visually oriented learning in oral pathology. Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2026.

Methodology for design and static-dynamic analysis of current source rectifiers: comparative evaluation and experimental validation

Thu, 01 Jan 2026 00:00:00 GMT

Methodology for design and static-dynamic analysis of current source rectifiers: comparative evaluation and experimental validation De Paris, Valdecir Junior Entre os conversores atualmente utilizados para conversão AC-CC, os retificadores a diodo (DR) e os retificadores de fonte de tensão (VSRs) são os mais comuns devido à sua disponibilidade, custo e eficiência. No entanto, os retificadores fonte de corrente (CSRs) oferecem diversas vantagens, incluindo proteção contra curto-circuito, ausência do sistema de pré-carga, característica abaixadora de tensão, mínima ondulação de corrente na saída e eliminação dos capacitores do barramento CC. Esses benefícios podem reduzir o tamanho do conversor e melhorar a qualidade da energia, mas os CSRs estão tipicamente associados a altas perdas de conversão. Avanços recentes em aplicações que poderiam se beneficiar das vantagens dos CSRs, além de novos dispositivos que melhoram sua eficiência, trouxeram um renovado interesse por essa configuração. Apresentando uma nova metodologia para análise estática e dinâmica, esta tese propõe uma abordagem inovadora para o design de componentes do CSR, esquemas de modulação, análise de perdas, modelagem e estratégias de controle. Essas metodologias são validadas por meio de investigação experimental, demonstrando sua eficácia na otimização do sistema. Além disso, é apresentada uma comparação com outras topologias, demonstrando que, em certas aplicações e condições, os CSRs são uma escolha atraente. Embora a tese apresente novos métodos de projeto, análise estática e dinâmica, esta não se concentra em um aspecto específico dos CSRs, mas oferece uma visão geral do tema em seu estado-da-arte, proporcionando insights práticos para engenheiros.; Abstract: Among the converters currently used for AC-DC conversion, diode rectifiers (DR) and voltage source rectifiers (VSRs) are the most common due to their availability, cost, and efficiency. However, current source rectifiers (CSRs) offer several advantages, including short-circuit protection, no requirement for pre-charging, step-down characteristics, minimal output current ripple, and the avoidance of DC bus capacitors. These benefits can reduce overall size and enhance power quality, but CSRs are typically associated with high conversion losses. Recent advancements in applications that could benefit from the CSRs advantages, and new devices that improve their efficiency, have brought renewed interest to this configuration. Introducing a novel methodology for static and dynamic analysis, this thesis sets out a new approach of design parameters of CSR components, modulation schemes, losses analysis, modelling, and control strategies validating these innovative methodologies and system optimization in experimental investigation. Additionally, a comparison with other topologies is presented, demonstrating that in certain applications and conditions, CSRs are an attractive choice. Although the thesis present novel methods of design, static and dynamic analysis, it is not focusing on a specific aspect of CSRs but provides an overview of the topic and its state-of-art, offering practical insights for engineers. Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2026.