https://repositorio.ufsc.br/handle/123456789/128640 2026-09-05T12:43:37Z 2026-09-05T12:43:37Z Vieira, Leticia Mello https://repositorio.ufsc.br/handle/123456789/275300 2026-09-01T23:30:03Z 2026-01-01T00:00:00Z

Análise do impacto da proporção entre dados reais e sintéticos no treinamento de modelos de aprendizado profundo para classificação de imagens Vieira, Leticia Mello Este trabalho investiga o impacto da proporção entre dados reais e dados sintéticos no desempenho de modelos de classificação de imagens, considerando um problema multiclasse com sete classes. O objetivo principal é analisar em que medida os dados sintéticos podem complementar ou substituir dados reais no treinamento de modelos de visão computacional. A metodologia adotada baseia-se na realização de experimentos controlados utilizando duas arquiteturas amplamente empregadas na literatura: a ResNet50, baseada em redes convolucionais profundas, e o ViT-B/16, baseado em Vision Transformers. Foram avaliadas diferentes combinações de dados reais e sintéticos no conjunto de treinamento, variando de 100% de dados reais até 100% de dados sintéticos. A avaliação foi conduzida segundo o paradigma Train on Synthetic, Test on Real (TSTR), utilizando exclusivamente imagens reais no conjunto de teste. O desempenho dos modelos foi analisado por meio das métricas de acurácia, precisão macro, recall macro e F1-score macro, além da análise qualitativa das matrizes de confusão. Os resultados indicam que o desempenho dos modelos está fortemente associado à presença de dados reais no treinamento. Observou-se uma degradação progressiva das métricas à medida que a proporção de dados sintéticos aumenta, evidenciando a existência de uma lacuna de domínio entre os dados reais e sintéticos. No entanto, verificou-se que a inclusão de uma pequena fração de dados sintéticos, especificamente 10% do conjunto de treinamento, resultou em ganho de desempenho para a ResNet50 quando comparada ao treinamento exclusivamente com dados reais. Em contrapartida, proporções mais elevadas de dados sintéticos levaram a um aumento significativo dos padrões de confusão entre classes visualmente semelhantes, especialmente nos cenários com predominância ou exclusividade de dados sintéticos. Conclui-se que os dados sintéticos, embora não sejam suficientes para substituir dados reais no treinamento de modelos de classificação de imagens, podem atuar de forma complementar quando utilizados em proporções reduzidas. Além disso, os resultados indicam que modelos baseados em redes convolucionais apresentam maior robustez à introdução de dados sintéticos quando comparados a arquiteturas baseadas em Transformers. Esses resultados reforçam a importância de estratégias que visem reduzir a lacuna de domínio entre dados reais e sintéticos para ampliar a aplicabilidade desses dados em cenários reais.; Abstract: This work investigates the impact of the ratio between real and synthetic data on the performance of image classification models, considering a multiclass problem with seven classes. The main objective is to analyze the extent to which synthetic data can complement or replace real data in the training of computer vision models. The methodology adopted is based on controlled experiments using two architectures widely employed in the literature: ResNet50, based on deep convolutional networks, and ViT-B/16, based on Vision Transformers. Different combinations of real and synthetic data were evaluated in the training set, ranging from 100% real data to 100% synthetic data. The evaluation was conducted according to the Train on Synthetic, Test on Real (TSTR) paradigm, using only real images in the test set. The performance of the models was analyzed using accuracy, macro precision, macro recall, and macro F1-score metrics, in addition to qualitative analysis of confusion matrices. The results indicate that model performance is strongly associated with the presence of real data in training. A progressive degradation of the metrics was observed as the proportion of synthetic data increased, highlighting the existence of a domain gap between real and synthetic data. However, it was found that the inclusion of a small fraction of synthetic data, specifically 10% of the training set, resulted in performance gains for ResNet50 when compared to training exclusively with real data. In contrast, higher proportions of synthetic data led to a significant increase in confusion patterns between visually similar classes, especially in scenarios with a predominance or exclusivity of synthetic data. It can be concluded that synthetic data, although not sufficient to replace real data in training image classification models, can act as a complement when used in small proportions. In addition, the results indicate that models based on convolutional networks are more robust to the introduction of synthetic data when compared to architectures based on Transformers. These results reinforce the importance of strategies that aim to reduce the domain gap between real and synthetic data to expand the applicability of this data in real scenarios. Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2026.

2026-01-01T00:00:00Z Ludwig, Guilherme Henrique https://repositorio.ufsc.br/handle/123456789/275296 2026-09-01T23:26:57Z 2025-01-01T00:00:00Z

Medição não invasiva de volume de óleo lubrificante em compressores herméticos Ludwig, Guilherme Henrique Este trabalho apresenta um método para estimação do volume de óleo em compressores herméticos, sem a necessidade de quaisquer modificações estruturais no equipamento. Isso é possível porque os componentes estruturais do compressor atuam como eletrodos na medição da capacitância, a qual é utilizada para estimar o volume. Neste estudo, compressores herméticos operacionais são utilizados para a análise. Para a medição da capacitância, dois instrumentos com princípios diferentes de medição são utilizados. A fim de avaliar a incerteza associada ao método de estimação proposto, propõe-se uma abordagem baseada no método de Monte Carlo. Os resultados indicam uma incerteza de 6,7 mL em torno da carga nominal de óleo no principal modelo analisado quando os passadores do compressor estão abertos para a atmosfera, o que representa 5,5% da carga nominal de óleo neste caso. Para permitir o monitoramento da quantidade de óleo no compressor em momentos em que o compressor encontra-se desligado, um circuito eletrônico é proposto. Ademais, analisa-se o impacto de diferentes valores de incerteza associados ao instrumento de medição de capacitância sobre a estimativa de volume, revelando uma relação linear entre ambas as incertezas. Os resultados mostram que um aumento de 0,1 pF na incerteza da medição de capacitância reflete-se em um aumento de 1,5 mL na incerteza da estimação do volume de óleo. Ainda, são avaliadas as influências da temperatura interna do compressor e o acréscimo de fluido refrigerante nos resultados. A deriva térmica encontrada é de 0,0113 pF/K, enquanto o acréscimo gerado pela presença de fluido refrigerante pode ser descrito por um polinômio de terceiro grau. Os resultados demonstram que o método constitui uma alternativa viável para a estimação do volume de óleo em sistemas herméticos que apresentem características adequadas para sua aplicação.; Abstract: This work presents a method for estimating the oil volume in hermetic compressors without requiring any structural modifications to the equipment. This is made possible because the structural components of the compressor act as electrodes in the capacitance measurement, which is then used to estimate the volume. In this study, operational hermetic compressors are employed for analysis. Two instruments with different measurement principles are used for the capacitance readings. To evaluate the uncertainty associated with the proposed estimation method, an approach based on the Monte Carlo method is proposed. The results indicate an uncertainty of 6,7 mL around the nominal oil charge of the main model analyzed when the compressor terminals are open to the atmosphere, corresponding to 5.5% of the nominal oil charge in this case. To enable monitoring of the oil quantity when the compressor is turned off, an electronic circuit is proposed. Furthermore, the impact of different uncertainty values associated with the capacitance measurement instrument on volume estimation is analyzed, revealing a linear relationship between both uncertainties. The results show that an increase of 0,1 pF in the uncertainty of the capacitance measurement leads to an increase of 1,5 mL in the uncertainty of the oil volume estimation. In addition, the influences of the internal temperature of the compressor and the addition of refrigerant fluid on the results are evaluated. The observed thermal drift is 0,0113 pF K-1, while the effect of the presence of refrigerant fluid can be described by a third-degree polynomial. The results demonstrate that the method represents a feasible alternative for estimating the oil volume in hermetic systems that present suitable characteristics for its application. Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2025.

2025-01-01T00:00:00Z Naspolini Filho, Amir Carlos https://repositorio.ufsc.br/handle/123456789/275181 2026-08-27T23:30:24Z 2026-01-01T00:00:00Z

Robust set-based dead-time compensation for nonlinear systems Naspolini Filho, Amir Carlos O fenômeno do atraso em sistemas incertos torna mais difícil o controle destas plantas e a satisfação de restrições. Compensadores de atraso e seus correspondentes projetos de controle robusto normalmente baseiam-se em limites para a incerteza propagada ao longo do intervalo de atraso. Esses limites, bem como os métodos para obtenção das leis de controle robustas admissíveis associadas, estão bem estabelecidos na literatura para sistemas lineares. Entretanto, no caso de sistemas não lineares, os trabalhos existentes ou são limitados a determinadas classes de não linearidades ou não fornecem leis de controles explícitas. Devido a esta lacuna, a presente dissertação explora a condição de Lipschitz em sistemas não lineares, de tal forma que leis explícitas de controle são desenvolvidas para sistemas não lineares sujeitas ao atraso. Os métodos desenvolvidos são, ao mesmo tempo, mais generalistas que propostas anteriores, ao passo que também impõe menos conservadorismo. Os resultados apresentados nesta dissertação incluem a aplicação de preditores analíticos a sistemas não lineares incertos sujeitos a atrasos no tempo. Ademais, novos conjuntos robustos são desenvolvidos, a partir dos quais leis de controle menos conservadoras são obtidas. Especificamente, consideram-se abordagens por Desigualdades Matriciais Lineares e do tipo Controle Preditivo Robusto. Por meio de discussões teóricas e resultados em simulação, demonstra-se que controladores derivados através de desigualdades matriciais lineares são mais adequados para aplicações embarcadas devido à sua implementação mais simples, enquanto o controle preditivo não linear robusto com compensação de atraso explícita alcança desempenho superior, particularmente em termos de ampliação da região de atração. Buscando um compromisso entre ambas abordagens, um controlador preditivo robusto baseado em uma incorporação quaselinear a parâmetros variantes voltado a aplicações embarcadas em tempo real é desenvolvido. Essa formulação oferece um compromisso entre o controle por realimentação de estados, que permite implementação em tempo real mais simples, e o controle preditivo não linear robusto, que proporciona melhores propriedades de desempenho e robustez.; Abstract: Dead-time phenomena in uncertain systems complicates closed-loop robustness and constraint satisfaction. Dead-time compensators and their corresponding robust control design typically relies on bounds on the propagated uncertainty over the delay interval. These bounds, as well as methods for obtaining the associated robust admissible control laws, are well established in the literature for linear systems. However, for nonlinear systems, existing works either address only limited classes of nonlinearities or propose approaches for more generic nonlinear systems, but without providing explicit control laws. This dissertation exploits the Lipschitz condition of nonlinear systems to address this gap by deriving robust admissible control laws for more generic nonlinear systems with dead-time compensation, while simultaneously reducing the conservatism found in the current literature. The results include the application of analytical predictors to uncertain nonlinear systems subject to time delays. In association with this deadtime compensation structure, novel less conservative robust sets are derived, from where admissible control laws are obtained using either linear matrix inequalities or robust nonlinear model predictive control. It is shown that state-feedback controllers derived from linear matrix inequalities are more suitable for embedded applications due to their simpler implementation, whereas robust model predictive control with explicit dead-time compensation achieves superior performance, particularly in terms of an enlarged region of attraction. To bridge the gap between these approaches, a robust model predictive controller based on a quasi-linear parameter varying embedding is developed for real-time embedded applications. This formulation provides a compromise between state-feedback control, which enables simpler real-time implementation, and robust nonlinear predictive control, which offers improved performance and robustness properties. Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2026.

2026-01-01T00:00:00Z Azevedo Júnior, Arnaldo Pinheiro de https://repositorio.ufsc.br/handle/123456789/275149 2026-08-27T23:29:53Z 2026-01-01T00:00:00Z

Compensação de atraso para sistemas em cascata e lineares a parâmetros variantes Azevedo Júnior, Arnaldo Pinheiro de Nesta tese, são apresentadas contribuições teóricas e práticas relacionadas à compensação explícita de atraso em sistemas em cascata e Lineares a Parâmetros Variantes (LPV). A estrutura central de controle considerada é derivada do Preditor de Smith Filtrado (Filtered Smith Predictor, FSP) e de suas extensões, aplicada ao tratamento de atrasos de transporte em processos lineares e não lineares (neste caso, através de inclusões quasi-LPV). Inicialmente, são revisitadas as propriedades de desempenho e robustez do FSP clássico, bem como suas variantes simplificadas (Simplified Smith Predictor, SFSP) e multivariáveis (MIMO-FSP). Em seguida, propõe-se uma estrutura de controle em cascata ótima, baseada no SFSP, para processos de primeira ordem com atraso, estáveis, instáveis e integradores, com resultados superiores em termos de rapidez de resposta, rejeição de perturbações e esforço de controle em comparação com abordagens típicas. Na sequência, desenvolve-se o FSP-LPV, estrutura capaz de estender a compensação explícita de atraso para sistemas não lineares e coordenados por variáveis exógenas e endógenas, a partir do ferramental LPV. A estratégia é baseada na representação de dinâmicas não lineares através de modelos que dependem de parâmetros variantes no tempo. Ademais, análises teóricas referentes a estabilidade interna e robusta são apresentadas, considerando condições clássicas de Lyapunov e o Teorema do Pequeno Ganho. Simulações numéricas para sistemas de controle referenciados na literatura também são apresentados, tais como o controle de nível num tanque cônico e o controle de temperatura no processo termossolar AQUASOL, demonstrando o bom desempenho e a robustez da estratégia proposta.; Abstract: In this thesis, theoretical and practical contributions related to the explicit compensation of delay in cascade systems and Linear Parameter-Varying (LPV) systems are presented. The central control structure considered is derived from the Filtered Smith Predictor (FSP) and its extensions, applied to the treatment of transport delays in both linear and nonlinear processes (in the latter case, through quasi-LPV inclusions). Initially, the performance and robustness properties of the classical FSP are revisited, as well as its simplified (SFSP) and multivariable (MIMO-FSP) variants. Next, an optimal cascade control structure, based on the SFSP, is proposed for first-order plus dead-time processes ? stable, unstable, and integrating ? achieving superior results in terms of response speed, disturbance rejection, and control effort when compared with typical approaches. Furthermore, the FSP-LPV is developed, a structure capable of extending explicit delay compensation to nonlinear systems coordinated by exogenous and endogenous variables, based on the LPV framework. The strategy relies on representing nonlinear dynamics through time-varying parameter-dependent models. Additionally, theoretical analyses related to internal and robust stability are presented, considering classical Lyapunov conditions and the Small Gain Theorem. Numerical simulations for systems referenced in the literature are also presented, such as a conical tank and the AQUASOL solar thermal process, demonstrating the good performance and robustness of the proposed strategy. Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2026.

2026-01-01T00:00:00Z