Fusão sensorial baseada em sensores FBG para estimativa robusta de nível de líquidos em ambientes com ruído
Nome: WILLIAN PACHECO SILVA
Data de publicação: 23/06/2026
Banca:
Nome |
Papel |
|---|---|
| CLAUNIR PAVAN | Examinador Externo |
| HELDER ROBERTO DE OLIVEIRA ROCHA | Presidente |
| MARIA JOSE PONTES | Coorientador |
| MARIANA LYRA SILVEIRA | Examinador Interno |
Resumo: Esta dissertação desenvolve e avalia um sistema de estimativa de nível em ambientes bifásicos água-óleo, com o objetivo de realizar a fusão sensorial de transdutores ópticos FBG com arquiteturas dinâmicas de deep learning. A metodologia combina medidas de amplitude e comprimento de onda de sensores sensíveis à pressão e à temperatura para mitigar a sensibilidade cruzada e a interferência da temperatura na medição de nível. Essa estratégia permite mapear o limite operacional da tecnologia FBG a partir da interação entre a configuração física do sensor e a arquitetura computacional. Em um conjunto experimental com aproximadamente 8.300 amostras, as arquiteturas de redes neurais MLP, CNN e LNN foram aplicadas, e seus resultados foram comparados após otimização com Optuna. Em seguida, os resultados obtidos foram submetidos a testes de robustez sob ruído gaussiano e ruído colorido 1/f em diferentes relações sinal-ruído (SNR). Em ambiente laboratorial controlado, a LNN mostrou maior robustez que as arquiteturas estáticas nos cenários degradados, com menor crescimento do ruído, observado a partir do valor RMSE dos resultados obtidos e maior estabilidade de R²; ainda assim, os valores muito altos de R² no cenário sem ruído devem ser lidos com cautela, por refletirem uma condição experimental favorável. Em paralelo, aplicou-se o algoritmo de otimização meta-heurístico MOGWO, que permitiu identificar configurações Pareto-ótimas para os parâmetros geométricos do sistema sensor, como espessura, diâmetro e posicionamento dos sensores na fibra, isto é, soluções em que qualquer melhoria em um parâmetro implica perda de desempenho em outro. Esses resultados devem ser interpretados como direcionamento de projeto, e não como validação experimental direta da configuração física otimizada dos sensores. Os resultados indicam que a integração entre redes neurais de tempo contínuo, fusão sensorial e otimização meta-heurística é promissora para o monitoramento de fluidos em ambientes dinâmicos e ruidosos.
