logo-ri

Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB)

Use este identificador para citar ou linkar para este item: https://www.repositorio.mar.mil.br/handle/ripcmb/846962
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorPinto, Luiz Antônio Vazpt_BR
dc.contributor.authorMagalhães, Diego Landim-
dc.date.accessioned2024-06-13T11:57:26Z-
dc.date.available2024-06-13T11:57:26Z-
dc.date.issued2023-
dc.identifier.urihttps://www.repositorio.mar.mil.br/handle/ripcmb/846962-
dc.descriptionO alinhamento dos eixos dos navios é crucial para a obtenção do melhor desempenho do sistema propulsivo, sendo realizado em dique seco através de ajustes dos recalques dos mancais, no entanto, definir um conjunto ótimo destes recalques demanda, atualmente, tempo de execução e custos operacionais elevados. Nesse sentido, esta dissertação propõe o uso de modelos de aprendizado de máquina para prever o conjunto adequado dos valores dos recalques, seguindo as regras mandatórias em vigor, que retornem uma configuração de linha de eixo corretamente alinhada. Desta forma, desenvolveu-se uma metodologia segundo a qual, implementou-se um modelo de elementos finitos da linha de eixo propulsor de um navio Anchor Handling Tug Supply (AHTS), utilizado como estudo de caso, onde tornou-se possível a obtenção das informações necessárias para a criação do banco de dados e posterior implementação dos modelos de aprendizado de máquina. Os resultados apontaram que os algoritmos Gradient Boosting, Random Forest e Redes Neurais Profundas obtiveram os melhores resultados, alcançando valores de até 98,14% de precisão, com valores de precisão médias superiores a 96,00%. Desta forma, os modelos criados foram julgados confiáveis e capazes de serem utilizados nos procedimentos de alinhamento de eixos principais.pt_BR
dc.description.abstractShip’ shaft alignment is crucial for obtaining a better performance of its propulsion system. This alignment is ensured, yet in the drydock, by adjusting the bearings’ offsets. However, to define an optimum set of vertical displacements it can cost a valuable time for the shipyards. Therefore, this work proposes the use of machine learning (ML) algorithms to predict the suitable set of offsets, following the mandatory rules in force. Thus, a methodology was developed according to which a finite elements model of shaft line of an Anchor Handling Tug Supply (AHTS) ship was assembled to obtain the reactions in the bearings, shaft line deflections, shear forces, bending moments and, at last, the influence coefficients matrix (ICM), and so allowing the dataset creation and the ML models implementation. Results showed that Gradient Boosting, Random Forest and Deep Neural Networks algorithms presented the best results, achieving up to 98.14% of precision in one of the several scenarios tested, and an average precision of around 96.00%, contributing to make quicker the nowadays very time-consuming process of shaft alignment. In this way, the models created were judged to be reliable and capable of being used in the main shaft alignment’ procedures.pt_BR
dc.language.isopt_BRpt_BR
dc.publisherUniversidade Federal do Rio de Janeiro (UFRJ)pt_BR
dc.rightsopenAccesspt_BR
dc.subjectAprendizagem de máquinapt_BR
dc.subjectAlinhamento de eixos principaispt_BR
dc.subjectSistema propulsivopt_BR
dc.titleAplicação de aprendizagem de máquina no alinhamento de eixo propulsor de naviospt_BR
dc.typemasterThesispt_BR
dc.subject.dgpmEngenharia oceânicapt_BR
Aparece nas coleções:Ciência, Tecnologia e Inovação: Coleção de Dissertações

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Dissertacao_Diego_Landim.pdf1,9 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.