Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/57440
Arquivos associados a este item:
Arquivo TamanhoFormato 
BrunoMotaDeSouza_DISSERT.pdf13 MBAdobe PDFVisualizar/Abrir
Título: Artificial Neural Network Architecture Implemented with Floating-Point on SoC-FPGA for Real-Time Estimation of GMAW Weld Bead Geometry
Outros títulos: Arquitetura de Rede Neural Artificial implementada com ponto flutuante em SoC-FPGA para a estimação em tempo real da geometria do cordão de solda GMAW
Autor(es): Souza, Bruno Mota de
Orientador(es): Bestard, Guillermo Alvarez
Assunto: SoC-FPGA
Automação
Redes neurais artificiais
Garantia de qualidade
Ensaios mecânicos
FPGA
Data de publicação: 16-Nov-2026
Referência: SOUZA, Bruno Mota de. Arquitetura de rede neural artificial implementada com ponto flutuante em SoC-FPGA para a estimação em tempo real da geometria do cordão de solda GMAW. 2026. 105 f., il. Dissertação (Mestrado em Sistemas Mecatrônicos) — Universidade de Brasília, Brasília, 2026.
Resumo: Os tradicionais métodos de ensaios destrutivos em processos de soldagem limitam a garantia da qualidade em tempo real. Este trabalho aborda esse desafio ao apresentar uma metodologia não destrutiva que emprega uma rede neural artificial embarcada em um FPGA (Field-Programmable Gate Array) para estimar, em tempo real, a penetração, o reforço e a largura do cordão de solda durante o processo GMAW (Gas Metal Arc Welding). Além da verificação de qualidade, a metodologia permite a integração do sistema a outros dispositivos e aplicações em que um controle em malha fechada seja útil, viabilizando o ajuste dinâmico dos parâmetros de soldagem com base nas estimativas geométricas geradas em tempo real.O arranjo experimental integra sensores termográficos e perfilômetro a laser a um sistema de soldagem motorizado e controlado. A aquisição e o pré-processamento dos dados são gerenciados no ambiente Linux do SoC-FPGA, enquanto a inferência da rede neural é executada na FPGA para garantir cálculos paralelos e em alta velocidade. A rede neural, que utiliza uma função de transferência sigmoide tangente hiperbólica, foi treinada previamente com conjuntos de dados obtidos em estudos anteriores. Seus pesos e parâmetros foram implementados em VHDL por meio de blocos de cálculo em ponto flutuante.A avaliação de desempenho foi realizada utilizando diferentes configurações de tamanho de palavra dos registradores do VHDL e comparada com os resultados obtidos no MATLAB. A análise comparativa em relação às arquiteturas de computadores convencionais demonstrou que a implementação em FPGA alcança uma redução significativa de latência, mantendo alta precisão. Essa metodologia estabelece um caminho escalável rumo à garantia da qualidade de soldagem em malha fechada e de forma totalmente autônoma.
Abstract: Traditional destructive testing methods in welding processes limit real-time quality assurance. This work addresses this challenge by presenting a non-destructive methodology employing an artificial neural network (ANN) embedded in a Field-Programmable Gate Array (FPGA) to predict weld bead penetration and width during the Gas Metal Arc Welding (GMAW) process in real time. In addition to quality verification, the methodology enables the system to be integrated into other devices and applications where a closed-loop control framework might be useful. The experimental setup integrates thermographic sensors and laser profilometers into a motorised and controlled welding system. Data acquisition and preprocessing are handled within the Linux-based environment of the SoC FPGA, while the ANN inference is executed in the Programmable Logic for high-speed and parallel calculation. The ANN, featuring a hyperbolic tangent sigmoid transfer function, was previously trained with datasets acquired in other studies and its weights and parameters were then implemented in VHDL with the use of calculation blocks in a floating-point-vector implementation. Performance benchmarking is provided using different word-length configurations and against MATLAB results. Comparative analysis against MATLAB reference outputs and ModelSim simulations demonstrates that the FPGA implementation achieves low latency while maintaining high numerical accuracy. This methodology enables a scalable path toward fully autonomous, closed-loop welding quality assurance.
Unidade Acadêmica: Faculdade de Tecnologia (FT)
Departamento de Engenharia Mecânica (FT ENM)
Informações adicionais: Dissertação (mestrado) — Universidade de Brasília, Departamento de Engenharia Mecânica, 2026.
Programa de pós-graduação: Programa de Pós-Graduação em Sistemas Mecatrônicos
Licença: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro completo do item Visualizar estatísticas



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