Modelagem da resposta subjetiva a vibrações em aeronaves usando métodos de aprendizado de máquina

• Autores: Ricardo Luís Schaefer, Carlos Andres Ferrero, Samir N.Y. Gerges
• Localización: Revista iberoamericana de ingeniería mecánica, ISSN 1137-2729, Vol. 18, Nº 2, 2014, págs. 125-136
• Idioma: portugués
• Enlaces
  • Texto Completo Ejemplar
• Resumen
  • português

    Com o aumento da concorrência no mercado de aero naves, existe interesse das indústrias em desen- volver serviços de melhor qualidade pa ra os seus clientes. Nesse senti do, está sendo desenvolvido um projeto interinstitucional para modela gem de repostas subjetivas de passageiros em relação a adjetivos (conforto, cons- tância, força, suportabilidade), a partir de estímulos fí sicos de vibração em simuladores de aeronaves. Neste tra- balho foram utilizados métodos de In teligência Artificial, especificamente de Aprendizado de Máquina, para a seleção de atributos e a construção de modelos de regr essão. Na seleção de atributos foi utilizada uma aborda- gem do tipo filtro e na construção de modelos foram utili zadas as abordagens de Redes Neurais Artificiais, Re- gressão Linear Múltipla e Árvores de Regressão. O método experimental pr oposto tem como objetivo prever a resposta subjetiva de passageiros, ap enas considerando as bandas de frequênc ia dos estímulos vibratórios mais importantes de acordo com cada adjetivo. A avaliação dos modelos foi realizada de acordo com a complexidade e a qualidade preditiva. Os resultados mostram que o método proposto permitiu diminuir entre 86,42% e 98,15% a quantidade de bandas de frequência utilizadas para induzir os modelos, sem prejudicar a qualidade preditiva dos modelos, inclusive em três das 12 confi gurações foi possível constatar melhora estatisticamente significativa. De acordo com os especi alistas os modelos apresentaram-se pr omissores, tanto do ponto de vista de complexidade, quanto de qualidade preditiva.

  • English

    The increased competition in the aircraft market has motivated the aircraft industry to develop high- er quality services for the customers. In this sense, an inter-institutional project ha s being developed for model- ing passenger subjective responses related to adjectives (comfort, constancy, force, supportability) occasioned by physical stimuli vibrations on aircrafts simulators.

    In this work, it is used Computational Intelligence meth- ods, specifically Machine Learning, to perform feature selection and to build regression models. In the feature selection task it was used a filter approach. Machine le arning algorithms were used to build Artificial Neural Networks, Multiple Linear Regression and Regression Tr ees. The experimental method proposed aims to pre- dict passenger subjective responses onl y considering most important frequency bands of vibratory stimuli ac- cording to each adjective. The model evaluation was pe rformed based on predictive quality and complexity. Is is shown that the proposed method allowed a reducti on from 86.42% to 98.15% in the amount of used frequen- cy bands to induce models without impairing the quality of predictions. In addition, 25% of the models showed statistically significant improvement. According to expe rts the built models were promising, both in terms of complexity and predictive quality