Logo do repositório
  • Página Inicial(current)
  • Buscar
    Por Data de PublicaçãoPor AutorPor TítuloPor Assunto
  • Tutoriais
  • Documentos
  • Sobre o RI
  • Eventos
    Repositório Institucional da UFRN: 15 anos de conexão com o conhecimento
  • Padrão
  • Amarelo
  • Azul
  • Verde
  • English
  • Português do Brasil
Entrar

SIGAA

  1. Início
  2. Pesquisar por Autor

Navegando por Autor "Jácome, Maxwell Cavalcante"

Filtrar resultados informando as primeiras letras
Agora exibindo 1 - 1 de 1
  • Resultados por página
  • Opções de Ordenação
  • Nenhuma Miniatura disponível
    Dissertação
    Análise do desgaste em amostras de ensaios de lubricidade utilizando processamento de imagens
    (Universidade Federal do Rio Grande do Norte, 2021-03-05) Jácome, Maxwell Cavalcante; Oliveira Júnior, José Josemar de; ; http://lattes.cnpq.br/4263696954174963; ; http://lattes.cnpq.br/8020227231564914; Alves, Salete Martins; ; http://lattes.cnpq.br/8550161853747323; Correia, Suzete Elida Nobrega;
    Ensaios tribológicos são desenvolvidos como forma controlada de avaliar o mecanismo de desgaste atuante entre superfícies metálicas, bem como para observar a influência do tipo de lubrificante utilizado. A lubricidade é uma importante característica para avaliação de fluidos lubrificantes, padronizada por norma e medida pelo equipamento HFRR (High Frequency Reciprocating Rig). Trata-se de um sistema tribológico esfera-disco em contato lubrificado, e que produz como resultado imagens das quais se extrai o diâmetro da escara de desgaste, do inglês WSD (Wear Scar Diameter). A partir de um conjunto de amostras de diferentes combustíveis aplicados como lubrificantes, foram obtidas imagens das superfícies desgastadas. Desse modo, propõe-se neste trabalho explorar outras características das imagens além do WSD, permitindo assim uma melhor caracterização do desgaste e do tipo de lubrificante utilizado. Com as imagens adquiridas no ensaio de lubricidade, foram aplicadas técnicas de processamento de imagens utilizando o software Matlab e a biblioteca OpenCV para a obtenção de parâmetros quantitativos. A partir dessas informações, foi construída uma Rede Neural Artificial capaz de classificar novas imagens de acordo com o tipo de combustível utilizado no ensaio com uma eficiência média de 75%, mostrando o potencial da inteligência artificial para identificar e classificar padrões de desgaste a partir da análise de suas imagens.
Repositório Institucional - UFRN Campus Universitário Lagoa NovaCEP 59078-970 Caixa postal 1524 Natal/RN - BrasilUniversidade Federal do Rio Grande do Norte© Copyright 2025. Todos os direitos reservados.
Contato+55 (84) 3342-2260 - R232Setor de Repositórios Digitaisrepositorio@bczm.ufrn.br
DSpaceIBICT
OasisBR
LAReferencia
Customizado pela CAT - BCZM