Localização colaborativa em robótica de enxame.

Diversas das possíveis aplicações da robótica de enxame demandam que cada robô seja capaz de estimar a sua posição. A informação de localização dos robôs é necessária, por exemplo, para que cada elemento do enxame possa se posicionar dentro de uma formatura de robôs pré-definida. Da mesma forma, quando os robôs atuam como sensores móveis, a informação de posição é necessária para que seja possível identificar o local dos eventos medidos. Em virtude do tamanho, custo e energia dos dispositivos, bem como limitações impostas pelo ambiente de operação, a solução mais evidente, i.e. utilizar um Sistema de Posicionamento Global (GPS), torna-se muitas vezes inviável. O método proposto neste trabalho permite que as posições absolutas de um conjunto de nós desconhecidos sejam estimadas, com base nas coordenadas de um conjunto de nós de referência e nas medidas de distância tomadas entre os nós da rede. A solução é obtida por meio de uma estratégia de processamento distribuído, onde cada nó desconhecido estima sua própria posição e ajuda os seus vizinhos a calcular as suas respectivas coordenadas. A solução conta com um novo método denominado Multi-hop Collaborative Min-Max Localization (MCMM), ora proposto com o objetivo de melhorar a qualidade da posição inicial dos nós desconhecidos em caso de falhas durante o reconhecimento dos nós de referência. O refinamento das posições é feito com base nos algoritmos de busca por retrocesso (BSA) e de otimização por enxame de partículas (PSO), cujos desempenhos são comparados. Para compor a função objetivo, é introduzido um novo método para o cálculo do fator de confiança dos nós da rede, o Fator de Confiança pela Área Min-Max (MMA-CF), o qual é comparado com o Fator de Confiança por Saltos às Referências (HTA-CF), previamente existente. Com base no método de localização proposto, foram desenvolvidos quatro algoritmos, os quais são avaliados por meio de simulações realizadas no MATLABr e experimentos conduzidos em enxames de robôs do tipo Kilobot. O desempenho dos algoritmos é avaliado em problemas com diferentes topologias, quantidades de nós e proporção de nós de referência. O desempenho dos algoritmos é também comparado com o de outros algoritmos de localização, tendo apresentado resultados 40% a 51% melhores. Os resultados das simulações e dos experimentos demonstram a eficácia do método proposto.

Utilização de imagem do sensor Aster para discriminação espectral de rochas carbonáticas aflorantes na região Noroeste do Estado do Rio de Janeiro

Este trabalho teve como objetivo geral avaliar o potencial das imagens do sensor ASTER, utilizando a região do infravermelho de ondas curtas (SWIR), para discriminação espectral de rochas carbonáticas aflorantes na região Noroeste do Estado do Rio de Janeiro, complementando produtos existentes de mapeamento geológico. As rochas carbonáticas servem de matéria-prima para produção de cimento, que atualmente apresenta forte demanda dado o crescimento de obras civis devido à expansão da infraestrutura do Estado do Rio de Janeiro. Este crescimento no consumo oferece desafios às companhias produtoras, tornando-se de vital importância a identificação de novas áreas para exploração de insumos para a indústria civil. Neste sentido, o carbonato tem sofrido grande pressão com relação a sua produção pois é a principal matéria-prima utilizada na fabricação do cimento. Imagens do sensor Aster vem sendo utilizadas na área da geologia com êxito, discriminando litologias e minerais como quartzo, óxido de ferro e calcita. Na região do intervalo de ondas entre 2,235-2,285 μm e 2,295-2,365 μm , as bandas 7 e 8 do sensor ASTER na região do SWIR, mostram-se adequadas para a identificação de minerais de calcita e dolomita. Como metodologia, foram aplicadas as técnicas de razões de bandas para separação de calcários e dolomitos e para a classificação espectral, foi utilizada a técnica SAM. Tornou-se como referência para a classificação espectral amostras de áreas de rochas carbonáticas aflorantes e espectros da biblioteca espectral da USGS. As classificações espectrais obtiveram resultados significativos na discriminação espectral das áreas carbonáticas, no entanto as técnicas de razões de bandas não obtiveram resultados suficientes para a discriminação de calcários e dolomitos. Para trabalhos futuros sugere-se a realização de trabalho de campo para a coleta de espectros, através da espectrorradiometria dos afloramentos dos carbonatos.

Single sensor boost converter-based maximum power point tracking algorithms

Two new maximum power point tracking algorithms are presented: the input voltage sensor, and duty ratio maximum power point tracking algorithm (ViSD algorithm); and the output voltage sensor, and duty ratio maximum power point tracking algorithm (VoSD algorithm). The ViSD and VoSD algorithms have the features, characteristics and advantages of the incremental conductance algorithm (INC); but, unlike the incremental conductance algorithm which requires two sensors (the voltage sensor and current sensor), the two algorithms are more desirable because they require only one sensor: the voltage sensor. Moreover, the VoSD technique is less complex; hence, it requires less computational processing. Both the ViSD and the VoSD techniques operate by maximising power at the converter output, instead of the input. The ViSD algorithm uses a voltage sensor placed at the input of a boost converter, while the VoSD algorithm uses a voltage sensor placed at the output of a boost converter. © 2011 IEEE.