Pandolfi, Luca
(2025)
Rilevamento di forma con sensori in fibra ottica: sviluppo di un metodo di calibrazione basato su reti neurali.
[Laurea magistrale], Università di Bologna, Corso di Studio in
Ingegneria meccanica [LM-DM270], Documento full-text non disponibile
Il full-text non è disponibile per scelta dell'autore.
(
Contatta l'autore)
Abstract
Negli ultimi decenni, la tecnologia dei sensori in fibra ottica si è diffusa ampiamente grazie ai numerosi vantaggi offerti tra cui: compattezza, dimensioni ridotte, flessibilità, resistenza ad ambienti difficili e alla corrosione e la loro capacità di multiplexing. In particolare, in determinate configurazioni dei core, le fibre ottiche possono essere utilizzate per la ricostruzione della forma in tempo reale basandosi sulle deformazioni registrate in ogni sezione strumentata della fibra. Un metodo diffuso per realizzare questa ricostruzione sfrutta le formule di Frenet-Serret, che permettono di determinare le coordinate di una curva nello spazio utilizzando i parametri di curvatura e torsione. Tuttavia, ogni misurazione comporta inevitabilmente un certo grado di incertezza, dovuto a fattori quali errori strumentali e imprecisioni nella localizzazione dei nuclei, con ripercussioni sulla precisione complessiva della forma ricostruita.
Per ovviare a questi limiti, diventa fondamentale elaborare una metodologia in grado di quantificare l’incertezza inerente al rilevamento della forma. Sebbene la propagazione dell’errore attraverso il modello matematico possa essere una soluzione, essa risulta comunque una semplificazione della realtà. Effetti complessi, quali il trasferimento di carico, i micro-slittamenti tra gli strati del cavo e le variazioni di rigidezza, suggeriscono invece l’adozione di strumenti avanzati come le reti neurali, capaci di calibrare il sistema e modellare la complessità delle interazioni presenti. In questo contesto, è stata sviluppata una rete neurale MLP che mira a rappresentare in modo più accurato il comportamento del cavo, integrando le non linearità e le interazioni che caratterizzano il sistema di misura.
Gli sviluppi futuri si concentreranno sull’ottimizzazione della rete neurale in grado di gestire questi effetti indesiderati per poter ricostruire direttamente la forma del cavo a partire dai valori di deformazione misurati.
Abstract
Negli ultimi decenni, la tecnologia dei sensori in fibra ottica si è diffusa ampiamente grazie ai numerosi vantaggi offerti tra cui: compattezza, dimensioni ridotte, flessibilità, resistenza ad ambienti difficili e alla corrosione e la loro capacità di multiplexing. In particolare, in determinate configurazioni dei core, le fibre ottiche possono essere utilizzate per la ricostruzione della forma in tempo reale basandosi sulle deformazioni registrate in ogni sezione strumentata della fibra. Un metodo diffuso per realizzare questa ricostruzione sfrutta le formule di Frenet-Serret, che permettono di determinare le coordinate di una curva nello spazio utilizzando i parametri di curvatura e torsione. Tuttavia, ogni misurazione comporta inevitabilmente un certo grado di incertezza, dovuto a fattori quali errori strumentali e imprecisioni nella localizzazione dei nuclei, con ripercussioni sulla precisione complessiva della forma ricostruita.
Per ovviare a questi limiti, diventa fondamentale elaborare una metodologia in grado di quantificare l’incertezza inerente al rilevamento della forma. Sebbene la propagazione dell’errore attraverso il modello matematico possa essere una soluzione, essa risulta comunque una semplificazione della realtà. Effetti complessi, quali il trasferimento di carico, i micro-slittamenti tra gli strati del cavo e le variazioni di rigidezza, suggeriscono invece l’adozione di strumenti avanzati come le reti neurali, capaci di calibrare il sistema e modellare la complessità delle interazioni presenti. In questo contesto, è stata sviluppata una rete neurale MLP che mira a rappresentare in modo più accurato il comportamento del cavo, integrando le non linearità e le interazioni che caratterizzano il sistema di misura.
Gli sviluppi futuri si concentreranno sull’ottimizzazione della rete neurale in grado di gestire questi effetti indesiderati per poter ricostruire direttamente la forma del cavo a partire dai valori di deformazione misurati.
Tipologia del documento
Tesi di laurea
(Laurea magistrale)
Autore della tesi
Pandolfi, Luca
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Indirizzo
CURRICULUM MECCANICA DELL’AUTOMAZIONE E ROBOTICA
Ordinamento Cds
DM270
Parole chiave
Fiber optic shape sensing, Calibrazione AI, Incertezze di misura, Reti neurali
Data di discussione della Tesi
26 Marzo 2025
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Pandolfi, Luca
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Indirizzo
CURRICULUM MECCANICA DELL’AUTOMAZIONE E ROBOTICA
Ordinamento Cds
DM270
Parole chiave
Fiber optic shape sensing, Calibrazione AI, Incertezze di misura, Reti neurali
Data di discussione della Tesi
26 Marzo 2025
URI
Gestione del documento: