Publicação
Neural network-based model for bioinspired underwater propulsion systems
| datacite.subject.fos | Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática | |
| datacite.subject.fos | Engenharia e Tecnologia::Engenharia Mecânica | |
| datacite.subject.fos | Engenharia e Tecnologia::Outras Engenharias e Tecnologias | |
| dc.contributor.advisor | Lopes, Luiz Carlos Guerreiro | |
| dc.contributor.advisor | Camacho, Emanuel António Rodrigues | |
| dc.contributor.author | Abreu, Fábio Emanuel Fiqueli | |
| dc.date.accessioned | 2026-02-10T15:05:29Z | |
| dc.date.available | 2026-02-10T15:05:29Z | |
| dc.date.issued | 2025-10-30 | |
| dc.description.abstract | Researchers have been studying animal propulsion mechanisms to develop agile, efficient, and versatile biomimetic robotic systems for marine science, industry, defense, and recreation applications. This project concerns the development of an experimental methodology to analyze the propulsive performance of a system inspired by fish caudal fin kinematics. The experimental rig features a 3D-printed fin that oscillates with the help of a servo motor, whose frequency and amplitude vary over time, creating multiple test conditions. In the rig, a load cell is used to measure the thrust force generated by the oscillation, and an electric current sensor is used to measure the current consumed by the servo when making the movements. The data extracted from these experiments are used to train a Kolmogorov–Arnold Network (KAN), which learns to predict the thrust and power outputs of the system based on input parameters such as fin amplitude, frequency, and angular velocity. The results obtained offer experimental evidence supporting the viability of using neural networks to model thrust and power in bio inspired systems, while providing valuable findings that may contribute to the design and improvement of bio-inspired underwater propulsion systems. | eng |
| dc.description.abstract | Mecanismos de propulsão animal têm sido estudados por investigadores com o objetivo de desenvolver sistemas robóticos biomiméticos ágeis, eficientes e versáteis destinados a aplicações nas áreas das ciências marinhas, indústria, defesa e recreação. Este projeto visa desenvolver uma metodologia experimental para analisar o desempenho propulsivo de um sistema inspirado na cinemática da barbatana caudal de peixes. O banco de ensaio experimental possui uma barbatana impressa em 3D que oscila com a ajuda de um servomotor, que varia em frequência e amplitude ao longo do tempo, criando múltiplas condições de ensaio. No banco de ensaio, uma célula de carga é utilizada para medir a força propulsora gerada pela oscilação, e um sensor de corrente elétrica é utilizado para medir a corrente consumida pelo servo durante os movimentos. Os dados extraídos destas experiências são utilizados para treinar uma rede de Kolmogorov–Arnold (KAN), que aprende a prever a força propulsora e a potência do sistema com base em parâmetros de entrada como a amplitude, a frequência e a velocidade angular da barbatana. Os resultados obtidos fornecem evidências experimentais que suportam a viabilidade da utilização de redes neuronais para modelar a propulsão e a potência em sistemas bioinspirados, apresentando resultados úteis que poderão contribuir para o projeto e a melhoria de sistemas de propulsão subaquática bioinspirados. | por |
| dc.identifier.tid | 204138639 | |
| dc.identifier.uri | http://hdl.handle.net/10400.13/7582 | |
| dc.language.iso | eng | |
| dc.rights.uri | http://creativecommons.org/licenses/by/4.0/ | |
| dc.subject | Neural networks | |
| dc.subject | KANs | |
| dc.subject | Biomimetic oscillatory propulsion | |
| dc.subject | Pitching hydrofoils | |
| dc.subject | Thrust efficiency optimization | |
| dc.subject | Redes neuronais | |
| dc.subject | KAN | |
| dc.subject | Propulsão oscilatória biomimética | |
| dc.subject | Hidrofólios oscilantes | |
| dc.subject | Otimização da eficiência de impulsão | |
| dc.subject | Informatics Engineering | |
| dc.subject | . | |
| dc.subject | Faculdade de Ciências Exatas e da Engenharia | |
| dc.title | Neural network-based model for bioinspired underwater propulsion systems | eng |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| thesis.degree.name | Master of Science in Informatics Engineering |