[pt] Ondas ultrassônicas do tipo SH (do inglês, shear horizontal), ou de cisalhamento horizontal são úteis no campo de ensaios não-destrutivos. Essas podem ser geradas, em meios metálicos, por transdutores acústicos eletromagnéticos (EMAT) que utilizam um arranjo de ímãs permanentes periódicos (PPM), chamados de EMATs PPM. Tais dispositivos em sua forma convencional, entretanto, geram ondas ultrassônicas bidirecionalmente, ou seja, para frente e para trás. Essa característica é geralmente indesejada. Recentemente, foi proposto um EMAT tipo PPM duplo com separação lateral que gera ondas nominalmente em uma única direção. Entretanto, seu diagrama de radiação revela lóbulos traseiros laterais. Esta dissertação tem como objetivo aprimorar o supracitado projeto através de seus parâmetros de construção, mais especificamente, o número de fileiras de ímãs permanentes do arranjo PPM e a separação lateral entre as mesmas. Foi desenvolvido um modelo analítico, baseado em linhas de fontes lineares, que considera a projeção de cada espira como uma fonte harmônica independente, para cálculo do campo ultrassônico gerado por EMATs PPM, tanto os do tipo PPM duplo, quanto o convencional. Com isso, foi possível obter o digrama de radiação teórico dos dispositivos, de forma a analisar como os seus parâmetros de construção interferem em sua unidirecionalidade. Utilizou-se três tecnologias distintas de bobinas, a saber, bobinas fabricadas manualmente, bobinas fabricadas a partir de placas de circuito impresso (PCB) flexível de poliamida e PCB flexível de poliéster. Os arranjos PPM duplos foram colocados sobre moldes impressos em impressora 3D. Realizou-se testes experimentais em uma placa de alumínio 1.5 mm de espessura, com EMAT PPM comercial utilizado como receptor, em diversos ângulos, com o objetivo de calcular o diagrama de radiação experimental do EMAT PPM duplo. Ao todo foram montadas 44 unidades quando combinadas todas as tecnologias de fabricação de bobina, com separação lateral de 1 mm a 4 mm e 1 a 4 de fileiras de ímãs. Resultados experimentais e teóricos mostraram boa concordância. Foi observado que tanto aumentar o número de fileiras de ímãs, quanto diminuir a sua separação lateral reduzem a intensidade dos lóbulos traseiros laterais. Resultados experimentais mostraram que, com a configuração de 4 fileiras de ímãs, separados lateralmente por 1 mm e bobinas feitas a partir de PCB de poliamida, a intensidade dos lóbulos traseiros laterais foi reduzida em 8.6 dB, em relação à configuração original do PPM EMAT duplo . Sobre as tecnologias de bobina, pode-se concluir que o uso de PCBs flexíveis tornou possível obter menores separações laterais entre as fileiras de ímãs e simplificar o processo de construção do EMAT PPM duplo, com destaque para a bobina feita com PCB flexível de poliamida, que apresentou baixo erro médio entre medidas experimentais e simuladas, apresentando também o mais fácil processo de fabricação entre os três tipos de bobinas avaliados. / [en] Shear horizontal (SH) ultrasonic waves are useful in the non-destructive evaluation field. They can be generated, in metallic media, by electromagnetic acoustic transducers (EMAT) that use an array of periodic permanent magnets (PPM). PPM EMATs, in their conventional form, generate forward and backward traveling SH waves. This feature is generally undesired. Recently, a side-shifted dual-PPM EMAT has been proposed. This device generates waves predominantly in a single direction. However, its radiation pattern reveals backward side lobes. This thesis aims to improve the aforementioned design through its construction parameters, more specifically, the number of rows of magnets in the PPM array and the lateral separation between them. An analytical model, based on the line source method, which considers the wires projections as independent wave sources, was developed to calculate the ultrasonic field generated by PPM EMATs, either for the conventional one or the dual-PPM EMAT. Exploiting the developed model, it was possible to compute the theoretical radiation pattern of the device in order to better analyse how its construction parameters affect its unidirectionality. Three different coil technologies were used, namely hand-wound coils and coils made with flexible printed circuit boards (PCBs), either of polyamide or polyester material. The magnet arrays were mounted on 3D-printed molds to ensure their positioning. Experimental tests were carried out where the fabricated device was placed onto a 1.5 mm-thick aluminum plate, and a commercial PPM EMAT was used as a receiver, at different reception angles, in order to calculate the radiation pattern of the dual-PPM EMAT. Overall, 44 units, combining all coil technologies, were manufactured with lateral separation from 1 mm to 4 mm and 1 to 4 rows of magnets per PPM. Experiments and theoretical results presented good agreement. It was observed that either increasing the number of rows of magnets or decreasing their lateral separation reduced the intensity of the backward side lobes. When using the configuration of 4 rows of magnets and 1 mm side shift, fabricated with polyamide PCBs, results revealed that the intensity of the backward side lobes was reduced by 8.6 dB, when compared with the original configuration. Regarding the coil technologies, it can be concluded that the use of flexible PCBs allowed one to obtain shorter lateral separations between rows of magnets and simplified the fabrication process of the dual-EMAT. Mainly, the poliamide-based flexible PCB coil presented low average error between experimental and simulated measurements and the easiest fabrication process among all three coil technologies tested.

[pt] Devido ao efeito acoustoelástico, as Ondas guiadas ultrassônicas (UGWs) têm sido usadas para estimar a tensão mecânica com baixo custo de forma não destrutiva. O Aprendizado de maquina (ML) tem sido aplicado para mapear formas complexas de ondas para estimar a tensão mecânica, embora aspectos importantes como precisão e consumo computacional não tenham sido explorados. Na literatura também não há muito trabalho sobre o uso do aprendizado não supervisionado para a rotulagem automática de amostras com diferentes estados de tensão. Portanto, esta tese apresenta duas abordagens: i) a abordagem supervisionada propõe uma metodologia de modelagem de dados que otimiza a precisão e a implementação computacional, para a estimação da tensão baseada em UGWs em tempo real e ii) a abordagem não supervisionada compara estruturas não supervisionadas para rotular um pequeno conjunto de dados de acordo com o estado de tensão. Para o primeiro, foram avaliados modelos de aprendizagem superficial e profunda com redução de dimensionalidade, estes modelos são criados e testados usando um procedimento de hold-out Monte-Carlo para avaliar sua robustez. Os resultados mostram que, utilizando modelos superficiais e Análise de componentes principais (PCA), foi obtida uma melhoria de precisão e no consumo de hardware em comparação com o estado da arte com modelos de redes neurais profundas. Para o segundo, métodos de redução de dimensionalidade: PCA e t-distributed stochastic neighbor embedding (t-SNE), são usados para extrair características de sinais UGWs. As características são usadas para agrupar as amostras em estados de baixa, média e alta tensão. Uma análise qualitativa e quantitativa dos resultados foi realizada, considerando a análise de métricas para agrupamento, o PCA realizou o melhor agrupamento, qualitativamente, mostrando menos sobreposição en grupos do que t-SNE. As duas abordagens utilizadas nesta tese, conseguiram extrair características significativas que ajudam tanto na estimativa quanto tanto na rotulagem de dados, contribuindo para a criação de modelos de ML mais eficientes e no problema de interpretação de UGWs. / [en] Due to the acoustoelastic effect, Ultrasonic Guided Waves (UGWs) have been used to estimate mechanical stress in a non-expensive and nondestructively fashion. Machine Learning (ML) has been applied to map complex waveforms to stress estimates, though important aspects, such as accuracy and hardware consumption, have not been explored. Previously in the literature, there are also not many works on the use of unsupervised learning for automatic labeling of samples with different stress states. Therefore, this thesis presents two approaches, (i) the supervised approach aims to propose a data modeling methodology that optimizes accuracy and computational implementation, for real-time ultrasonic based stress estimation and (ii) the unsupervised approach aims at comparing unsupervised frameworks to label a small dataset according to the stress state. For the former, shallow and deep learning models with dimensionality reduction were evaluated, these models are created and tested using a Monte-Carlo holdout procedure to evaluate their robustness under different stress conditions. The results show that, using shallow models and Principal Component Analysis (PCA), an accuracy improvement and hardware consumption as compared to the state of the art reported with deep neural network models were obtained. For the latter, dimensionality reduction methods: PCA and t-distributed stochastic neighbor embedding (t-SNE), are used to extract features from UGWs signals with different stress levels. The features are used to group the samples into low, medium and high stress states. A qualitative and quantitative analysis of the results was performed. Considering the analysis of metrics for clustering, PCA performed the best clustering, qualitatively, showing less overlapping of clusters than t-SNE. The two approaches used in this thesis, managed to extract meaningful features which helped in both estimation and stress labeling, contributing to the creation of more efficient ML models and in the problem of interpreting UGWs.