Use este identificador para citar ou linkar para este item: https://repositorio.ufjf.br/jspui/handle/ufjf/4624
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
rafaellepiazzarolifinottiamaral.pdf17.08 MBAdobe PDFThumbnail
Visualizar/Abrir
Tipo: Dissertação
Título: Aplicação de métodos computacionais a dados vibracionais para detecção de alterações estruturais
Autor(es): Amaral, Rafaelle Piazzaroli Finotti
Primeiro Orientador: Barbosa, Flávio de Souza
Co-orientador: Cury, Alexandre Abrahão
Membro da banca: Fonseca, Leonardo Goliatt da
Membro da banca: Borges, Carlos Cristiano Hasenclever
Membro da banca: Pimentel, Roberto Leal
Resumo: O desafio de se detectar danos e/ou alterações estruturais através de dados vibracionais tem levado ao desenvolvimento de diversas técnicas nas últimas décadas. Grande parte desses métodos busca associar variações de frequências naturais, modos de vibração e taxas de amortecimento em uma estrutura ao surgimento de danos localizados. Em vista disso, surgiram métodos como: o índice MAC (Modal Assurance Criterion), métodos baseados em energia de deformação, métodos baseados em variação de curvatura, análise da matriz de flexibilidade, dentre outros. Apesar de se mostrarem bastante eficazes na detecção de danos em modelos numéricos, salvo em raras exceções, os métodos supracitados apresentam dificuldades quando se trata de problemas práticos com dados obtidos de experimentos reais. Entretanto, abordagens envolvendo técnicas de inteligência computacional vêm sendo apontadas como uma linha de pesquisa promissora nesta área. Dessa forma, o presente trabalho avalia o uso das Redes Neurais Artificiais (ANN - Artificial Neural Networks) e Máquinas de Vetor Suporte (SVM - Support Vector Machines) na detecção de alterações estruturais baseadas na análise da evolução das respostas dinâmicas. Tanto as características modais quanto indicadores estatísticos extraídos diretamente dos sinais temporais são utilizados como parâmetros de entrada dos modelos de inteligência computacional. Além disso, apresenta-se ainda uma nova metodologia desenvolvida com base no histórico de variação das frequências naturais e temperatura, na qual é possível detectar mudanças no comportamento estrutural e apontar o momento em que elas ocorrem a partir de um classificador SVM. A eficiência da metodologia proposta é analisada através de dados obtidos em um modelo numérico de viga biapoiada e dados oriundos de um monitoramento contínuo da Torre de Gabbia, na Itália.
Abstract: Structural damage detection using dynamic measurements has led to the development of several techniques in the last decades. Most of these methods associate variations of natural frequencies, mode shapes and damping ratios to damage, like the Modal Assurance Criterion (MAC), methods based on strain energy deviation, methods based on curvature mode shapes, flexibility matrix analysis, among others. Although these aforementioned techniques are mostly efficient to identify structural alterations in numerical models, they have difficulties in practical applications with experimental data. Thus, approaches involving computational intelligence to identify structural damage can be a promising field of research. This work evaluates the Artificial Neural Networks (ANN) and Support Vector Machine (SVM) to detect structural changes based on evolution of dynamic responses. The modal characteristics and statistical indicators extracted directly from raw dynamic measurements are used as inputs to computational intelligence models. Furthermore, a new methodology based on the time history of natural frequencies and temperature records is presented. The technique consists in detecting structural changes and when they occur by using a SVM algorithm. The efficiency of the proposed methodology is analyzed through data from a numerical model of a supported beam and from a continuous monitoring of the Gabbia Tower, in Italy.
Palavras-chave: Dinâmica das estruturas
Detecção de danos
Inteligência computacional
Dynamic of structures
Damage detection
Computational intelligence
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA
Idioma: por
País: Brasil
Editor: Universidade Federal de Juiz de Fora (UFJF)
Sigla da Instituição: UFJF
Departamento: ICE – Instituto de Ciências Exatas
Programa: Programa de Pós-graduação em Modelagem Computacional
Tipo de Acesso: Acesso Aberto
URI: https://repositorio.ufjf.br/jspui/handle/ufjf/4624
Data do documento: 7-Mar-2017
Aparece nas coleções:Mestrado em Modelagem Computacional (Dissertações)



Os itens no repositório estão protegidos por licenças Creative Commons, com todos os direitos reservados, salvo quando é indicado o contrário.