Detecção de danos estruturais baseada em históricos de aceleração e redes neurais artificiais

Detalhes bibliográficos
Autor(a) principal: Carvalho, Victor Fabrício Magalhães
Data de Publicação: 2023
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UnB
Texto Completo: http://repositorio2.unb.br/jspui/handle/10482/48925
Resumo: Dissertação (mestrado) — Universidade de Brasília, Programa de Pós-Graduação em Estruturas e Construção Civil, Faculdade de Tecnologia, 2023.
id UNB_d7cf1324c2e5b830ca327f275509c5bf
oai_identifier_str oai:repositorio.unb.br:10482/48925
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Detecção de danos estruturais baseada em históricos de aceleração e redes neurais artificiaisStructural damage detection based on acceleration time history and artificial neural networksEstruturas (Engenharia)Redes neurais artificiaisDetecção de danosDissertação (mestrado) — Universidade de Brasília, Programa de Pós-Graduação em Estruturas e Construção Civil, Faculdade de Tecnologia, 2023.A deterioração natural ou acidental das estruturas e a crescente complexidade dos projetos demandam um monitoramento constante da saúde das grandes construções. Esse processo possibilita intervenções, com o objetivo de evitar falhas catastróficas e de reduzir os custos com reparos e substituições de componentes estruturais. Nesse sentido, os métodos de avaliação de danos baseados nas variações das propriedades modais das estruturas foram amplamente estudados, devido às suas capacidades globais de avaliação. No entanto, alguns desafios foram apresentados para a aplicação prática de tais métodos, como a perda de informações dos sinais de vibração da estrutura durante o processo de identificação modal e as pequenas variações registradas em parâmetros como as frequências naturais, dificultando a avaliação do estado de uma estrutura exposta a efeitos ambientais. Para superar esses desafios, novas metodologias de monitoramento baseadas em abordagens estatísticas aplicadas diretamente a históricos de acelerações, obtidos através do monitoramento, vêm sendo desenvolvidas. Este trabalho tem como objetivo avaliar a utilização de indicadores estatísticos, extraídos de históricos de aceleração das estruturas, como alternativa para aplicação no treinamento e teste de redes neurais artificiais em metodologias de detecção de danos estruturais. Para tanto, trabalhou-se em duas etapas: na primeira etapa foram estudadas apenas vigas modeladas numericamente, considerando diferentes casos de danos estruturais; já na segunda etapa, foram utilizados modelos numéricos e dados experimentais de um pórtico espacial, considerando diferentes casos de danos estruturais. Em ambas as etapas, as estruturas foram submetidas a impactos e foram extraídos os sinais de aceleração para posterior processamento em forma de indicadores estatísticos, que por sua vez foram utilizados para treinar e testar redes neurais artificiais propostas para a detecção de danos estruturais, variando e analisando fatores como o número de neurônios na camada oculta, as funções de ativação da rede, a necessidade de se filtrar o ruído das séries temporais obtidas experimentalmente e o efeito dos picos de amplitude de acelerações no treinamento das redes. Os testes mostraram um bom desempenho do uso dos indicadores estatísticos como parâmetros de treinamento de redes para detecção de danos.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)The natural or accidental deterioration of structures and the growing complexity of projects demand constant monitoring of the health of large constructions. This process enables interventions, with the aim of avoiding catastrophic failures and also reducing costs with repairs and replacement of structural components. In this sense, damage assessment methods based on variations in the modal properties of structures were widely studied, due to their global assessment capabilities. However, some challenges were presented to the practical application of these methods, such as the loss of information on the structure's vibration signals during the modal identification process and the small variations recorded in parameters such as natural frequencies, making it difficult to assess the state of a structure exposed to environmental effects. In order to overcome these challenges, new monitoring methodologies that directly apply statistical techniques to the acceleration time histories, obtained through monitoring, have been developed. This work aims to evaluate the use of statistical indicators, obtained from the acceleration time history of structures, as an alternative input for training and testing Artificial Neural Networks in structural damage detection methodologies. To this end, the study was carried out in two stages: in the first stage, only numerically modeled beams were studied, considering different cases of structural damage; in the second stage, numerical models and experimental data of a 3D frame were used, considering different cases of structural damage. In both stages, the structures were subjected to impacts and the acceleration signals were extracted for further processing in the form of statistical indicators, which in turn were used to train and test the Artificial Neural Networks proposed for structural damage detection, varying and analyzing factors such as the number of neurons in the hidden layer, the network activation functions, the need to filter the noise of the experimentally obtained time series and the effect of peak amplitudes of accelerations in the training of the networks. The tests showed good performance using statistical indicators as parameters for training networks for damage detection.Faculdade de Tecnologia (FT)Departamento de Engenharia Civil e Ambiental (FT ENC)Programa de Pós-Graduação em Estruturas e Construção CivilCarvalho, Graciela Nora Doz deCarvalho, Victor Fabrício Magalhães2024-07-16T19:45:45Z2024-07-16T19:45:45Z2024-07-162023-09-15info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfCARVALHO, Victor Fabrício Magalhães. Detecção de danos estruturais baseada em históricos de aceleração e Redes Neurais Artificiais. 2023. 86 f., il. Dissertação (Mestrado em Estruturas e Construção Civil) — Universidade De Brasília, Brasília, 2023.http://repositorio2.unb.br/jspui/handle/10482/48925A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2024-07-16T19:48:40Zoai:repositorio.unb.br:10482/48925Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2024-07-16T19:48:40Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Detecção de danos estruturais baseada em históricos de aceleração e redes neurais artificiais
Structural damage detection based on acceleration time history and artificial neural networks
title Detecção de danos estruturais baseada em históricos de aceleração e redes neurais artificiais
spellingShingle Detecção de danos estruturais baseada em históricos de aceleração e redes neurais artificiais
Carvalho, Victor Fabrício Magalhães
Estruturas (Engenharia)
Redes neurais artificiais
Detecção de danos
title_short Detecção de danos estruturais baseada em históricos de aceleração e redes neurais artificiais
title_full Detecção de danos estruturais baseada em históricos de aceleração e redes neurais artificiais
title_fullStr Detecção de danos estruturais baseada em históricos de aceleração e redes neurais artificiais
title_full_unstemmed Detecção de danos estruturais baseada em históricos de aceleração e redes neurais artificiais
title_sort Detecção de danos estruturais baseada em históricos de aceleração e redes neurais artificiais
author Carvalho, Victor Fabrício Magalhães
author_facet Carvalho, Victor Fabrício Magalhães
author_role author
dc.contributor.none.fl_str_mv Carvalho, Graciela Nora Doz de
dc.contributor.author.fl_str_mv Carvalho, Victor Fabrício Magalhães
dc.subject.por.fl_str_mv Estruturas (Engenharia)
Redes neurais artificiais
Detecção de danos
topic Estruturas (Engenharia)
Redes neurais artificiais
Detecção de danos
description Dissertação (mestrado) — Universidade de Brasília, Programa de Pós-Graduação em Estruturas e Construção Civil, Faculdade de Tecnologia, 2023.
publishDate 2023
dc.date.none.fl_str_mv 2023-09-15
2024-07-16T19:45:45Z
2024-07-16T19:45:45Z
2024-07-16
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv CARVALHO, Victor Fabrício Magalhães. Detecção de danos estruturais baseada em históricos de aceleração e Redes Neurais Artificiais. 2023. 86 f., il. Dissertação (Mestrado em Estruturas e Construção Civil) — Universidade De Brasília, Brasília, 2023.
http://repositorio2.unb.br/jspui/handle/10482/48925
identifier_str_mv CARVALHO, Victor Fabrício Magalhães. Detecção de danos estruturais baseada em históricos de aceleração e Redes Neurais Artificiais. 2023. 86 f., il. Dissertação (Mestrado em Estruturas e Construção Civil) — Universidade De Brasília, Brasília, 2023.
url http://repositorio2.unb.br/jspui/handle/10482/48925
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1814508209752244224

Registros relacionados