Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Lacerda, Luiz Alkimin de | - |
Autor(es): dc.contributor | Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduaçao em Métodos Numéricos em Engenharia | - |
Autor(es): dc.creator | Pettres, Roberto | - |
Data de aceite: dc.date.accessioned | 2019-08-22T00:27:28Z | - |
Data de disponibilização: dc.date.available | 2019-08-22T00:27:28Z | - |
Data de envio: dc.date.issued | 2011-06-15 | - |
Data de envio: dc.date.issued | 2011-06-15 | - |
Data de envio: dc.date.issued | 2011-06-15 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/1884/25671 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/1884/25671 | - |
Descrição: dc.description | Resumo: Este trabalho apresenta um método não destrutivo para o diagnóstico da integridade subsuperficial de estruturas de concreto utilizando imagens térmicas estacionárias e redes neurais artificiais (RNA). As imagens térmicas utilizadas no estudo foram geradas pelo software Ansys 12®, onde foi simulado um bloco com as propriedades equivalentes ao concreto contendo um elemento de alta porosidade representando um defeito em seu interior. Nestas simulações, as dimensões do defeito foram parametrizadas e o modelo de transferência de calor adotado foi a Equação de Condução do calor de Fourier em regime estacionário sob condições de contorno que estabeleciam um fluxo de calor em uma única direção. A partir dos resultados obtidos nestas simulações, campos térmicos em uma das faces do bloco, e da aplicação de técnicas de processamento de imagens com o software Matlab R2010®, foi possível o desenvolvimento dos algoritmos de localização do defeito e de coleta de dados para o treinamento das topologias neurais. Um algoritmo foi elaborado para a otimização de quatro topologias do tipo feedforward para realização dos testes numéricos. Duas delas apresentaram melhor desempenho e foram selecionadas para validar o método proposto, sendo sintetizadas no aplicativo Thermography and Artificial Neural Network, desenvolvido com o intuito de realizar o diagnóstico de estruturas de concreto a partir de imagens térmicas. O aplicativo se mostrou preciso e eficiente na análise feita em imagens simuladas em modelos de maior dimensão e contendo defeitos com geometrias irregulares, indicando satisfatoriamente a localização do defeito e apresentando em média um percentual de êxito na identificação das anomalias de 81,73% nas simulações com dados sintéticos. Resultados similares também foram observados em uma análise experimental, indicando potencialidade do método de diagnóstico não destrutivo proposto. | - |
Formato: dc.format | application/pdf | - |
Formato: dc.format | application/pdf | - |
Palavras-chave: dc.subject | Teses | - |
Palavras-chave: dc.subject | Reconhecimento de padrões | - |
Palavras-chave: dc.subject | Concreto - Defeitos | - |
Palavras-chave: dc.subject | Calor - Transmissão | - |
Palavras-chave: dc.subject | Redes neurais (Computação) | - |
Título: dc.title | Reconhecimento de padrões de defeitos em concreto a partir de imagens térmicas estacionárias e redes neurais artificiais. | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Rede Paraná Acervo |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: