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

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorCarvalho, Graciela Nora Doz de-
Autor(es): dc.creatorCarvalho, Victor Fabrício Magalhães-
Data de aceite: dc.date.accessioned2024-10-23T15:18:17Z-
Data de disponibilização: dc.date.available2024-10-23T15:18:17Z-
Data de envio: dc.date.issued2024-07-16-
Data de envio: dc.date.issued2024-07-16-
Data de envio: dc.date.issued2024-07-16-
Data de envio: dc.date.issued2023-09-15-
Fonte completa do material: dc.identifierhttp://repositorio2.unb.br/jspui/handle/10482/48925-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/879704-
Descrição: dc.descriptionDissertação (mestrado) — Universidade de Brasília, Programa de Pós-Graduação em Estruturas e Construção Civil, Faculdade de Tecnologia, 2023.-
Descrição: dc.descriptionA 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.-
Descrição: dc.descriptionCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)-
Descrição: dc.descriptionThe 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.-
Descrição: dc.descriptionFaculdade de Tecnologia (FT)-
Descrição: dc.descriptionDepartamento de Engenharia Civil e Ambiental (FT ENC)-
Descrição: dc.descriptionPrograma de Pós-Graduação em Estruturas e Construção Civil-
Formato: dc.formatapplication/pdf-
Direitos: dc.rightsAcesso Aberto-
Direitos: dc.rightsA 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.-
Palavras-chave: dc.subjectEstruturas (Engenharia)-
Palavras-chave: dc.subjectRedes neurais artificiais-
Palavras-chave: dc.subjectDetecção de danos-
Título: dc.titleDetecção de danos estruturais baseada em históricos de aceleração e redes neurais artificiais-
Título: dc.titleStructural damage detection based on acceleration time history and artificial neural networks-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional – UNB

Não existem arquivos associados a este item.