Skip navigation
Veuillez utiliser cette adresse pour citer ce document : http://repositorio.unb.br/handle/10482/32151
Fichier(s) constituant ce document :
Fichier Description TailleFormat 
2017_MaríliaMarcyCabraldeAraújo.pdf8,1 MBAdobe PDFVoir/Ouvrir
Titre: Metodologia baseada em redes neurais artificiais para a detecção de danos estruturais
Autre(s) titre(s): Development of a methodology based on artificial neural networks for structural damages detection
Auteur(s): Araújo, Marília Marcy Cabral de
Orientador(es):: Carvalho, Graciela Nora Doz de
Coorientador(es):: Cunha, Álvaro
Assunto:: Propriedades dinâmicas
Identificação de danos
Redes neurais artificiais
Date de publication: 25-jui-2018
Référence bibliographique: ARAÚJO, Marília Marcy Cabral de. Metodologia baseada em redes neurais artificiais para a detecção de danos estruturais. 2017. xxi, 203 f., il. Tese (Doutorado em Estruturas e Construção Civil)—Universidade de Brasília, Brasília, 2017.
Résumé: Durante a vida útil as estruturas sofrem solicitações, desgastes, deteriorações e outros processos que podem causar fissuração, de forma a comprometer seu funcionamento, ou, até mesmo, ser a causa de seu colapso estrutural. Somado a esses fatores, o crescente número de estruturas muito esbeltas, consequentemente mais susceptíveis a vibrações excessivas, bem como a preocupação com o desempenho e a degradação de estruturas antigas, têm impulsionado o estudo e o desenvolvimento de novas técnicas capazes de realizar um acompanhamento contínuo da saúde da estrutura. Neste sentido, ferramentas com a capacidade de captar e interpretar confiável e rapidamente as respostas de estruturas de médio e grande porte, sobretudo aquelas baseadas nas propriedades dinâmicas, tornam-se essenciais para complementar um sistema de monitoramento da saúde estrutural. Nos últimos anos, parte da comunidade científica vem adotando a detecção de danos como um problema de reconhecimento de padrões, no qual uma classificação é realizada em função de parâmetros afetados por uma mudança nas propriedades físicas de um sistema. Nesta perspectiva, pode-se citar a existência de ferramentas que, ao serem trabalhadas em conjunto com as propriedades dinâmicas, tornam-se métodos eficientes na detecção de danos, como é o caso das Redes Neurais Artificiais (RNAs) e foco deste trabalho. Foram estudados três tipos de rede (Backpropagation, a Learning Vector Quantization (LVQ) e a Self Organizing Maps (SOM)), aplicadas aos casos de dois tipos de estruturas. A primeira, mais simples e em menor escala foi uma viga produzida em laboratório. Já o segundo caso estudado foi o da Ponte do Infante Dom Henrique, em Portugal. Em ambas as aplicações foram variados alguns parâmetros dos algoritmos para verificar a robustez da ferramenta e os resultados foram bastante animadores, resultando em forte tendência de integrar as RNAs a sistemas de monitoramento de estruturas, inclusive de grande porte.
Abstract: During useful life, structures suffer from stress, wear, deterioration and other processes that can cause cracking, so as to compromise their functioning or even cause structural collapse. Added to these factors, the growing number of very slender structures, consequently more susceptible to excessive vibrations, as well as the concern with the performance and the degradation of old structures, have driven the study and the development of new techniques capable of continuous structure health monitoring. In this sense, tools with the ability to capture and interpret reliably and quickly the responses of medium and large structures, especially those based on dynamic properties, are essential to complement a structural health monitoring system. In recent years, part of the scientific community has been adopting damage detection as a pattern recognition problem in which a classification is performed according to parameters affected by a change in the physical properties of a system. In this perspective, it can be mentioned the existence of tools that when worked in conjunction with the dynamic properties become efficient methods in the detection of damages, as is the case of Artificial Neural Networks (ANNs) and focus of this work. Three types of network (Backpropagation, Learning Vector Quantization (LVQ) and Self Organizing Maps (SOM) were studied, applied to cases of two types of structures. The first, simpler and in smaller scale was a beam produced in the laboratory. The second case studied was the Bridge of the Infante Dom Henrique in Portugal. In both applications, some parameters of the algorithms were varied to verify the robustness of the tool and the results were quite encouraging, resulting in a strong tendency to integrate ANNs to structures monitoring systems, even large ones.
metadata.dc.description.unidade: Faculdade de Tecnologia (FT)
Departamento de Engenharia Civil e Ambiental (FT ENC)
Description: Tese (doutorado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Civil e Ambiental, 2017.
metadata.dc.description.ppg: Programa de Pós-Graduação em Estruturas e Construção Civil
Licença:: A 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.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Collection(s) :Teses, dissertações e produtos pós-doutorado

Affichage détaillé " class="statisticsLink btn btn-primary" href="/jspui/handle/10482/32151/statistics">



Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.