Otimização da Identificação de Danos Estruturais por meio de Inteligência Computacional e Dados Modais.

• Ano de defesa: 2017
• Autor(a) principal: GOMES, Guilherme Ferreira
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Programa de Pós-Graduação: Programa de Pós-Graduação: Doutorado - Engenharia Mecânica
• Departamento: IEM - Instituto de Engenharia Mecânica
• Link de acesso: https://repositorio.unifei.edu.br/jspui/handle/123456789/978

Métodos convencionais de identificação de danos em sua maioria são limitados, sendo onerosos e em alguns casos impraticáveis, exigindo que a estrutura inspecionada esteja prontamente acessível para inspeção. Neste trabalho, desenvolveu-se um estudo numérico tratando o caso da identificação de danos como um problema inverso. Os problemas direto e inverso de identificação de danos são apresentados combinando o método dos elementos finitos com métodos computacionais inteligentes, lançando mão de heurísticas de otimização e redes neurais artificiais. Fez-se uso dos algoritmos genéticos na otimização dos objetivos construídos, e ainda, introduziu-se uma nova heurística de otimização levando em consideração o comportamento peculiar da polinização de flores e do movimento do girassol em busca do sol. O dilema básico da detecção de danos advém de respostas obtidas por sensores distribuídos nas estruturas. A qualidade destas respostas e, portanto, a qualidade da detecção de danos depende da configuração dos sensores. Otimizou-se a configuração ótima dos sensores em três frentes principais: por meio de critérios matriciais que são capazes de fornecer localizações de maior quantidade de informação modal, uma abordagem pela reconstrução dos modos por meio de interpolação de superfícies e ainda uma terceira proposição por meio de otimização multiobjetivo. Obtendo-se as configurações ótimas dos sensores, lançou-se mão das técnicas evolucionárias na identificação de danos e em uma segunda abordagem, tratou-se o problema, essencialmente, como um problema de reconhecimento de padrões, construindo uma rede neural artificial para prever a localização de danos. Todas as discussões apresentadas nesta tese contribuem para o desenvolvimento de uma metodologia otimizada na implementação da tecnologia de monitoramento da integridade estrutural.