Uso de autocodificadores variacionais para a detecção de danos estruturais

• Ano de defesa: 2024
• Autor(a) principal: Dias Júnior, Luiz Tadeu
• Orientador(a): Cury, Alexandre Abrahão
• Banca de defesa: Moraes, YuriJosé Oliveira , Lopez, Rafael Holdorf
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Juiz de Fora (UFJF)
• Programa de Pós-Graduação: Programa de Pós-graduação em Engenharia Civil (PEC)
• Departamento: Faculdade de Engenharia
• País: Brasil
• Palavras-chave em Português: Dinâmica das estruturas; Monitoramento de integridade estrutural; Detecção de danos; Aprendizado de máquina; Autocodificadores variacionais; Dynamics of structures; Structural health monitoring; Damage detection; Machine learning; Variational autoencoder
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA CIVIL
• Link de acesso: https://repositorio.ufjf.br/jspui/handle/ufjf/17427

O estado de integridade de uma estrutura, bem como o seu monitoramento, têm sido constantemente pauta de estudo, dados os avanços tecnológicos mundiais nesta área. Assim, surge o conceito de Monitoramento da Integridade Estrutural (SHM, do inglês Structural Health Monitoring), como sendo um conjunto de técnicas e equipamentos utilizados para investigar o estado de integridade de estruturas. Nesse contexto, com a rápida evolução tecnológica computacional e de informação, algoritmos de inteligência artificial focados no aprendizado profundo têm ganhado cada vez mais espaço no que tange à análise de comportamentos estruturais baseados em suas respostas dinâmicas. Dentro desse escopo, o presente trabalho se dedica à avaliação de um algoritmo de aprendizado profundo denominado Autocodificador Variacional (VAE) quando utilizado como extrator de características de dados dinâmicos. Desse modo, avalia-se a capacidade dos modelos VAE de fornecer conjuntos de variáveis que viabilizem a detecção de um comportamento considerado anormal para uma dada estrutura. A metodologia desenvolvida consiste na reconstrução dos sinais dinâmicos utilizando modelos VAE. A partir dos erros de reconstrução, duas métricas são utilizadas para discriminar diferentes cenários de danos nas estruturas analisadas: o MSE (Mean Square Error) e uma combinação do MSE com a Distância de Mahalanobis. Duas aplicações experimentais reais são utilizadas para validar a abordagem proposta. Inicialmente, uma estrutura de pequena escala: um pórtico plano ensaiado no Laboratório de Imagens e Sinais da UFJF; em seguida, uma estrutura em escala real: a clássica ponte Z24, na Suíça. Os resultados obtidos para o pórtico foram bastante satisfatórios, sendo a metodologia capaz de distinguir os diversos comportamentos estruturais com uma acurácia variando perto dos 99%. Entretanto, para o caso da ponte Z24, houve casos em que a classificação não se mostrou totalmente adequada, o que indica a dificuldade de se trabalhar diretamente com dados brutos de vibração para a detecção de comportamentos anormais em estruturas.