Monitoramento da integridade estrutural de vigas utilizando técnicas de aprendizado de máquina

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Sousa, Amanda Aryda Silva Rodrigues de
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Aprendizado de máquina
Detecção de danos
Integridade de Integridade estrutural
Link de acesso: http://repositorio.unb.br/handle/10482/48176
Resumo: Dissertação (mestrado)—Universidade de Brasília, Programa de Pós-Graduação em Ciências de Materiais, 2023.
id UNB_be6454f7adbf4cd3982b08ccbf58a91e
oai_identifier_str oai:repositorio.unb.br:10482/48176
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Monitoramento da integridade estrutural de vigas utilizando técnicas de aprendizado de máquinaAprendizado de máquinaDetecção de danosIntegridade de Integridade estruturalDissertação (mestrado)—Universidade de Brasília, Programa de Pós-Graduação em Ciências de Materiais, 2023.Danos estruturais induzem mudancas na flexibilidade local do sistema que podem gerar deslocamentos e vibrações indesejáveis A análise estatistica do recurso dinâmico da estrutura permite discriminar a condição estrutural atual e prever sua vida útil por períodos curtos ou longos. Sob condições não danificadas e danificadas dois índices de danos DI construíram o conjunto de dados da frequencia natural e da função de resposta de frequencia FRF analisados em dois tipos de danos o primeiro dano gerado numericamente atraves da alteração de profundidade da trinca em uma viga metálica engastada. No segundo dano gerado experimentalmente atrav és da perda de massa de uma viga métalica engastada reforcada com massas. Como o dano influencia diretamente a vibração do sistema o DI pode detectar danos e quantificar sua severidade. Neste trabalho, o monitoramento estrutural de vigas em balanço e realizado por algoritmos de aprendizado de maquina ML através da abordagem multiclasse e usando o conjunto de dados de teste os algoritmos usados foram k-vizinhos mais proximos (kNN), Máquina de Vetor de Suporte SVM, Árvore de Decis ão DT Floresta Aleatória RF e Bayes Ingênuo NB. Os desafios do uso dessas técnicas desempenho e implementação de cada método são discutidos. O monitoramento estrutural realizado com o algoritmo ML alcançou excelentes métricas ao inserir o conjunto de dados gerado pela simulação até 100%, e até 64% tendo como conjunto de dados de entrada fornecido a partir de testes experimentais. Demonstrando que o algoritmo ML pode classificar corretamente a condição de integridade da estrutura.Structural damage can cause changes in a system’s local flexibility, resulting in unwanted dis placements and vibrations. Statistical analysis of dynamic structural features enables us to differentiate between the current structural condition and predict its lifespan for short or ex tended periods. Two damage indexes are used to build a dataset from the beam’s natural frequency and frequency response function(FRF) under both undamaged and damaged con ditions, analyzed in two types of damage, the first numerically generated damage by changing the crack depth in a cantilevered steel beam. The second experimentally generated damage through the mass loss of a cantilevered steel beam reinforced with masses. As the damage can directly impact system vibration, the DI can detect damage and measure its severity. In this work, we use machine learning (ML) algorithms, through the multiclass approach and use the test dataset, such as k-nearest neighbors (kNN), Support Vector Machine (SVM), Decision Tree (DT), Random Forest (RF), and Na¨ıve Bayes (NB), to monitor the structural integrity of a cantilevered beam. We discuss the challenges of using, performing, and implementing each method. The structural monitoring performed with the ML algorithm achieved excellent metrics when inputting the simulation-generated dataset, up to 100%, and up to 64% having as input dataset provided from experimental tests. Demonstrating that the ML algorithm could correctly classify the health condition of the structure.Faculdade UnB Planaltina (FUP)Programa de Pós-Graduação em Ciências de MateriaisMachado, Marcela Rodrigueseng.amandaaryda@gmail.comSousa, Amanda Aryda Silva Rodrigues de2024-06-07T23:54:33Z2024-06-07T23:54:33Z2024-06-072023-03-27info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfSOUSA, Amanda Aryda Silva Rodrigues de. Monitoramento da integridade estrutural de vigas utilizando técnicas de aprendizado de máquina. 2023. 92 f., il. Dissertação (Mestrado em Ciências de Materiais) - Universidade de Brasília, Brasília, 2023.http://repositorio.unb.br/handle/10482/48176porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2025-02-27T17:39:24Zoai:repositorio.unb.br:10482/48176Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2025-02-27T17:39:24Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Monitoramento da integridade estrutural de vigas utilizando técnicas de aprendizado de máquina
title Monitoramento da integridade estrutural de vigas utilizando técnicas de aprendizado de máquina
spellingShingle Monitoramento da integridade estrutural de vigas utilizando técnicas de aprendizado de máquina
Sousa, Amanda Aryda Silva Rodrigues de
Aprendizado de máquina
Detecção de danos
Integridade de Integridade estrutural
title_short Monitoramento da integridade estrutural de vigas utilizando técnicas de aprendizado de máquina
title_full Monitoramento da integridade estrutural de vigas utilizando técnicas de aprendizado de máquina
title_fullStr Monitoramento da integridade estrutural de vigas utilizando técnicas de aprendizado de máquina
title_full_unstemmed Monitoramento da integridade estrutural de vigas utilizando técnicas de aprendizado de máquina
title_sort Monitoramento da integridade estrutural de vigas utilizando técnicas de aprendizado de máquina
author Sousa, Amanda Aryda Silva Rodrigues de
author_facet Sousa, Amanda Aryda Silva Rodrigues de
author_role author
dc.contributor.none.fl_str_mv Machado, Marcela Rodrigues
eng.amandaaryda@gmail.com
dc.contributor.author.fl_str_mv Sousa, Amanda Aryda Silva Rodrigues de
dc.subject.por.fl_str_mv Aprendizado de máquina
Detecção de danos
Integridade de Integridade estrutural
topic Aprendizado de máquina
Detecção de danos
Integridade de Integridade estrutural
description Dissertação (mestrado)—Universidade de Brasília, Programa de Pós-Graduação em Ciências de Materiais, 2023.
publishDate 2023
dc.date.none.fl_str_mv 2023-03-27
2024-06-07T23:54:33Z
2024-06-07T23:54:33Z
2024-06-07
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv SOUSA, Amanda Aryda Silva Rodrigues de. Monitoramento da integridade estrutural de vigas utilizando técnicas de aprendizado de máquina. 2023. 92 f., il. Dissertação (Mestrado em Ciências de Materiais) - Universidade de Brasília, Brasília, 2023.
http://repositorio.unb.br/handle/10482/48176
identifier_str_mv SOUSA, Amanda Aryda Silva Rodrigues de. Monitoramento da integridade estrutural de vigas utilizando técnicas de aprendizado de máquina. 2023. 92 f., il. Dissertação (Mestrado em Ciências de Materiais) - Universidade de Brasília, Brasília, 2023.
url http://repositorio.unb.br/handle/10482/48176
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1839083942636945408

Registros relacionados