Utilização do algoritmo de aprendizado de máquinas para monitoramento de falhas em estruturas inteligentes

Detalhes bibliográficos
Ano de defesa: 2016
Autor(a) principal: Guimarães, Ana Paula Alves [UNESP]
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: Universidade Estadual Paulista (Unesp)
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://hdl.handle.net/11449/148718
Resumo: Structural health monitoring (SHM) is an area that has been extensively studied for allowing the construction of systems that have the ability to identify damages at an early stage, thus being able to avoid serious future losses. Ideally, these systems have the minimum of human interference. Systems that address the concept of learning have the ability to be autonomous. It is believed that by having these properties, the machine learning algorithms are an excellent choice to perform the steps of identifying, locating and assessing damage with ability to obtain highly accurate results with minimum error rates. This work is mainly focused on using support vector machine algorithm for monitoring structural condition and, thus, get better accuracy in identifying the presence or absence of damage, reducing error rates through the approaches of machine learning. It allows an intelligent and efficient monitoring system. LIBSVM library was used for analysing and validation of the proposed approach. Thus, it was feasible to conduct training and classification of data promoting the identification of damages. It was also possible to locate the damages in the structure. The results of identification and location of the damage was quite satisfactory.
id UNSP_038b6600c80e6aba976f44ff544e1b88
oai_identifier_str oai:repositorio.unesp.br:11449/148718
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str
spelling Utilização do algoritmo de aprendizado de máquinas para monitoramento de falhas em estruturas inteligentesUse of the learning algorithm of machines for the monitoring of faults in intelligent structuresMonitoramento da condição estruturalAprendizado de máquinaEstruturas inteligentesInteligência artificialSupport vector machineStructural health monitoringMachine learningSmart structuresArtificial intelligenceSupport vector machineStructural health monitoring (SHM) is an area that has been extensively studied for allowing the construction of systems that have the ability to identify damages at an early stage, thus being able to avoid serious future losses. Ideally, these systems have the minimum of human interference. Systems that address the concept of learning have the ability to be autonomous. It is believed that by having these properties, the machine learning algorithms are an excellent choice to perform the steps of identifying, locating and assessing damage with ability to obtain highly accurate results with minimum error rates. This work is mainly focused on using support vector machine algorithm for monitoring structural condition and, thus, get better accuracy in identifying the presence or absence of damage, reducing error rates through the approaches of machine learning. It allows an intelligent and efficient monitoring system. LIBSVM library was used for analysing and validation of the proposed approach. Thus, it was feasible to conduct training and classification of data promoting the identification of damages. It was also possible to locate the damages in the structure. The results of identification and location of the damage was quite satisfactory.O monitoramento da condição estrutural é uma área que vem sendo bastante estudada por permitir a construção de sistemas que possuem a capacidade de identificar um determinado dano em seu estágio inicial, podendo assim evitar sérios prejuízos futuros. O ideal seria que estes sistemas tivessem o mínimo de interferência humana. Sistemas que abordam o conceito de aprendizagem têm a capacidade de serem autômatos. Acredita-se que por possuírem estas propriedades, os algoritmos de aprendizagem de máquina sejam uma excelente opção para realizar as etapas de identificação, localização e avaliação de um dano, com capacidade de obter resultados extremamente precisos e com taxas mínimas de erros. Este trabalho tem como foco principal utilizar o algoritmo support vector machine no auxílio do monitoramento da condição de estruturas e, com isto, obter melhor exatidão na identificação da presença ou ausência do dano, diminuindo as taxas de erros através das abordagens da aprendizagem de máquina, possibilitando, assim, um monitoramento inteligente e eficiente. Foi utilizada a biblioteca LibSVM para análise e validação da proposta. Desta forma, foi possível realizar o treinamento e classificação dos dados promovendo a identificação dos danos e posteriormente, empregando as predições efetuadas pelo algoritmo, foi possível determinar a localização dos danos na estrutura. Os resultados de identificação e localização dos danos foram bastante satisfatórios.Universidade Estadual Paulista (Unesp)Lopes Junior, Vicente [UNESP]Universidade Estadual Paulista (Unesp)Guimarães, Ana Paula Alves [UNESP]2017-02-07T13:18:18Z2017-02-07T13:18:18Z2016-12-20info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/11449/14871800087966133004099082P28338952092032444porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-01-28T06:46:04Zoai:repositorio.unesp.br:11449/148718Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-01-28T06:46:04Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Utilização do algoritmo de aprendizado de máquinas para monitoramento de falhas em estruturas inteligentes
Use of the learning algorithm of machines for the monitoring of faults in intelligent structures
title Utilização do algoritmo de aprendizado de máquinas para monitoramento de falhas em estruturas inteligentes
spellingShingle Utilização do algoritmo de aprendizado de máquinas para monitoramento de falhas em estruturas inteligentes
Guimarães, Ana Paula Alves [UNESP]
Monitoramento da condição estrutural
Aprendizado de máquina
Estruturas inteligentes
Inteligência artificial
Support vector machine
Structural health monitoring
Machine learning
Smart structures
Artificial intelligence
Support vector machine
title_short Utilização do algoritmo de aprendizado de máquinas para monitoramento de falhas em estruturas inteligentes
title_full Utilização do algoritmo de aprendizado de máquinas para monitoramento de falhas em estruturas inteligentes
title_fullStr Utilização do algoritmo de aprendizado de máquinas para monitoramento de falhas em estruturas inteligentes
title_full_unstemmed Utilização do algoritmo de aprendizado de máquinas para monitoramento de falhas em estruturas inteligentes
title_sort Utilização do algoritmo de aprendizado de máquinas para monitoramento de falhas em estruturas inteligentes
author Guimarães, Ana Paula Alves [UNESP]
author_facet Guimarães, Ana Paula Alves [UNESP]
author_role author
dc.contributor.none.fl_str_mv Lopes Junior, Vicente [UNESP]
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Guimarães, Ana Paula Alves [UNESP]
dc.subject.por.fl_str_mv Monitoramento da condição estrutural
Aprendizado de máquina
Estruturas inteligentes
Inteligência artificial
Support vector machine
Structural health monitoring
Machine learning
Smart structures
Artificial intelligence
Support vector machine
topic Monitoramento da condição estrutural
Aprendizado de máquina
Estruturas inteligentes
Inteligência artificial
Support vector machine
Structural health monitoring
Machine learning
Smart structures
Artificial intelligence
Support vector machine
description Structural health monitoring (SHM) is an area that has been extensively studied for allowing the construction of systems that have the ability to identify damages at an early stage, thus being able to avoid serious future losses. Ideally, these systems have the minimum of human interference. Systems that address the concept of learning have the ability to be autonomous. It is believed that by having these properties, the machine learning algorithms are an excellent choice to perform the steps of identifying, locating and assessing damage with ability to obtain highly accurate results with minimum error rates. This work is mainly focused on using support vector machine algorithm for monitoring structural condition and, thus, get better accuracy in identifying the presence or absence of damage, reducing error rates through the approaches of machine learning. It allows an intelligent and efficient monitoring system. LIBSVM library was used for analysing and validation of the proposed approach. Thus, it was feasible to conduct training and classification of data promoting the identification of damages. It was also possible to locate the damages in the structure. The results of identification and location of the damage was quite satisfactory.
publishDate 2016
dc.date.none.fl_str_mv 2016-12-20
2017-02-07T13:18:18Z
2017-02-07T13:18:18Z
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 http://hdl.handle.net/11449/148718
000879661
33004099082P2
8338952092032444
url http://hdl.handle.net/11449/148718
identifier_str_mv 000879661
33004099082P2
8338952092032444
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.publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv
_version_ 1800401570065547264