DETECÇÃO DE DANO ESTRUTURAL EM PÓRTICOS PLANOS UTILIZANDO REDES NEURAIS ARTIFICIAIS

Authors

  • Renato A. Maia UnB
  • Graciela N. Doz UnB

DOI:

https://doi.org/10.26512/ripe.v2i30.21803

Keywords:

Redes Neurais Artificiais. Propriedades dinâmicas. Identificação de danos estruturais.

Abstract

Conforme as tecnologias de projeto e construção avançam, as estruturas tendem a surgir cada vez mais esbeltas, o que as torna mais vulneráveis a vibrações excessivas. Aliado a isso, a possível degradação estrutural de construções antigas tem gerado um crescimento no desenvolvimento e aprimoramento de técnicas de monitoramento de integridade estrutural, em especial ferramentas que fazem uso das propriedades dinâmicas das estruturas (frequências naturais e modos de vibração), visto que estas sofrem alterações quando há mudanças nas propriedades físicas da estrutura. Neste sentido, métodos capazes de identificar alterações nas propriedades dinâmicas e utilizá-las para localizar e quantificar possíveis danos estruturais tornam-se de suma importância para o bom funcionamento de um sistema de monitoramento de integridade estrutural, como é o caso da técnica de Redes Neurais Artificiais (RNAs). Esta é uma técnica matemática que, quando utilizada juntamente com as características dinâmicas, mostra-se capaz de indicar até as menores alterações na integridade de elementos estruturais. Neste contexto, cinco RNAs com o algoritmo Backpropagation foram treinadas e testadas utilizando, para cada uma, um dos cinco primeiros modos de vibração de vários modelos numéricos de um pórtico plano, visando a localização de danos. Após o processamento, os resultados foram analisados tanto na fase de treinamento quanto na fase de teste, o que permitiu avaliar o desempenho das RNAs no que diz respeito à detecção de danos estruturais. 

Downloads

Download data is not yet available.

References

Braga, A., Ludermir, T. & Carvalho, A. 2000. Redes Neurais Artificiais: Teoria e Aplicações. LTC ”“ Livros Técnicos e Científicos Editora S.A.

MATLAB Matrix Laboratory - R2013b. MathWorks - MATLAB and Simulink for Technical Computing. Massachusetts, U.S.A, 2014.

S. J. S. Hakim, H. Abdul Razak & S. A. Ravanfar. 2015. Fault Diagnosis on beam-like structures from modal parameters using artificial neural networks. Malaysia Measurement, Volume 76, December 2015, pp. 45-61.

Paulraj M. P., Sazali Yaacob, M. S. Abdul Majid, Mohd Nor Fakhzan Mohd Kazim & Pranesh Krishnan. 2012. Structural Steel Plate Damage Detection using Non Destructive Testing, Frame Energy based Statistical Features and Artificial Neural Networks. Malaysian Technical Universities Conference on Engineering & Technology 2012, MUCET 2012 Part 1- Electronic and Electrical Engineering. Procedia Engineering 53 pp. 376 ”“ 386.

Published

2017-02-16

How to Cite

Maia, R. A., & Doz, G. N. (2017). DETECÇÃO DE DANO ESTRUTURAL EM PÓRTICOS PLANOS UTILIZANDO REDES NEURAIS ARTIFICIAIS. Revista Interdisciplinar De Pesquisa Em Engenharia, 2(30), 102–117. https://doi.org/10.26512/ripe.v2i30.21803