FenixEdu™

Dissertação

Artificial Intelligence Approach to Damage Detection in Lightweight Structures EVALUATED

Detalhes: Uma fidedigna e eficaz deteção de dano é critica para o uso de materiais leves na indústria mecânica e aeroespacial. No contexto de Teste Não-Destrutivo (TND), testes de vibração têm sido aplicados por muitas décadas para inspecionar componentes sem danificar ou debilitar o seu uso. Para posterior deteção de dano, técnicas de Inteligência Artificial (IA) alcançaram grande sucesso em várias aplicações estruturais. Neste trabalho, Teste, Simulação e Inteligência Artificial (IA) foram combinados para desenvolver procedimentos de deteção de dano. O uso de um Optomet Scanning Laser Doppler Vibrometer (SLDV) para estes testes providencia uma solução interessante para medir a velocidade de vibração na superfície de uma estrutura. Os algoritmos para identificar defeitos são baseados no princípio de Resonância Local de Dano (RLD), que olha para as altas frequências de vibração de modo a obter a activação localizada da resonância do defeito. Técnicas de Inteligência Artificial (IA) foram implementadas com o objetivo de criar um procedimento automático combinado com extração de parâmetros para deteção de dano. A transformação de Wavelet e análise modal foram usadas para providenciar inputs para as técnicas de IA. De modo a perceber melhor as limitações em termos de deteção de dano, placas defeituosas foram moduladas e simuladas de modo a criar uma análise de sensibilidade. Em último, uma comparação geral dos diferentes algoritmos foi obtida.
Keywords: Placas leves, TND, Laser Doppler Vibrometer, deteção de dano, IA

Discussão: julho 16, 2020, 10:0