Dissertação

{pt_PT=Identificação do comportamento dinâmico com recurso a monitorização e inteligência artificial} {} EVALUATED

{pt=A monitorização da integridade estrutural (MIE) consiste no processo de implementação de metodologias de identificação de dano em sistemas estruturais. As metodologias de MIE têm como principal objetivo detetar comportamento anómalo gerado por variações estruturais, que por sua vez permitem prevenir que estas deem origem a danos que podem provocar perdas humanas, económicas ou sociais. Para esse fim, as metodologias de MIE devem ser realizadas com base na aquisição contínua de dados, e capazes de detetar variações estruturais em tempo real. No presente trabalho, abordou-se o problema da MIE com intuito de desenvolver uma metodologia automática de monitorização dinâmica baseada na combinação da identificação modal no domínio do tempo (SSI-COV) com o algoritmo de Clustering (de inteligência artificial), e compara-se a mesma com a conhecida identificação modal no domínio da frequência (FDD). Os dados adquiridos de um conjunto de acelerómetros instalados na Ponte 25 de Abril (ponte suspensa), localizada em Lisboa, são objeto de estudo para testar e validar a metodologia. Dos resultados obtidos conclui-se que, na metodologia desenvolvida, é possível identificar as grandezas dinâmicas caraterizadoras dos modos naturais de forma totalmente automática e em tempo real. Verificou-se ainda que estes modos são os mesmos identificados por métodos no domínio da frequência (FDD), mais comumente utilizados e de carácter não automático, o que permitiu assim validar a metodologia automática. Devido ao facto das frequências se relacionarem diretamente com a rigidez estrutural, realiza-se o controlo das mesmas ao longo do tempo com intuito de identificar danos ou anomalias estruturais. , en=Structural health monitoring (SHM) is based on the process of implementing methodologies to identify damage in structural systems. The SHM methodologies have as main objective the detection of anomalous behaviour generated by structural variations, which in turn allows to prevent that these cause damages that can result in human, economic or social losses. For this purpose, SHM methodologies must be performed based on continuous data acquisition, and capable of detecting structural variations in real time. In the present work, the SHM problem was approached in order to develop an automatic dynamic monitoring methodology based on the combination of modal identification in the time domain (SSI-COV) with the Clustering algorithm (machine learning algorithm), comparing it with the well-known modal identification in the frequency domain (FDD). The data acquired from a set of accelerometers installed at 25 de Abril Bridge (suspension bridge), located in Lisbon, are the object of study to test and validate the methodology. From the obtained results it is concluded that the developed methodology performs the identification of the dynamic features of the natural modes automatically and in real time. It is also verified that these modes are the same as those identified by the well-known non-automatic method of modal identification in the frequency domain (FDD), which allows the validation of the automatic methodology. Since the frequencies are directly related to the structural stiffness, then the latter is controlled over time in order to identify structural damage or anomalies. }
{pt=MIE, Monitorização Dinâmica, Ponte suspensa, identificação modal, diagramas de estabilização, clusters, en=SHM, Dynamic Monitoring, Suspended Bridge, Modal Identification, Stabilization Diagrams, Clusters Methods}

Novembro 30, 2018, 15:0

Orientação

ORIENTADOR

João Carlos De Oliveira Fernandes de Almeida

Departamento de Engenharia Civil, Arquitectura e Georrecursos (DECivil)

Professor Associado

ORIENTADOR

João Pedro de Oliveira Dias Prudente dos Santos

Laboratório Nacional de Engenharia Civil

Bolseiro de Pós-Doutoramento