Dissertação

{pt_PT=Comparing methodologies for evaluation of fatigue life of a highway bridge using measurement data} {} EVALUATED

{pt=A monitorização de uma estrutura através de sensores permite a obtenção de informação adicional, que pode ser usada para melhor compreender o seu comportamento. Esta informação tem de ser interpretada com recurso a metodologias probabilísticas que levam a uma identificação robusta de parâmetros estruturais, de modo a permitir a utilização de modelos actualizados para previsão de comportamento estrutural em locais não monitorizados. Neste trabalho, uma comparação é feita entre três metodologias de interpretação de dados – Residual minimization, Bayesian model updating (BMU) e Error-domain model falsification (EDMF). Em primeiro lugar, o EDMF e o BMU são aplicados a um exemplo teórico como exercício introdutório à identificação estrutural. De seguida, as três metodologias são usadas para a previsão da vida útil em fadiga de uma ponte rodoviária e os resultados são comparados de modo a avaliar a robustez de cada metodologia. Os resultados obtidos através do BMU apresentam grande enviesamento. Para obter resultados fidedignos com o BMU as incertezas não podem ser consideradas como independentes, ou o conjunto de parâmetros a identificar tem de conter parâmetros que induzem erros sistemáticos. Os resultados obtidos com o EDMF são robustos e esta metodologia permite a utilização de um conjunto de parâmetros mais simples para a identificação estrutural. A simplicidade na utilização e interpretação do EDMF confere à metodologia uma maior compatibilidade com aplicações práticas de gestão de infraestruturas. , en=Structural sensing provides aditional information concerning a given structure, which can be used to improve understanding regarding its behaviour. Data gathered from sensors has to be interpreted using probabilistic data-interpretation techniques that lead to robust parameter identification, allowing updated models to be used to predict structural response at unmeasured locations. In this study, three data-interpretation techniques are compared – Residual minimization, Bayesian model updating (BMU) and Error-domain model falsification (EDMF). EDMF and BMU are first used on an illustrative example as an introductory exercise to system identification. Fatigue-life prediction for a highway bridge is made using these three techniques and results are used to evaluate robustness of these methodologies. A large bias is obtained for the predictive distrbution given by BMU. Spatial correlations between uncertainties can’t be assumed as independent, or a model class containing systematic error inducing parameters has to be used in order for BMU to provide with good results. EDMF permits robust predictions to be made with a simpler model class. The simplicity in the EDMF methodology makes it a better technique to be used in applications pertaining to asset-management. }
{pt=Interpretação de dados com base em modelos, Identificação Bayesiana, Falsificação de modelos, Estruturas em tamanho real, en=Model-based data-interpretation, Residual minimization, Bayesian model updating, Model falsification, Full scale structures}

Setembro 22, 2017, 9:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Rita Maria Do Pranto Nogueira Leite Pereira Bento

Departamento de Engenharia Civil, Arquitectura e Georrecursos (DECivil)

Professor Associado