FenixEdu™

Dissertação

{pt_PT=Identificação de alterações da resposta estrutural da Ponte 25 de Abril com recurso a monitorização e métodos de reconhecimento de padrões} {} EVALUATED

Detalhes: {pt=A Monitorização da Integridade Estrutural (MIE) recorre frequentemente a estratégias de deteção de dano aplicadas a sistemas estruturais. Contudo, a eficácia destas estratégias depende diretamente da capacidade de identificar alterações estruturais antes de estas darem origem ao dano, de modo a prevenir perdas económicas, sociais ou humanas. Para este propósito é necessária uma aquisição contínua de dados, bem como estratégias de deteção de dano, condições estruturais novas ou desconhecidas, em tempo real. A MIE é essencial para casos de controlo da segurança de estruturas em fim de vida útil ou para situações pós-reforço ou pós-acidentais. Para estes casos as estratégias de MIE não se podem basear na comparação dos dados adquiridos in situ com bases de referência obtidas para condições da estrutura “inalterada”. Como tal, é essencial uma aprendizagem das condições estruturais em tempo útil, garantindo a deteção de alterações na estrutura. No âmbito da MIE, a presente dissertação tem como objetivo desenvolver e disponibilizar técnicas de identificação de alterações no comportamento estrutural da Ponte 25 de Abril, em tempo real, e sem recorrer a bases de referência. Assim, foi adotada uma abordagem direta com recurso a algoritmos de identificação supervisionada, aplicada a modelos que relacionam temperaturas e tensões de diferentes secções da ponte. As técnicas utilizadas foram testadas e validadas para o caso em estudo, provando que as redes neuronais artificiais permitem a deteção de alterações estruturais tanto para relações entre variáveis de ação e variáveis de resposta como para relações entre apenas variáveis de resposta da estrutura. , en=Structural Health Monitoring (SHM) often uses damage detection strategies applied to structural systems. However, the effectiveness of these strategies depends directly on the ability to identify structural changes before they result in damage, in order to prevent economic, social and human losses. For this purpose, continuous data acquisition is required as well as a monitoring system capable of detecting new or unknown structural conditions in real time. On the other hand, the SHM is essential for controlling the safety of aged structures or for post-reinforcement or post-accident situations. For these circumstances, the SHM strategies cannot be based on the comparison of the data acquired in situ with baselines obtained for conditions of the “unchanged” structure. As such, it is essential to learn the structural conditions in a timely manner, ensuring the detection of structure anomalies. Concerning SHM, this dissertation aims to develop techniques to identify changes in the structural behaviour of Ponte 25 de Abril in real-time and without resorting to baselines. Therefore, a direct approach was adopted using supervised algorithms, applied to models that relate temperatures and stresses regarding different sections of the bridge. The techniques were tested and validated for the case study, proving that artificial neural networks allow the identification of structural alterations both for relations between action variables and response variables and for relations between structure response variables. }
Keywords: {pt=Monitorização da Integridade Estrutural, Redes Neuronais Artificiais, Pontes, Inteligência Artificial, Estratégias de deteção de dano, Modelação numérica, en=Structural Health Monitoring, Artificial Neural Networks, Bridges, Artificial Intelligence, Damage identification strategies, Numerical modelling}

Discussão: novembro 19, 2018, 9:30