Dissertação

{en_GB=Artificial Intelligence Approach to Damage Detection in Lightweight Structures} {} EVALUATED

{pt=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., en=Reliable and efficient damage detection is critical for the use of lightweight materials in the mechanical and aerospace industries. Within the context of Non-Destructive Testing (NDT), vibration-based tests have been applied for many decades to inspect components without damaging or debilitating their use. For posterior fault recognition, Artificial Intelligence techniques have achieved high success for a number of structural applications. In this work, Testing, Simulation and Artificial Intelligence have been combined in order to develop a defect detection procedure. The use of an Optomet Scanning Laser Doppler Vibrometer (SLDV) for such tests provides an interesting solution to measure the vibration velocities on the structure surface. The algorithms for identifying the defects are based on the Local Defect Resonance (LDR) concept, which looks to the high frequency vibrations to get a localized resonant activation of the defect. Artificial Intelligence (AI) techniques were implemented with the aim of creating an automatic procedure combined with feature extraction for damage detection. Wavelet transformation and modal analysis were used to provide inputs to the AI techniques. In order to better understand the limitation in terms of defect detection, damaged plates were modelled and simulated in order to perform a sensitivity analysis. Finally, an overall comparative overview of different algorithms results was also obtained.}
{pt=Placas leves, TND, Laser Doppler Vibrometer, deteção de dano, IA, en=Lightweight plates, NDT, Laser Doppler Vibrometry, damage detection, AI}

Julho 16, 2020, 10:0

Orientação

ORIENTADOR

Giuliano Coppotelli

Universidade de Roma

Professor Associado

ORIENTADOR

Nuno Miguel Rosa Pereira Silvestre

Departamento de Engenharia Mecânica (DEM)

Professor Catedrático