Estratégia baseada em seleção de características para localização de deterioração estrutural

Autores

Palavras-chave:

Monitoramento da Saúde Estrutural, Localização de Dano, Seleção de Características, Multi-domínio, Automático.

Resumo

Recentemente, técnicas de detecção de danos estruturais têm sido impulsionadas pelos avanços nas tecnologias de ciência de dados. Neste contexto, o presente estudo apresenta uma metodologia automática de localização de danos baseada na extração de caraterísticas de dados dinâmicos em multi-domínios associado a um processo de filtragem. A etapa de extração é realizada simultaneamente nos domínios do tempo, frequência e quefrência como forma de diversificar a aquisição de informações relevantes. Em aprendizado de máquinas, este procedimento de filtragem é chamado de “seleção de características” e é aplicado aqui com o objetivo de diminuir a redundância e aumentar a relevância do conjunto de características. O conceito principal é que o método proposto pode se adaptar à estrutura, fornecendo generalidade sobre o tipo de geometria, material e excitação. Um índice sensível ao dano é construído a partir de uma análise de outliers. O método mostrou-se promissor em localizar anomalias no viaduto Z24, uma das estruturas icônicas utilizadas para a avaliação de métodos de identificação de danos.

Downloads

Não há dados estatísticos.

Referências

ALVES, Vinicius; CURY, Alexandre; CREMONA, Christian. On the use of symbolic vibration data for robust structural health monitoring. Proceedings of the Institution of Civil Engineers-Structures and Buildings, v. 169, n. 9, p. 715-723, 2016.

ALVES, Vinicius; DE OLIVEIRA, Matheus; RIBEIRO, Diogo; CALÇADA, Rui; CURY, Alexandre. Model-based damage identification of railway bridges using genetic algorithms. Engineering Failure Analysis, v. 118, p. 104845, 2020.

ALVES, Victor; CURY, Alexandre. A fast and efficient feature extraction methodology for structural damage localization based on raw acceleration measurements. Structural Control and Health Monitoring, v. 28, n. 7, p. e2748, 2021.

NUNES, Lorena; AMARAL, Rafaelle; BARBOSA, Flávio; CURY, Alexandre. A hybrid learning strategy for structural damage detection. Structural Health Monitoring, v. 20, n. 4, p. 2143-2160, 2021.

BESKHYROUN, Sherif.; OSHIMA, Toshiyuki; MIKAMI, Shuichi; TSUBOTA, Yutaka. Structural damage identification algorithm based on changes in power spectral density. Journal of applied mechanics, v. 8, p. 73-84, 2005.

REYNDERS, Edwin; DE ROECK, Guido. A local flexibility method for vibration-based damage localization and quantification. Journal of sound and vibration, v. 329, n. 12, p. 2367-2383, 2010.

ROFFO, Giorgio; MELZI, Simone; CASTELLANI, Umberto; VINCIARELLI, Alessandro; CRISTANI, Marco. Infinite feature selection: a graph-based feature filtering approach. IEEE Transactions on Pattern Analysis and Machine Intelligence, v. 43, n. 12, p. 4396-4410, 2021.

SAHIDULLAH, Md; SAHA, Goutam. Design, analysis and experimental evaluation of block-based transformation in MFCC computation for speaker recognition. Speech communication, v. 54, n. 4, p. 543-565, 2012.

WAHAB, MM Abdel; DE ROECK, Guido. Damage detection in bridges using modal curvatures: application to a real damage scenario. Journal of Sound and vibration, v. 226, n. 2, p. 217-235, 1999.

ZHANG, Gang; HARICHANDRAN, Ronald S.; RAMUHALLI, Pradeep. Application of noise cancelling and damage detection algorithms in NDE of concrete bridge decks using impact signals. Journal of Nondestructive Evaluation, v. 30, p. 259-272, 2011.

Downloads

Publicado

2024-02-09

Como Citar

Alves, V., & Cury, A. (2024). Estratégia baseada em seleção de características para localização de deterioração estrutural. Principia: Caminhos Da Iniciação Científica, 23. Recuperado de https://periodicos.ufjf.br/index.php/principia/article/view/40261

Edição

Seção

Artigos originais - Engenharias e Ciência da Computação