Número do Painel
Autor
Instituição
UFSC
Tipo de Bolsa
BIPI/UFSC
Orientador
LEANDRO FLECK FADEL MIGUEL
Depto
DEPARTAMENTO DE ENGENHARIA CIVIL / ECV/CTC
Centro
CENTRO TECNOLOGICO
Laboratório
COR4E
Grande Área / Área do Conhecimento
Ciências Exatas e da Terra /Engenharias
Sub-área do Conhecimento
Estruturas
Titulo
Redes Neurais Artificiais de classificação e sua aplicação à identificação de dano em estruturas
Resumo

Pontes e viadutos são classificados como Obras de Arte da Engenharia devido à natureza de sua concepção: estruturas especiais, cuja finalidade é superar obstáculos naturais e viabilizar a continuidade de uma via modal. Garantir a integridade de estruturas especiais é um desafio no projeto e gerenciamento de infraestrutura, uma vez que a eventual falha dessas componentes talham severos prejuízos econômicos e tragédias humanitárias. Existem duas abordagens predominantes para a aquisição de dados para a avaliação da integridade estrutural: o monitoramento direto, e o monitoramento indireto. No monitoramento indireto é assumida a instalação de sensores no veículo para capturar respostas da interação dinâmica do sistema veículo-estrutura, enquanto na instrumentação do monitoramento direto, os sensores são instalados diretamente na estrutura. As vantagens da abordagem indireta em relação à direta envolvem a capacidade de obter informações espaciais de toda a continuidade da ponte sem a necessidade de interrupção da circulação de , bem como a redução acentuada do custo de monitoramento de todas as pontes e viadutos ao longo de uma via rodoviária. O conjunto de dados será gerado a partir de um modelo numérico que simula o comportamento da interação dinâmica do sistema veículo-estrutura. O desenvolvimento tecnológico e o refino da capacidade computacional possibilitaram soluções inovadoras para problemas de engenharia, através de algoritmos de redes neurais artificiais com o potencial de se adaptar e extrair informações de um determinado conjunto de dados. Este trabalho propõe o emprego da inteligência artificial como solução para o monitoramento indireto da saúde estrutural de pontes e viadutos rodoviários.

Link do Videohttps://repositorio.ufsc.br/handle/123456789/259489
Palavras-chave
Segurança estrutural, otimização, Deep Learning, Machine Learning
ColaboradoresRafael Holdorf Lopez
Thiago Moreno Fernandes
Gabriel Padilha Alves
Tiago Morkis
Leonardo Minski
Vinícius Balansin

Pró-Reitoria de Pesquisa(PROPESQ) | Central Telefônica - (48) 3721-9332 | Email - piict@contato.ufsc.br