[pt] O monitoramento da integridade estrutural aumenta de importância dentro do campo de estudo de engenharia civil. Grande parte das cidades dependem de elementos de sua infraestrutura como pontes, barragens e prédios para prover uma série de benefícios para a sociedade moderna. Por outro lado, mesmo o projeto mais conservador não resiste aos efeitos do tempo. Uma boa rotina de manutenção preventiva não exime a necessidade de se ter uma constante verificação e busca de falhas pois em alguns casos isto poderia permitir em catástrofes de grande escala envolvendo grande perda material e até mesmo vidas. Graças ao desenvolvimento tecnológico das últimas décadas foi possível pesquisar e criar ferramentas poderosas que podem ajudar problemas deste tipo. O objetivo desta dissertação é avaliar a aplicação de métodos de Inteligência Artificial na detecção de danos em vigas. A metodologia utiliza parâmetros modais de elementos estruturais para verificar a presença de danos relacionados a redução de rigidez de uma seção transversal. Mais especificamente, os métodos apresentados neste estudo são orientados por dados, então primeiramente o banco de dados para treino e validação dos métodos de IA foi gerado por um programa em Python dentro do software de elementos finitos Abaqus. Os parâmetrosd modais analisados foram as cinco primeiras frequências naturais das vigas. Foi possível avaliar a performance dos métodos de IA para classificação da presença ou não de danos em diferentes métricas de análise. Por fim, uma comparação paramétrica foi feita entre os modelos de Inteligência Artificial. / [en] Monitoring structural integrity has become increasingly important in the field of civil engineering. A huge part of cities depend of civil engineer infrastructures such as bridges, dams and buildings to provide several benefits to modern society. On the other hand, even the most conservative design cannot resist the power of time. A good preventive maintenance routine don’t let go of the need in constant verification for faults because in some cases that could lead to large scale catastrophes involving big material and life costs. Thanks to technology development over the last decades it was possible to search and create many powerful tools that could help those kind of problems. The objective of this thesis is to assess on the application of Artificial Intelligence Methods to detect damage on beams. The formulation uses modal parameters of a structure to verify the presence of damage related to the reduction of stiffness of a section. More specifically, the methods presented on this study are data-driven, so first a database for training and validating the AI methods were generated in a Python program within the finite element software Abaqus. The modal parameters analyzed were the first five natural frequencies of a beam. It was possible to evaluate the performance of the AI methods when classifying a beam with or without damage on different metrics. Finally, a parametric comparison was made between the Artificial Intelligence methods.

[pt] Dentre as diversas metodologias de detecção de danos, destacam-se os métodos de identificação de danos baseados na resposta da vibração (Vibration-based damage identification - VBDI), uma vez que a deterioração presente em elementos estruturais influencia diretamente na resposta dinâmica global e local da estrutura ocasionando alterações nos parâmetros dinâmicos. As diferentes abordagens encontradas na revisão de literatura para detecção dinâmica de danos focam principalmente em estruturas unidimensionais ou retas, que, por sua vez, podem não representar o comportamento dinâmico real de estruturas arrojadas como pontes e passarelas com geometria diferenciada. Alguns índices modais, nomeadamente curvatura modal, flexibilidade modal e energia de deformação modal, foram avaliados para uma passarela de aço com geometria curva. Para isso utilizou-se um modelo de elementos finitos da mesma, de onde foram extraídos os modos de vibração tridimensionais. Além disso, um índice recentemente proposto, denominado vetor resultante, que incorpora coordenadas modais tridimensionais, também é avaliado e comparado aos índices mencionados anteriormente. Os resultados mostram que a precisão dos índices na localização de danos está correlacionada com a região da estrutura onde o dano se encontra. Conclui-se então que para detecção de dano em uma estrutura real, é necessário que se utilize mais de um índice de dano. O impacto da magnitude do dano na acurácia dos índices é também estudado. A influência do dano nas vigas adjacentes e como isso se reflete nos índices também é investigada, a fim de evitar ambiguidade na localização de danos, e para direcionar corretamente programas de inspeção e monitoramento da integridade estrutural. / [en] Among the various damage detection methodologies, the Vibration-based damage identification (VBDI) methods stand out, since the deterioration present in structural elements directly influences the global and local dynamic response of the structure, causing changes in the dynamic parameters. The different approaches found in the literature review for dynamic damage detection focus mainly on one-dimensional or straight structures, which in turn may not represent the actual dynamic behavior of bold structures such as bridges and footbridges with different geometry. Some modal indices, namely modal curvature, modal flexibility, and modal strain energy were evaluated for a steel footbridge with curved geometry. For this purpose, a finite element model of it was used, from which the three-dimensional mode shapes were extracted. In addition, a recently proposed index, called resultant vector, which incorporates three-dimensional modal coordinates, is also evaluated and compared to the aforementioned ones. The results show that the accuracy of the indices for damage localization is correlated with the region of the structure where the damage is located. It is then concluded that for damage detection in a real structure, it is necessary to use more than one damage index. The impact of the damage magnitude on the accuracy of the indices is also studied. The influence of damage in adjacent beams and how this is reflected in the indices is also investigated in order to avoid ambiguity in damage location, and to correctly direct inspections and structural integrity monitoring programs.

[pt] As estruturas civis durante toda a sua vida útil estão sujeitas a diversas ações de deterioração, desgastes ou corrosão de seus membros, que podem gerar variações em suas características físicas. Estas ações podem causar danos ao seu funcionamento, podendo chegar até ao colapso, em casos mais extremos. Além disso, o avanço tecnológico que permite a concepção de estruturas cada vez mais esbeltas, e que geram assim possíveis vibrações excessivas, elevam o monitoramento estrutural a um patamar de extrema importância e atenção na ótica dos gestores desses sistemas. Particularmente, no caso de obras de infraestrutura como pontes e passarelas, as grandes dimensões são características significativas que tornam as práticas de monitoramento e inspeção mais difíceis. Dessa forma, com o objetivo auxiliar no monitoramento estrutural e direcionar inspeções visuais, diversos métodos de identificação de danos são estudados com base nas características dinâmicas das estruturas, como as frequências naturais e os modos de vibração. A revisão de literatura, porém, demonstra que há uma dificuldade na aplicação desta identificação em estruturas mais complexas de grande porte. Assim, este trabalho visa estudar esta dificuldade e propor uma solução baseada na construção de um índice, composto pelos modos de vibração. Além disso, através da aplicação de algoritmos de aprendizado de máquina e de reconhecimento de padrões, como as Redes Neurais Artificiais (RNAs), propõese aumentar a eficiência do processo de localização espacial e quantificação dos danos. Em seguida, a metodologia proposta é, então, aplicada em um modelo de passarela metálica inspirado em uma estrutura real presente na região do Terminal Centro Olímpico da cidade do Rio de Janeiro – RJ. A identificação de danos é estudada através da aplicação do índice proposto, incorporando as redes neurais e avaliando do impacto da variação dos parâmetros da RNA na eficiência global da detecção. / [en] Civil structures are subjected to different deterioration and corrosion actions throughout their entire service life, which can generate variations in their physical characteristics. These actions can cause damage to its functioning, and possibly leading to collapse in more severe cases. In addition, technology development which allows the design of increasingly slender structures, can produce excessive vibrations, which elevates the importance ofstructural monitoring to a higher level from the perspective of infrastructure managers. Particularly, in the case of bridges and walkaways, due to their large dimensions make monitoring and inspection even more difficult. Thus, with the aim of providing methods to assist in structural monitoring and facilitate visual inspections, several damage identification methods are investigated, which are based on structures dynamic characteristics, such as natural frequencies and mode shapes. The conducted literature review revealed that there is a difficulty in applying these identification methods in large-scale and complex structures. Thus, this research aims to study these barriers and propose a solution based on the development of a new damage index based on the structure s mode shapes. Furthermore, through the application of machine learning algorithms and pattern recognition, such as Artificial Neural Networks (ANN), it is proposed to increase the efficiency of the damage identification and quantification process. Then, the proposed methodology is tested numerically on a steel footbridge model inspired by a real structure located in the region of the Olympic Center Terminal, in the city of Rio de Janeiro – RJ. The damage identification method is studied through the application of the proposed damage index, incorporating the neural network and assessing the impact of ANNs parameters variation in the global efficiency of the damage detection method.