Submitted by JACQUELINE SANTOS CHAVES null (jac_sc@yahoo.com) on 2016-08-19T20:04:09Z No. of bitstreams: 1 Jacqueline S. Chaves.pdf: 1795331 bytes, checksum: 9c7a177018aa3a98f7cb4a90da94c904 (MD5) / Approved for entry into archive by Juliano Benedito Ferreira (julianoferreira@reitoria.unesp.br) on 2016-08-23T19:46:42Z (GMT) No. of bitstreams: 1 chaves_js_me_ilha.pdf: 1795331 bytes, checksum: 9c7a177018aa3a98f7cb4a90da94c904 (MD5) / Made available in DSpace on 2016-08-23T19:46:42Z (GMT). No. of bitstreams: 1 chaves_js_me_ilha.pdf: 1795331 bytes, checksum: 9c7a177018aa3a98f7cb4a90da94c904 (MD5) Previous issue date: 2016-07-29 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / As técnicas para o monitoramento de falhas em estruturas têm se tornado cada vez mais importantes principalmente por seus benefícios quanto à maior segurança de vida e por auxiliarem as empresas responsáveis em construir edifícios, pontes e estruturas em geral a diminuírem seus custos com a manutenção das mesmas. Deste modo, a fim de desenvolver uma forma eficiente para a identificação e caracterização de falhas estruturais, esta dissertação tem por objetivo demonstrar uma aplicação de Redes Neurais Artificiais (RNAs) como uma técnica de monitoramento da integridade estrutural (SHM) para tal problema. Através de um modelo matemático de equações diferenciais ordinárias para a representação de uma estrutura predial, será desenvolvida uma RNA ARTMAP Fuzzy por ser uma rede flexível e estável em relação à sua habilidade em se adaptar às mudanças imprevistas do ambiente externo, para identificar tais falhas. / The techniques for failures monitoring in mechanical engineering structures have become increasingly important especially for its benefits as the largest life-security and assist the responsible companies for build buildings, bridges and structures in general to lower their costs to maintenance of them. Thus, in order to develop an efficient way for the identification and characterization of structural failures, this work aims to demonstrate an application of Artificial Neural Networks (ANN) as a monitoring technique of structural health monitoring (SHM) for this problem. Through a dynamic model for the representation of a building structure, Fuzzy ARTMAP ANN will be developed to be a flexible and stable network with respect to its ability to adapt to unexpected changes in the external environment to identify such failures.

Orientador: Fábio Roberto Chavarette / Resumo: As técnicas para o monitoramento de falhas em estruturas têm se tornado cada vez mais importantes principalmente por seus benefícios quanto à maior segurança de vida e por auxiliarem as empresas responsáveis em construir edifícios, pontes e estruturas em geral a diminuírem seus custos com a manutenção das mesmas. Deste modo, a fim de desenvolver uma forma eficiente para a identificação e caracterização de falhas estruturais, esta dissertação tem por objetivo demonstrar uma aplicação de Redes Neurais Artificiais (RNAs) como uma técnica de monitoramento da integridade estrutural (SHM) para tal problema. Através de um modelo matemático de equações diferenciais ordinárias para a representação de uma estrutura predial, será desenvolvida uma RNA ARTMAP Fuzzy por ser uma rede flexível e estável em relação à sua habilidade em se adaptar às mudanças imprevistas do ambiente externo, para identificar tais falhas. / Abstract: The techniques for failures monitoring in mechanical engineering structures have become increasingly important especially for its benefits as the largest life-security and assist the responsible companies for build buildings, bridges and structures in general to lower their costs to maintenance of them. Thus, in order to develop an efficient way for the identification and characterization of structural failures, this work aims to demonstrate an application of Artificial Neural Networks (ANN) as a monitoring technique of structural health monitoring (SHM) for this problem. Through a dynamic model for the representation of a building structure, Fuzzy ARTMAP ANN will be developed to be a flexible and stable network with respect to its ability to adapt to unexpected changes in the external environment to identify such failures. / Mestre

Made available in DSpace on 2014-06-11T19:27:14Z (GMT). No. of bitstreams: 0 Previous issue date: 2004-02-20Bitstream added on 2014-06-13T18:55:44Z : No. of bitstreams: 1 furtado_rm_me_ilha.pdf: 1436216 bytes, checksum: 09e5f73855e5a468589756fca572b577 (MD5) / Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) / A proposta deste trabalho é a obtenção de uma metodologia robusta para identificação de falhas estruturais combinando as vantagens de duas metodologias, que não são baseadas em modelos matemáticos, ou seja: impedância elétrica obtida com atuador e sensor piezocerâmico(materiais inteligentes) e redes neurais artificiais. O termo materiais inteligentes (smart materials) conhecido também por material ativo é dado a uma classe de material que exibe propriedades não encontradas em materiais convencionais. Alguns destes materiais são: compostos de materiais piezelétricos, eletrorresistivo e magnetorresistivo, fluidos e sólidos electro-reológicos, e outros. Uma das principais características do PZT (Titanato Zirconato de Chumbo), que permite utilizá-lo como sensor e atuador, é o efeito piezelétrico, ou seja, a aplicação de um campo elétrico resulta em deformação do material (efeito inverso), enquanto, a aplicação de tensão mecânica resulta no surgimento de um campo elétrico (efeito direto). Estas características associadas ao conceito de impedância elétrica e ao conceito de falha métrica permitem a localização e o monitoramento da falha. Esta técnica utiliza altas freqüências e excita os modos locais, proporcionando, assim, o monitoramento de qualquer mudança da impedância mecânica estrutural na região de influência do PZT. Redes neurais artificiais (RNA) fazem parte de um amplo conceito chamado inteligência artificial. Redes neurais têm sua base associada ao funcionamento do cérebro humano, que após treinamento possuem a capacidade de aprender. Esta ciência é objeto de estudo em diversos centros de pesquisa e, embora já tenha grande aplicabilidade, o sucesso de sua utilização depende do caso em que está sendo aplicada e de certa sutileza do projetista, uma vez que o processo ainda é empírico e teorias ainda... . / The proposal of this work is the obtaining of a robust methodology for identification of structural faults combining the advantages of two methodologies, which are not based on mathematical models. The methodology applies electric impedance technique, obtained with actuator and sensor piezoceramic (smart materials), and artificial neural networks. The term smart materials is given for a material class that not exhibits properties found in conventional materials. Some of these materials are: composed of piezoelectric material, electrostrictive and magnetostrictive, electrorheological fluids and solids shape memory alloys, and others. One of the main characteristics of PZT (Lead Zirconate Titanate), that allows to use it as sensor and actuator, is the piezoelectric effect, where the application of an electric field results in deformation of the material (inverse effect), while the application of mechanical tension results in the appearance of an electric field (direct effect). These characteristics associated to the concept of electric impedance and the concept of metric fault allow the location and the monitoring of the fault. This technique uses high frequencies and low voltage and it excites local modes, providing, the monitoring of any change on the structural mechanical impedance in the area of influence of the PZT. Artificial Neural Networks (ANN) are part of a wide concept called artificial intelligence. Neural networks has its base associated to the operation of the human brain, that after training possess the capacity to learn. This science is a study object in several research centers and, although it already has great application. The success of its use depends of the case and planner's certain keenness, once the process is still empiric and theories are still being formulated. Several conceptions of neural networks... (Complete abstract, click electronic address below).

A fault monitoring system in general, which, beside the detection, isolation, diagnosis and fault recuperation steps is a research area of great interest, since the fault occurrence may lead to negative consequences on different levels on social, economical and environmental bases. With the increasing complexity of the industrial process, it is often necessary a quick detection leading to an optimized fault management system and therefore avoiding the loss of material and human resources. This work develops a study on fault detection statistical techniques applied to a didactic plant. The didactic plant deployed in this study comprises a controlled simple industrial process. For the fault detection in this process it were applied the main statistical methods: Principal Component Analysis (PCA) and Partial Least Squares (PLS). Those methods were implemented and applied on the process aiming a comparative analysis concerning themselves. As a result, the methods were able to detect every kind of emulated fault, with little or none detection delay and with similar performances. / Um sistema de monitoramento de falhas em geral, que além da detecção inclui etapas de isolamento, diagnóstico e recuperação das falhas, é uma área de pesquisa de grande interesse, uma vez que a ocorrência de falhas pode ter consequências negativas em diversos níveis, com impactos socioeconômicos e ambientais. Em processos industriais cada vez mais complexos, é necessária uma rápida detecção de falhas, exigindo um sistema de gerenciamento de falhas otimizado, de modo a evitar perdas de recursos materiais e humanos. Este trabalho desenvolve um estudo sobre técnicas estatísticas de detecção de falhas aplicadas numa planta didática. A planta didática empregada no estudo compreende um processo industrial simples controlado. Para a detecção das falhas nesse processo, foram aplicados os principais métodos estatísticos: Análise de Componentes Principais (PCA) e Mínimos Quadrados Parciais (PLS). Estes métodos foram implementados e aplicados ao processo objetivando uma análise comparativa entre os mesmos. Como resultado, os métodos foram capazes de detectar todos os diferentes tipos de falhas emuladas, com pouco ou nenhum atraso na detecção e com desempenhos similares.