Nesta tese doutoral estudam-se formas de resolver o problema de detecção de dano em estruturas a partir da aplicação de técnicas de inteligência computacional e da resposta dinâmica da estrutura. Duas opções para a formulação do problema são consideradas. Primeiro, um problema de otimização é estabelecido a partir da minimização da diferença entre os parâmetros dinâmicos experimentais da estrutura na condição com dano e aqueles calculados utilizando um modelo de elementos finitos que representa tal condição. Diferentes técnicas metaheurísticas (algoritmos genéticos, particle swarm optimization, evolução diferencial), algumas em versões com adaptação de parâmetros, são empregadas. Estuda-se, ainda, a formulação do problema de otimização como um com múltiplos objetivos. Uma nova forma de avaliar o desempenho de uma metodologia de detecção de dano é proposta, que está baseada na capacidade da metodologia para obter um nível determinado de exatidão no cálculo da extensão do dano e na presença de falso-negativos e falso-positivos nos resultados. Segundo, aplicam-se redes neurais para determinar o mapeamento entre os parâmetros dinâmicos experimentais da condição atual da estrutura e a extensão ou posição do dano nesta. Estruturas do tipo viga e treliça foram submetidas a diferentes cenários de dano com o intuito de determinar o desempenho das metodologias propostas. Resultados mostram a habilidade de técnicas de inteligência computacional para detecção de cenários de dano com uns poucos elementos danificados; porém não é possível garantir que as metodologias terão sucesso para o 100% dos casos. Recomenda-se a utilização de técnicas de busca local para melhorar a solução encontrada pelos algoritmos globais. Finalmente, observou-se que se requer da determinação da quantidade mínima de informação a ser utilizada, uma função objetivo adequada e uma alta qualidade nas medições para garantir uma detecção de dano confiável. / This research aims at studying how to solve the damage detection problem by using computational intelligence techniques and the dynamic response of the structure. Two different ways for formulating the solution to the problem are implemented. In first place, an optimization problem is formulated as the minimization of the difference between the experimental dynamic parameters for the current structure and those from a finite element model that represent the damaged condition. Several metaheuristics (genetic algorithms, particle swarm optimization and differential evolution) are used to solve the optimization problem, where most of them present adaptive configurations. The implication of a multi-objective approach is also studied. A new scheme to determine the algorithm´s performance is proposed, which computes three error indicators concerning differences between the real and computed damage extents and the presence of false-positives and false-negatives. In second place, artificial neural networks are used to determine the mapping between the experimental dynamic parameters and either the damage extension (quantification) or the damage position (localization). Different damage scenarios were simulated in beam and truss structures to verify the performance of the proposed methodologies. Results show the ability of computational intelligence techniques to detect damage scenarios with a few damaged elements; however, it is not possible to guarantee a 100% of success. It is suggested to use local search techniques to improve the solution found by the different proposed algorithms. Three main conclusions are the followings: i) it is necessary to determine the minimum quantity of modal data that permits guarantying a reliable damage detection, ii) objective functions plays a very important role to the success of the algorithms and iii) noise prejudice the damage identification process.

Nesta tese doutoral estudam-se formas de resolver o problema de detecção de dano em estruturas a partir da aplicação de técnicas de inteligência computacional e da resposta dinâmica da estrutura. Duas opções para a formulação do problema são consideradas. Primeiro, um problema de otimização é estabelecido a partir da minimização da diferença entre os parâmetros dinâmicos experimentais da estrutura na condição com dano e aqueles calculados utilizando um modelo de elementos finitos que representa tal condição. Diferentes técnicas metaheurísticas (algoritmos genéticos, particle swarm optimization, evolução diferencial), algumas em versões com adaptação de parâmetros, são empregadas. Estuda-se, ainda, a formulação do problema de otimização como um com múltiplos objetivos. Uma nova forma de avaliar o desempenho de uma metodologia de detecção de dano é proposta, que está baseada na capacidade da metodologia para obter um nível determinado de exatidão no cálculo da extensão do dano e na presença de falso-negativos e falso-positivos nos resultados. Segundo, aplicam-se redes neurais para determinar o mapeamento entre os parâmetros dinâmicos experimentais da condição atual da estrutura e a extensão ou posição do dano nesta. Estruturas do tipo viga e treliça foram submetidas a diferentes cenários de dano com o intuito de determinar o desempenho das metodologias propostas. Resultados mostram a habilidade de técnicas de inteligência computacional para detecção de cenários de dano com uns poucos elementos danificados; porém não é possível garantir que as metodologias terão sucesso para o 100% dos casos. Recomenda-se a utilização de técnicas de busca local para melhorar a solução encontrada pelos algoritmos globais. Finalmente, observou-se que se requer da determinação da quantidade mínima de informação a ser utilizada, uma função objetivo adequada e uma alta qualidade nas medições para garantir uma detecção de dano confiável. / This research aims at studying how to solve the damage detection problem by using computational intelligence techniques and the dynamic response of the structure. Two different ways for formulating the solution to the problem are implemented. In first place, an optimization problem is formulated as the minimization of the difference between the experimental dynamic parameters for the current structure and those from a finite element model that represent the damaged condition. Several metaheuristics (genetic algorithms, particle swarm optimization and differential evolution) are used to solve the optimization problem, where most of them present adaptive configurations. The implication of a multi-objective approach is also studied. A new scheme to determine the algorithm´s performance is proposed, which computes three error indicators concerning differences between the real and computed damage extents and the presence of false-positives and false-negatives. In second place, artificial neural networks are used to determine the mapping between the experimental dynamic parameters and either the damage extension (quantification) or the damage position (localization). Different damage scenarios were simulated in beam and truss structures to verify the performance of the proposed methodologies. Results show the ability of computational intelligence techniques to detect damage scenarios with a few damaged elements; however, it is not possible to guarantee a 100% of success. It is suggested to use local search techniques to improve the solution found by the different proposed algorithms. Three main conclusions are the followings: i) it is necessary to determine the minimum quantity of modal data that permits guarantying a reliable damage detection, ii) objective functions plays a very important role to the success of the algorithms and iii) noise prejudice the damage identification process.

A avaliação do estado das estruturas é um tema de pesquisa muito importante para diversos campos da engenharia e, por isso, estão sendo desenvolvidas metodologias que permitem detectar dano em uma estrutura. O presente trabalho tem como objetivo verificar a aplicabilidade dos algoritmos genéticos (AG) na detecção de dano a partir das mudanças ocorridas, entre as condições com e sem dano, dos parâmetros dinâmicos da estrutura. Três tipos de AGs (binário, real e redundante implícita) são implementados com a finalidade de comparação do desempenho. Os parâmetros dinâmicos da estrutura, sadia e danificada, são determinados a partir do modelo de elementos finitos da estrutura. Medições incompletas e ruidosas foram consideradas visando simular as características da informação obtida por meio de um ensaio dinâmico real. Os AGs implementados são aplicados em estruturas de tipo viga, treliça e pórtico sob diferentes cenários de dano. Resultados mostram o bom desempenho dos AGs para detectar dano em uma estrutura. / The assessment of structural health is an important research topic in many engineering fields and, for that reason, damage detection methodologies are being developed. The goal of this dissertation is to verify the applicability of genetic algorithms (GAs) for detecting damage using dynamic parameters changes between undamaged and damaged condition of the structure. Three different GAs are implemented in order to compare the performance of the algorithms. Undamaged and damaged dynamic parameters are computed using the finite element model of the structure. Incomplete and noisy measurements are considered with the objective of simulating the real condition of the information in a real dynamic test. GAs are applied in some different structures: beam, truss and frame. The results indicate the good performance of the GAs for detecting damage in a structure.

A avaliação do estado das estruturas é um tema de pesquisa muito importante para diversos campos da engenharia e, por isso, estão sendo desenvolvidas metodologias que permitem detectar dano em uma estrutura. O presente trabalho tem como objetivo verificar a aplicabilidade dos algoritmos genéticos (AG) na detecção de dano a partir das mudanças ocorridas, entre as condições com e sem dano, dos parâmetros dinâmicos da estrutura. Três tipos de AGs (binário, real e redundante implícita) são implementados com a finalidade de comparação do desempenho. Os parâmetros dinâmicos da estrutura, sadia e danificada, são determinados a partir do modelo de elementos finitos da estrutura. Medições incompletas e ruidosas foram consideradas visando simular as características da informação obtida por meio de um ensaio dinâmico real. Os AGs implementados são aplicados em estruturas de tipo viga, treliça e pórtico sob diferentes cenários de dano. Resultados mostram o bom desempenho dos AGs para detectar dano em uma estrutura. / The assessment of structural health is an important research topic in many engineering fields and, for that reason, damage detection methodologies are being developed. The goal of this dissertation is to verify the applicability of genetic algorithms (GAs) for detecting damage using dynamic parameters changes between undamaged and damaged condition of the structure. Three different GAs are implemented in order to compare the performance of the algorithms. Undamaged and damaged dynamic parameters are computed using the finite element model of the structure. Incomplete and noisy measurements are considered with the objective of simulating the real condition of the information in a real dynamic test. GAs are applied in some different structures: beam, truss and frame. The results indicate the good performance of the GAs for detecting damage in a structure.