Return to search

Detecção de danos estruturais usando analise de series temporais e atuadores e sensores piezeletricos / Structural damage detection using time series analysis and piezoelectries actuators and sensors

Orientadores: Milton Dias Junior e Vicente Lopes Junior / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecanica / Made available in DSpace on 2018-08-10T04:58:56Z (GMT). No. of bitstreams: 1
Silva_Samuelda_D.pdf: 9025537 bytes, checksum: ac86884d08ba00adbf77aeac335e7acc (MD5)
Previous issue date: 2008 / Resumo: A contribuição deste trabalho foi desenvolver uma metodologia para detecção e localização de danos considerando apenas respostas de deslocamento ou aceleração e medidas obtidas por atuadores e sensores piezelétricos (PZTs) distribuídos e colados em estruturas flexíveis. Modelos de filtros discretos do tipo auto-regressivos, como AR-ARX, ARMA e ARMAX, são usados para extrair um indicador de danos a partir dos erros de predição linear destes filtros. Investiga-se também o uso de séries discretas de Wiener/Volterra escritas com filtros de Kautz para obtenção de erros de predição não-lineares. Para classificar os erros de predição (lineares ou não-lineares) nas classes ¿sem dano¿ ou ¿com dano¿ comparou-se o uso de ferramentas não-supervisionadas de classificação de padrões estatísticos, como agrupamento fuzzy e controle estatístico de processos. Testes numéricos e experimentais foram realizados e os resultados alcançados com a metodologia desenvolvida apresentaram vantagens em relação aos métodos convencionais que são discutidas no decorrer do trabalho / Abstract: This work proposes a novel approach to detect and locate incipient damage in structures by using only acceleration responses and coupled piezoelectric actuators and sensors. Though the major focus in smart damage detection is given by on the monitoring of the electrical impedance in the frequency domain, the current contribution applies a novel technique based on time series analysis. Regressive models, such as AR-ARX, ARMA and ARMAX, are employed to extract a feature index using the linear
prediction errors. The use of nonlinear prediction by using discrete-time Wiener/Volterra models expanded by Kautz filter is also investigated. In order to decide correctly whether damage exists or not, a set of unsurpervised statistical pattern recognition techniques, namely the fuzzy clustering and the statistical process control, are implemented. Several numerical and experimental tests are performed to illustrate and compare the methodology developed with classical approaches. The efficacy of the approach is demonstrated through these tests / Doutorado / Mecanica dos Sólidos e Projeto Mecanico / Doutor em Engenharia Mecânica

Identiferoai:union.ndltd.org:IBICT/oai:repositorio.unicamp.br:REPOSIP/263790
Date14 February 2008
CreatorsSilva, Samuel da
ContributorsUNIVERSIDADE ESTADUAL DE CAMPINAS, Lopes Junior, Vicente, Dias Junior, Milton, 1961-, Junior, Milton Dias, Arruda, José Roberto de França, Dedini, Katia Lucchesi Cavalca, Lourenção, Paulo Tadeu de Mello, Junior, Valter Steffen
Publisher[s.n.], Universidade Estadual de Campinas. Faculdade de Engenharia Mecânica, Programa de Pós-Graduação em Engenharia Mecânica
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis
Format157p. : il., application/pdf
Sourcereponame:Repositório Institucional da Unicamp, instname:Universidade Estadual de Campinas, instacron:UNICAMP
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0024 seconds