Made available in DSpace on 2015-09-17T15:26:20Z (GMT). No. of bitstreams: 0
Previous issue date: 2015-05-12. Added 1 bitstream(s) on 2015-09-17T15:45:47Z : No. of bitstreams: 1
000847631.pdf: 1093508 bytes, checksum: 73b02aac5ba28423969c0c259df2c5c9 (MD5) / Esse trabalho apresenta uma abordagem baseada no processamento de séries temporais para tratar o problema de detecção e o prognóstico de danos em estruturas com sensores e atuadores piezelétricos acoplados considerando as possíveis variabilidades ambientais e operacionais. A primeira abordagem se baseia na identificação de um modelo autorregres- sivo de predição construído com um sinal temporal de resposta de referência. Métricas indicativas de danos são extraídas dos erros de predição e a separação de efeitos (carrega- mento ou danos) é feita por um algoritmo de agrupamento fuzzy. Esse procedimento é implementado em uma estrutura de material compósito ensaiada em um sistema para teste de materiais de modo a reproduzir condições de carregamento a fim de simular condições reais de operação da estrutura. Por outro lado, a segunda metodologia proposta emprega uma identificação de dois estágios. Primeiramente, um modelo autorregressivo é criado para o monitoramento estrutural como no procedimento anterior, porém, utilizando o controle estatístico de processos para detectar um dano progressivo. Em seguida, modelos autorregressivos com entradas exógenas são estimados para as condições de referência e de dano para acompanhar as variações de parâmetros e permitir a realização de um prognóstico sobre a condição estrutural futura da estrutura. Testes iniciais em uma placa de alumínio mostraram que este método é capaz de realizar um prognóstico razoável e predizer o comportamento dinâmico da estrutura associado com um nível específico de redução de massa. Ambos métodos e resultados são discutidos e comparados ao final do trabalho / This work presents an approach based on time series processing to deal with the damage detection and prognosis issue in structures coupled with piezoelectric sensors and actuators considering eventual operational and environmental variabilities. The first approach is based on the identification of a predictive autoregressive model obtained with a reference time response. Damage indicative metrics are extracted from prediction errors and the separation of effects (loading or damage) is performed by a fuzzy clustering algorithm. This procedure is carried on a composite structure attached to a material test system to reproduce loading conditions in order to simulate real operational conditions. On the other hand, the second proposed methodology employs a two step identification. First, an autoregressive model is created for structural monitoring similarly to the previous procedure, but employing statistical process control to detect progressive damage. Next, autoregressive models with exogenous inputs are estimated for reference and damaged conditions in order to track variation of parameters, allowing the prognosis of the structure's future structural condition. Initial tests on an aluminum plate indicated that this method is capable of performing a reasonable prognosis and predicting structure's dynamic behavior associated to a specific level of mass reduction. Both methods and results are discussed and compared by the end of the work
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.unesp.br:11449/127896 |
| Date | 12 May 2015 |
| Creators | Cano, Wagner Francisco Rezende [UNESP] |
| Contributors | Universidade Estadual Paulista (UNESP), Silva, Samuel da [UNESP] |
| Publisher | Universidade Estadual Paulista (UNESP) |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | 67 f. : il. |
| Source | Aleph, reponame:Repositório Institucional da UNESP, instname:Universidade Estadual Paulista, instacron:UNESP |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | -1, -1 |
Page generated in 0.002 seconds