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.
| Identifer | oai:union.ndltd.org:usp.br/oai:teses.usp.br:tde-11122012-082530 |
| Date | 29 November 2012 |
| Creators | Villalba Morales, Jesús Daniel |
| Contributors | Laier, José Elias |
| Publisher | Biblioteca Digitais de Teses e Dissertações da USP |
| Source Sets | Universidade de São Paulo |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | Tese de Doutorado |
| Format | application/pdf |
| Rights | Liberar o conteúdo para acesso público. |
Page generated in 0.0023 seconds