Detecção, localização e quantificação de dano em estruturas via algoritmos metaheurísticos e redes neurais artificiais

Abstract

Métodos de detecção de dano baseados nas propriedades dinâmicas de estruturas estão ganhando mais espaço na engenharia civil, principalmente devido à difusão do Monitoramento de Integridade Estrutural (Structural Health Monitoring – SHM). O acompanhamento contínuo pela utilização de sensores, como acelerômetros, em grandes obras civis vem se tornando comum, permitindo o diagnóstico ágil de estruturas. A partir dos dados obtidos nas medições, ocorre a identificação de sistemas para a determinação dos parâmetros modais (frequências naturais, modos de vibração e razões de amortecimento). Essas propriedades podem ser comparadas com as calculadas (ou medidas) no estado íntegro da estrutura por diversos critérios. Dessa forma, esse trabalho busca aplicar e comparar metodologias de identificação, localização e quantificação de dano em estruturas utilizando os parâmetros modais identificados a partir das respostas às excitações ambientais. Para determinação das propriedades dinâmicas, foi adotado o Método de Identificação Estocástica de Subespaços baseado nas séries temporais (Data-driven Stochastic Subspace Identification – SSI-DATA). Dois métodos de detecção de dano foram analisados: o método de detecção de dano baseado na atualização de matrizes com auxílio do Algoritmo de Otimização da Baleia (Whale Optimization Algorithm – WOA) e o método baseado em Redes Neurais Artificiais (Artificial Neural Networks – ANN). Inicialmente, analisaram-se três estruturas através de simulações de ensaios experimentais, sendo elas: uma viga em balanço, uma treliça de 10 barras e uma passarela de pedestres de treliça Warren (39 metros de comprimento). Em seguida, os métodos foram avaliados em um sistema experimental e na Ponte Z24 (Suíça). . As simulações numéricas mostram que ambas as metodologias são promissoras para identificação, localização e quantificação de cenários de dano simples e múltiplos, mesmo com a presença de ruídos e imprecisões nos sinais de aceleração. O desempenho do método com base na atualização de matrizes utilizando o WOA foi mais preciso que outras técnicas usadas anteriormente na literatura. Além disso, o estudo da Ponte Z24 confirmou que ambos os métodos de detecção de dano são capazes de localizar dano em estruturas civis utilizando apenas as frequências naturais como dado de entrada.

Damage detection methods based on the structures’ dynamic properties are gaining more space in civil engineering, mainly due to the diffusion of Structural Health Monitoring (SHM). Continuous surveillance using sensors, such as accelerometers, in large civil works has become common, allowing an agile diagnosis of structures. From the data obtained in the sensing measurements, the system identification occurs to determine the modal parameters (natural frequencies, mode shapes, and damping ratios). These properties can be compared with those calculated (or measured) in the healthy state of the structure by several criteria. Thus, this work seeks to apply and compare methodologies for identifying, locating, and quantifying damage in structures using the modal parameters identified from the responses to environmental excitations. To determine the dynamic properties, the Data-driven Stochastic Subspace Identification (SSI-DATA) method was adopted. Two damage detection methods were assessed: the method based on matrix updating with the aid of the Whale Optimization Algorithm (WOA), and the method based on Artificial Neural Networks (ANN). Initially, three structures have been numerically analyzed, namely: a cantilevered beam, a 10-bar truss, and a Warren truss footbridge (39 meters in length). Afterward, the methods were evaluated in an experimental system and on the Z24 Bridge (Switzerland). The numerical simulations shown that both methodologies are promising for identifying, locating, and quantifying single and multiple damage scenarios, even with the presence of noise and inaccuracies in the acceleration signals. The performance of the matrix updating method using the WOA was more accurate than previous techniques available in the literature. In addition, the Z24 Bridge study confirmed that both damage detection methods are capable of localizing damage to civil structures using only natural frequencies as input.