• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Tesis Doctoral
DOI
https://doi.org/10.11606/T.18.2012.tde-11122012-082530
Documento
Autor
Nombre completo
Jesus Daniel Villalba Morales
Dirección Electrónica
Instituto/Escuela/Facultad
Área de Conocimiento
Fecha de Defensa
Publicación
São Carlos, 2012
Director
Tribunal
Laier, José Elias (Presidente)
Beck, André Teófilo
Gonçalves, Edison
Leonel, Edson Denner
Libardi, Walter
Título en portugués
Detecção de dano em estruturas via inteligência computacional e análise dinâmica 
Palabras clave en portugués
Detecção de dano
Inteligência computacional
Parâmetros dinâmicos
Resumen en portugués
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.
Título en inglés
Structural damage detection by means of computational intelligence techniques and dynamic analysis
Palabras clave en inglés
Computational intelligence
Damage detection
Dynamic parameters
Resumen en inglés
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.
 
ADVERTENCIA - La consulta de este documento queda condicionada a la aceptación de las siguientes condiciones de uso:
Este documento es únicamente para usos privados enmarcados en actividades de investigación y docencia. No se autoriza su reproducción con finalidades de lucro. Esta reserva de derechos afecta tanto los datos del documento como a sus contenidos. En la utilización o cita de partes del documento es obligado indicar el nombre de la persona autora.
Fecha de Publicación
2012-12-17
 
ADVERTENCIA: Aprenda que son los trabajos derivados haciendo clic aquí.
Todos los derechos de la tesis/disertación pertenecen a los autores
CeTI-SC/STI
Biblioteca Digital de Tesis y Disertaciones de la USP. Copyright © 2001-2024. Todos los derechos reservados.