Técnicas de aprendizado profundo aplicadas ao monitoramento de integridade estrutural por impedância eletromecânica

Abstract

Neste trabalho é realizado um estudo das técnicas de monitoramento da integridade estrutural (SHM – Structural Health Monitoring), com foco principal na aplicação da metodologia SHM por impedância eletromecânica para caracterizar falhas estruturais em sistemas mecânicos. Essa metodologia geralmente combina sensores modernos com algoritmos inteligentes para identificar a presença de danos, observando alterações nos sinais monitorados e correlacionando-as com fenômenos físicos. Entretanto, quando essas variações são suficientemente complexas, torna-se necessário aplicar técnicas mais sofisticadas, capazes de abstrair informações pertinentes à condição de integridade estrutural. Nesse sentido, ferramentas inovadoras de aprendizado de máquina (em especial as Redes Neurais Artificiais - RNAs) vêm ganhando destaque, sendo extensivamente investigadas para se evitar erros no prognóstico estrutural e concentrando-se principalmente na análise de vibrações. Diante disso, o presente trabalho visa contribuir com a área de SHM, propiciando um aperfeiçoamento da técnica de impedância eletromecânica em termos da análise de integridade estrutural, associando-a à duas arquiteturas neurais (CNN e LSTM) para facilitar o processo de tomada de decisão. Assim, esta contribuição apresenta uma revisão bibliográfica de alguns dos principais conceitos associados a este tema, como materiais inteligentes, métodos de avaliação, o próprio método de impedância, os conceitos associados ao aprendizado de máquina e as arquiteturas neurais utilizadas. Em seguida, foram investigados quatro ensaios experimentais, empregando uma combinação do método da impedância com as respectivas arquiteturas CNN e LSTM para a identificação e/ou previsão de falhas estruturais. Assim, foi possível validar as metodologias propostas, verificando a sensibilidade das redes a algumas influências ambientais (como condições de temperatura e umidade) e operacionais (velocidade de operação e desbalanceamento) dos sistemas mecânicos em estudo. Como resultado, ambas as metodologias propostas são eficientes em termos de monitoramento da integridade estrutural, permitindo uma otimização do prognóstico estrutural.