Modelagem com aprendizado de máquina aplicada aos sistemas de monitoramento de integridade estrutural

Abstract

O monitoramento da integridade estrutural (SHM – Structural Health Monitoring) utilizando o método de impedância eletromecânica tem como foco o desenvolvimento de sistemas responsáveis por monitorar a integridade de estruturas, tais como, fuselagem aeroespacial e estruturas metálicas. Para isso, o emprego de ferramentas e recursos computacionais são essenciais. A identificação, localização, quantificação de danos ou até a previsão de vida útil de sistemas mecânicos tem papel fundamental para garantia da segurança das pessoas e financeira. O emprego de ferramentas de aprendizado de máquina possibilita desempenhar tais funções devido a sua alta capacidade de identificar padrões não necessitando compensar efeitos naturais de carregamento e temperatura que comumente atuam sobre as estruturas mecânicas. Portanto, foram aplicadas 3 abordagens possíveis para o desenvolvimento de modelos a serem empregados nos sistemas de monitoramento de integridade estrutural, são elas: detecção de anomalias, multi classificação de danos e regressão sobre a variação de massa. Para o desenvolvimento das abordagens, foi realizado um experimento simulando danos estruturais através do processo de usinagem superficial numa viga de alumínio exposta a variações térmicas de 10 ◦ C a 40 ◦ C. Sistemas que utilizam aprendizado de máquina possuem modelos desenvolvidos com especificações únicas intrínsecas do problema e, para o desenvolvimento dessas, é necessário o emprego de ferramentas e métodos capazes de desempenhar suas funções com alta confiabilidade e precisão. Nesse sentido foram apresentados os principais conceitos das técnicas de monitoramento de integridade estrutural e as características dos materiais inteligentes que são utilizados como sensores. Posteriormente, o método de impedância eletromecânica foi abordado com os conceitos essenciais para seu entendimento, bem como os principais sistemas disponíveis para coleta das assinaturas de impedância e os modelos estatísticos comumente utilizados. Em seguida, foram apresentados os conceitos e recursos comuns da área de inteligência artificial, bem como ferramentas de análise, interpretação e avaliação de modelos. Por fim, um sistema foi implantado utilizando a abordagem de detecção de anomalia por meio de um aplicativo de monitoramento, através dos recursos de conteinerização e computação em nuvem.