Disciplina: 2047056 - MONITORAMENTO DE INTEGRIDADE ESTRUTURAL
Créditos: 3
Departamento: DEPTO DE MECANICA APLICADA E COMPUTACIONAL
Plano de Ensino
Ementa
1) Introdução: exemplos de problemas e rupturas de pontes, fundações, taludes, túneis, barragens e
outras obras de infraestrutura que não tiveram inspeção, monitoramento e manutenção adequadas;
2) Processos e sistemas de monitoramento: Sensores, instrumentos, sistema de aquisição, noções de
erros de medição e tratamento de dados;
3) Sensores elétricos e óticos;
4) nstrumentação e monitoramento estrutural;
5) Princípios do monitoramento de integridade estrutural (SHM – Structural Health Monitoring);
6) Monitoramento não embarcado: radares interferométricos, amplificação de movimento e correlação
digital de imagem (digital image correlation, DIC);
7) Uso de inteligência artificial e Machine Learning aplicado a monitoramento e análise de dados;
8) Exemplos de monitoramento aplicados em pontes, fundações, encostas, aterros, túneis, rodovias e
ferrovias.
Conteúdo
O objetivo da disciplina é apresentar os tipos de instrumentos e sensores que podem ser utilizados para
instrumentação de obras de infraestrutura. Serão apresentadas técnicas convencionais e uso da
transformação digital para monitorar obras de infraestrutura
Bibliografia
- Cury, A., Ribeiro, D., Ubertini, F., Todd, M., Structural Health Monitoring Based on Data Science
Techniques, Springer, 2022.
- Farrar, C., Worden, K., Structural Health Monitoring: A Machine Learning Perspective, Wiley, 2012.
- Balageas, D., Fritzen, C., Guemes, A., Structural Health Monitoring, Wiley, 2006.
- Alves V, Cury A. A fast and efficient feature extraction methodology for structural damage localization
based on raw acceleration measurements. Struct Control Health Monit. 2021;28:e2748. Disponível em:
https://doi.org/10.1002/stc.2748
- Avci, O., Abdeljaber, O., Kiranyaz, S., Hussein, M., Gabbouj, M., & Inman, D. J. (2021). A review of
vibration-based damage detection in civil structures: From traditional methods to Machine Learning and
Deep Learning applications. Mechanical Systems and Signal Processing, 147,
107077. doi:10.1016/j.ymssp.2020.107077
- Chen, Z., Wang, Y., Wu, J. et al. Sensor data-driven structural damage detection based on deep
convolutional neural networks and continuous wavelet transform. Appl Intell 51, 5598–5609 (2021).
https://doi.org/10.1007/s10489-020-02092-6
- Andrade Nunes L, Piazzaroli Finotti Amaral R, de Souza Barbosa F, Abrahão Cury A. A hybrid learning
strategy for structural damage detection. Struct Health Monit. 2020;1-18.
https://doi.org/10.1177/1475921720966943
- Liu, Q., Gu, Q., & Wu, Z. (2017). Feature selection method based on support vector machine and
shape analysis for high-throughput medical data. Computers in Biology and Medicine, 91, 103111.
doi:10.1016/j.compbiomed.2017.10.008
- Alves, V.; Cury, A.; Cremona, C. On the use of symbolic vibration data for robust structural health
monitoring. Structures and Buildings, v. 169, p. 715-723, 2016
- Azim, R., & Gül, M. (2019). Damage detection of steel girder railway bridges utilizing operational
vibration response. Structural Control and Health Monitoring, (August), 1–15. Disponível em:
- Entezami, A., & Shariatmadar, H. (2017). An unsupervised learning approach by novel damage indices
in structural health monitoring for damage localization and quantification. Structural Health Monitoring, I–
21. Disponível em :.
Bibliografia(continuação)
Não informado
Bibliografia complementar
Não informado