Applicability of the Statistical Pattern Recognition Paradigm for Structural Health Monitoring of Bridges

Resumo

Nas últimas décadas, os sistemas de monitorização estrutural ganharam uma crescente importância na nossa sociedade. O principal objetivo destes sistemas é de ajudar os engenheiros a aprofundar o conhecimento relativo ao comportamento das estruturas sob condições de serviço para que possam otimizar e melhorar os programas de manutenção e, em último caso, evitar desastres ou falhas estruturais. É possível integrar estes sistemas em qualquer tipo de infra-estrutura civil ou mecânica. No entanto, nesta dissertação, os alvos preferenciais são as infra-estruturas com elevada importância estratégica no seio da engenharia civil, tais como as pontes e os viadutos. Portanto, o objetivo desta dissertação é (i) rever os recentes colapsos de pontes, de forma a desvendar as causas que os originaram assim como os desafios colocados por estes eventos; (ii) rever o conceito e a necessidade de sistemas de monitorização da integridade estrutural (SHM) de pontes, bem como o seu potencial associado aos benefícios ao nível da segurança e do ponto de vista económico; e (iii) estudar a aplicabilidade dos conceitos da SHM. Devido a recentes desenvolvimentos promissores, o processo de SHM pode ser colocado no contexto de um paradigma de reconhecimento de padrões (SPR), o qual tenta implementar uma estratégia de identificação de dano com base na comparação de diferentes estados de condição da estrutura. A aplicabilidade do paradigma SHM-SPR é estudada através da aplicação dos seus conceitos em dois casos distintos: em primeiro lugar, em conjuntos de dados recolhidos de uma estrutura de três pisos, criada e testada em ambiente laboratorial no Los Alamos National Laboratory; em segundo lugar, em conjuntos de dados de uma ponte real, mais especificamente, a Ponte Z24, na Suíça. As contribuições originais desta dissertação são a extensão dos resultados anteriormente obtidos por Figueiredo et al. relativos à estrutura de três pisos, e o desenvolvimento e aplicação de um algoritmo, que utiliza como base um modelo de mistura Gaussiana, de forma a melhorar o desempenho da classificação de características sob condições operacionais e ambientais variáveis.

Data de atribuição	21 set. 2012
Idioma original	English
Instituição de premiação	Universidade Católica Portuguesa
Supervisor	Elói João Faria Figueiredo (Supervisor)