Aplicação de técnicas de machine learning para o monitoramento de vibração e detecção de trincas em pontes

Abstract

Vibrações excessivas e trincas são algumas das principais causas de anomalias em estruturas civis como pontes e viadutos, demandando acompanhamento e avaliações contínuas com o propósito de viabilizar ações preventivas. Nesse contexto, este trabalho propõe técnicas de machine learning para sistemas de monitoramento de saúde estrutural (SHM). A metodologia adotada engloba um sistema de monitoramento de vibração e detecção de trincas em pontes. A classificação dos sinais de vibração é executada em quatro categorias (sem vibração, normal, em alerta e crítico) através de uma árvore de decisão (DT), e a detecção de trincas através de simulação, para classificar a estrutura em relação à presença ou ausência de trincas, utilizando uma rede neural convolucional (CNN).