Seleção de modelos e estimação de parâmetros em identificação de danos estruturais via transformada integral generalizada e inferência bayesiana
Ano de defesa: | 2023 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade do Estado do Rio de Janeiro
Centro de Tecnologia e Ciências::Instituto Politécnico Brasil UERJ Programa de Pós-Graduação em Modelagem Computacional |
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Palavras-chave em Português: | |
Link de acesso: | http://www.bdtd.uerj.br/handle/1/21676 |
Resumo: | O presente trabalho aborda o problema inverso de identificação de danos estruturais em uma viga de Euler-Bernoulli. O modelo matemático do comportamento da viga incluiu um campo de coesão para modelar o campo de dano, descrito pela soma de funções de base exponenciais contínuas. A resposta dinâmica da estrutura é obtida pela Técnica da Transformada Integral Generalizada, que fornece uma solução analítico-numérica. O problema inverso de identificação de danos é formulado segundo a inferência bayesiana e dividido em duas etapas. Em um primeiro nível, os parâmetros de dano são estimados para diversas classes de modelos, cuja amostragem é feita pelo método de Monte Carlo com Cadeias de Markov Transicional (TMCMC). Em um segundo nível é realizada a seleção de classe de modelos conforme os modelos considerados na primeira etapa. Combinando as duas análises, é possível predizer a quantidade de regiões danificadas, bem como a localização e forma dos danos, sem a necessidade de malhas computacionais sobre a estrutura. A verificação da metodologia proposta é feita a partir de simulações numéricas considerando uma viga de Euler-Bernoulli simplesmente apoiada e analisando o desempenho do método em três cenários de dano distintos sob diversas condições. O método conseguiu resolver os problemas propostos com uma quantidade relativamente baixa parâmetros quando comparado com outros métodos da literatura. |