Regularização e hibridização aplicadas à identificação de danos em estruturas esbeltas através de um algoritmo de propagação de ondas acústicas

• Ano de defesa: 2017
• Autor(a) principal: Baptista, Josué Costa
• 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; BR; UERJ; Programa de Pós-Graduação em Modelagem Computacional
• Palavras-chave em Português: Damage identification; Inverse problems; Regularization; Hybridization; Identificação de danos; Problemas inversos; Regularização; Hibridização; Estruturas Modelos matemáticos; Impedância acústica; Otimização matemática; CNPQ::CIENCIAS EXATAS E DA TERRA::FISICA
• Link de acesso: http://www.bdtd.uerj.br/handle/1/13833

O algoritmo algébrico sequencial aperfeiçoado (AASA) é uma rotina desenvolvida para resolver o problema de propagação de ondas acústicas planas em meios não homogêneos. Esse método prediz com precisão o eco gerado por inomogeneidades em um meio propagante. Utilizado para resolver o problema inverso de identificação de danos, por um método estocástico de otimização, o AASA mostra-se eficiente para identificar perfis abruptos de impedância acústica quando o nível de ruído nos dados de entrada é baixo. Com o aumento do nível de ruído, a característica mal-posta do problema é acentuada, resultando em um fenômeno de propagação de erro que deteriora a qualidade das identificações, elevando o erro absoluto a 30%. O propósito deste trabalho é aplicar as técnicas de regularização de Tikhonov (RT) e da Variação Total (RVT) e usar uma estratégia híbrida de otimização, composta pelos métodos estocástico de Luus-Jaakola (LJ) e determinístico Levenberg-Marquard (LM), para reduzir a propagação de erro na estimação dos danos. Nos exemplos numéricos, os 40 parâmetros de 5 danos são identificados com sucesso para sinais de experimentos sintéticos com relação sinal-ruído entre 18 e 27 dB. Para todos os casos testados, a regularização e a hibridização reduziram o erro absoluto para níveis inferiores a 4% e, para o dano mais abrupto, o erro médio quadrático foi reduzido de mais de uma ordem de magnitude e a propagação de erro foi evitada.