Detecção de falhas estruturais usando sensores e atuadores piezelétricos e algoritmos genéticos

• Ano de defesa: 2004
• Autor(a) principal: Tebaldi, Adriano [UNESP]
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Localização de falhas (Engenharia); Impedancia (Eletricidade); Materiais piezoeletricos; Algoritmos genéticos; Piezoelectric sensor and actuador - PZT; Electric impedance; Fault detection; Genetic alghrithm
• Link de acesso: http://hdl.handle.net/11449/90837

A tecnologia de materiais inteligentes se tornou uma área de crescente interesse para o desenvolvimento de estruturas que podem incorporar atuadores e sensores capazes de detectar falhas. Extensivas investigações têm sido focadas na tecnologia que integra materiais inteligentes no monitoramento das condições de sistemas. Vários estudos têm sido realizados na área de identificação de sistemas mecânicos e há uma tendência de introduzir otimização em projetos de monitoramento de sinais que permitirá automatização do processo e caracterização de falhas para sistemas complexos. O problema de identificação de variáveis ou detecção de falhas em sistemas mecânicos é uma classe de problemas inversos e, portanto, não apresenta uma solução única. O problema inverso consiste em determinar as causas baseando-se na observação dos efeitos. Nos problemas inversos os parâmetros de falha (comprimento de trinca e/ou localização) podem ser calculados no domínio da freqüência ou do tempo. A metodologia proposta neste trabalho utiliza dados no domínio da freqüência, e utiliza, em uma primeira etapa, o método da impedância elétrica para se determinar a localização das falhas. Numa segunda etapa é realizada a quantificação da intensidade de falhas, usando algoritmos genéticos. Algoritmos genéticos (AG) são processos de otimização baseados nos princípios de evolução natural. Um AG simula um processo de adaptação em uma população inicial de indivíduos através de operadores genéticos artificiais em cada geração. Em condições de otimização, cada indivíduo da população é codificado em um cromossomo, que representa uma solução genérica para o problema, enquanto a adaptação individual é avaliada por uma função de aptidão.