Implementação de técnicas inovadoras baseadas em aprendizado de máquina e visão computacional para monitoração de pontes e viadutos nos Estados de São Paulo e Pará

• Processo: 22/10105-3
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de março de 2023
• Data de Término da vigência: 31 de maio de 2025
• Área do conhecimento: Engenharias - Engenharia Civil - Estruturas
• Acordo de Cooperação: CONFAP - Conselho Nacional das Fundações Estaduais de Amparo à Pesquisa
• Pesquisador responsável: Tulio Nogueira Bittencourt
• Beneficiário: Tulio Nogueira Bittencourt
• Instituição Sede: Escola Politécnica (EP). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Pesquisadores associados: Marcos Massao Futai
• Assunto(s): Logística Aprendizado computacional Inteligência artificial Visão computacional Pontes Viadutos Danos Monitoramento de integridade estrutural São Paulo Pará
• Palavra(s)-Chave do Pesquisador: artificial intelligence | Computer Vision | Digital Twins | machine learning | Structural Health Monitoring | Estrutura Logística

Resumo

A evolução do processo de monitoramento da integridade estrutural (do inglês, Structural Health Monitoring - SHM) trouxe novos desafios para serem superados. Mudanças da dinâmica estrutural geradas pela variação operacional e ambiental continuam sendo o maior desafio técnico, por mascarar a existência de dano estrutural, alterando o nível de severidade. Embora o número de abordagens para a atenuação desses efeitos esteja em rápido crescimento, a maioria ainda sofre por problemas de desconhecimento das condições iniciais, como o elevado número de parâmetros de entrada e a instabilidade dos modelos. Além disso, encontra-se a crescente necessidade de abordagens para a aquisição autônoma de dados sem contato direto com a estrutura. Esta demanda tem direcionado o desenvolvimento de técnicas baseadas em imagens para a análise e identificação modal, as quais podem ser acopladas a modelos de aprendizado de máquina para o monitoramento dinâmico em tempo real. Este projeto visa o desenvolvimento de novas abordagens para a aquisição de dados, análise modal e detecção de danos baseados em visão computacional e aprendizado de máquina. O projeto visa aprimorar a técnica de gêmeos digitais para detecção de danos em pontes e viadutos. Dados de instrumentação, projeto executivo e as propriedades mecânicas e geométricas dos elementos estruturais, serão utilizados para calibração dos modelos digitais. Além da criação desses modelos, a equipe de SP irá compartilhar as informações da instrumentação para que sejam aprimorados algoritmos de detecção de dano em estruturas desenvolvidos pela equipe do PA. Os sistemas serão aplicados em testes de campo para monitoramento de pontes e viadutos, e validados com instrumentos de referência. O sistema de monitoramento proporcionará inovações científicas e tecnológicas aos estados de SP e PA, com impacto nos âmbitos industrial, econômico e ambiental. (AU)