Técnicas de Aprendizado de Máquina para Monitoramento da Integridade Estrutural

• Processo: 25/09586-5
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de agosto de 2025
• Data de Término da vigência: 31 de julho de 2026
• Área de conhecimento: Engenharias - Engenharia Mecânica - Mecânica dos Sólidos
• Pesquisador responsável: Kayc Wayhs Lopes
• Beneficiário: Luiz Eduardo Abdala José
• Instituição Sede: Escola de Engenharia de São Carlos (EESC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Temperatura
• Palavra(s)-Chave do Pesquisador: Impedância Eletromecânica | métodos de aprendizado de máquina | Monitoramento da Integridade Estrutural | Temperatura | Monitoramento da Integridade Estrutural

Resumo

Este projeto visa o desenvolvimento e a avaliação de métodos de aprendizado de máquina para a compensação dos efeitos da temperatura em sinais obtidos por meio do método da Impedância Eletromecânica (IE), bem como para a detecção e classificação de danos estruturais. A variação térmica é conhecida por afetar os sinais obtidos via IE devido à sensibilidade dos sensores e atuadores comumente utilizados, o que pode comprometer a precisão dos diagnósticos em estruturas mecânicas via sistemas de monitoramento da integridade estrutural. Para a compensação térmica nos sinais, dois modelos distintos de aprendizado de máquina serão explorados: autoencoders e Random Forest. Após a remoção do efeito da temperatura nas curvas da IE, esses sinais serão utilizados para a detecção e classificação de danos presentes na estrutura utilizando árvores de decisão e Random Forest. Os resultados obtidos com os sinais compensados termicamente serão comparados àqueles obtidos a partir das curvas sem remoção do efeito térmico, com o objetivo de avaliar como a compensação afeta o diagnóstico estrutural, além de seu impacto no desempenho dos sistemas de detecção e classificação de danos e no custo computacional envolvido nessas tarefas. (AU)