Fusão de Dados Multimodal para Monitoramento da Integridade Estrutural de Materiais Compósitos

• Processo: 25/11451-0
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de setembro de 2025
• Data de Término da vigência: 31 de agosto de 2026
• Área de conhecimento: Engenharias - Engenharia Mecânica - Mecânica dos Sólidos
• Pesquisador responsável: Kayc Wayhs Lopes
• Beneficiário: Tiago Yuzo Yoshida Simao
• Instituição Sede: Escola de Engenharia de São Carlos (EESC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Aprendizagem profunda Materiais compósitos Monitoramento de integridade estrutural
• Palavra(s)-Chave do Pesquisador: Aprendizado profundo | compósitos | Fusão Multimodal | Monitoramento da Integridade Estrutural | Shm

Resumo

Materiais compósitos, amplamente empregados em setores como o aeroespacial, aeronáutico e automobilístico, destacam-se devido à melhor relação entre leveza e resistência quando comparados com materiais isotrópicos, como alumínio e aço. Entretanto, danos presentes nesses materiais podem evoluir de forma rápida e complexa, aumentando o risco das operações que envolvem esse tipo de material. Assim, é importante desenvolver métodos que ajudem a detectar e acompanhar a propagação desses danos, visando ao aumento da confiabilidade operacional. Para inspeção estrutural, métodos tradicionais, como análises visuais ou testes não destrutivos, podem demandar mão de obra especializada e também apresentar alta dependência de interpretação humana, dificultando o processo de monitoramento em tempo real e proporcionando chances de falha humana no processo. O avanço da computação e da estatística permitiu que diferentes técnicas computacionais fossem criadas para o melhoramento dos processos de monitoramento da integridade estrutural, utilizando sinais coletados da própria estrutura ao longo do tempo. Entretanto, muitas delas investigam a presença de dano com base apenas em sinais oriundos de um único sensor, como sinais de vibração, o que pode limitar a eficiência e a acurácia dos diagnósticos. Nesse sentido, este projeto de pesquisa tem como objetivo desenvolver um modelo computacional baseado em aprendizado profundo, combinando dados de diferentes sensores, técnica conhecida como fusão de dados multimodal, para o monitoramento da integridade estrutural de materiais compósitos. Para estudo, será utilizado um conjunto de dados disponibilizado pela NASA sobre placas de CFRP, sigla em inglês para Carbon Fiber Reinforced Polymer. Os corpos de prova foram submetidos a ensaios de fadiga, nos quais atuadores e sensores piezoelétricos foram aplicados para capturar sinais de ondas ultrassônicas em várias frequências, e imagens de raio X foram obtidas periodicamente durante o ciclo de fadiga. Os dados disponíveis serão usados para treinar modelos de redes neurais, cujos domínios serão combinados por meio da fusão multimodal para detectar e quantificar delaminações e estimar a vida útil da estrutura. Ao final, espera-se que essa abordagem possibilite diagnósticos mais antecipados e precisos do estado estrutural, aumentando a confiabilidade e a eficiência na manutenção de componentes críticos.