Utilize este identificador para referenciar este registo: https://hdl.handle.net/1822/75371

TítuloBio-inspired algorithms for Structural Health Monitoring of Civil Engineering systems
Outro(s) título(s)Algoritmos bio-inspirados para Monitorização da Integridade de Estruturas em Engenharia Civil
Autor(es)Barontini, Alberto
Orientador(es)Ramos, Luís F.
Mendes, Paulo Jorge Rodrigues Amado
Masciotta, Maria Giovanna
Palavras-chaveAlgoritmo de Seleção Negativa
Classificação baseada em uma única classe
Deteção de dano
Monitorização da integridade de estruturas
Monitorização de Vibrações
Negative Selection Algorithm
One-Class Classification
Damage Detection
Structural Health Monitoring
Vibration Monitoring
Data4-Jun-2021
Resumo(s)Hoje em dia, a gestão de um vasto acervo de estruturas complexas e infraestruturas, que se encontram próximo ou para lá do seu fim de vida útil, constitui um importante desafio para os países desenvolvidos. Neste contexto, a manutenção e a prevenção têm vindo a representar custos muito significativos, sendo necessário adotar estratégias de gestão com relação custo-benefício otimizada, mas que ainda se encontram em desenvolvimento. Com a Monitorização da Integridade de Estruturas (em inglês, Structural Health Monitoring, SHM) pretende-se garantir a identificação imediata de danos, de forma a permitir uma avaliação automatizada da integridade dos sistemas estruturais. O desenvolvimento desta área de investigação visa a obtenção de métodos adequados e fiáveis para detetar os danos o mais cedo possível, e para que estes sejam encarados de forma imediata, focada e económica. A deteção de danos pode ser formulada como um problema de classificação com uma única classe e pode ser tratada de forma eficaz por meio de ferramentas numéricas bioinspiradas, como o Algoritmo de Seleção Negativa (NSA). A presente tese tem como objetivo desenvolver e testar uma metodologia de deteção de danos baseada numa versão inovadora do NSA com geração determinística. A metodologia é composta por vários recursos numéricos, para ultrapassar as deficiências identificadas na revisão da literatura. A metodologia proposta é validada em análises numéricas e estudos de caso, considerando cenários de danos múltiplos e incrementais, e condições ambientais e operacionais variáveis. Todas as conclusões são baseadas na análise experimental e estatística da aplicação dos algoritmos desenvolvidos, procurando-se desenvolver uma comparação justa com técnicas alternativas. A metodologia proposta revela-se apropriada para a deteção de danos em estado inicial de desenvolvimento. Pode ser adaptada a diferentes tipos de estruturas e propriedades estruturais sensíveis à ocorrência de dano. É robusta em relação a fontes de incerteza como o ruído nos sinais adquiridos, ao erro induzido pela extração das propriedades ou à flutuação devida às condições ambientais variáveis. O seu desempenho é fortemente afetado pela configuração dos parâmetros do algoritmo. Deste modo, são apresentadas diferentes abordagens de configuração, bem como se recomendam valores ou intervalos para parametrização da metodologia. Em conclusão, a estratégia de deteção de danos baseada em NSA, que é validada no contexto da presente tese, é considerada eficaz e os resultados promissores recomendam mais pesquisas e novas aplicações.
Nowadays, developed countries are challenged by the management of a wide estate inventory of complex existing structures and infrastructures, which are either close or beyond the end of their service life. Maintenance and prevention have become a significant item of expenditure, while cost-effective strategies are required but still under development. Structural Health Monitoring (SHM) aims at the prompt identification of damage in order to allow an automated health condition assessment of structural systems. The development of such a field of investigation shall provide suitable and reliable methods for detecting the damage outbreak at the earliest possible stage, thus for facing it in a quick, focused and economic way. To this end, damage detection can be formulated as a one-class classification problem and effectively addressed through bio-inspired numerical tools, as the Negative Selection Algorithm (NSA). This thesis aims at developing and testing a damage detection methodology based on an innovative version of NSA with deterministic generation. The methodology is composed of several numerical features to tackle the relevant shortcomings that emerged during the literature review and the pilot tests. The individual features and the global methodology are validated on numerical instances and field-testing case studies, considering multiple and increasing damage scenarios and varying environmental and operational conditions. All the conclusions drawn in the present work are based on experimental analyses of the algorithms, performed based on a proper statistical design. Additional attention is paid to provide a fair comparison with alternative existing techniques. The proposed methodology results suitable for early-stage damage detection. It can be adapted to different types of structures and damage-sensitive features. It might be suitable for sensor embedment, by performing the detection on the acquisition of a single sensor. It is independent of the type of monitoring tools or excitation. It is robust against sources of uncertainties as the noise in the signals, the error induced by feature extraction and the fluctuation in the monitored features due to varying environmental conditions. Its performance is, instead, largely affected by the algorithm parameter setting. Therefore, different suitable setting designs are presented together with recommended values or ranges. In conclusion, the damage detection strategy based on NSA, that is validated in the context of the present thesis, is deemed effective and the promising results foster more research and further applications.
TipoTese de doutoramento
DescriçãoTese de Doutoramento em Engenharia Civil
URIhttps://hdl.handle.net/1822/75371
AcessoAcesso aberto
Aparece nas coleções:BUM - Teses de Doutoramento
ISISE - Teses de Doutoramento

Ficheiros deste registo:
Ficheiro Descrição TamanhoFormato 
Tese_Alberto+Barontini.pdf11,72 MBAdobe PDFVer/Abrir

Este trabalho está licenciado sob uma Licença Creative Commons Creative Commons

Partilhe no FacebookPartilhe no TwitterPartilhe no DeliciousPartilhe no LinkedInPartilhe no DiggAdicionar ao Google BookmarksPartilhe no MySpacePartilhe no Orkut
Exporte no formato BibTex mendeley Exporte no formato Endnote Adicione ao seu ORCID