IDENTIFICAÇÃO DE DANOS ESTRUTURAIS UTILIZANDO METODOLOGIAS DE MODELO HÍBRIDO BASEADO NA FÍSICA E ORIENTADO A DADOS, MACHINE LEARNING E DIGITAL TWIN
Identificação de dano; machine learning; digital twin; modelo híbrido; dinâmica das estruturas.
Este trabalho propõe um novo framework de monitoramento da integridade estrutural para identificação de danos estruturais, no contexto de sistemas dinâmicos. O framework integra um modelo híbrido baseado na física e orientado a dados (que pode resultar em um modelo generalizável, acurado, interpretável e computacionalmente eficiente), sinais de sensores e métodos de machine learning supervisionado, viabilizando a construção de um digital twin. As equações governantes do movimento da estrutura descobertas pela modelagem híbrida (correspondente a estrutura sem dano) serão usadas para simular a resposta do sistema com diferentes locais de danos e intensidades correspondentes, a partir dessas simulações um conjunto de dados será construído para treinar os classificadores de machine learning, considerando os cenários da viga com dano e sem dano. O digital twin construído relacionará as entradas (sinais dos sensores) do physical twin a cenários de danos plausíveis, para avisar rapidamente se houver dano, onde está localizado e qual a sua gravidade, de forma que possa apoiar as decisões de engenharia. Um exemplo, considerando um modelo de viga engastada de aço, foi realizado para fins de aplicação do framework proposto, obtendo-se resultados parciais que mostraram que a abordagem proposta é promissora.