Identificação de Danos em uma Estrutura de Aço Baseada na Integração de Séries Temporais e Redes Neurais sob Temperaturas Variáveis

O efeito de temperaturas variáveis é um dos desafios mais importantes da identificação de danos baseada em vibrações devido aos seus maiores efeitos na resposta estrutural do que o próprio dano. Este estudo apresenta uma metodologia que incorpora o modelo de séries temporais autoregressivas (AR) com redes neurais artificiais (ANNs) de dois passos para identificar danos sob variações de temperatura. Os coeficientes AR, que são extraídos ajustando os modelos AR às respostas de aceleração, são, no entanto, sensíveis a mudanças de temperatura, resultando em diagnósticos falsos. Assim, modelos ANN de dois passos com as entradas da diferença nos coeficientes AR são utilizados para compensar as variações de temperatura prejudiciais. Modelos de elementos finitos (FE) de uma estrutura de quadro de aço reforçado, simulando vários cenários de dano com diferentes locais e severidades de dano em temperaturas flutuantes, são usados para verificar a eficácia e confiabilidade dessa abordagem. Resultados numéricos indicam que a abordagem proposta poderia reconhecer, localizar e quantificar danos com sucesso utilizando dados de vibração e temperatura somente de saída, independentemente das variações de temperatura e perturbações de ruído.