Atualização de Modelo Baseada em Algoritmo Genético em um Gêmeo Digital em Tempo Real para Monitoramento de Pontes de Aço

A integração da tecnologia de gêmeos digitais com o monitoramento de saúde estrutural (MHE) está revolucionando a avaliação e manutenção de infraestrutura crítica, particularmente pontes. Gêmeos digitais—réplicas virtuais e baseadas em dados de estruturas físicas—possibilitam o monitoramento em tempo real ao sincronizar continuamente os dados dos sensores com modelos computacionais. Este estudo apresenta o desenvolvimento de um gêmeo digital em tempo real para uma ponte ferroviária de aço com três vãos, utilizando um modelo de elementos finitos (EF) de alta fidelidade construído com OpenSeesPy v 3.5 e instrumentado com 18 acelerômetros estrategicamente posicionados. As propriedades dinâmicas da ponte são extraídas usando a Identificação Estocástica de Subespaço (SSI), permitindo uma estimativa precisa dos parâmetros modais. Para melhorar a fidelidade do gêmeo digital, uma estratégia de atualização de modelo baseada em algoritmo genético é implementada, otimizando o módulo elástico do aço para minimizar discrepâncias entre frequências medidas e simuladas e formas modais. Os resultados demonstram uma notável redução nos erros de frequência (abaixo de 5%) e uma melhoria significativa na correlação de formas modais (MAC > 0.93 pós-calibração), confirmando a capacidade do modelo de refletir a verdadeira condição da ponte. Este trabalho destaca o potencial dos gêmeos digitais na manutenção preditiva, detecção precoce de danos e gerenciamento do ciclo de vida da infraestrutura de pontes, oferecendo uma estrutura escalável para MHE em sistemas estruturais complexos.