Identificação de sistemas e avaliação da integridade de estruturas treliçadas

Abstract

Monitoramento da integridade estrutural (Structural health monitoring - SHM) está relacionado à implementação de alguma estratégia para a detecção de dano em estruturas de engenharia. Este estudo geralmente envolve a observação do sistema no tempo, utilizando amostras periódicas de medições da resposta dinâmica, a partir de um grupo de sensores, a fim de verificar alterações nos parâmetros modais, que podem indicar a presença do dano. Entretanto, especialmente para estruturas treliçadas, este processo tornase difícil principalmente porque nem todos os deslocamentos ou rotações nodais modelados numericamente podem ser medidos experimentalmente. Desta forma, o presente estudo tem por objetivo tratar algumas das ainda correntes questões dos sistemas de monitoramento da integridade estrutural baseados em registros de vibração. Primeiramente aborda-se um tema que, apesar de recentemente ter se mostrado importante, ainda apresenta muito poucos estudos: a influência da variação dos efeitos ambientais, especialmente a temperatura, sobre as características dinâmicas de estruturas. Com o intuito de verificar tal influência em pontes metálicas, os resultados apresentados por Ni et al. (2005) são utilizados para a realização de estudos de correlação, através de uma comparação entre equações de regressão linear e um modelo, proposto no presente trabalho, em Redes Neurais Artificiais (RNA). A seguir são estudados procedimentos de identificação estocástica de sistemas, passo fundamental para o monitoramento da integridade estrutural. Realiza-se uma revisão bibliográfica nesta área abordando a evolução dos métodos que utilizam apenas dados de resposta para a identificação. Enfoque principal é dado nos métodos de identificação estocástica de subespaço (SSI), pois se mostram os mais práticos e robustos para a determinação dos parâmetros modais da estrutura.Finalmente, o método dos vetores de localização de dano (Damage locating vector method- DLV), introduzido por Bernal (2002), é extensivamente discutido. Esta é umatécnica eficaz quando operando com um número arbitrário de sensores, modos truncados e em cenários de dano múltiplo, mantendo as operações numéricas simples. Além disto, a influência do ruído na precisão do método dos vetores de localização de dano é avaliada. Com o intuito de verificar o comportamento do método DLV perante diferentes intensidades de dano e, principalmente, na presença de ruído de medição, um estudo paramétrico é conduzido. Distintas excitações, como também diferentes cenários de dano, são numericamente testadas em uma treliça Warren contínua considerando um limitado conjunto de sensores, através de cinco níveis de ruído. Além disto, é proposto um caminho alternativo para determinar os vetores de localização de dano no procedimento do método DLV. A idéia é oferecer uma opção alternativa para a solução do problema utilizando um método algébrico amplamente difundido. A formulação original via decomposição em valores singulares é subsituída pela solução mais trivial de um problema de valores próprios. Isto é possível graças à relação algébrica entre a decomposição em valores singulares de uma matriz e a solução do problema de autovalores desta matriz pré-multiplicada por sua transposta. Os resultados finais mostraram que o método DLV, considerando a soluça alternativa, foi capaz de corretamente localizar as barras danificadas, utilizando dados somente de resposta da estrutura, mesmo considerando pequenas intesidades de dano e moderados níveis de ruído.

Structural health monitoring (SHM) refers to the implementation of some strategy for damage detection in engineering structures. This study generally involves the observation of a system over time using periodically sampled dynamic response measurements from a set of sensors in order to verify changes in modal parameters, which may indicate damage or degradation. However, especially for truss structures this process sounds difficulty mainly because not all nodal displacements or rotations in the numerical model can be experimentally measured. In this context, the present thesis aims to address some still current issues of the vibration-based structural health monitoring systems. Firstly it is introduced a subject that, although has recently shown important, still presents very few studies: the environmental effects, mainly temperature, on the structural modal properties. Seeking to address this influence on steel bridges, the results presented by Ni et al. (2005) are used to conduct correlations studies, comparing linear equation regression with an artificial neural network model (ANN), proposed in the present thesis. Procedures for stochastic systems identification are studied next, which is a fundamental phase for the SHM systems. A literature review in this field addressing the evolution of the methods that just use response data for identification is carried out. Main focus is given in the stochastic subspace identification methods (SSI), because they have been known as the most practical and robust methods to determine the structure’s modal parameters. Finally, the damage locating vector (DLV) method, introduced by Bernal (2002), is extensively discussed. This is a useful approach because is effective when operating with an arbitrary number of sensors, a truncated modal basis and multiple damage scenarios, while keeping the calculation at a low level. In addition, the noise influence on the accuracy of the damage locating vector method is evaluated. In order to verify the DLV behavior in front of different damages intensities and, mainly, in presence of measurement noise, a parametric study had been carried out. Different excitations as well as damagescenarios are numerically tested in a continuous Warren truss structure with a set of limited measurement sensors through five noise levels. Besides this, it is proposed another way to determine the damage locating vectors in the DLV procedure. The idea is to offer an alternative option to solve the problem with a more widespread algebraic method. The original formulation via singular value decomposition (SVD) is replaced by a common solution of an eigenvector and eigenvalue problem. This is possible thanks to the algebraic relationship between the singular value decomposition of a matrix and the eigenproblem solution of this matrix pre-multiplied by its transpose. The final results show that the DLV method, adopting the alternative, was able to correct locate the damaged bars, using an output-only system identification procedure, even considering small intensities of damage and moderate noise levels.