ALEXANDRE CURY

Universidade Federal Juíz de Fora (BRASIL)

 

Monitoramento dinâmico estrutural baseado em análise estatística e em mineração de dados

Resumo: A detecção de danos em estruturas é um tema de pesquisa que tem despertado significativa atenção ao longo das últimas décadas. Uma das razões para o incremento de popularidade reside no fato de lidarmos com uma infraestrutura rodoviária e ferroviária cada dia mais envelhecidas, sujeitas a condições de tráfego que superam, em muito, os critérios originais de projeto. Estes fatores combinados aceleram a fadiga estrutural que, por sua vez, reduz a vida útil das estruturas. Assim, pesquisadores de diversos países vêm se debruçando sobre o estudo de técnicas e metodologias aplicadas ao monitoramento dinâmico de estruturas visando, principalmente, avaliar suas condições de operação e de integridade física. O monitoramento de saúde estrutural, ou Structural Health Monitoring (SHM) possui, como premissa, o desenvolvimento de indicadores confiáveis e robustos capazes de detectar, localizar e quantificar danos estruturais. Inicialmente, esses indicadores foram construídos a partir da evolução dos parâmetros modais, a saber: frequências naturais, taxas de amortecimento e modos de vibração. Ato contínuo, indicadores ditos “evoluídos”, obtidos a partir dos parâmetros modais, foram definidos e validados em variados estudos presentes na literatura. No entanto, poucas pesquisas investiram – e ainda investem – na análise dos sinais brutos, isto é, acelerações, deslocamentos, deformações, etc. medidos in situ. Decerto, isto decorre da dificuldade de se manipular tais dados adequadamente, levando-se em consideração não apenas a sua extensão, como também as suas propriedades intrínsecas. Neste sentido, o presente trabalho se propõe a apresentar um conjunto de técnicas baseadas em análises estatísticas e em mineração de dados aplicadas às medições dinâmicas brutas, i.e., acelerações. A abordagem proposta permite, de um lado, classificar comportamentos estruturais dinâmicos distintos de forma não-supervisionada e, por outro lado, vislumbrar um monitoramento dinâmico estrutural em tempo real. Os resultados obtidos até o momento indicam que tal metodologia possui potencial para ser aplicada em estruturas reais.

 

  RUI CALÇADA

CONSTRUCT, Faculdade de Engenharia da Universidade do Porto

 

Avaliação e monitorização do comportamento dinâmico da infraestrutura ferroviária

Resumo: Esta palestra fornece uma visão geral acerca dos aspetos mais relevantes relacionados com a monitorização do comportamento dinâmico da infraestrutura ferroviária, procurando realçar o seu potencial para a avaliação da condição estrutural ao longo do seu ciclo de vida. Começam por ser apresentados diversos modelos desenvolvidos pelo CSF – Centro de Saber da Ferrovia – da FEUP para a análise da interação dinâmica comboio-infraestrutura, fundamentais para a compreensão dos fenómenos envolvidos na referida interação, para o estabelecimento de programas adequados de monitorização e para a avaliação da condição da infraestrutura ferroviária. Seguidamente são apresentados diversos casos de estudo, que ilustram a eficiência e a utilidade das metodologias desenvolvidas, e que permitiram atingir objetivos relacionados com: a validação experimental de modelos dinâmicos do sistema comboio-infraestrutura; a avaliação da segurança de circulação de comboios em pontes submetidas a sismos ou ventos extremos; a avaliação do dano por fadiga em pontes ferroviárias; a avaliação da estabilidade estrutural da via de barra longa soldada; a avaliação da segurança de circulação de comboios em zonas de transição, e a avaliação do ruído e vibrações na envolvente de vias ferroviárias.

 

  EDUARDO SILVA

INESC TEC, Instituto Superior de Engenharia do Porto

 

Localization and mapping in dynamic underwater environments

Abstract: Autonomous localization and environment mapping are considered key capabilities to achieve truly autonomous robotic systems. Localization is the process of estimating the robot’s global position and orientation, while mapping consists on building an accurate internal representation of the environment. Both tasks are associated with perception through onboard carried sensors. So, information about the environment usually comes from noisy measurements taken in a noisy, dynamic and unstructured environment. Sensor capabilities are also environmental dependent, take the example of underwater SONAR, that evidently it is not suitable for in land operation. Another example is the GNSS, that provides handy global references in open skies, but suffers from deteriorated performance inside canyons, becoming unreachable indoors. For those facts, no general solution, for localization or mapping, is known to work universally in every scenario. Usually, a single sensor does not provide enough information to properly estimate localization or mapping. Hence, long-term reliable operation, with high sampling rate, results from the combination of complementary information given by different sensors. Moreover, robot perception is affected by uncertainty, therefore, instead of computing a single solution, probability distributions are used instead to represent the intrinsic uncertainty of robot’s localization and mapping states. Underwater environments encompass extra challenges that derive from the particular properties of the aquatic medium. Due to the reduced visibility underwater, the effectiveness of optical sensing devices is limited no near range operations. Moreover, in the middle of the water column, no consistent visual clues are expected, therefore visual based techniques are useless.