Monitoramento e Detecção de Dano em Sistemas Dinâmicos com Métodos Baseados em Dados
Modelo baseado em dados; Monitoramento de integridade; Decomposição em modos dinâmicos; Sensoreamento virtual, Estimação de parâmetros.
O monitoramento de condição em máquinas e estruturas é uma medida vital para detectar danos e prevenir falhas. A identificação precoce de danos permite reparos planejados que minimizam custos e tempo de inatividade do equipamento. O advento do aprendizado de máquina e suas aplicações à mecânica proporcionaram novas oportunidades de pesquisa em métodos baseados em dados para o monitoramento da integridade estrutural de sistemas dinâmicos. Nesse contexto, esta tese visa investigar sistemas dinâmicos complexos e propor estratégias de monitoramento que combinem métodos matemáticos e baseados em dados para identificar danos. Inicialmente, foi realizada uma investigação preliminar sobre a detecção de perda de torque em estruturas com juntas aparafusadas. O método de Decomposição de Modos Dinâmicos (DMD) foi utilizado para extrair parâmetros modais a partir de medições de velocidade na extremidade de uma viga de referência com uma junta aparafusada. Os autovalores do DMD foram então classificados diretamente de acordo com o valor do torque com um classificador do tipo Máquina de Vetores de Suporte, com uma precisão média de 80\%, que aumentou para 93\% quando os dados foram rotulados como íntegros ou danificados. Em sequência, a pesquisa aqui proposta seguirá duas linhas paralelas: uma sobre membranas de separação de gases e a outra sobre máquinas rotativas com mancais inteligentes compostos por sapatas móveis de liga com memória de forma. Em ambas as linhas, o objetivo da pesquisa é investigar a dinâmica desses sistemas e propor modelos baseados em dados e abordagens de monitoramento de condição. Esta tese investigará os principais modos de falha para cada sistema, bem como métodos de monitoramento de condição, como sensoriamento virtual, atualizações de modelos baseadas em dados e estimação de parâmetros.