Como apresentado na seção anterior a variação da temperatura provocou alterações nas propriedades dinâmicas, principalmente nas frequências. Deste modo, nesta seção serão apresentados alguns trabalhos de avaliação de dano onde a temperatura foi tratada para a aplicação do método.
Miguel (2007) estudou a integridade estrutural de treliças. Observou que a temperatura apresentava uma influência significativa na avaliação de danos e, a partir disso, utilizou equações de regressão linear e RNAs com o objetivo de filtrar este efeito ambiental das frequências naturais. A rede construída possuía treinamento supervisionado com algoritmo
backpropagation e arquitetura com uma camada de entrada, uma oculta e uma de saída. Além
disso, como dados de entrada foram utilizadas as temperaturas e os dados de saída foram as frequências. Após o treinamento e validação da rede e análise dos resultados obtidos através das regressões lineares, constatou que as duas metodologias apresentaram bons resultados na capacidade de previsão da frequência sem a influência da temperatura, porém salienta que as RNAs podem se adaptar mais facilmente a situação.
Magalhães (2010) em sua tese de doutorado desenvolveu técnicas para obter parâmetros modais a partir de dados de ensaio de vibração. As técnicas desenvolvidas foram aplicadas em duas estruturas, uma cobertura metálica de estádio e uma ponte em arco com comprimento de 371m. Para a aplicação das técnicas foi necessário o tratamento dos dados devido à influência provocada pela variação da temperatura nos mesmos. Este tratamento foi feito através de modelos de regressão linear dinâmica, para estabelecer uma relação entre a variação de temperatura e a frequência modal, com o intuito de desprezar este efeito nas análises. Com a regressão conseguiu valores em que a frequência variou em 5 mili-Hz no período de um ano. Foi percebida apenas uma exceção, no mês de janeiro de 2009, quando nevou e temperaturas negativas desencadearam mecanismos não lineares que aumentaram a rigidez da estrutura, gerando assim frequências com valores superiores aos medidos durante o restante do ano. Jin et al. (2016) estudaram o efeito de mudanças severas na temperatura, variando de 34,76ºC à -15,82°C, em uma ponte nos EUA. Utilizaram RNAs com o filtro de Kalman estendido (EKFNN) por estimar sistemas dinâmicos não-lineares e serem capazes de prever processos não estacionários, como a frequência natural. Fizeram considerações para o efeito de congelamento. Para validar o método, realizaram simulações no software SAP2000 sugerindo
dois cenários de danos. O método EFKNN mostrou um forte potencial de detecção dos danos em tempo real, o que ajuda na gestão e manutenção da ponte.
Kostić e Gül (2017) propuseram localizar dano utilizando as acelerações e temperatura da estrutura utilizando uma RNA. Construíram um modelo numérico no software SAP2000 da passarela estudada por Moser e Moaveni (2011) localizada em Medford, para aplicação do método. A RNA foi construída no software Matlab através do pacote Neural Network Toolbox, e possui múltiplas camadas com algoritmo de treinamento backpropagation, função de ativação tangente-hiperbólica e 10 neurônios na camada oculta. Foi fornecida a rede como dado de entrada três temperaturas: da laje de concreto, das vigas metálicas que apoia a laje e dos demais elementos. E como dado de saída a rede forneceu a aceleração dos 16 acelerômetros distribuídos ao longo da passarela, na Figura 2.6 é apresentada a posição onde esses acelerômetros foram instalados. A localização do dano foi feita a partir da aplicação do método ARX, proposto por Gül e Çatbas (2011) apud Kostić e Gül (2017), nos dados de saída fornecidos pela RNA, onde a região que apresentasse dano teria os canais próximos com valores superiores aos não danificados.
Foram simulados cinco cenários de danos e com o objetivo de abranger casos reais, onde os dados podem apresentar uma pequena variação, testou a combinação da RNA com o método ARX incidindo um ruído gaussiano branco de 0%, 1%, 3% e 5% nos dados dos 5 cenários de dano criados. Pode-se afirmar que a localização do dano correu de forma eficaz, uma vez que para todos os cenários de dano criados o método conseguiu determinar a região danificada. Vale ressaltar que quanto maior o ruído menor foi a diferença entre os resultados dos canais, ou seja, dados com ruídos superiores a 5% o método pode não ser eficaz.
Gu et al. (2017) propuseram detectar e quantificar dano utilizando frequências naturais em uma RNA auto-assosiativa assimétrica, estando a estrutura sob diferentes temperaturas, com o objetivo que a RNA identificasse as alterações geradas pela presença do dano ou da temperatura nas frequências. Como dado de entrada para o treinamento da RNA foram utilizadas as frequências e temperatura da estrutura, e como dado de saída apenas as frequências, configurando assim uma RNA auto-assosiativa assimétrica. O método foi aplicado em duas estruturas, uma viga bi-apoiada e um pórtico tridimensional, ambos metálicos, na Figura 2.7 consta essas duas estruturas.
Com relação à viga, o treinamento da rede foi feito com 1000 modelos numéricos. Os modelos foram criados a partir de três configurações, a viga intacta e com duas intensidades de dano, e essas três configurações foram submetidas a temperaturas entre -15° e 50°C. Como dado de entrada foi fornecido as 6 primeiras frequências mais a temperatura, e a rede forneceu como dado de saída 6 frequências. Para o pórtico também foram criados 1000 modelos, porém com cinco configurações, o pórtico intacto e mais quatro intensidades de dano, submetidos a temperaturas entre -15° e 50°C. Como dado de entrada utilizaram as 10 primeiras frequências mais duas temperaturas (temperaturas da ligação viga-pilar dos pilares centrais), e como dado de saída a rede forneceu 10 frequências. Em ambos os testes foi possível determinar a existência ou não de dano e sua gravidade. A presença do dano foi determinada a partir da diferença entre as frequências fornecidas como dado de entrada, com as frequências obtidas nos dados de saída, e quanto maior a diferença mais grave era o dano.
Por fim, o método foi aplicado nos dados contendo ruído de 1% e 5%. Nas duas estruturas com os cenários com ruído também foi possível identificar a existência de dano e sua intensidade, mostrando que o método é eficaz com dados imprecisos.
(a) (b)
Figura 2.7. Estruturas onde o método proposto por Gu et al. (2017) foi aplicado (a) Viga bi-apoiada (b) Pórtico tridimensional
Com base nos trabalhos mencionados notou-se que as RNAs veem apresentando um bom desempenho, ao serem utilizadas com o objetivo de detectar, localizar e/ou quantificar dano. Paralelo a isto, foi observada que, no caso de estruturas usuais, a temperatura é um fenômeno que deve ser considerado, já que pode interferir no método de avaliação de dano.
Diante deste cenário as RNAs serão utilizadas para, inicialmente, localizar dano sem considerar mudanças de temperatura, em uma viga construída em laboratório. Além disto é apresentado como a temperatura modifica nos parâmetros modais, frequência e modo de vibração, juntamente com o desempenho da técnica de RNA diante do fenômeno da temperatura. E por fim, é verificado se as mudanças nos parâmetros modais, gerados pela temperatura, influencia na localização do dano.