Detecção de Danos Estruturais Utilizando Análise Estatística e Auto-Codificador Esparso

Abstract

Recentemente, novos métodos computacionais denominados de aprendizado de máquinasprofundo, do inglês “deep learning”, vêm sendo propostos e aplicados aos mais diversos tipos de problemasde reconhecimento de padrões. Esses novos métodos buscam modelar de forma robusta abstraçõescomplexas dos dados através do mapeamento linear e não-linear utilizando várias camadas deprocessamento. Um dos algoritmos deep learning mais conhecidos é o Auto-Codificador Esparso (eminglês, “Sparse Autoencoder” – SAE), que realiza o aprendizado das características dos dados de formanão-supervisionada. Diante do exposto, objetiva-se no presente trabalho avaliar o uso do SAE para oproblema de detecção de danos estruturais em uma simulação numérica de viga, desenvolvendo-se modelosde classificação baseados em indicadores estatísticos extraídos das respostas dinâmicas no domíniodo tempo. Os bons resultados incentivam o uso do Auto-Codificador Esparso e o desenvolvimento demodelos computacionais de aprendizado profundo na avaliação da integridade das estruturas.