Novas soluções de monitorização da integridade estrutural de pontes

Abstract

Atualmente, diversos acontecimentos impulsionam-nos a reflexões e adaptações constantes. Num curto espaço de tempo, a nossa resiliência foi desafiada por uma pandemia à escala global, uma invasão da Rússia à Ucrânia e por um abalo sísmico de extrema magnitude na Síria-Turquia. No âmbito do desenvolvimento tecnológico, as ferramentas de Generative Artificial Intelligence (GenAI ) prometem um impacto superior ao da internet e a expansão das tecnologias de informação nos anos 90, por exemplo, na democratização e adoção global de ferramentas de inteligência artificial com grande potencial para automatizar a execução de tarefas repetitivas e simplificar tarefas complexas. Já em 1961, a hipótese da codificação eficiente formulada por Barlow sugeria que o impulso da evolução dos nossos órgãos sensoriais e do cérebro que os processa, ocorreu, primariamente, pela necessidade de minimizar a energia consumida por cada bit de informação adquirido pela nossa envolvente. Dada a emergente aplicação destas ferramentas e hipótese à engenharia, este texto pretende explorar soluções inovadoras de automatização e otimização dos processos de extração, transformação, carregamento, análise e visualização de dados relacionados com a monitorização da integridade estrutural em pontes, que permitam uma tomada de decisão mais eficiente no que diz respeito à manutenção preditiva destas infraestruturas críticas. A implementação de estratégias baseadas em sistemas de monitorização que medem a resposta estrutural em tempo real e a análise de dados com vista à deteção precoce de anomalias e/ou dano é uma área de estudo da engenharia conhecida por Structural Health Monitoring (SHM). No pressuposto que a análise do dano requer a comparação entre dois estados de sistema, o SHM é colocado no contexto do paradigma de reconhecimento estatístico de padrões (SPR), enraizado no âmbito da inteligência artificial. No contexto do SHM, o dano define-se pelas alterações nas propriedades dos materiais e/ou geometria dos componentes das pontes, que introduzem uma transformação ao sistema estrutural e que afetam a sua segurança e desempenho atuais e no futuro. O grande desafio da análise de dados passa por separar a resposta dinâmica do sinal (dano), que se caracteriza por processos internos irreversíveis (e.g. deformação plástica), da resposta dinâmica do ruído (ações ambientais e operacionais), de natureza estocástica e magnitude superior ao dano. Em geral, a robustez e precisão dos algoritmos de deteção do dano dependem de como as mudanças na resposta estrutural devido ao dano podem ser distinguidas dos efeitos ambientais e operacionais. No âmbito do SHM, o processo de remoção dos efeitos ambientais e operacionais da resposta estrutural é geralmente denominado como normalização de dados. Dependendo do tipo de estrutura, este processo pode ser complexo e constitui uma das principais razões para a lenta transição do SHM da academia para aplicações reais. O propósito investigado nesta dissertação consiste em identificar soluções inovadoras que permitam a implementação de um sistema SHM de uma forma simples, eficaz e escalável. A vertente multidisciplinar do tema SHM e a procura de soluções que permitam a sua aplicação comercial em larga escala, são as maiores fontes de motivação para o presente estudo.

Currently, several events drive us to constant reflections and adaptations. In a short period of time, our resilience was challenged by a pandemic on a global scale, an invasion by Russia of Ukraine and an earthquake of extreme magnitude in Syria-Turkey. In terms of technological development, Generative Artificial Intelligence (GenAI ) tools promise a greater impact than the internet and the expansion of information technologies in the 1990s, for example, in the democratization and global adoption of artificial intelligence tools with great potential for automate the execution of repetitive tasks and simplify complex tasks. As early as 1961, the hypothesis of efficient coding formulated by Barlow suggested that the impetus for the evolution of our sensory organs and the brain that processes them, occurred, primarily, by the need to minimize the energy consumed by each bit of information acquired by our surroundings. Given the emerging application of these tools and hypothesis to engineering, this text intends to explore innovative solutions for automating and optimizing extraction, transformation, loading, analysis and visualization of data related to the monitoring of structural integrity in bridges, which allow a more efficient decision-making regarding the predictive maintenance of these critical infrastructures.The implementation of strategies based on monitoring systems that measure the structural response in real time and data analysis with a view to early detection of anomalies and/or damage is an area of engineering study known as Structural Health Monitoring (SHM). On the assumption that the damage analysis requires the comparison between two system states, the SHM is placed in the context of the statistical pattern recognition (SPR) paradigm, rooted in the field of artificial intelligence. In the context of SHM, damage is defined by changes in the properties of materials and/or geometry of bridge components, which introduce a transformation to the structural system and affect its current and future safety and performance. The great challenge of data analysis is to separate the dynamic response of the signal (damage), which is characterized by irreversible internal processes (e.g. plastic deformation), from the dynamic response of the noise (environmental and operational effects), of stochastic nature and higher magnitude to damage. In general, the robustness and accuracy of damage detection algorithms depend on how changes in structural response due to damage can be distinguished from environmental and operational effects. Within SHM, the process of removing environmental and operational effects from the structural response is generally referred to as data normalization. Depending on the type of structure, this process can be complex and constitutes one of the main reasons for the slow transition of SHM from academia to real applications. The purpose investigated in this dissertation is to identify innovative solutions that allow the implementation of a SHM system in a simple, effective and scalable way. The multidisciplinary aspect of the SHM theme and the search for solutions that allow its commercial application on a large scale are the main sources of motivation for the present study.