Uso de Redes Neurais para Detecção de Falhas em Estruturas

Uso de Redes Neurais para Detecção de Falhas em Estruturas

Tássio Spuri Barbosa

Professor Willian Soares Lacerda

Resumo

As Redes Neuras são modelos computacionais inspiradas no funcionamento do cérebro, onde neurônios artificiais, conectados em redes, são capazes de aprender e generalizar. Depois de treinadas são capazes de fazer previsões ou classificações de quaisquer dados que lhe seja apresentada. Este trabalho descreve o treinamento de uma rede que é capaz de classificar uma falha em uma estrutura qualquer analisando a sua matriz de rigidez (K) e sua vibração. O trabalho descreve como a rede foi treinada, quais os parâmetros escolhidos e no fim são apresentados os resultados obtidos.

Palavras chave: Redes Neurais. Detecção de Falhas. Classificação.

1. Introdução

O objetivo desse trabalho é mostrar como uma Rede Neural é eficaz em um processo de classificação de falhas e não falhas em estruturas quaisquer. Será apresentada uma breve introdução do que é Redes Neurais Artificiais e depois uma introdução teórica da parte física e mecânica utilizada no trabalho. A princípio o trabalho seria feito usando dados reais coletados em uma bancada montada no Departamento de Engenharia da Universidade Federal de Lavras, mas como a bancada ainda está sendo montada, os dados foram gerados aleatoriamente respeitando todas as leis físicas e mecânicas que o processo exige. Depois serão apresentados todos os parâmetros de treinamento da Rede e por último, os resultados obtidos por essa rede com uma análise do quão eficiente foi essa Rede.

1.1 Redes Neurais Artificiais

Existem diversas definições para as redes neurais, também chamadas de neurocomputadores, redes conexionistas ou processadores paralelamente distribuídos. Podemos utilizar a definição apresentada por Haykin, S. no livro Redes Neurais. Princípios e Práticas:

“Uma rede neural é um processador paralelo maciçamente distribuído sendo constituído de unidades de processamento simples, que têm a propensão natural para armazenar conhecimento experimental e torná-lo disponível para o uso”.

Uma rede neural assemelha-se ao cérebro humano em dois aspectos:

• O conhecimento é adquirido pela rede com base em seu ambiente por meio de um processo de aprendizagem;

• Forças de conexão entre neurônios,, conhecidas como pesos sinápticos, são utilizadas para armazenar o conhecimento adquirido.

As redes neurais são baseadas no cérebro humano, que recebe continuamente informação, percebe-a e toma, com base na informação, decisões apropriadas.

A entidade mais simples de uma rede neural é o neurônio que, baseado no funcionamento do neurônio biológico, segue o modelo apresentado na Figura 1:

Os elementos básicos do neurônio são:

• Entradas (x1, x 2, ..., xm);

• Um conjunto de sinapses, cada uma delas caracterizada por um peso sináptico (wk1, wk2 ...,wk m);

• Um somador (∑) utilizado para fazer a soma dos sinais de entrada ponderados;

• Uma função de ativação (.) para restringir a amplitude da saída do neurônio; podem ser utilizadas funções de ativação de um neurônio: função de limiar; função linear por partes ou função sigmóide;

• Um bias (bk) que é uma espécie de peso do neurônio na rede;

• Saída (yk).

Matematicamente, um neurônio k seria descrito pelas seguintes equações:

Os principais benefícios das redes neurais são:

• Generalização, que se refere ao fato de a rede neural produzir saídas adequadas para entradas que não estavam presentes durante o treinamento;

• Poder computacional, por meio de sua estrutura maciçamente paralela;

• Habilidade de aprender.

Essas capacidades de processamento de informação tornam possível às redes neurais resolver problemas complexos e/ou de grande escala que são atualmente intratáveis.

1.2 Lei de Hooke

Para analisar a o deslocamento de uma estrutura quando é submetida a uma vibração podemos fazer uma analogia com a Lei de Hooke, que se refere a molas, para estruturas em geral. Analogia essa muito usada na aplicação do Método dos Elementos Finitos que é muito utilizada em diversas áreas do estudo de Resistências dos Materiais. Essa analogia pode ser usada até que o corpo ultrapassa sua deformação elástica, pois até então ela se comportaria como uma mola.

O físico inglês representou matematicamente sua teoria com a equação:

F = K . x

Onde:

F = força aplicada

K = constante elástica

x = deformação (deslocamento) ou alongamento do meio elástico

No caso do trabalho, a constante K será definida pela a equação a seguir:

K = E . A / L

Onde:

E = módulo de elasticidade do material

A = secção transversal da estrutura

L = comprimento da estrutura

No caso de uma falha, como uma trinca, furo, acréscimo de material, entre outras, o módulo de elasticidade do material vai variar e, consequentemente, variando o valor da constante elástica, que vamos chamar agora de Matriz de Rigidez do Elemento, porque computacionalmente esse valor será dado por uma matriz e sua ordem vai depender do número de graus de liberdade. No trabalho não foi necessário usar a matriz de rigidez porque apenas o número de K será importante.

2. Desenvolvimento do trabalho

Foi feita uma simulação computacional para um problema prático que ainda está