Localização de Danos com Utilização de Aprendizado de Máquina

Este trabalho introduz uma nova metodologia de Monitoramento da Integridade de Estruturas (SHM, do ingl s Structural Health Monitoring) utilizando algoritmos de aprendizado de m quina n o-supervisionado para localiza o e detec o de dano. A abordagem foi testada em material isotr pico (placa de alum nio). Os transdutores piezel tricos foram colados na placa de alum nio com dimens es de 500 x 500 x 2mm, que atuam como sensores e atuadores ao mesmo tempo. Para manipula o dos dados foram analisados os sinais definindo o primeiro pacote do sinal (first packet), considerando apenas o intervalo de tempo igual ao tempo da for a de excita o. Os sinais s o obtidos na situa o sem dano (baseline) e, situa es de dano. Como m todo de avalia o foram implementadas as m tricas: pico m ximo, valor m dio quadr tico (RMSD), correla o entre os sinais, normas H2 e H∞ entre os sinais baseline e sinais com dano. Foi implementado o algoritmo de aprendizado de m quina n o-supervisionado K-Means no matlab e tamb m testado no toolbox Weka. Ent o, fez se necess rio a implementa o de um algoritmo de aprendizado de m quina n o-supervisionado que utiliza propaga o de afinidades.