REDES NEURAIS ARTIFICIAIS NA AVALIAÇÃO DA CONDIÇÃO DE ESTRUTURAS CIVIS – UMA ESTRATÉGIA PROMISSORA PARA DETECÇÃO DE DANOS

Diferentes métodos, convencionais e dinâmicos, têm sido desenvolvidos para a avaliação de danos estruturais. No segundo grupo de métodos, os parâmetros modais são extraídos dos dados de vibração, e suas alterações em muitas técnicas representariam mudanças das propriedades físicas da estrutura, que indicariam a presença de dano (GONZÁLEZ-PÉREZ; VALDÉS-GONZÁLEZ, 2010; GOH et al., 2013; CARDOSO et al., 2017). Assim, um dos desafios na avaliação da condição estrutural é a caracterização da relação entre as medidas e os padrões de danos através de algoritmos robustos com a capacidade de detectar, localizar e quantificar os danos de acordo com a resposta medida das estruturas (ABDELJABER; AVCI, 2016; GULGEC et al. 2019), o que pode ser feito através do uso de Redes Neurais Artificiais (RNAs). A RNA é um método matemático que tenta modelar a organização das redes neurais biológicas (SHARIFI et al., 2019) e possui para isso, uma variedade de tipos, em vários níveis de abstração e simulação (PANG et al., 2014). Trata-se de uma máquina projetada para modelar a maneira pela qual o cérebro realiza uma tarefa ou função de interesse específica (HAYKIN, 2009). Além disso, as RNAs são bastante efetivas no aprendizado de padrões a partir de dados históricos não lineares, incompletos, com ruído e até compostos de exemplos contraditórios (GOLDSCHMIDT, 2010), e permitem a manipulação de um grande volume de dados, que é uma característica presente no Monitoramento da Saúde Estrutural (Structural Health Monitoring – SHM). Este capítulo apresenta conceitos fundamentais sobre as RNAs e trabalhos que obtiveram sucesso em suas aplicações.