Aplicação de algoritmos de aprendizagem para apoiar o processo de gestão das pontes em Angola
Miniatura indisponível
Data
2017
Autores
Título da revista
ISSN da revista
Título do Volume
Editora
Resumo
As pontes são importantes eixos de ligação das infraestruturas rodoviárias. Por isso é importante manter, permanentemente, a capacidade funcional e estrutural das mesmas, de forma a evitar perturbações no tráfego, bem como a ocorrência de colapsos com a consequente perda de bens materiais e humanos. Assim, nos últimos anos surgiram os sistemas de gestão de obras de arte que permitem aos donos das redes viárias um conhecimento atualizado do universo das suas infraestruturas e do estado global de conservação das mesmas através de inspeções visuais, essencialmente. Contudo, para tirar partido das novas tecnologias e aumentar o grau de confiança da análise da condição estrutural, tem surgido a possibilidade de monitorizar as pontes de forma contínua, permitindo uma avaliação estrutural permanente das mesmas e, potencialmente, um aviso atempado das condições de segurança. Assim, nos últimos anos tem surgido o conceito de Monitorização da Integridade Estrutural. Devido à enorme quantidade de dados recolhidos pelos sistemas, a aplicação de algoritmos de aprendizagem automática tem mostrado ser uma ferramenta importante para gerir os dados e detetar anomalias (ou danos) através da experiência acumulada. Note-se que os conceitos aqui apresentados estão direcionados para as pontes rodoviárias. Contudo, os mesmos podem ser facilmente estendidos para as pontes ferroviárias.
Desta forma, esta dissertação tem como objetivo: (i) aprofundar o conhecimento sobre as pontes existentes em Angola, bem como identificar a atual estratégia de gestão; (ii) rever a história da gestão de obras de arte nos EUA e em Portugal, como forma de comparação e extração de lições importantes para a estratégia futura de Angola; (iii) rever o conceito de Monitorização da Integridade Estrutural; e por fim (iv) mostrar a aplicabilidade dos algoritmos de aprendizagem automática para deteção de danos sobre dados de um sistema de monitorização estrutural instalado numa ponte em Angola.
The bridges are important connecting axes of the road infrastructures. So it is important to permanently maintain their functional and structural capacity in order to avoid disruptions in traffic as well as the occurrence of colapses with the consequent loss of material and human goods. Thus, in the last years, the bridges management systems have emerged allowing the owners of the road networks a refreshed knowledge of the universe of their infrastructures and their overall state of conservation of them through visual inspections, essentially. Nonetheless, to take advantage of new technologies and increase the degree of confidence in the structural analysis of the condition, there has been a need to monitor the bridges continuously, allowing a structural evaluation of the bridges and an permanente warning of the safety conditions. Thus, in recent years the concept of Structural Health Monitoring. Due to the huge amount of damage collected by the systems, the application of machine learning algorithms has been shown to be an important tool for managing the data and detecting anomalies (or damages) through accumulated experience. It should be noted that the concepts presented here are directed to the road bridges. However, they can be easily extended to the railway bridges. Thefore, this dissertation aims to: (i) deepen a knowledge of the existing bridges in Angola, as well as identify the current management strategy; (Ii) revise the history of the bridges management in the US and Portugal as a way of comparison and the extraction of important lessons, (iii) revise the concept of structural integrity monitoring and finally (iv) show the applicability of the machine learning algorithms for detecting damage to data from a structural monitoring system installed on a bridge in Angola.
The bridges are important connecting axes of the road infrastructures. So it is important to permanently maintain their functional and structural capacity in order to avoid disruptions in traffic as well as the occurrence of colapses with the consequent loss of material and human goods. Thus, in the last years, the bridges management systems have emerged allowing the owners of the road networks a refreshed knowledge of the universe of their infrastructures and their overall state of conservation of them through visual inspections, essentially. Nonetheless, to take advantage of new technologies and increase the degree of confidence in the structural analysis of the condition, there has been a need to monitor the bridges continuously, allowing a structural evaluation of the bridges and an permanente warning of the safety conditions. Thus, in recent years the concept of Structural Health Monitoring. Due to the huge amount of damage collected by the systems, the application of machine learning algorithms has been shown to be an important tool for managing the data and detecting anomalies (or damages) through accumulated experience. It should be noted that the concepts presented here are directed to the road bridges. However, they can be easily extended to the railway bridges. Thefore, this dissertation aims to: (i) deepen a knowledge of the existing bridges in Angola, as well as identify the current management strategy; (Ii) revise the history of the bridges management in the US and Portugal as a way of comparison and the extraction of important lessons, (iii) revise the concept of structural integrity monitoring and finally (iv) show the applicability of the machine learning algorithms for detecting damage to data from a structural monitoring system installed on a bridge in Angola.
Descrição
Orientação: Elói João Faria Figueiredo
Palavras-chave
MESTRADO EM ENGENHARIA CIVIL, ENGENHARIA CIVIL, PONTES, ESTRUTURAS DE PONTES, MONITORIZAÇÃO, ESTRUTURAS RODOVIÁRIAS, ALGORITMOS, ANGOLA, CIVIL ENGINEERING, BRIDGES, BRIDGE STRUCTURES, MONITORING, ROAD STRUCTURES, ALGORITHMS