Realiza-se, no próximo dia 16 de outubro, pelas 11h00, o “II Seminário sobre Inovação Digital na Monitorização e Modelação de Estruturas”, organizado pelo iBuilt – Centro de Inovação em Construção Digital, que terá lugar na sala C320 do Instituto Superior de Engenharia do Porto (ISEP).
Esta sessão contará com a participação de três investigadores visitantes, que irão apresentar os trabalhos de investigação que têm vindo a desenvolver nas áreas da monitorização da integridade estrutural, da identificação de danos e da avaliação da segurança de pontes, com recurso a metodologias probabilísticas e técnicas avançadas de Inteligência Artificial.
Desenvolvimento de um Modelo Probabilístico para Análise à Fadiga de Pontes Ferroviárias com Recurso a Redes Bayesianas Dinâmicas
Oradora: Caroline Correa de Faria
Resumo: A fadiga constitui um dos principais mecanismos de deterioração de pontes ferroviárias, podendo comprometer a sua segurança estrutural. Esta investigação propõe o desenvolvimento de um modelo probabilístico baseado em Redes Bayesianas Dinâmicas, aplicado às ligações soldadas de pontes ferroviárias. A metodologia integra dados de inspeção e monitorização para atualizar as estimativas da vida remanescente à fadiga e os índices de fiabilidade estrutural, contribuindo para o planeamento de inspeções e intervenções de manutenção e para a otimização dos custos do ciclo de vida das estruturas.
Monitorização de Pontes via Transfer Learning: Uma Abordagem Numérico-Experimental para Deteção de Danos
Orador: Matheus Zanghelini Teixeira
Resumo: A escassez de dados relativos a pontes reais em estados danificados constitui um desafio à aplicação de Inteligência Artificial na monitorização da integridade estrutural. Esta investigação propõe uma abordagem numérico-experimental baseada em aprendizagem por transferência (Transfer Learning), permitindo utilizar o conhecimento adquirido em modelos numéricos para identificar danos em estruturas reais. A metodologia recorre a redes neuronais adversariais, visando desenvolver soluções de monitorização mais eficientes e escaláveis, que contribuam para a segurança das infraestruturas e para a manutenção preventiva.
Aplicação de Autoencoders Baseados em Vision Transformer para Deteção de Danos em Pontes Utilizando Metodologias Drive-By
Oradora: Marissa Teixeira da Silva
Resumo: A deteção de danos em pontes através de metodologias drive-by constitui uma alternativa promissora aos sistemas convencionais de monitorização estrutural. Esta investigação propõe uma abordagem não supervisionada baseada em autoencoders com arquitetura Vision Transformer, permitindo identificar padrões associados à presença de danos. A metodologia utiliza dados de aceleração obtidos através da simulação numérica de uma ponte ferroviária, considerando diferentes condições operacionais e ambientais. Os sinais são transformados em representações bidimensionais através da transformada contínua de wavelet, sendo o desempenho do modelo comparado com o de autoencoders baseados em redes neuronais convolucionais.
