UFJF/SEMIC 2025 – Uso de Machine Learning em Structural Health Monitoring

Описание: Título do Projeto: Uso de Machine Learning em Structural Health Monitoring

Bolsista/Voluntária: Giovana Freitas

Orientador: Prof. Flávio Barbosa (coorientação: Prof. Alexandre Cury)

Resumo
Este trabalho investiga a aplicação de técnicas de machine learning no monitoramento de integridade estrutural (Structural Health Monitoring – SHM), área fundamental para garantir a segurança e reduzir custos de manutenção em estruturas civis. O estudo tem como objetivos avaliar o potencial dos algoritmos de aprendizado de máquina na identificação de padrões de degradação e analisar como as mudanças climáticas podem impactar a confiabilidade desses sistemas. A pesquisa, de caráter bibliográfico, incluiu cursos de capacitação e revisão de artigos nacionais e internacionais, com destaque para o estudo de Figueiredo et al. (2024), que mostrou que variações de temperatura alteram as frequências naturais das estruturas, podendo gerar erros nos algoritmos de diagnóstico, especialmente em cenários climáticos severos. Os resultados parciais apontam que redes neurais apresentam boa precisão na análise de séries temporais, mas sofrem impacto das alterações climáticas. O próximo passo será implementar modelos em Python e testar diferentes cenários.