Reconhecimento de padrões de defeitos em concreto a partir de imagens térmicas estacionárias e redes neurais artificiais.
Resumo
Resumo: Este trabalho apresenta um método não destrutivo para o diagnóstico da integridade subsuperficial de estruturas de concreto utilizando imagens térmicas estacionárias e redes neurais artificiais (RNA). As imagens térmicas utilizadas no estudo foram geradas pelo software Ansys 12®, onde foi simulado um bloco com as propriedades equivalentes ao concreto contendo um elemento de alta porosidade representando um defeito em seu interior. Nestas simulações, as dimensões do defeito foram parametrizadas e o modelo de transferência de calor adotado foi a Equação de Condução do calor de Fourier em regime estacionário sob condições de contorno que estabeleciam um fluxo de calor em uma única direção. A partir dos resultados obtidos nestas simulações, campos térmicos em uma das faces do bloco, e da aplicação de técnicas de processamento de imagens com o software Matlab R2010®, foi possível o desenvolvimento dos algoritmos de localização do defeito e de coleta de dados para o treinamento das topologias neurais. Um algoritmo foi elaborado para a otimização de quatro topologias do tipo feedforward para realização dos testes numéricos. Duas delas apresentaram melhor desempenho e foram selecionadas para validar o método proposto, sendo sintetizadas no aplicativo Thermography and Artificial Neural Network, desenvolvido com o intuito de realizar o diagnóstico de estruturas de concreto a partir de imagens térmicas. O aplicativo se mostrou preciso e eficiente na análise feita em imagens simuladas em modelos de maior dimensão e contendo defeitos com geometrias irregulares, indicando satisfatoriamente a localização do defeito e apresentando em média um percentual de êxito na identificação das anomalias de 81,73% nas simulações com dados sintéticos. Resultados similares também foram observados em uma análise experimental, indicando potencialidade do método de diagnóstico não destrutivo proposto. abstract:This paper presents a non-destructive method for diagnosis of subsurface integrity of concrete structures using stationary thermal imaging and artificial neural networks (ANN). The thermal images used in this study were generated by the software ANSYS 12 TM, where a block was simulated with the equivalent properties of concrete containing a porous element representing a defect in its interior. In these simulations, the dimensions of the defect were parameterized and the used mathematical model of heat transfer equation was the Fourier Heat Conduction under stationary boundary conditions, with a heat flow in only one direction. From the results obtained in these simulations, thermal fields in one side of the block and the application of techniques of image processing with Matlab R2010 TM, it was possible the development of algorithms for fault location and data collection for training of neural topologies. An algorithm was developed for the optimization of four different feedforward topologies. Two of them had better performed than others and were selected to validate the proposed method, being synthesized in software Thermography and Artificial Neural Network, developed with the aim of making the diagnosis of concrete structures from thermal images. The software proved to be accurate and efficient analysis of simulated images in larger models and containing defects with irregular geometries, indicating the location of the defect satisfactorily and having on average a percentage of success in identifying anomalies of 81.73% in the simulations with synthetic data. Similar results were observed in an experimental analysis, indicating the potential of non-destructive diagnostic method proposed.
Collections
- Teses & Dissertações [9996]