Show simple item record

dc.contributor.authorPettres, Robertopt_BR
dc.contributor.otherLacerda, Luiz Alkimin dept_BR
dc.contributor.otherUniversidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduaçao em Métodos Numéricos em Engenhariapt_BR
dc.date.accessioned2011-06-15T13:16:39Z
dc.date.available2011-06-15T13:16:39Z
dc.date.issued2011-06-15
dc.identifier.urihttp://hdl.handle.net/1884/25671
dc.description.abstractResumo: 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.pt_BR
dc.format.mimetypeapplication/pdfpt_BR
dc.languagePortuguêspt_BR
dc.subjectTesespt_BR
dc.subjectReconhecimento de padrõespt_BR
dc.subjectConcreto - Defeitospt_BR
dc.subjectCalor - Transmissãopt_BR
dc.subjectRedes neurais (Computação)pt_BR
dc.titleReconhecimento de padrões de defeitos em concreto a partir de imagens térmicas estacionárias e redes neurais artificiais.pt_BR
dc.typeDissertaçãopt_BR


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record