Detecção de Danos Estruturais Utilizando Análise Estatística e Auto-Codificador Esparso

Recentemente, novos metodos computacionais denominados de aprendizado de maquinasprofundo, do ingles “deep learning”, vem sendo propostos e aplicados aos mais diversos tipos de problemasde reconhecimento de padroes. Esses novos metodos buscam modelar de forma robusta abstracoescomplexas dos dados atraves do mapeamento linear e nao-linear utilizando varias camadas deprocessamento. Um dos algoritmos deep learning mais conhecidos e o Auto-Codificador Esparso (emingles, “Sparse Autoencoder” – SAE), que realiza o aprendizado das caracteristicas dos dados de formanao-supervisionada. Diante do exposto, objetiva-se no presente trabalho avaliar o uso do SAE para oproblema de deteccao de danos estruturais em uma simulacao numerica de viga, desenvolvendo-se modelosde classificacao baseados em indicadores estatisticos extraidos das respostas dinâmicas no dominiodo tempo. Os bons resultados incentivam o uso do Auto-Codificador Esparso e o desenvolvimento demodelos computacionais de aprendizado profundo na avaliacao da integridade das estruturas.