Prognóstico robusto de danos envolvendo efeitos de histerese em estruturas com junções parafusadas

Resumo

Junções parafusadas são essenciais para garantir conexão segura e amortecimento local de vibrações em sistemas de engenharia. Além disto, pela sua importância estrutural, é essencial se monitorar os níveis de torque para garantir a operação com segurança dentro de níveis adequados de rigidez e amortecimento nestas junções. Uma exigência é ser capaz de detectar com confiabilidade danos em estágio prematuro. Porém, realizar esta tarefa na prática é muito difícil, exigindo muita instrumentação para medição direta na região da junção parafusada. O problema é que muitas vezes o custo desta instrumentação é proibitivo ou de difícil acesso para instalar os sensores ou operá-los, o que motiva os métodos de medição indireta de vibração. No entanto, os mecanismos de dissipação envolvidos nestes elementos ainda são complexos e não completamente entendidos devido à presença de diversas não linearidades e não suavidades combinadas, além de possuírem grande variabilidade e flutuação durante as condições de operações. Em especial, normalmente nestas conexões ainda existe uma forte dependência histerética que exige métodos robustos para identificação e modelagem, visando a predição deste comportamento dinâmico local. Neste sentido, esta proposta de doutorado direto pretende investigar novas formas efetivas para correlacionar a perda de torque em junções parafusadas e os efeitos de amortecimento histerético com novos indicadores extraídos com base na estimação de laços de histerese envolvendo uma modelagem não-paramétrica. Para isso deverá ser considerado o uso de regressão por Processos Gaussianos (GPR) e a correlação com modelos estocásticos físico-matemáticos de baixa dimensão que representam bem a histerese, como o modelo de Bouc-Wen, Iwan ou LuGre. A exigência para estas métricas a serem propostas é elas serem de cálculo fácil, com uso de pouca informação dos dados de vibração que são corriqueiramente medidos em testes experimentais no contexto de estruturas industrias, como tubulações ou estruturas offshore. A classificação do estado estrutural será feita com base em testes de hipóteses convencionais e algoritmos de aprendizado de máquina, sendo que o mais importante é avaliar a efetividade das novas métricas propostas e não o algoritmo da classificação em si. Além da detecção, este projeto também busca correlacionar o grau de severidade do dano para fins de quantificação e possível prognóstico da evolução dos danos se nenhum reparo é feito. (AU)