Identificação de danos estruturais empregando modelos de funções exponenciais, transformação integral e inferência Bayesiana
DOI:
https://doi.org/10.14808/sci.plena.2023.119909Palavras-chave:
identificação de danos, inferência bayesiana, transformada integral generalizadaResumo
O presente trabalho aborda o problema inverso de identificação de danos estruturais em uma viga de Euler-Bernoulli. No modelo direto, o campo de dano estrutural é descrito de forma continua por funções de base exponenciais e a resposta dinâmica do modelo é obtida por meio de uma solução híbrida (analítica-numérica) fornecida pela Transformada Integral Generalizada. O problema inverso de identificação de danos é formulado segundo a inferência Bayesiana e o método Transitional Markov Chain Monte Carlo é utilizado para a amostragem da função densidade de probabilidade a posteriori dos parâmetros incertos que descrevem o campo de dano. A verificação da metodologia proposta é feita a partir de simulações numéricas considerando uma viga de Euler-Bernoulli simplesmente apoiada de modo que três cenários de dano distintos são analisados.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2023 Renan Pinto de Andrade, Leonardo Tavares Stutz, Diego Campos Knupp
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.