Projetos de Pesquisa

 

Foto de perfil

Tulio Nogueira Bittencourt

Engenharias

Engenharia Civil
  • monitoramento e inspeção de infraestrutura rodoferroviária por meio de técnicas de aprendizagem de máquina e visão computacional
  • A deterioração de estruturas rodoferroviárias é causada por ações ambientais, agressões químicas e/ou físicas, e podem ser agravados por problemas de concepção e construção. A durabilidade das estruturas está relacionada à sua capacidade de preservar seu desempenho quando exposto ao ambiente projetado, sendo medida em anos, caracterizando sua vida útil. O custo de manutenção é significativo para que as estruturas mantenham sua capacidade de segurança, funcionalidade, durabilidade, robustez e resiliência. A avaliação e a gestão de obras de infraestrutura são essenciais para o desenvolvimento econômico e qualidade de vida. A manutenção (preventiva, preditiva) é crucial para reduzir custos globais dos ativos. Inspeções tradicionais são morosas e subjetivas, enquanto o monitoramento por sensores pode ser dispendioso e interferir na operação. Técnicas de visão computacional, inteligência artificial e aprendizado de máquina surgem como uma solução promissora para otimizar esses processos. Pesquisas recentes buscam automatizar a detecção de falhas e respostas estruturais por meio dessas técnicas. Uma Rede Neural Convolucional (CNN) é um algoritmo de Aprendizado Profundo que capta uma imagem de entrada, codifica a informação, e de forma interativa, atribui pesos e vieses que podem reconhecer características dos padrões automaticamente. Após a identificação das falhas, técnicas de segmentação permitem extrair características geométricas (espessura, comprimento, área) e com elas, fazer avaliações periódicas da vida útil das estruturas. Esta pesquisa visa avaliar a qualidade das identificações e mensurações de falhas e respostas estruturais, e sua viabilidade no monitoramento da infraestrutura. Pesquisas recentes em diversos centros no exterior com a participação de alguns dos envolvidos nesta proposta mostram que essas técnicas são promissoras, mas merecem um maior aperfeiçoamento para aumentar sua confiabilidade.
  • Universidade de São Paulo - SP - Brasil
  • 12/12/2023-31/12/2026