Structural Health Monitoring

Datas

Session#1 – 21/10 – On-line
Session#2 – 23/10 – On-line
Session#3 – 27/10 – In-person
Session#4 – 27/10 – In-person
Session#5 – 27/10 – In-person
Session#6 – 27/10 – In-person
Session#7 – 28/10 – In-person
Session#8 – 28/10 – In-person
Session#9 – 28/10 – In-person
Session#10 – 28/10 – In-person
Session#11 – 04/11 – On-line

27 e 28 de outubro de 2025 (presencial)
Curitiba, Brasil

*(details)

Descritivo do Curso

Um curso intensivo
misto de 20 horas projetado para apresentar o monitoramento da saúde estrutural
(SHM) no contexto de um paradigma de reconhecimento de padrões estatísticos
para apoiar o processo de identificação de danos e o gerenciamento da
integridade com base no risco. A parte remota introduz o conceito de SHM e
acelera o processo de aprendizagem, enquanto a parte presencial se concentra em
preencher a lacuna entre a pesquisa e a aplicação prática. As técnicas são
mostradas com experiências práticas aplicadas a pontes. São abordadas técnicas
de aprendizagem não supervisionada, como modelos de mistura gaussiana;
algoritmos de aprendizagem supervisionada, como redes neurais artificiais ou
máquinas de vetor de suporte; e métodos de aprendizagem por transferência, como
a análise de componentes transferidos. O papel do SHM no apoio à adaptação das
pontes às mudanças climáticas também é discutido.

Objetivos de Desenvolvimento Sustentável

Este curso
contribui para os Objetivos de Desenvolvimento Sustentável (ODS) 7, 9 e 13,
promovendo infraestruturas sustentáveis e resilientes através da introdução de
novas tecnologias e inovação para garantir a segurança e o conforto das
pessoas, através da otimização do design e da gestão da integridade para
reduzir as emissões de CO₂incorporadas e_, assim, combater
as alterações climáticas e, finalmente, facilitando o desenvolvimento e a
operação de infraestruturas energéticas sustentáveis, como turbinas e barragens
de grande porte.

Objetivos específicos

• Colocar o SHM no contexto de um paradigma de reconhecimento estatístico de padrões.
• Compreender as diferenças entre monitoramento quase estático e dinâmico permanente e temporário.
• Visão geral dos sensores e hardware DAQ para projetar um esquema de instrumentação ideal para SHM.
• Compreender a hierarquia de identificação de danos usando SHM baseado em vibração.
• Compreender a aplicabilidade da modelagem de elementos finitos e do aprendizado de máquina (aprendizado não supervisionado e supervisionado) para aprimoramento e interpretação de dados, bem como para identificação de danos.
• Oferecer experiências práticas para acelerar o processo de aprendizagem sobre SHM, executando exemplos de aplicações em tempo real.
• Compreender o papel do SHM no apoio à adaptação às mudanças climáticas.
• Apresentar o conceito de gêmeos digitais probabilísticos no contexto do SHM.
• Compreender o papel do SHM no apoio à gestão da integridade informada pelo risco.
• Compreender o objetivo da SHM com as limitações atuais, os grandes desafios e as tendências futuras.