Aprendizagem artificial aplicada na monitorização da saúde estrutural da Ponte da Lezíria

Engenheiros Civis da Universidade de Surrey estão a aplicar métodos de aprendizagem artificial (“machine learning“) na monitorização da saúde estrutural de pontes. Os algoritmos desenvolvidos estão a ser testados na Ponte da Lezíria, uma obra de arte de 12 quilómetros de comprimento, sobre rio Tejo e o rio Sorraia.

O estudo dos engenheiros de Surrey centra-se na mitigação do problema do armazenamento de dados obtidos através de sistemas de sensorização estrutural, que em obras com alguma dimensão, podem chegar a vários gigabytes ou terabytes, num curto período de tempo. Este massivo volume de informação estrutural que é recolhido diariamente, precisa de ser armazenado de alguma forma, o que resulta em avultados custos de manutenção em sistemas avançados de monitorização.
Além disso, grandes volumes de dados são de difícil manipulação, o que implica que a análise dos mesmos será mais complexa e morosa.

O sistema que está a ser desenvolvido naquela universidade britânica, visa a compressão eficiente de dados provenientes de aplicações BWIM (Bridge Weigh-In-Motion) através da utilização de algoritmos para representação esparsa e robusta de dados.

Os algoritmos fazem uso de métodos correntes de processamento, nomeadamente da Transformada Discreta de Fourier (DFT), Transformada Discreta do Coseno (DCT), e Transformada Discreta de Wavelet (DWT), combinados com métodos de aprendizagem com base em dicionários/corpus (“Compressive Sensing” – CS e “K-means Singular Value Decomposition” – K-SVD) para obter uma compressão, de elevada eficiência, de bases de dados de monitorização de saúde estrutural.

Além de elevadas taxas de compressão, os algoritmos desenvolvidos pelos investigadores podem ser aplicados de forma relativamente simples e sem necessidades computacionais elevadas.

Outros artigos interessantes: