ESTUDO DA RESISTÊNCIA MECÂNICA E DETECÇÃO DE DEFEITOS EM ESTRUTURAS DE CONCRETO A PARTIR DE FUNÇÕES DE RESPOSTA EM FREQUÊNCIA E TÉCNICAS DE APRENDIZADO DE MÁQUINA
Inteligência Artificial; Propriedades Mecânicas; Caracterização Dinâmica.
O concreto, segundo material mais consumido globalmente após a água, desempenha papel central na construção civil e nas infraestruturas agrícolas, onde sua durabilidade e resistência mecânica são cruciais para garantir a eficiência das operações agroindustriais. No entanto, sua integridade estrutural pode ser comprometida por fatores como falhas de execução, ações ambientais e processos de degradação ao longo do tempo. Diante disso, este trabalho propõe uma abordagem inovadora para avaliação da resistência mecânica e detecção de falhas em estruturas de concreto por meio de técnicas de aprendizado de máquina aplicadas a dados dinâmicos obtidos em ensaios modais. A metodologia consiste na coleta de funções de resposta em frequência (FRF) de corpos de prova submetidos a análise modal, com posterior análise dos dados utilizando algoritmos supervisionados de aprendizado de máquina, como Redes Neurais Artificiais (RNAs) e Random Forest. Esses modelos são treinados para prever a resistência à compressão e classificar a severidade de defeitos estruturais, oferecendo uma alternativa precisa, rápida e não destrutiva aos métodos convencionais de ensaio. Além disso, o estudo investiga o comportamento dinâmico de concretos com agregados alternativos, como o endocarpo de macaúba, avaliando suas frequências naturais e modos de vibração em comparação ao concreto convencional. A hipótese central é que tais materiais possam influenciar positivamente a rigidez e durabilidade estrutural, contribuindo para o desenvolvimento de bioconcretos sustentáveis. O trabalho também propõe a criação de um banco de dados dinâmico com registros de falhas induzidas e respostas estruturais associadas, que servirá como base para futuras análises preditivas e modelagens de integridade estrutural. Espera-se como resultado a validação de modelos computacionais eficientemente capazes de prever com alta acurácia a resistência do concreto e detectar precocemente falhas, viabilizando a manutenção preditiva de estruturas de concreto. A análise comparativa dos algoritmos empregando métricas como acurácia e índice Kappa permitirá identificar a abordagem mais eficaz. Os resultados deste estudo evidenciam seu potencial de aplicação prática na engenharia agrícola, ao oferecer ferramentas tecnológicas avançadas para o monitoramento estrutural, promovendo práticas construtivas mais sustentáveis, seguras e eficientes no contexto das infraestruturas rurais.