Responsive image
Universidade Federal de Santa catarina (UFSC)
Programa de Pós-graduação em Engenharia, Gestão e Mídia do Conhecimento (PPGEGC)
Detalhes do Documento Analisado

Centro: Centro Tecnológico de Joinville

Departamento: Engenharia da Mobilidade/EMB

Dimensão Institucional: Pesquisa

Dimensão ODS: Econômica

Tipo do Documento: Projeto de Pesquisa

Título: TÉCNICAS DE INVERSÃO DE DADOS APLICADA AO CONTRÔLE NÃO-DESTRUTIVO POR RADAR

Coordenador
  • XISTO LUCAS TRAVASSOS JUNIOR
Participante
  • XISTO LUCAS TRAVASSOS JUNIOR (D)

Conteúdo

Nos últimos anos, o controle não destrutivo (cn...nos últimos anos, o controle não destrutivo (cnd) de estruturas e solos usando gpr tornou-se uma tecnologia madura. o interesse particular nesta técnica é explicado por diversas vantagens quando comparada a outras técnicas cnd, a saber: a portabilidade do equipamento devido ao seu peso moderado, relativo baixo custo do ensaio, investimento inicial moderado e alta versatilidade em termos da aplicação para diferentes cenários e propósitos. entretanto, o sucesso de verificações por gpr não é assegurado devido a complexidade do fenômeno físico envolvido. a especificação do equipamento apropriado (antenas e forma de onda do pulso) é determinante para a análise correta de acordo com a aplicação (propriedade do material a ser explorado e caracterizado). desta forma, uma escolha inicial entre as opções disponíveis deve ser realizada baseada em informações relevantes do ensaio a ser realizado como: a profundidade, a resolução necessária para identificar defeitos, o contraste físico entre o alvo e o solo na qual se encontra, a relação sinal ruído devido a operação e aspectos inerentes ao ensaio como nãohomogeneidades, rugosidade do solo ou meio no qual a falha se encontra. portanto, um ensaio gpr é considerado um problema multidisciplinar que requer contribuições da engenharia elétrica, física e ciência da computação para que as estimativas de detecção sejam aprimoradas. a justificativa para este projeto de pesquisa e desenvolvimento é clara e objetiva: a predição de falhas em infraestruturas usando radar de penetração de solo. existem vários parâmetros que devem ser considerados quando se utiliza ondas eletromagnéticas em frequência de rádio ou micro-ondas. a propagação de ondas eletromagnéticas e os efeitos de espalhamento são complexos ao ponto de qualquer sinal ou imagem obtidas diretamente das medidas experimentais serem limitadas em termos da real posição e composição do alvo a ser caracterizado. desta forma, as técnicas de pós-processamento dos dados coletados são a única forma de aprimoramento do desempenho do sistema para que as predições sejam precisas. geralmente, os fabricantes de gpr oferecem um software proprietário os quais consideram características de um modelo simples e genérico. adicionalmente, pacotes secundários podem ser adquiridos separadamente para aplicações específicas. porém, é válido salientar que códigos genéricos desprezam aplicações complexas como a apresentada neste projeto. existem inúmeras pesquisas em andamento para aprimorar a interpretação de sinais de gpr correlatas a proposta envolvendo processamento de sinais e imagens com as especificidades da teoria eletromagnética relativas ao uso do radar. a inclusão de modelos avançados de parâmetros dos dados obtidos potencializa a taxa de sucesso, contribuindo para a resolução do problema inverso. para o caso específico da detecção de falhas em infraestrutura diversas, o problema inverso é determinado pela obtenção da geometria da falha que originou o sinal recebido por um gpr. este problema inverso é o ponto principal de pesquisa. resumindo: a informação disponível após o uso do gpr não é suficiente para determinar a localização precisa e características do objeto ou falha. ferramentas auxiliares podem aprimorar a interpretação dos dados coletados reduzindo substancialmente o tempo e o custo de uma inspeção. o objetivo destas ferramentas são detectar, localizar e definir a geometria das falhas e suas propriedades físicas. enquanto técnicas básicas são focadas nos primeiros dois objetivos, técnicas avançadas lidam com todos os objetivos de uma vez.

Pós-processamento: Índice de Shannon: 3.65201

ODS 1 ODS 2 ODS 3 ODS 4 ODS 5 ODS 6 ODS 7 ODS 8 ODS 9 ODS 10 ODS 11 ODS 12 ODS 13 ODS 14 ODS 15 ODS 16
3,57% 5,07% 6,40% 5,28% 3,12% 4,87% 6,44% 4,68% 27,27% 2,53% 6,16% 5,61% 3,61% 3,86% 5,22% 6,30%
ODS Predominates
ODS 9
ODS 1

3,57%

ODS 2

5,07%

ODS 3

6,40%

ODS 4

5,28%

ODS 5

3,12%

ODS 6

4,87%

ODS 7

6,44%

ODS 8

4,68%

ODS 9

27,27%

ODS 10

2,53%

ODS 11

6,16%

ODS 12

5,61%

ODS 13

3,61%

ODS 14

3,86%

ODS 15

5,22%

ODS 16

6,30%