Diversi metodi che possono essere usati per una rapida valutazione delle condizioni di strutture civili (edifici, ponti, etc.) sono discussi e validati con dati dinamici, sia simulati e sia ottenuti dal monitoraggio di strutture reali. Rientrando dentro la categoria di metodi “data-based”, i metodi discussi richiedono solamente le misurazioni temporali delle accelerazioni strutturali ottenute in diversi punti della struttura e, quando possibile, nel caso di terremoti, dell’accelerazione al suolo, senza alcuna informazione circa la geometria o le caratteristiche dei materiali della struttura.
Una particolare attenzione è rivolta alle metodologie che possono essere inquadrate in un contesto di “Statistical Pattern Recognition”, ideale per applicazioni basate su Machine Learning. Queste metodologie si focalizzano sull’identificazione del comportamento di alcuni parametri che sono sensibili al danno (le cosiddette “damage sensitive features”) e che possono essere facilmente estratte dalle time-histories della risposta strutturale. Molto diffusi nel campo di Speaker Recognition, i Cepstral Coefficients ottenuti dalle time-histories delle accelerazioni registrate sulla struttura (attraverso semplici operazioni sui dati digitali) sono usati come parametri per l’identificazione del danno attraverso l’uso di un Time-Delay Neural Network e di un Generalized Autoencoder. Per compensare al fatto che il dataset usato nel training del Neural Network è sbilanciato (ci sono tanti dati della struttura non danneggiata e pochi dati da quella danneggiata), verrà usata una strategia di Transfer Learning basata su dati vocali. Le metodologie sono state validate usando i dati dal ponte Z24 in Svizzera.
21 marzo 2024, 15:00-17:00
Il seminario si terrà in lingua INGLESE in modalità mista: in presenza presso l'Aula Caveau del DISG Facoltà di Ingegneria, via Eudossiana 18, Roma, e online tramite l'applicazione Zoom.
Per i corsi erogati dal Dottorato del DISG non è prevista l'assegnazione di crediti formativi ma solo l'attestazione delle ore di corso seguite (previa verifica della presenza)