---

Este trabalho introduz uma nova metodologia de Monitoramento da Integridade de Estruturas (SHM, do inglês Structural Health Monitoring) utilizando algoritmos de aprendizado de máquina nÆo-supervisionado para localiza‡Æo e detec‡Æo de dano. A abordagem foi testada em material isotrópico (placa de alumínio). Os transdutores piezelétricos foram colados na placa de alumínio com dimensäes de 500 x 500 x 2mm, que atuam como sensores e atuadores ao mesmo tempo. Para manipula‡Æo dos dados foram analisados os sinais definindo o primeiro pacote do sinal (first packet), considerando apenas o intervalo de tempo igual ao tempo da for‡a de excita‡Æo. Os sinais sÆo obtidos na situa‡Æo sem dano (baseline) e, situa‡äes de dano. Como método de avalia‡Æo foram implementadas as métricas: pico máximo, valor médio quadrático (RMSD), correla‡Æo entre os sinais, normas H2 e H entre os sinais baseline e sinais com dano. Foi implementado o algoritmo de aprendizado de máquina nÆo-supervisionado K-Means no matlab e também testado no toolbox Weka. EntÆo, fez se necessário a implementa‡Æo de um algoritmo de aprendizado de máquina nÆo-supervisionado que utiliza propaga‡Æo de afinidades.

---

Possui gradua‡Æo em SISTEMA DE INFORMA€ÇO pela Universidade Estadual de Goiás (2006). Pós-graduada em GESTÇO ESTRATÉGICA DE NEGàCIOS pela Universidade Estadual de Goiás (2012). Mestrado em Engenharia Mecânica Universidade Estadual Paulista "Júlio de Mesquita Filho" e Doutorado em andamento em Engenharia Mecânica Campus Ilha Solteira (2017).

---