High-Fidelity Numerical Modeling for the Mechanical Characterization of a Full-Scale Test Bridge

Resumo Técnico: Modelagem Numérica de Alta Fidelidade para a Caracterização Mecânica de uma Ponte de Teste em Escala Real

Definição do Problema
O monitoramento da integridade estrutural (SHM) de pontes é cada vez mais crítico devido ao envelhecimento das infraestruturas, ao aumento das cargas de tráfego e ao impacto intensificado das mudanças climáticas, particularmente no que diz respeito à erosção causada por inundações (scour) e ao recalque de fundações. Um principal gargalo no desenvolvimento de estratégias robustas de SHM é a escassez de dados experimentais de alta qualidade que apresentem estados de danos bem caracterizados sob condições ambientais realistas. Embora existam experimentos laboratoriais, há uma necessidade de etapas intermediárias que preencham a lacuna entre os ambientes controlados de laboratório e o monitoramento complexo do mundo real. Especificamente, compreender a resposta mecânica das subestruturas de pontes a recalques diferenciais requer dados que considerem fatores ambientais de confusão, como deformações térmicas induzidas pela temperatura, que frequentemente mascaram os sinais estruturais reais.

Metodologia
Este estudo apresenta um framework que integra dados experimentais de alta fidelidade de uma ponte de teste em escala real com um modelo detalhado de elementos finitos (FE) para caracterizar o comportamento estrutural e quantificar os recalques de fundação.

1. Configuração Experimental e Aquisição de Dados:
   A pesquisa utiliza uma ponte de teste de aço-concreto de 30 metros localizada na Universidade da Bundeswehr de Munique. A estrutura apresenta duas vigas principais de aço HEB1000 e um tabuleiro de concreto segmentado. Uma campanha de monitoramento de longo prazo (abrangendo quase três semanas) foi conduzida utilizando um sistema de medição móvel. O estudo foca nas forças de reação ($F_1$ e $F_2$) medidas por células de carga sob os apoios centrais sul e norte, juntamente com dados de temperatura do ar ambiente. Os dados revelam variações significativas dependentes da temperatura, com o apoio sul (exposto à luz solar direta) suportando cargas maiores do que o norte (sombreado).

2. Modelagem de Elementos Finitos de Alta Fidelidade:
   Um modelo de FE baseado em física foi desenvolvido no PyAnsys para servir como uma "sombra digital" da estrutura física. O modelo emprega elementos de casca para os componentes primários (vigas, enrijecedores, lajes do tabuleiro e contraventamentos) e molas distribuídas para modelar a interação entre as lajes de concreto segmentadas. Embora as conexões parafusadas sejam simplificadas usando elementos de viga para eficiência computacional, o modelo captura a ação composta essencial e a transferência de carga. O modelo é vinculado aos dados experimentais via um script que mapeia as leituras dos sensores para nós específicos do FE.

3. Compensação de Temperatura:
   Para isolar as respostas mecânicas dos efeitos térmicos, uma estratégia de compensação de temperatura foi aplicada utilizando regressão B-spline penalizada. Esta abordagem modela a relação não linear entre a temperatura e as forças de reação ($y = g(t) + \epsilon$). Um parâmetro de suavização ($\lambda$) foi otimizado para evitar o sobreajuste (over-fitting) a dinâmicas assíncronas, enquanto captura a tendência térmica global. A função de regressão é subtraída dos dados brutos para isolar a resposta estrutural atribuível ao carregamento mecânico.

4. Atualização Bayesiana de Modelo:
   O núcleo da caracterização mecânica envolve a resolução de um problema inverso linear para estimar os recalques de fundação. Um modelo substituto ($u = Ax + u_0$) foi derivado do modelo de FE para mapear os recalques de fundação ($x$) para as forças de reação ($u$). Usando inferência Bayesiana, o estudo atualiza a distribuição a priori dos valores de recalque com base nos dados experimentais compensados pela temperatura. O processo assume distribuições Gaussianas para os priors e erros de medição, permitindo uma solução de forma fechada para atualizar a distribuição a posteriori dos recalques sem a necessidade de métodos de Monte Carlo computacionalmente caros.

Principais Contribuições

• Integração de Dados e Física: O artigo demonstra um fluxo de trabalho que combina dados de monitoramento ambiente de longo prazo com um modelo de FE de alta fidelidade para refinar a caracterização mecânica de uma estrutura em escala real.
• Mitigação de Temperatura: A aplicação da regressão B-spline penalizada remove eficazmente o ruído térmico dos dados de força de reação, revelando comportamentos estruturais subjacentes que seriam de outra forma obscurecidos.
• Quantificação de Recalques Parasitas: Através da atualização Bayesiana, o estudo quantifica com sucesso a incerteza e a magnitude dos recalques de fundação, identificando desvios específicos do estado de projeto ideal.
• Conceito de Sombra Digital: O trabalho estabelece um fluxo de dados unidirecional da ponte física para o modelo numérico, criando uma "sombra digital" dinâmica e orientada por dados que evolui com as medições recebidas.

Resultos
A análise dos dados compensados pela temperatura e a subsequente atualização Bayesiana produziram as seguintes descobertas:

• Impacto Térmico: O apoio sul exibiu uma sensibilidade acentuada à irradiância solar em comparação ao apoio norte, confirmando a necessidade de compensação ambiental.
• Caracterização de Recalque: A calibração do modelo revelou que, durante o posicionamento dos apoios centrais, um contra-montante positivo parasita de aproximadamente 0,7 mm foi atribuído ao apoio sul, enquanto um recalque negativo de magnitude semelhante ocorreu no apoio temporário norte.
• Correlação Estatística: Antes da assimilação de dados, os parâmetros de recalque foram assumidos como independentes. A distribuição a posteriori, no entanto, revelou um vínculo estatístico (correlação) entre os recalques dos dois apoios, resultando em uma distribuição normal bivariada não alinhada com os eixos dos parâmetros de entrada.
• Validação do Modelo: A média a posteriori do vetor de recalque interceptou com sucesso o locus comum da resposta do modelo e das leituras experimentais, validando a solução do problema inverso.

Significância e Perspectivas
O artigo propõe que este método integrado fornece um framework fundamental para o avanço do SHM em redes de pontes do mundo real. Ao tratar o modelo numérico como uma sombra digital dinâmica, o estudo apoia decisões de manutenção informadas e aumenta a precisão das avaliações de condição. Os autores enfatizam que este trabalho representa um passo intermediário crucial em direção a um gêmeo digital (DT) completo, lançando as bases para a futura interação bidirecional entre ativos físicos e virtuais.

O estudo delineia modestamente direções futuras, incluindo:

• Testar algoritmos mais avançados, como o dynamic time warping, para lidar melhor com efeitos ambientais.
• Expandir o conjunto de dados para incluir cenários de recalque artificiais de grande escala que induzam respostas estruturais não lineares, potencialmente exigindo a expansão de polinômios de caos generalizada (gPCE).
• Integrar capacidades de monitoramento via satélite e métodos de detecção de erosção baseados em vibração.
• Estender o framework de pontes individuais para uma perspectiva de população para melhorar a proteção de infraestruturas críticas e a priorização de recursos.