Desenvolver e validar um sistema IoT-SHM autônomo, escalável e de baixo custo, utilizando computação na borda e matrizes de múltiplos nós sensores movidos a energia solar fotovoltaica para o monitoramento contínuo de pontes e viadutos.
Supera as limitações das inspeções visuais manuais e os altos custos de sistemas tradicionais de monitoramento, oferecendo uma solução inovadora que minimiza drasticamente o tráfego de rede e opera de forma autônoma fora da rede elétrica (off-grid).
Utilizou-se processamento local (edge computing) com microcontrolador ESP32-C3 e acelerômetro ADXL345 para calcular a transformada de Fourier e extrair as frequências de pico. O sistema foi validado em campo com 10 sensores solares simultâneos transmitindo em arquitetura paralela 4G.
O acelerômetro apresentou erro médio de 2% frente a referências controladas. O processamento na borda reduziu os dados transmitidos em 98%. A rede paralela associada ao dimensionamento solar garantiu estabilidade e zero perda de dados sob estresse.
Consolida uma arquitetura descentralizada para sistemas IoT-SHM incorporando rigor metrológico de calibração que reduz falhas sistemáticas de medição em 93%. Demonstra a viabilidade da computação local para contornar gargalos de conectividade em redes móveis tradicionais.
Viabiliza financeiramente a expansão do monitoramento preventivo para milhares de estruturas, permitindo que concessionárias e governos substituam intervenções corretivas emergenciais e onerosas por reparos precoces. Aumenta a segurança das Obras de Arte Especiais (OAEs), prevenindo falhas críticas.
To develop and validate an autonomous, scalable, and low-cost IoT-SHM system using edge computing and solar-powered multi-node sensor matrices for the continuous monitoring of bridges and viaducts.
It overcomes manual visual inspection limitations and high traditional monitoring costs, offering an innovative solution that drastically minimizes network traffic and operates autonomously entirely off-grid.
Local processing (edge computing) with an ESP32-C3 microcontroller and ADXL345 accelerometer was used to calculate Fourier transforms and extract peak frequencies. The system was field-tested using 10 simultaneous solar-powered sensors transmitting in a parallel 4G architecture.
The accelerometer showed a 2% mean error against controlled references. Edge processing reduced transmitted data by 98%. The parallel network combined with solar sizing ensured stability and zero data loss under severe operational stress.
It consolidates a decentralized architecture for IoT-SHM systems incorporating metrological calibration rigor that reduces systematic measurement errors by 93%. It demonstrates local computing viability to overcome connectivity bottlenecks in traditional mobile networks.
It financially enables the expansion of preventive monitoring to thousands of structures, allowing concessionaires and governments to replace costly emergency corrective interventions with early repairs. It increases the safety of critical infrastructures by preventing catastrophic failures.