The present work is devoted to studying the performance of two well-known structural health monitoring (SHM) techniques to detect damage in typical metallic riveted structures, such as beams and panels found in various types of industry. Both techniques use piezoelectric materials for mechanical excitation (actuator effect) and dynamic response analysis (sensor effect) of the structure. The first approach used is known as electromechanical impedance technique, in which the electrical impedance of the piezoelectric patch is directly associated with the mechanical impedance of the structure. By this way, the detection of damage can be made by observing the variation of this parameter and comparing the signals patterns (signatures) of the healthy and damaged states of the structure. There are several damage metrics aiming at quantifying the damage for SHM analysis. Another approach uses the socalled Lamb waves, which propagate along solid materials. Information is collected from the structure under healthy conditions by using wave propagation phenomena (such reflection and attenuation) along the structure. The evolution of the damage can be observed by using a specially defined Damage Metrics that is able to quantify damage in this case the Damage Index (D.I.). The first studied structure was an aluminium beam containing a single rivet, which was used to test both techniques for damage (rivet loss) identification purposes. After this first validation procedure, the identification of a systematic loss of rivets on an aeronautic aluminium panel containing various rivets was studied. This configuration presents a more complex structure as compared with the aluminium beam, from the structural view point. Statistical techniques based on hypothesis tests were applied, aiming at identifying damage with a certain confidence interval. Finally, this work presents an alternative approach using artificial neural networks applied to pattern recognition associated to different damage states of the structure. All techniques presented in this dissertation showed to be useful for damage detection, as far as rivet losses are concerned.Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorMestre em Engenharia MecânicaO presente trabalho tem por objetivo o estudo do desempenho de duas técnicas já conhecidas de monitoramento de integridade estrutural (SHM Structural Health Monitoring) aplicadas à detecção de danos em estruturas metálicas rebitadas, como vigas e painéis aeronáuticos. Ambas as técnicas se servem de materiais piezelétricos para a excitação mecânica (efeito atuador) e coleta de sinais (efeito sensor) na estrutura. Na técnica de impedância eletromecânica, a impedância elétrica do elemento piezelétrico é associada diretamente à impedância mecânica da estrutura analisada. Desta forma, ao se verificar a variação deste parâmetro, consegue-se verificar a presença do dano pela comparação das assinaturas dos sinais de impedância para os casos com e sem dano. Métricas especialmente desenvolvidas são capazes de quantificar estas duas situações. Já na abordagem por ondas de Lamb, são observados os fenômenos de propagação de ondas mecânicas (como reflexão e atenuação) em meios sólidos. Ao se verificar uma mudança nos padrões correspondentes, consegue-se identificar a presença de dano na estrutura por meio da metodologia avaliativa conhecida como DI (Damage Index). Primeiramente foi estudada uma estrutura simples uma viga de alumínio com um único rebite buscando validar ambas as técnicas para identificação do dano caracterizado pela retirada (perda) deste rebite. Foi estudada também, numa etapa posterior, a perda sistemática de rebites em um painel aeronáutico de alumínio. Esta configuração apresenta características bem mais complexas do ponto de vista estrutural do que a primeira estrutura estudada. Foram aplicadas técnicas de análise baseadas em testes de hipóteses estatísticas nos resultados obtidos, buscando verificar a presença de dano, porém dentro de certa margem de confiança. Além disso, foi apresentada uma abordagem alternativa para classificação de padrões baseada em redes neurais artificiais aplicadas na detecção dos diferentes estágios de dano do painel aeronáutico. Ambas as metodologias estudadas se mostraram eficazes na identificação de danos associados à perda de rebites.