Resumo-O paradigma de monitoramento de integridade estrutural (SHM) consiste em um processo que fornece informações precisas sobre a condição e o desempenho estrutural. As informações obtidas pela SHM são usadas para planejar e projetar atividades de manutenção, aumentar a segurança, verificar hipóteses, reduzir incertezas e aumentar o conhecimento sobre a estrutura. No contexto da aplicação de algoritmos de aprendizado de máquina na detecção de dano estrutural, os algoritmos de clusterização se destacam por serem uma abordagem capaz de revelar as principais condições estruturais quando da operação normal de uma estrutura. Neste trabalho são comparadas três abordagem de detecção de dano baseadas nos algoritmos K-Means, DBSCAN e MeanShift. Os resultados obtidos demonstraram que a abordagem baseada no DBSCAN obteve a melhor performance em termos de erros tipo I e II. Keywords-Monitoramento de integridade estrutural, Clusterização, Detecção de dano.