Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Resumen
Los algoritmos ms exitosos de identificacin de dao, son algoritmos basados en ajustes de modelos. Sin embargo, estos
algoritmos son muy lentos y la evaluacin de daos se logra a travs de un proceso inverso que requiere mucho tiempo. Esto
es un problema para aplicaciones de monitoreo en tiempo real. Las Redes Neuronales Artificiales (RNA) se han introducido
recientemente como una alternativa a estos mtodos. Una vez que una red neuronal ha sido debidamente entrenada, puede
potencialmente detectar, localizar y cuantificar daos estructurales con precisin en tiempo real. La principal contribucin de
esta investigacin es el desarrollo de un algoritmo de evaluacin de daos en tiempo real utilizando redes neuronales
artificiales y frecuencias de anti-resonancia. A diferencia de los mtodos clsicos, en donde se usan los modos de vibracin y
las frecuencias naturales, en este trabajo se propone utilizar las frecuencias de anti-resonancia como entrada a la red neuronal.
Las frecuencias de anti-resonancia se pueden identificar ms fcilmente y con mayor precisin que los modos de vibracin.
Adems, estas frecuencias son ms sensibles a cambios estructurales. El algoritmo de deteccin de daos se valid con datos
experimentales de una viga libre con mltiples daos.
Keywords: Identificacin de dao, redes neuronales artificiales, frecuencias de anti-resonancia.
1. Introduccin
Esta investigacin aborda el problema de evaluacin de
dao en estructuras mediante el uso de vibraciones. El
propsito de la evaluacin de daos es detectar y
caracterizar un dao estructural en la etapa ms temprana
posible, y estimar cunto tiempo queda antes que se
requiera mantenimiento o se produzca una falla. La
evaluacin de dao conlleva beneficios econmicos y tiene
un alto potencial para la seguridad de los ciudadanos. Se
puede aplicar a estructuras de ingeniera civil, como
edificios o puentes; para vehculos de transporte, como
aviones, helicpteros, trenes
o barcos y equipos
industriales, como molinos, turbinas, bombas, calderas,
entre otros.
1.1
Reedes Neuron
nales Artifiiciales (RNA
A)
NI
k 1
j 1
Donde x={x1,x2,,xn} e y={y1,y2,
,yn} son los vectores
de entradda y salida, wij y vjk son
s
los pesoos entre
interconeccciones, b reepresenta el bias (o faactor de
correccinn), f(.) es la fu
funcin de trannsferencia, poor ltimo
NI y NH ccorresponden aal numero de neuronas
n
en laa capa de
entrada y ooculta.
Los vaalores de los peesos son deterrminados al enntrenar la
red neuronnal con datos de la estructtura. El entrennamiento
consiste en
e encontrar los pesos quue minimicen el error
medio, Es:
Es
1 NO
2
(y oi )
NO i 1 i
(2)
Entrradas
rD, i , n rU, i , n
rU, i , n
(3)
1.3
K d (1 y i )K i
(5)
i
El valor yi=0 indica que el elemento est intacto,
mientras que 0< yi 1 implica un dao parcial o completo.
1.5
Salidas
1.4
Indicadores de desempeo
FN
1
NF
II
i ,
0 FN 1
(8)
Tabla 2 Escenarios
E
de daao introducidoos a la viga
Figuraa 4 Modelo en E
EF y enumeraciin de los elemeentos
FRF3
FRF2
FRF1
D
Distancia desdee
exxtremo izquierddo
(mm)
315
635
303, 640
360, 810
Elemenntos
7
113
7, 13
8, 17
Validacin de la
l red
Los parm
metros de la rred fueron deefinidos luego de un
anlisis de ssensibilidad. S
Se estudi el efecto de diistintas
variables com
mo el nmeroo de nodos intternos, funcionnes de
transferenciaa y mtodos dee entrenamiennto. Se seleccioonaron
los que, al final del entrrenamiento, enntregaron el menor
error medio cuadrtico. L
Los parmetroos finales de la red
son los siguieentes:
FRF4
1
2
3
4
1.6
Caso
c
Red: Muulticapa percepptron de tres capas
Nmero de nodos de eentrada: 20
Numero de nodos ocuultos: 80
Nmero de nodos de ssalida: 18
Funcin de transferencia en la capa oculta: Sigmooide
Funcin de transferenncia en la cappa de salida: lineal
simtricaa saturada
Mtodo de entrenamieento: Levenbeerg-Marquart
4. Conclusiones
El presente artculo entrega una nueva metodologa para
identificar dao estructural utilizando redes neuronales y
frecuencias de anti-resonancia. Se entren
una red
perceptron multicapa usando datos obtenidos de un modelo
en elementos finitos de una viga libre. La metodologa se
valid con datos experimentales de la viga bajo distintos
escenarios de dao.
El algoritmo es exitoso en la identificacin de los daos
experimentales. Los resultados indican que es posible
localizar y cuantificar dao estructural usando slo
informacin obtenida a partir de las frecuencias de antiresonancia. Por lo tanto, las frecuencias de anti-resonancia
son una alternativa atractiva a ser usada en identificacin de
dao.
Se muestra que es posible identificar dao experimental
en tiempo real y con precisin para el caso de una viga.
Entregando as la posibilidad de monitoreo continuo de la
condicin de una estructura. Sin embargo, de acuerdo a los
resultados existe un nivel mnimo de dao que puede ser
identificado con precisin, que en este caso, corresponde a
un 40%. Este nivel podra ser menor si se ocupase una base
de datos mayor para entrenar la red, pero significara
tiempos de entrenamiento mayores.
Agradecimientos
Los autores agradecen el apoyo de CONICYT en el proyecto
FONDECYT de iniciacin 11110046 y a la Universidad de Chile
en el proyecto de iniciacin U-INICIA VID 11/01.
Referencias
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
[12]