Transformaciones wavelet para identificación de sistemas en ingeniería civil

RESÚMEN. El carácter de tiempo-frecuencia de las transformadas de ondículas permite la

adaptación de los enfoques tradicionales de identificación de sistemas en el dominio del tiempo y
de la frecuencia para examinar datos no lineales y no estacionarios. Aunque los desafíos no
surgieron en las aplicaciones anteriores relacionadas con los sistemas mecánicos, que se
caracterizan por frecuencias más altas y señales de banda más amplia, la transición al dominio de
tiempo-frecuencia para el análisis de estructuras de ingeniería civil destacó la necesidad de
comprender más completamente las diversas preocupaciones de procesamiento, particularmente
para la popular wavelet de Morlet. En particular, dado que estos sistemas pueden tener
movimientos de períodos más largos y, por lo tanto, requieren resoluciones de frecuencia más
finas, los impactos particulares de los efectos finales se vuelven cada vez más evidentes. Este
estudio analiza estas consideraciones en el contexto del carácter de resolución múltiple de la
ondícula e incluye pautas para la selección de frecuencias centrales de ondas, destaca su papel en
la separación modal completa y cuantifica sus contribuciones a los errores de efectos finales, que
pueden minimizarse mediante una esquema de relleno simple.

INTRODUCCIÓN.

Si bien la transformada de Fourier ha remodelado la forma en que los ingenieros interpretan las
señales, resulta evidente que al dividir una señal en una serie de funciones de base
trigonométrica, las características que varían en el tiempo no se pueden capturar. Por tanto, esta
limitación puede dificultar potencialmente el análisis básico de señales o la identificación del
sistema. La comprensión de que las características no estacionarias caracterizan muchos procesos
de interés llevó a la definición de transformadas alternativas que se basan en bases con soporte
compacto. Como las funciones de base de Fourier se localizan en frecuencia pero no en el tiempo,
Gabor introdujo una alternativa para localizar la transformada de Fourier a través de la
transformada de Fourier de tiempo corto (STFT). Sin embargo, las restricciones del principio de
incertidumbre de Heisenberg limitan considerablemente las resoluciones obtenibles, lo que
impulsa un enfoque alternativo al análisis de tiempo-frecuencia, con funciones de base que tienen
soporte compacto tanto en frecuencia como en tiempo para producir un análisis de múltiples
resoluciones. denominada la transformada de ondículas (Carmona et al., 1998; Chui, 1992).

RELACIONES DE GOBIERNO

La transformada de ondícula es una transformada lineal, que descompone una señal x (t) a través
de funciones base que son simplemente dilataciones y traslaciones de la ondícula principal g (t) a
través de la convolución de la señal y la ondícula padre escalada. de acuerdo a
∫ ∞ . Σ
1 t− τ
W (a , t ) = x (τ )g ∗ dτ (1 )
√
a −∞ a

750/5000
La dilatación por escala, a, inversamente proporcional a la frecuencia, representa la naturaleza
periódica o armónica de la señal. Con este enfoque, es posible la localización de tiempo-
frecuencia, ya que la ondícula madre sirve como una "función de ventana", en oposición a las
bases trigonométricas de la transformada de Fourier. Los coeficientes de ondícula, W (a, t),
representan una medida de la similitud entre la ondícula principal dilatada / desplazada y la señal
en ese momento ty la escala (frecuencia) a.

Aunque en la práctica se utilizan innumerables ondículas madre, tanto de forma discreta como
continua, este artículo se centrará en la transformada de ondículas continuas (CWT) utilizando la
ondícula de Morlet (Grossman y Morlet, 1990), como sus análogos a la transformada de Fourier.
Hazlo bastante atractivo para el análisis armónico. Estos análogos son evidentes a partir de la
función de base de Morlet.

i ω o t − t 2 /2 − t 2 /2
g (t ) = e e = e (c o s(ω ot) + i si n (ω o t )) (2 )
487/5000

Esencialmente, la ondícula de Morlet en la ecuación (2) es una transformada de Fourier de

ventana gaussiana, con senos y cosenos que oscilan en la frecuencia central, f o (ωo 2πfo). Las
dilataciones de esta ondícula madre temporalmente localizada permiten que la “frecuencia
efectiva” de este par de seno-coseno cambie para que coincida con los componentes armónicos
dentro de la señal. La ondícula de Morlet se localiza de manera equivalente en el dominio de la
frecuencia, como lo demuestra la transformada de Fourier de la ondícula de Morlet dilatada

G (a f ) = 2 πe− 2π (a f − fo)

Para la ondícula de Morlet, existe una relación única entre el parámetro de dilatación de la
transformada, a, y la frecuencia de Fourier, f, en la que se enfoca la ondícula. Esta relación es
evidente maximizando la Ecuación (3) para producir

a = fo/ f (4 )
1.2 WAVELETS EN LA IDENTIFICACIÓN DE SISTEMAS.

La ondícula de Morlet y otras clases de ondículas discretas y continuas se han aplicado a una
variedad de problemas que van desde el procesamiento de imágenes y acústico hasta análisis
fractal. Recientemente, el análisis de procesos estocásticos de interés para la ingeniería civil
adaptó wavelets a una serie de situaciones donde las transformadas de Fourier fueron amplio,
para estimaciones de espectros automáticos y cruzados (Gurley y Kareem, 1999).

Mientras tanto, la aplicación más rigurosa de las ondículas para la identificación del sistema de
sistemas mecánicos todavía está avanzando, pero se muestra muy prometedora gracias a la
extensión de las ondículas principales disponibles y la flexibilidad inherente a la propia
transformada de ondículas. Esta flexibilidad se conceptualiza en la Figura 1 para una señal
armónica simple. El módulo al cuadrado de la transformada wavelet, o escalograma, se muestra
tridimensionalmente en el tiempo-frecuencia de dominio.

Como se discute con mayor detalle en Carmona et al. (1998), los coeficientes de ondículas toman
valores máximos

el escalograma en un momento dado, a través del rango de frecuencias, produce el espectro

instantáneo de la señal (vea el recuadro derecho de la Figura 1), lo que indica el contenido de
frecuencia en ese instante en el tiempo. Al igual que los espectros de Fourier, el pico de este
espectro corresponde a la frecuencia instantánea que define la cresta y el ancho de banda del
espectro proporciona una indicación de la dispersión de frecuencias presentes en la señal en cada
instante de tiempo. Esta información espectral se puede utilizar en marcos más tradicionales para
la identificación del sistema mediante funciones de respuesta de frecuencia (Hartin, 2001;
Staszewski y Giacomin, 1997), para análisis de coherencia (Gurley et al., 2003) y para análisis
general de señales de tiempo-frecuencia. (Kijewski y Kareem, 2002a).

Varios investigadores han observado este potencial de identificación dual, integrando la

transformada wavelet con varios esquemas de identificación del sistema tradicionalmente
basados en transformadas de Fourier, por ejemplo, Coca y Billings (1997), Robertson et al. (1998a,
b), Ghanem y Romeo (2000); sin embargo, cuando algunos de estos enfoques se introducen en la
ingeniería civil, donde las estructuras se caracterizan por respuestas de banda más estrecha que la
mayoría de los sistemas mecánicos, surgen ciertas preocupaciones de procesamiento. Como estos
sistemas suelen ser de mayor duración, las resoluciones de frecuencia deben refinarse para
asegurar la separación modal. Esto, a su vez, da como resultado un aumento de los errores de
efectos finales que pueden tener una influencia dramática en la calidad de las amplitudes de las
ondas y las propiedades modales como la amortiguación. La ocurrencia de estos fenómenos es
racionalizado en el estudio para la popular ondícula de Morlet, se proporcionan pautas para la
selección de parámetros críticos, y se introduce un esquema de relleno para minimizar los efectos
finales. Las demostraciones de datos a gran escala simulados y medidos resaltan estas importantes
consideraciones, ya que los esquemas de identificación de sistemas basados en ondas se adaptan
a las aplicaciones de ingeniería civil.

RESOLUCIONES WAVELET

Aunque se dispone de una gran cantidad de transformaciones de tiempo-frecuencia, solo la

transformada de ondícula es la única capaz de ajustarse de forma adaptativa al principio de
incertidumbre de Heisenberg. En esencia, la transformada de ondículas admite que no es posible
una resolución arbitrariamente buena tanto en tiempo como en frecuencia. Por lo tanto, la
transformación optimiza sus resoluciones según sea necesario. Proporciona buena resolución a
altas dilataciones o bajas frecuencias, ideal para aplicaciones de ingeniería civil, mientras sacrifica
su resolución de tiempo en este régimen para satisfacer el principio de incertidumbre. En el
dominio del tiempo, la transformada tiene buena resolución a altas frecuencias para identificar
singularidades o discontinuidades de señal una característica que a menudo se explota en
aplicaciones de control de la salud; ver, por ejemplo, Corbin et al. (2000).

Las resoluciones de tiempo (Ot) y frecuencia (Of) de la transformada wavelet están dadas por
(Chui, 1992)

Ot = aOtg (5a)

and

Of = Ofg /a (5b)

e indican que las resoluciones de la ondícula son simplemente versiones escaladas de las
resoluciones de tiempo (Otg) y frecuencia (Ofg) de la ondícula principal g (t). Físicamente, las
medidas proporcionadas en la Ecuación (5) indican que dos pulsos en el tiempo no pueden
identificarse a menos que estén separados por más de Ot. De manera similar, no se pueden
discernir dos contribuciones de frecuencia distintas a menos que estén separadas por más de Of.

Si bien las relaciones en la ecuación (5) parecen sencillas, para la ondícula de Morlet el problema
de la resolución se complica por el hecho de que es una transformada de Fourier con ventana
gaussiana. Desafortunadamente, esta ventana carece de una duración medible. Sin embargo,
aplicando la definición de Gabor (1946) para medidas cuadráticas medias, una "duración efectiva"
en el dominio del tiempo y el ancho de banda en el dominio de la frecuencia puede identificarse
como (Chui, 1992)
Según esta definición, la función de Morlet no dilatada evaluada en el tiempo ty la frecuencia f
ventanas efectivamente una porción de la señal de t Otg a t Otg en el dominio del tiempo,
resultando en una ventana de frecuencia que abarca desde f O fg hasta f O f g . El área total
analizada en el dominio de tiempo-frecuencia forma la caja de Heisenberg, centrada en el tiempo t
y la frecuencia f, que se muestra en la Figura 2. Note que la ventana gaussiana empleada por la
ondícula de Morlet es óptima, es decir, tiene la misma resolución en ambos el tiempo y dominios
de frecuencia angular (ω) (Oωg = 2πO f g).

2.1 RESOLUCIÓN DE FRECUENCIA: SEPARACIÓN MODAL

Habiendo establecido las resoluciones de la ondícula de Morlet, las resoluciones a una frecuencia
dada f i en el análisis de la ondícula continua se pueden determinar combinando las ecuaciones
(4), (5b) y (6b) para obtener

Esto dicta que la resolución de frecuencia mejorará para señales de períodos más largos, una
característica atractiva del transformada de ondícula, y también implica que las capacidades de
resolución pueden ajustarse apropiadamente para el análisis mediante una selección cuidadosa de
la frecuencia central, fo, de la ondícula de Morlet. La medida de ancho de banda efectivo para la
ecuación (7) es 2Ofi. Sin embargo, tenga en cuenta que al basar la medida del ancho de banda en
la estimación del cuadrado medio de Gabor para la ventana gaussiana (ver Ecuación (6b)), sólo se
tiene en cuenta alrededor del 68% de la ventana de frecuencia. Esta medida esencialmente define
una desviación estándar (σ) de la media de la ventana, lo que produce una ventana de frecuencia
con un ancho de banda total de 2Of o 2σ, como se muestra en la Figura 2. Sin embargo, la
duración de esta ventana de frecuencia es engañosamente estrecha, asumiendo una mejor
resolución de frecuencia que está realmente presente. Para definir más estrictamente el ancho de
banda, se debe tener en cuenta que aproximadamente el 95% de la ventana se encuentra dentro
de dos desviaciones estándar de la media, como también se observa en la Figura 2, para el cual el
ancho de banda efectivo es 4Of o 4σ. Una condición aún más estricta ampliaría la definición a tres
desviaciones estándar, que también se muestran en la Figura 2, que abarcan el 99% de la ventana.
Estas consideraciones se vuelven importantes cuando se enfrentan a la necesidad de separar
modos estrechamente espaciados.

Por lo tanto, la ecuación (7) puede generalizarse, dada la necesidad de separar dos componentes
de frecuencia f 1 y f 2 estrechamente espaciados, donde la frecuencia central mínima para un
análisis se puede determinar mediante f 1,2, la separación entre los dos componentes de
frecuencia. α es el parámetro que define cuánta superposición entre las ventanas gaussianas
adyacentes de la ondícula de Morlet está permitida. Como se muestra en la Figura 3, el uso de la
definición cuadrática media tradicional para el ancho de banda de la ventana gaussiana equivale a
α 1. Según lo determinado por la Ecuación (8), las ventanas de análisis de ondículas centradas en
las dos frecuencias se superpondrán significativamente. Sin embargo, aumentando α a 2 y
aplicando la Ecuación (8), se adopta una frecuencia central más grande, lo que produce ventanas
de análisis que son más estrechas y, aunque centradas en las mismas dos frecuencias, ahora
tienen una superposición reducida. Tenga en cuenta que α se puede aumentar a 3, asegurando
una separación modal completa. Como se mostrará en un ejemplo posterior, reteniendo α

2 suele ser suficiente para asegurar una separación modal adecuada para la identificación del
sistema en la mayoría de los sistemas lineales, aunque la separación modal total a través de α 3
puede ser necesaria para modos poco espaciados cuando se realiza la identificación del sistema no
lineal.

2.2 RESOLUCIÓN DE TIEMPO: EFECTOS FINALES

Por otro lado, las resoluciones temporales de un análisis de ondículas tienen una relación directa
con la importancia de los efectos finales, que se han observado en varias aplicaciones, por
ejemplo, Staszewski (1998). En muchos casos, el conocimiento a priori de las características de la
señal permite bajas anomalías que deben distinguirse cualitativamente y descuidarse en análisis
posteriores. Sin embargo, esto es, en general, no es posible, que requiere una guía cuantitativa
para establecer qué partes de la señal transformada en ondículas son precisas. Al examinar la
operación de convolución en la ecuación (1) y la función de ventana en la ecuación (2), es evidente
que, aunque la ondícula está enfocada en un momento dado y representa el contenido temporal
en esta vecindad, la ventana se extiende tanto en el pasado como en el futuro (ver Figura 2), en un
grado que depende de la escala que se analiza. Este hecho tiene implicaciones importantes en las
regiones finales del mapa de transformada de ondículas, como resultado del hecho de que la
ondícula analizada en el momento tj extiende la mitad de su ventana de análisis al pasado. Como
ilustra la Figura 2, la ventana de análisis sin dilatar, según la definición estándar de RMS, abarca
2Otg. Por lo tanto, la duración temporal de la ventana dilatada Oti, para la frecuencia (escala) f i,
se encuentra combinando las ecuaciones (4), (5a) y (6a) para obtener
 fo
O ti = √ (9 )
fi 2
Como se ilustra en la Figura 4, la ventana temporal se alarga a la frecuencia más baja, f 1. Como el
tiempo de análisis tj se encuentra dentro de Ot1 de los extremos de la señal, la ventana de análisis
se extiende a una región sin datos disponibles, produciendo coeficientes wavelet basados en una
señal “incompleta”. Una vez más, esta definición se basa en la definición clásica del cuadrado
medio de la ecuación (6a), que aproxima la duración temporal efectiva como una desviación
estándar única de la ventana gaussiana. Revisando la Figura 2, a la luz de la discusión anterior con
respecto a la resolución de frecuencia, se puede obtener una condición más estricta definiendo la
resolución temporal efectiva de la ondícula de Morlet como 2σ o 2Oti, de modo que represente
aproximadamente el 95% de la Ventana gaussiana. Definiendo un 3Oti como la resolución
temporal puede imponer una condición aún más estricta. Dependiendo del nivel de precisión
deseado, se pueden imponer cualquiera de estas condiciones para cuantificar las regiones
potencialmente en riesgo de efectos finales. La expresión general

donde β se puede establecer en cualquier valor entero distinto de cero, proporciona un límite
práctico en las traslaciones t que se pueden considerar en un análisis de ondículas de una señal de
longitud T. Por lo tanto, solo los coeficientes de ondículas que satisfacen la Ecuación (10) pueden
analizarse de manera confiable . La ecuación (9) dicta que los análisis significativos a bajas
frecuencias requieren mayores cantidades de datos, de modo que se puedan retener varios ciclos
de los fenómenos de baja frecuencia.

Los efectos finales pueden tener una influencia sustancial en la calidad de los coeficientes de
ondículas, como se analiza con más detalle en Kijewski y Kareem (2002b). En la Figura 5 se
proporciona una ilustración de las implicaciones de los efectos finales sobre la amplitud espectral
instantánea, donde los espectros instantáneos calculados en cada momento se grafican uno
encima del otro, esencialmente colapsando el escalograma en el tiempo. En comparación con la
predicción teórica, la mejora en la amplitud y forma espectral instantánea es obvia como resultado
de descuidar progresivamente más de la región del efecto final, requiriendo un valor de β 4 en la
Ecuación (10) para negar suficientemente el final. fenómeno de efecto. Sin embargo, en el caso de
medidas espectrales más sensibles como el ancho de banda, β 6 es necesario para eliminar
cualquier desviación significativa entre la predicción teórica y el resultado de la ondícula (Kijewski
y Kareem, 2002b, c). Aunque tales desviaciones se explican fácilmente por el fenómeno del efecto
final, el simple hecho de descuidar estas regiones en el análisis da como resultado una pérdida
considerable de datos.

βOti ≤ t j ≤ T − βOti (10)

2.3 MEJORA DE EFECTOS FINALES: RELLENO DE SEÑALES

La pérdida de regiones considerables de una señal es la consecuencia desafortunada de los efectos

finales. Una posible solución a este problema sería rellenar el principio y el final de la señal con
valores sustitutos, colocando la verdadera señal de interés en el centro de un vector alargado y
dejando que los valores virtuales en las colas se corrompan por el efecto final. efectos. En la
operación de relleno detallada en Kijewski y Kareem (2002b), las características de la señal se
conservan localmente al reflejar una parte de la señal sobre su comienzo y final. Como la
frecuencia más baja que se considera en el análisis f 1 producirá la resolución temporal más
grande Ot1, dicta los efectos finales máximos anticipados. A continuación, se selecciona β en
función del nivel de precisión deseado y las ordenadas de tiempo del vector de tiempo
muestreado