Título :	Metodología para la detección de daños en estructuras del tipo truss empleando la teoría del caos
Autor(es):	Francisco Javier Perez Macias
Palabras clave:	Monitoreo estructural Estructura tridimensional truss Corrosión Transformada Wavelet Discreta Dimensión Fractal Red Neuronal Structural health monitoring Three-dimensional truss structure Corrosion Discrete Wavelet Transform Fractal Dimension Neural Network
Área:	INGENIERÍA Y TECNOLOGÍA
Fecha de publicación :	13-jun-2018
Facultad:	Facultad de Ingeniería
Programa académico:	Maestría en Ciencias (Mecatrónica)
Resumen:	En la actualidad el monitoreo estructural es un tema relevante para la ingeniería y tiene un amplio campo de aplicación. Este monitoreo consiste en el procesamiento e interpretación de los datos adquiridos de una estructura con el fin de evaluar su condición. La detección temprana de daños en estructuras es un reto importante para el monitoreo estructural, ya que con esta detección se puede lograr una reducción tanto del tiempo como de los costos requeridos para la reparación. Uno de los daños más comunes que está presente en muchas estructuras civiles es la corrosión. Investigaciones relacionadas a la detección de daños en estructuras han demostrado que una condición de daño modifica la respuesta vibratoria de la misma. Es por esta razón que se presenta una metodología basada en la dimensión fractal, capaz de realizar un diagnóstico eficiente de la condición de una estructura de aluminio analizando su respuesta vibratoria. Esta metodología se puede usar para detectar y localizar daño por corrosión en un modelo a escala de una estructura tridimensional truss de 9 cubos. En general, la metodología presentada se puede dividir en tres pasos. En el primer paso, la transformada wavelet discreta (DWT) es utilizada para descomponer y eliminar el ruido contenido en la señal; a continuación, dos diferentes algoritmos de dimensión fractal (FD) son utilizados (Box Dimension y Katz) para detectar características en la señal que son utilizadas para la detección del daño. Por último, un análisis estadístico es realizado y una red neuronal es implementada como clasificador, pudiendo con esta lograr la detección y localización por zonas del daño en la estructura. Los resultados obtenidos muestran la efectividad y la utilidad de la metodología propuesta. Structural health monitoring (SHM) is a relevant topic for engineering and has a wide field of application. This monitoring consists of the processing and interpretation of the data of a structure in order to evaluate its condition. The early detection of a structural damage is an important challenge for structural monitoring, since with this detection a reduction in both the time and the costs of the required repair can be achieved. One of the most common and damaging mechanism present in many engineering structures is the corrosion. Investigations related to the detection of damages in structures have shown that a damage condition modifies the vibratory response. For this reason, a methodology based on fractal dimension capable of performing an efficient diagnosis of the condition of an aluminum structure analyzing its vibratory response is presented. This methodology can be used to detect and locate corrosion damage in a scale model of a nine-bay three-dimensional truss structure. In general, the presented methodology can be divided into three steps. In the first step, the discrete wavelet transform (DWT) is used to decompose and eliminate the noise contained in the signal; then, two different fractal dimension algorithms (FD) (Box Dimension and Katz) are used to detect characteristics in the signal that are used for the detection of damage. Finally, a statistical analysis is carried out and a neural network is implemented as a classifier, being able to achieve the detection and location by areas of the damage in the structure. The results obtained show the effectiveness and usefulness of the proposed methodology.
URI:	http://ri-ng.uaq.mx/handle/123456789/1232
Aparece en:	Maestría en Ciencias (Mecatrónica)

Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.