Por favor, use este identificador para citar o enlazar este ítem:
https://ri-ng.uaq.mx/handle/123456789/7829
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.rights.license | http://creativecommons.org/licenses/by-nc-nd/4.0 | es_ES |
dc.contributor | Alejandro Moreno Gómez | es_ES |
dc.creator | Fernando Rivas Nieto | es_ES |
dc.date | 2023-03-03 | - |
dc.date.accessioned | 2023-03-06T19:21:11Z | - |
dc.date.available | 2023-03-06T19:21:11Z | - |
dc.date.issued | 2023-03-03 | - |
dc.identifier.uri | https://ri-ng.uaq.mx/handle/123456789/7829 | - |
dc.description | El correcto funcionamiento y servicio de una estructura puede sufrir daños durante su vida útil debido al paso del tiempo, acciones externas extraordinarios o un escaso mantenimiento; por lo que, en las últimas tres décadas se han desarrollado estrategias que permitan garantizar la integridad y optimo funcionamiento de las estructuras. Es por esto que se han perfeccionado herramientas, como el monitoreo estructural, que al determinar cambios en la respuesta de la estructura permiten evaluar la condición de la estructura, posibilitando una toma de decisiones oportuna para evitar pérdidas. Entre los principales algoritmos utilizados para analizar se encuentra la dimensión fractal y la entropía de Shannon, con los que se puede detectar variaciones en los patrones de la respuesta dinámica debido a cambios en la masa o rigidez del sistema. En este trabajo se presenta una metodología basada en el análisis de la respuesta dinámica de una armadura tridimensional sometida a vibraciones forzadas en la cual se utiliza como técnica de procesamiento la dimensión fractal y entropía de Shannon para detectar y cuantificar daños por pérdida de masa. Así mismo se emplean herramientas estadísticas y clasificadores para poder determinar la condición de la estructura. Como resultado de esta investigación se obtiene que la HFS-64 y la SE son los algoritmos más eficientes para realizar la detección y cuantificación de daños. Con ayuda de una red neuronal artificial de 55 neuronas ocultas fue posible obtener un modelo con una exactitud, precisión y sensibilidad del 100% para detectar y cuantificar daños. | es_ES |
dc.format | Adobe PDF | es_ES |
dc.language.iso | spa | es_ES |
dc.publisher | Ingeniería | es_ES |
dc.relation.requires | Si | es_ES |
dc.rights | Acceso Abierto | es_ES |
dc.subject | Ingeniería y Tecnología | es_ES |
dc.subject | Ciencias Tecnológicas | es_ES |
dc.subject | Tecnología de la construcción | es_ES |
dc.title | Detección y cuantificación de daños estructurales por medio de algoritmos de procesamiento de señales en una estructura | es_ES |
dc.type | Tesis de maestría | es_ES |
dc.creator.tid | curp | es_ES |
dc.contributor.tid | curp | es_ES |
dc.creator.identificador | RINF960224HQTVTR06 | es_ES |
dc.contributor.identificador | MOGA811201HSPRML09 | es_ES |
dc.contributor.role | Director | es_ES |
dc.degree.name | Maestría en Ciencias (Estructuras) | es_ES |
dc.degree.department | Facultad de Ingeniería | es_ES |
dc.degree.level | Maestría | es_ES |
Aparece en: | Maestría en Ciencias (Estructuras) |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
RI007166.pdf | 2.39 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.