Identificación de daño en un puente peatonal por medio de redes neuronales
El presente trabajo desarrolla y aplica dos modelos de redes neuronales artificiales para la identificación de daño estructural en el puente peatonal construido por el grupo de investigación G7, a partir de una identificación modal y pruebas experimentales previas y externas a este trabajo. El prime...
- Autores:
-
Martínez Rojas, Alba Ruth
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2018
- Institución:
- Universidad del Valle
- Repositorio:
- Repositorio Digital Univalle
- Idioma:
- spa
- OAI Identifier:
- oai:bibliotecadigital.univalle.edu.co:10893/38765
- Acceso en línea:
- https://hdl.handle.net/10893/38765
- Palabra clave:
- Puentes peatonales
Control estructural
Análisis estructural
Redes neuronales artificiales
Simulación
- Rights
- openAccess
- License
- https://creativecommons.org/licenses/by-nc-nd/4.0/
| Summary: | El presente trabajo desarrolla y aplica dos modelos de redes neuronales artificiales para la identificación de daño estructural en el puente peatonal construido por el grupo de investigación G7, a partir de una identificación modal y pruebas experimentales previas y externas a este trabajo. El primer modelo es una red de tipo Perceptrón multicapa, la cual es una de las redes más utilizadas en el medio y se caracteriza por tener un aprendizaje supervisado y por usar funciones sigmoideas; y el segundo modelo es una red de Base Radial, que se diferencia de la anterior en que está compuesta por una sola capa oculta y por funciones gaussianas. En primer lugar, se realizó un análisis de sensibilidad con la información conocida de la estructura y se probaron diferentes tipos de procesamiento para obtener distintas entradas en la red neuronal. Este procesamiento se realizó tanto para el caso sano como para los casos con daño, los cuales se simularon quitando elementos en diferentes tramos de la cercha, es decir, variando la rigidez de la estructura y la masa. En el entrenamiento se utilizaron diferentes algoritmos para Perceptrón multicapa, pero finalmente se escogió Levenberg Marquardt, mientras que la red de Base Radial utiliza un método de aprendizaje híbrido por defecto. Para la validación analítica se utilizó un modelo numérico en SAP2000 del puente (ajustado previamente); el procesamiento de las señales de respuesta del puente y el entrenamiento de las redes se realizó en MATLAB. Finalmente, se obtuvieron mejores resultados con el Perceptrón multicapa, observando que la red es capaz de predecir el daño. |
|---|