Detección de Daño en Edificios Basada en Datos de Aceleración y Redes Neuronales Convolucionales

Resumen: Este artículo presenta un enfoque alternativo para la detección de daño en edificios utilizando la energía disipada. Primero, el modelo histérico de Bouc-Wen se presenta como una herramienta útil para describir la energía disipada, que está directamente relacionada con la pérdida de rigidez. Dado que, los parámetros y estados de este modelo son desconocidos, empleamos un algoritmo de identificación no lineal basado en una red neuronal convolucional (CNN). Ésta se caracteriza por su conectividad dispersa, que garantiza que los filtros de convolución puedan detectar la respuesta. Además, los pesos compartidos de la CNN reducen la complejidad del entrenamiento y el número de sus parámetros porque los mismos pesos se aplican a todas las entradas. Por lo tanto, la CNN puede detectar características sin importar dónde se encuentren en los datos de vibración, lo que también reduce la complejidad del entrenamiento. El uso de esta herramienta evita el uso de un observador adaptable, que a diferencia de la CNN, la complejidad del algoritmo aumenta con el número de parámetros y estados desconocidos. Los resultados experimentales confirmaron que el método propuesto es prometedor para aplicaciones prácticas.

¿Cómo citar?

Jesús Morales-Valdez, Mario Lopez-Pacheco & Wen Yu. Detección de Daño en Edificios Basada en Datos de Aceleración y Redes Neuronales Convolucionales. Memorias del Congreso Nacional de Control Automático, pp. 145-150, 2019.

Palabras clave

Modelado e Identificación de Sistemas, Detección y Aislamiento de Fallas, Redes Neuronales

• Carden, E.P. and Fanning, P. (2004). Vibration based condition monitoring: A review. Structural Health Monitoring, 3, 355–377.
• Chatzi, E.N., Smyth, A.W., and Masri, S.F. (2010). Experimental application of on-line parametric identification for nonlinear hysteretic systems with model uncertainty. Structural Safety, 32, 326–337.
• Clinton, J.F., Bradford, S.C., Heaton, T.H., and Favela, J. (2006). The observed wander of the natural frequencies in a structure. Bulletin of the Seismological Society of America, 96, 237–257.
• Das, S., Saha, P., and Patro, S. (2016). Vibrationbased damage detection techniques used for health monitoring of structures: a review. Journal of Civil Structural Health Monitoring, 6(3), 477–507.
• Doebling, S.W., Farrar, C., and Prime, M.B. (1998). A summary review of vibration-based damage identification methods. The Shock and Vibration Digest, 30(2), 1–34.
• Farrar, C.R., Worden, K., Todd, M.D., Park, G., Nichols, J., Adams, D.E., Bement, M.T., and Farinholt, K. (2007). Nonlinear system identification for damage detection. Report LA-14353, Los Alamos National Laboratory (LANL), Los Alamos, NM., 1–161.
• Herak, M. and Herak, D. (2010). Continuous monitoring of dynamic parameters of the dgfsm building (zagreb, croatia). Bulletin of Earthquake Engineering, 8(3), 657– 669.
• Huang, Q., Xu, Y., Li, J., Su, Z., and Liu, H. (2012). Structural damage detection of controlled building structures using frequency response function. Journal of Sound and Vibration, 331(15), 3476–3492.
• Hwang, H.Y. and Kim, C. (2004). Damage detection in structures using a few frequency response measurements. Journal of Sound and Vibration, 270(1-2), 1–14.
• Ikhouane, F., Mañosa, V., and Rodellar, J. (2005). Adaptive control of a hysteretic structural system. Automatica, 41, 225–231.
• Kim, J.T., Ryu, Y.S., Cho, H.M., and Stubbs, N. (2003). Damage identification in beam-type structures: frequency-based method vs mode-shape-based method. Engineering Structures, 25(1), 57–67.
• Kong, X., Cai, C.S., and Hu, J. (2017). The state-of-theart on framework of vibration-based structural damage identification for decision making. Applied Sciences, 7(5), 497–510.
• Ma, F., Ng, C.H., and Ajavakom, N. (2006). On system identification and response prediction of degrading structures. Structural Control and Health Monitoring, 13, 347–364.
• Nair, K.K., Kiremidjian, A.S., and Law, K.H. (2006). Time series-based damage detection and localization algorithm with application to the asce benchmark structure. Journal of Sound and Vibration, 291, 349–368.
• Nayeri, R.D., Masri, S.F., Ghanem, R.G., and Nigbor, R.L. (2008). A novel approach for the structural identification and monitoring of a full-scale 17-story building based on ambient virbation measurement. Smart Materials ans Structures, 17(2), 1–19.
• Smyth, A., Masri, S., Chassiakos, A., and Caughey, T. (1999). On-line parametric identification of mdof nonlinear hysteretic systems. Journal of Engineering Mechanics, 125, 133–142.
• Sohn, H., Farrar, C., Hemez, F., Devin, D.S., Daniel, W.S., Brett, R.N., and Jerry, J.C. (2003). A review of structural health monitoring literature: 1996-2001. Los Alamos National Laboratory Report, LA-13976-MS, 1– 331.
• Wen, Y.K. (1976). Method for random vibration of hysteretic system. Journal of the Engineering Mechanics Division, 102(2), 249—-263.