Resumen

El efecto de las temperaturas variables es uno de los desafíos más importantes de la identificación de daños basada en vibraciones debido a sus mayores efectos en la respuesta estructural que el propio daño. Este estudio presenta una metodología que incorpora el modelo de series temporales autorregresivas (AR) con redes neuronales artificiales (ANNs) de dos pasos para identificar daños bajo variaciones de temperatura. Los coeficientes AR, que se extraen ajustando los modelos AR a las respuestas de aceleración, son sin embargo sensibles a los cambios de temperatura, lo que resulta en diagnósticos erróneos. Por lo tanto, se utilizan modelos ANN de dos pasos con los datos de la diferencia en los coeficientes AR para compensar las variaciones de temperatura perjudiciales. Se utilizan modelos de elementos finitos (FE) de una estructura de marco con tirantes de acero, simulando varios escenarios de daño con diferentes ubicaciones y severidades de daño a temperaturas fluctuantes, para verificar la efectividad y confiabilidad de este enfoque. Los resultados numéricos indican que el en

• Materias:Modelo de rigidez Desempeño estructural Fallas estructurales Estructuras de membrana
• Subjects:Stiffness model Structural performance Structural failures Membrane structures
• Palabras claves:Temperaturas variables; Identificación de daños basada en vibraciones; Modelo de series temporales autorregresivas; Redes neuronales artificiales; Daño bajo variaciones de temperatura; Coeficientes AR
• Keywords:Varying temperatures; Vibration-based damage identification; Autoregressive time series model; Artificial neural networks; Damage under temperature variations; AR coefficients