Resumen

La durabilidad y confiabilidad de los componentes estructurales suelen evaluarse basándose en la carga por fatiga bajo condiciones de operación. Para obtener una carga por fatiga precisa en forma de historias de deformación continua, se propone un enfoque novedoso basado en la combinación de una red neuronal recurrente y un método semianalítico simplificado. La red neuronal recurrente, denominada modelo autoregresivo no lineal con entradas exógenas (NLARX), se aplica para determinar la relación entre las cargas externas y la carga por fatiga correspondiente. Debido a la capacidad de generalización de NLARX, se implementa un método semianalítico, que se utiliza para obtener una base de datos de muestra para el entrenamiento y prueba del modelo NLARX, con un modelo multibody simplificado. Se introducen pruebas de durabilidad de una suspensión trasera de viga de torsión para demostrar la efectividad del enfoque propuesto. Los resultados experimentales muestran que nuestro enfoque propuesto es capaz de lograr mejores resultados de estimación, en comparación con el

• Materias:Emisión acústica Campo de tensión Onda de sismo Diagnóstico de fallas
• Subjects:Acoustic emission Strain field Seismic wave Fault diagnosis
• Palabras claves:Durabilidad; Confiabilidad; Carga por fatiga; Red neuronal recurrente; NLARX; Método semianalítico
• Keywords:Durability; Reliability; Fatigue loading; Recurrent neural network; NLARX; Semianalytical method