Resumen

El objetivo principal de este estudio es encontrar una forma fácil y cómoda de estimar el grado de compactación en tiempo real para el control de calidad de la compactación. En este trabajo se desarrolla un clasificador de red neuronal artificial para identificar los diferentes patrones característicos de la vibración del tambor y clasificarlos según los diferentes niveles de compactación. En primer lugar, se diseña y realiza un experimento de compactación de campo en una obra, y se mide el grado de compactación y la vibración. A continuación, las señales de vibración recogidas en el experimento se procesan para extraer las características de los patrones de vibración y se etiquetan con el nivel de compactación para entrenar el modelo de red neuronal artificial. Por último, se verifica el rendimiento del clasificador de la red neuronal artificial frente al grado de compactación medido mediante un medidor de densidad nuclear. Se puede comprobar que las redes neuronales artificiales muestran un buen rendimiento y un enorme potencial para el problema del control de la calidad de la compactación.

• Materias:Agua Ingeniería de estructuras Asfalto Acero Concreto
• Subjects:Water Structural engineering Asphalt Steel Concrete
• Palabras claves:red neuronal artificial, grado de compactación, control de calidad de la compactación, problema de la compactación, patrón del tambor, experimento de compactación en el campo, diferente nivel de compactación, patrón de características diferentes, características de la vibración, clasificador de red neuronal
• Keywords:artificial neural network, degree of compaction, compaction quality control, problem of compaction, pattern of drum, field compaction experiment, different compaction level, different characteristics pattern, features of vibration, neural network classifier