Resumen

Una de las principales preocupaciones en la evaluación de la condición estructural de pavimentos flexibles en servicio, es la estimación de propiedades mecánicas de las capas, útiles para el diseño y toma de decisiones en los sistemas de gestión de carreteras. Este problema de identificación de parámetros es realmente complejo, debido al gran número de variables involucradas en el comportamiento de los pavimentos. Para esos fines, se ha considerado modelar la respuesta del pavimentos ante pruebas de campo, mediante soluciones adaptativas o aproximadas no convencionales usando Redes Neuronales Artificiales - RNAs. Las investigaciones previas han demostrado la capacidad excepcional de las RNAs para estimar módulos de capas, a partir de pruebas no destructivas de deflexión; sin embargo, la mayoría de los casos reportados han utilizado datos sintéticos de deflexión, o sistemas de pavimento hipotéticos. En este trabajo se presentan nuevos intentos para retrocalcular los módulos de capa con modelos de RNAs, a partir de una base de datos obtenida de pruebas de deflexión realizadas en campo sobre sistemas de pavimento de tres y cuatro capas; se consideraron estructuras tradicionales y pavimentos con capas de subbase rigidizada. Para el diseño y validación del modelo "óptimo" de RNAs, es decir, la mejor arquitectura posible y el algoritmo de aprendizaje más adecuado, se desarrolló una metodología en tres etapas. La evaluación del modelo neuronal resultante, muestra su capacidad y eficiencia de predicción para resolver un problema complejo de identificación de parámetros en pavimentos.

Introducción

La vida útil restante y las decisiones de mantenimiento de los pavimentos existentes dependen en gran medida de las condiciones estructurales durante su funcionamiento. En particular, los pavimentos flexibles se consideran sistemas multicapa sometidos a cargas repetidas, cuya respuesta estructural depende significativamente de las características de las capas del pavimento: materiales, rigidez, resistencia y espesor.

El estado estructural de los pavimentos puede evaluarse adecuadamente mediante ensayos de deflexión superficial no destructivos; los dispositivos de carga por impulsos, como los deflectómetros de peso caído (FWD) y los deflectómetros de peso pesado (HWD), son probablemente los dispositivos de medición más utilizados para este fin. A partir de las respuestas medidas de los pavimentos en las pruebas de deflexión, es posible estimar los módulos de las capas de material mediante análisis retrospectivos. Para abordar este problema de identificación de parámetros complejo, no lineal y multivariable, deben considerarse métodos más eficaces.

• Materias:Propiedades mecánicas Ingeniería mecánica Industria de la construcción
• Subjects:Mechanical properties Mechanical engineering Construction industry
• Palabras claves:Redes neuronales artificiales, Pavimentos, Auscultación no destructiva, Deflexiones, Módulos de capa
• Keywords:Artificial neural networks, Pavements, Non-destructive testing, Deflections, Layer moduli