Resumen

La investigación sobre reconocimiento de patrones de daño representa una de las tareas más desafiantes en el monitoreo de la salud estructural (SHM). La vaguedad en la definición del daño y la significativa superposición entre los estados de daño contribuyen a los desafíos asociados con la clasificación adecuada del daño. Las incertidumbres en las características del daño y cómo se propagan durante el proceso de detección de daños también contribuyen a las incertidumbres en el SHM. Este artículo introduce un método integrado para la extracción de características del daño y el reconocimiento del mismo. Describimos un método robusto de detección de daños que se basa en el uso de una red neuronal artificial (ANN) para calcular la energía wavelet de las señales de aceleración adquiridas de la estructura. Sugerimos utilizar la energía wavelet como una característica de daño para clasificar los estados de daño en las estructuras. Se presenta un estudio de caso que muestra la capacidad del método propuesto para detectar y reconocer patrones de daño utilizando la estructura

• Materias:Sistemas de monitoreo Aditivos reductores Resistencia mecánica Deterioro estructural Sistema de sensores
• Subjects:Monitoring systems Reducing additives Mechanical resistance Structural deterioration Sensor system
• Palabras claves:Reconocimiento de patrones de daño; Monitoreo de salud estructural; Clasificación de daños; Características de daño; Red neuronal artificial; Energía de wavelet
• Keywords:Damage pattern recognition; Structural health monitoring; Damage classification; Damage features; Artificial neural network; Wavelet energy