Uso de Aprendizaje Automático para Evaluar el desempeño de un Método de Cuantificación de Daño

Abstract

En el pasado se ha propuesto una innumerable cantidad de métodos para la detección y localización de daño en vigas. Sin embargo, la cuantificación de daño aún presenta dificultades. Una falencia que se observa en la literatura sobre estos métodos es la falta de pruebas de su generalidad; i.e., suelen evaluarse en un número limitado de ejemplos arbitrarios. A pesar de que estos métodos se basan en modelos generales, como dichos modelos son simplificadores, no hay seguridad de que su desempeño sea bueno en la generalidad de los casos reales que supuestamente se ajustan a dichos modelos. Por ello, aquí se plantea una evaluación más robusta, y que puede ejecutarse en un tiempo razonable. Se propone hacer un estudio paramétrico utilizando elementos finitos sólidos y variando varios parámetros; e.g. forma y dimensiones de la sección transversal, esbeltez de la viga, y disposición de los sensores. La enorme cantidad de resultados generados hace difícil su análisis por humanos. Como alternativa innovadora, se resume la información utilizando una herramienta de aprendizaje automático llamada árboles de decisión para clasificación. Así se logra distinguir la relevancia de cada parámetro y sus interrelaciones en el desempeño final del método puesto a prueba.