Machine learning aplicado a la predicción del daño en puentes: un caso particular

Abstract

RESUMEN: En los últimos años, los Sistemas de Monitorización Estructural (SHM) han ido ganando importancia en el sector industrial y civil. Uno de los objetivos es dar soporte a los ingenieros para analizar el comportamiento de las estructuras en fase de operación y mantenimiento bajo las condiciones de servicio reales, de forma cuantitativa, para optimizar su gestión y actuar de forma preventiva ante fallos estructurales graves (tanto de seguridad como económicos). En este trabajo se propone un modelo predictivo basado en técnicas de Machine Learning para controlar la influencia del impacto dinámico de las circulaciones de vehículos reales al pasar sobre un aparato de dilatación de vía localizado sobre la traza de un puente real. Este trabajo parte de los datos de aceleraciones tomadas en distintos puntos de la estructura mediante monitorización real. Finalmente, una vez diseñado el modelo, se formula su integración en el Sistema de SHM con el objetivo de valorar la evolución del comportamiento de la estructura en tiempo real al reactivarse el Sistema de monitorización. Este TFM se ha desarrollado bajo la colaboración de la Universidad de Cantabria y TECNALIA.

ABSTRACT: Nowadays, Structural Monitoring Systems (SHM) have been increasing their importance in the industrial and civil fields. One of the objectives is to support engineers to analyze the behavior of structures in the operation and maintenance stage under real service conditions, quantitatively, to optimize their management and act preventively against serious structural failures (economic and security ones). This project proposes a predictive model based on machine learning techniques to control the influence of the Dynamic impact of real vehicle traffic when passing on a track dilatation apparatus. This work is part of the acceleration data at the different points of the structure through real monitoring. Finally, once the model was designed, it was integrated into the SHM system with the objective of assessing the evolution of the structure's behavior in real time by reactivating the monitoring system. This TFM has been developed under the collaboration of the University of Cantabria and TECNALIA.