Las infraestructuras juegan un papel fundamental en el desarrollo social y económico de cualquier región o país. Una gran cantidad de servicios, como el transporte de personas o mercancías, o la generación de energía, dependen del estado de estructuras como carreteras, puentes, presas o parques eólicos, entre otros. El envejecimiento de muchas de estas infraestructuras, junto con condiciones ambientales adversas o defectos constructivos, aumenta la necesidad de inspeccionar y controlarlas, para asegurar que no parece o se propaga ningún daño. Actualmente, las inspecciones visuales periódicas son las más habituales, pero presentan ciertos problemas, sobre todo en el control entre inspecciones, la detección de daños internos o en lugares de difícil acceso.
Para mejorar la calidad de las inspecciones y reducir costes asociados, ha surgido un creciente interés en sistemas basados en la monitorización de la salud estructural, mediante la instalación en la estructura de diferentes tipos de sensores para obtener señales que informen sobre su integridad o salud, de forma similar al control médico del estado de un paciente, permitiendo el control de estructuras de forma autónoma. Una parte muy importante en todo este proceso es el tratamiento de las señales obtenidas mediante Machine Learning y como estas pueden advertir en caso de peligro o recomendar ciertas acciones, ayudando en la toma de decisiones.
La tecnología SHM (Structural Health Monitoring)basada en vibraciones es una de las más entendidas, ya que permite obtener información global de la estructura utilizando pocos sensores, que son relativamente económicos y fáciles de instalar y pueden ser utilizados en múltiples acciones. Sin embargo, existen ciertos retos que limitan la comercialización de esta tecnología.
En este contexto, el Dr. Josep Font Moré llevó a cabo su tesis doctoral en el Departamento de Ingeniería Industrial de IQS, bajo el título Mitigation of environmental and operational variability in structural health monitoring through hybrid procedures and latent variables. La tesis ha sido dirigida por el Dr. Marco A. Pérez Martínez, en el grupo GAM – Applied Mechanics and Advanced Manufacturing, con el objetivo principal de proponer y desarrollar nuevas metodologías que dan respuesta a una de las problemáticas más importantes que limiten el uso industrial de estas tecnologías: la influencia de los efectos de los parámetros EOPs (por sus siglas en inglés), ambientales como la temperatura, la velocidad y dirección del viento o parámetros operacionales como el tráfico en un puente, o el giro de las palas en un aerogenerador, que influyen en la respuesta dinámica de la estructura.
Esta influencia no deseada puede enmascarar la aparición de daños en la estructura y, en muchas ocasiones, su variabilidad es mucho más significativa de la que pueda tener la aparición de una grieta, por ejemplo. Es por esto que son necesarias herramientas avanzadas que permitan mitigar los efectos ambientales y operacionales, para poder extraer información únicamente de la integridad estructural.
Actualmente, esta mitigación se puede realizar mediante dos metodologías, denominadas explícita e implícita. Los métodos explícitos construyen modelos de regresión con el objetivo de relacionar los EOPs, que causan esta variabilidad, con las características sensibles al daño o DSFs, donde se observa el efecto de los EOPs. Por otro lado, los métodos implícitos prescinden de los EOPs y estudian patrones o tendencias en los DSFs que puedan relacionarse con ciertos parámetros ambientales u operacionales.
Nuevas metodologías para mitigar los efectos ambientales y operacionales
La investigación del Dr. Font está fundamentada en dos ideas nuevas para mejorar la mitigación de los EOPs. En primer lugar, se proponen estrategias híbridas que incorporen características de los métodos explícitos e implícitos, para reducir algunas de sus limitaciones. La metodología propuesta estudia, de forma automática, que DSFs están más influenciados por los EOPs y se les aplica una corrección individualizada. De este modo, se reduce la introducción de ruido en los modelos, debido a DSFs mal corregidos. Además, se utiliza toda la información disponible, evitando así uno de los inconvenientes de los métodos implícitos, aportando una mitigación más precisa.
En segundo lugar, esta tesis propone el uso de variables latentes para extraer una referencia más completa sobre la estructura. Esta metodología abre nuevos caminos en la investigación de SHM, ya que permite obtener una visión más holística de los parámetros de estudio. La propuesta es altamente innovadora y rompedora, ya que desafía el uso convencional de variables medidas y ofrece una perspectiva más general del problema de mitigación. Mediante esta nueva metodología, se ha conseguido reducir el ruido inherente de las variables medidas y extraer información sobre los EOPs que no era medida directamente.
Esta tesis ha permitido mejorar la mitigación de los efectos ambientales y operacionales en la monitorización de estructuras, habiendo validado las dos metodologías desarrolladas con datos de aerogeneradores, o subcomponentes de estos, como serían sus palas. Sin embargo, el uso de estas metodologías se podría aplicar a otros tipos de estructuras civiles.
Colaboraciones internacionales
Esta investigación se ha llevado a cabo en colaboración con el Dr. Luis D. Avendaño-Valencia de la University of Southern Denmark y con el Dr. David García-Cava de la University of Edinburgh.
Los métodos de monitorización desarrollados fueron validados con datos de aerogeneradores operacionales cedidos por la empresa HBK y por la Technical University of Denmark.
Publicaciones relacionadas
J. Font-Moré, D. García Cava, M. A. Pérez, L. D. Avendaño-Valencia, A hybrid implicit-explicit procedure to mitigate environmental and operational variability for SHM Applications, International Journal of Structural Health Monitoring (under Review)
J. Font-Moré, D. García Cava, M.A. Pérez, L.D. Avendaño-Valencia, A latent variable approach for mitigation of environmental and operational variability in vibration-based SHM – A linear approach, 11th European Workshop on Structural Health Monitoring (EWSHM 2024) Potsdam, Germany. Publicación seleccionada como uno de los 10 best student papers, de un total de casi 100 artículos.
J. Font-Moré, D. García Cava, M.A. Pérez, L.D. Avendaño-Valencia, Interpreting environmental variability from damage sensitive features, X ECCOMAS Thematic Conference on Smart Structures and Materials (SMART 2023) Patras, Grècia. Artículo seleccionado para formar parte de un número especial del International Journal of Structural Health Monitoring (IJSHM).
J. Font-Moré, G Reyes-Carmenaty, R. Lado-Roigé, M. A. Pérez (2023), Performance analysis of vibration-based damage indicators under low-modal information structures, Mechanical Systems and Signal Processing, Vol. 190, Pag. 110166
Esta tesis ha recibido una ayuda del Ministerio de Universidades para la Formación de Profesorado Universitario – FPU 21/02335 i EST 23/00179, y un premio del Colegio de Ingenieros Industriales de Catalunya para su realización.
COLABORADORES
