Evaluación de la energía y detección de daños pasivos para el monitoreo de la salud estructural en estructuras...

Área de la Ciencia:

• Ingeniería Aeroespacial
• Ciencias de los materiales
• Inteligencia artificial

Sus antecedentes:

• El monitoreo de la salud estructural (SHM) depende cada vez más de la inteligencia artificial (IA) en el sector aeroespacial.
• La evaluación del impacto de los acontecimientos en las estructuras aeroespaciales es crucial para la seguridad y el mantenimiento.

Objetivo del estudio:

• Entrenar algoritmos de aprendizaje automático para identificar y caracterizar los impactos estructurales en un panel de aluminio aeroespacial.
• Evaluar la eficacia de la IA en la predicción de la gravedad del impacto y la detección de daños preexistentes.

Principales métodos:

• Desarrollo de conjuntos de datos de impacto utilizando datos de vibración de sensores piezoeléctricos en una placa reforzada.
• Aplicación de redes neuronales superficiales para la regresión (energía de impacto) y la clasificación (detección de daños).
• Selección de características guiada por la interpretación física y mecánica de los fenómenos.

Principales resultados:

• Previsión precisa de la energía de impacto con un error inferior al 10%.
• Identificación precisa de las zonas previamente dañadas con una precisión superior al 95%.
• Demostración de la eficiencia computacional para el enfoque de la IA.

Conclusiones:

• El aprendizaje automático proporciona una herramienta válida y eficiente para SHM en estructuras aeroespaciales realistas.
• La IA puede caracterizar eficazmente los efectos de impacto, mejorando la evaluación de la integridad estructural.
• El estudio valida la IA para el monitoreo en tiempo real y la detección de daños en aplicaciones aeroespaciales.