Monitoreo de la salud estructural impulsado por IA utilizando redes PZT de varios tipos y posiciones

Área de la Ciencia:

• Ingeniería civil
• Ciencias de los materiales
• Inteligencia artificial

Sus antecedentes:

• La resistencia a la compresión del hormigón es vital para la integridad estructural y los plazos de construcción.
• Los métodos tradicionales de ensayo no destructivo (END) carecen de fiabilidad y precisión, especialmente en las primeras etapas concretas.
• Se necesitan métodos avanzados para la evaluación in situ de la resistencia del concreto en tiempo real.

Objetivo del estudio:

• Desarrollar y validar un marco de monitoreo de la salud estructural (SHM) basado en IA para predecir la resistencia a la compresión del concreto.
• Investigar la eficacia de la integración de sensores piezoeléctricos (PZT) de varios tipos y múltiples posiciones con el aprendizaje automático.
• Permitir decisiones de construcción más tempranas y confiables a través de la estimación de la fuerza en tiempo real.

Principales métodos:

• Las señales recogidas de varios tipos de sensores PZT en múltiples posiciones (superior, medio, inferior, superficie) en cubos de hormigón durante el curado.
• Entrenó y evaluó múltiples modelos de aprendizaje automático utilizando conjuntos de características completos y seleccionados derivados de datos de sensores.
• Utilizó la importancia de las características y el análisis de los componentes principales (PCA) para analizar los datos y confirmar los beneficios de la heterogeneidad del sensor.

Principales resultados:

• La combinación de múltiples tipos y ubicaciones de PZT mejoró significativamente la precisión de la predicción.
• Los modelos de mejor rendimiento lograron una precisión de clasificación de hasta el 95% utilizando un conjunto de características seleccionadas.
• La importancia de las características y los análisis de PCA confirmaron el valor del uso de diversos tipos y posiciones de sensores.

Conclusiones:

• Los sistemas SHM mejorados con IA con redes de sensores múltiples proporcionan un enfoque práctico y no destructivo para la estimación de la resistencia del concreto en tiempo real.
• Esta tecnología permite una planificación de la construcción y evaluaciones del rendimiento estructural más informadas y oportunas.
• Los resultados se alinean con los estándares de la industria para mejorar las prácticas de construcción y la fiabilidad.