Un sistema de fusión de datos de sensor basado en la clasificación de patrones de vecinos más cercanos para aplicaciones de monitoreo de salud estructural
dc.contributor.author | Vitola, Jaime | |
dc.contributor.author | Pozo, Francesc | |
dc.contributor.author | Tibaduiza, Diego A. | |
dc.contributor.author | Anaya, Maribel | |
dc.contributor.orcid | Pozo, Francesc [0000-0001-8958-6789] | |
dc.contributor.orcid | Tibaduiza, Diego A. [0000-0002-4498-596X] | |
dc.coverage.spatial | Suiza | spa |
dc.date.accessioned | 2021-05-20T19:58:30Z | |
dc.date.available | 2021-05-20T19:58:30Z | |
dc.date.issued | 2017 | |
dc.description.abstract | Las estructuras civiles y militares son susceptibles y vulnerables a sufrir daños debido a las condiciones ambientales y operativas. Por lo tanto, la implementación de tecnología para brindar soluciones robustas en la identificación de daños (mediante el uso de señales adquiridas directamente de la estructura) es un requisito para reducir los costos operativos y de mantenimiento. En este sentido, el uso de sensores permanentemente adheridos a las estructuras ha demostrado una gran versatilidad y beneficio ya que el sistema de inspección puede ser automatizado. Esta automatización se lleva a cabo con tareas de procesamiento de señales con el objetivo de un análisis de reconocimiento de patrones. Este trabajo presenta la descripción detallada de un sistema de monitoreo de salud estructural (SHM) basado en el uso de un sistema activo piezoeléctrico (PZT). El sistema SHM incluye: (i) el uso de una red de sensores piezoeléctricos para excitar la estructura y recoger la respuesta dinámica medida, en varias fases de actuación; (ii) organización de datos; (iii) técnicas avanzadas de procesamiento de señales para definir los vectores de características; y finalmente; (iv) el algoritmo del vecino más cercano como un enfoque de aprendizaje automático para clasificar diferentes tipos de daños. Se incluye y analiza una descripción de la configuración experimental, la validación experimental y una discusión de los resultados de dos estructuras diferentes | spa |
dc.description.abstractenglish | Civil and military structures are susceptible and vulnerable to damage due to the environmental and operational conditions. Therefore, the implementation of technology to provide robust solutions in damage identification (by using signals acquired directly from the structure) is a requirement to reduce operational and maintenance costs. In this sense, the use of sensors permanently attached to the structures has demonstrated a great versatility and benefit since the inspection system can be automated. This automation is carried out with signal processing tasks with the aim of a pattern recognition analysis. This work presents the detailed description of a structural health monitoring (SHM) system based on the use of a piezoelectric (PZT) active system. The SHM system includes: (i) the use of a piezoelectric sensor network to excite the structure and collect the measured dynamic response, in several actuation phases; (ii) data organization; (iii) advanced signal processing techniques to define the feature vectors; and finally; (iv) the nearest neighbor algorithm as a machine learning approach to classify different kinds of damage. A description of the experimental setup, the experimental validation and a discussion of the results from two different structures are included and analyzed. | spa |
dc.description.publindex | Q2 | spa |
dc.description.researchgroup | Grupo de Investigación en Diseño, Análisis y Desarrollo de Sistemas de Ingeniería -GIDAD | spa |
dc.identifier.issn | 14243210 | |
dc.identifier.uri | http://hdl.handle.net/11371/3995 | |
dc.publisher.faculty | Facultad de Ingenieria y Ciencias Basicas | spa |
dc.relation.citationissue | 2 | spa |
dc.relation.citationstartpage | 417 | spa |
dc.relation.citationvolume | 17 | spa |
dc.relation.ispartofjournal | Sensors | spa |
dc.relation.uri | https://www.mdpi.com/journal/sensors | spa |
dc.source.uri | https://www.mdpi.com/1424-8220/17/2/417 | spa |
dc.title | Un sistema de fusión de datos de sensor basado en la clasificación de patrones de vecinos más cercanos para aplicaciones de monitoreo de salud estructural | spa |
dc.title.translated | A Sensor Data Fusion System Based on k-Nearest Neighbor Pattern Classification for Structural Health Monitoring Applications | spa |