Optimización de un Modelo Paramétrico con Registro de Vibraciones Considerando Incertidumbres
DOI:
https://doi.org/10.70567/mc.v42.ocsid8459Palabras clave:
Incertidumbres, Dinámica, Optimización de parámetros, Vigas de hormigónResumen
Para monitorear la salud estructural (SHM), se han desarrollado diferentes metodologías donde la mayoría se basan en el registro de vibraciones ambientales. De los registros aceleración- tiempo se identifican los parámetros dinámicos. Se construye un modelo numérico paramétrico y los parámetros se optimizan para que las predicciones del modelo se aproximen a los valores identificados de las mediciones registradas. Se consideran las incertidumbres en las características físicas de la estructura, como dimensiones, propiedades de materiales y condiciones de borde, también las incertidumbres debido a errores de medición y aproximaciones de los métodos de identificación. Se investiga en este trabajo una estructura formada por vigas prefabricadas de 16m de luz. Se analiza una de las vigas excitada con impactos controlados y registrando la historia aceleración – tiempo en la etapa de vibración libre. A partir de los múltiples registros se obtiene la estadística de las frecuencias utilizando 2 métodos de identificación de sistemas. En el proceso de optimización se minimiza el cuadrado de la diferencia relativa entre las frecuencias del modelo y las identificadas. Se construye así un modelo probabilístico para estudiar el comportamiento estocástico de la estructura analizada.
Citas
Brincker, R., Ventura, C., Introduction to operational modal analysis. John Wiley & Sons, Ltd, 2015.
Feng, Z., Lin, Y., Wang, W., Hua, X., Chen, Z. Probabilistic updating of structural models for damage assessment using approximate bayesian computation. Sensors 2020, 20, 3197; https://doi.org/10.3390/s20113197
Hizal, C. (2021). Frequency domain data merging in operational modal analysis based on least squares approach. Measurement. Vol. 170, 108742. https://doi.org/10.1016/j.measurement.2020.108742
Huang, S.-K., Lai, Z.-Z., Lee, H.-P., Yang, Y.-Y. Automated Modal Analysis Using Stochastic Subspace Identification and Field Monitoring Data. Appl. Sci. 15, 7794, 2025. https://doi.org/10.3390/app15147794
Lucero, G., Möller, O., Ascheri, J.P. Identificación de parámetros dinámicos de un sistema de vigas prefabricadas mediante registro de vibraciones. Mecánica Computacional, 2025, en prensa.
Möller, O., Lucero, G., Ascheri, J.P. Probabilidad de estados de daño en estructuras utilizando parámetros dinámicos e inferencia bayesiana. Mecánica Computacional, XLI, 279-288, 2024. https://doi.org/10.70567/mc.v41i5.28
Mostafaei, H., Ghamami, M. State of the Art in Automated Operational Modal Identification: Algorithms, Applications, and Future Perspectives. Machines 13, 39, 2025. https://doi.org/10.3390/machines13010039
Nicoletti, V., Martini, R., Carbonari, S., Gara, F. Operational Modal Analysis as a Support for the Development of Digital Twin Models of Bridges. Infrastructures 8, 24, 2023. https://doi.org/10.3390/infrastructures8020024
Okur, F.Y., Altunisik, A.C., Okur, E.K. Development and Validation of New Methodology for Automated Operational Modal Analysis Using Modal Domain Range, Structural Control and Health Monitoring, 2025, Article ID 6267884. https://doi.org/10.1155/stc/6267884
Peeters, B., De Roeck, G., Reference-Based Stochastic Subspace Identification for Output-Only Modal Analysis. Mechanical Systems and Signal Processing. 13(6), 855-878, 1999.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Asociación Argentina de Mecánica Computacional

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Esta publicación es de acceso abierto diamante, sin ningún tipo de costo para los autores ni los lectores.
Solo se publicarán aquellos trabajos que han sido aceptados para su publicación y han sido presentados en el congreso de AMCA.

