Departamento de Computación

El monitoreo del estado estructural (Structural Health Monitoring o SHM por sus siglas en inglés) es un área de la ingeniería de estructuras, la cual se encarga del estudio e implementación de procedimientos para la detección de daño a través de la medición de las propiedades dinámicas de dichas estructuras. Bajo este concepto, se pueden utilizar distintas herramientas para el monitoreo; que van desde inspecciones visuales, hasta llegar a técnicas más avanzadas; basadas en el análisis de los valores provenientes de los sensores y que mediante la construcción de modelos matemáticos y/o el análisis de datos experimentales, se puede llegar a realizar una verificación del daño presente en las estructuras que son estudiadas. Por tanto, el trabajo de tesis que aquí se presenta, consistió en desarrollar una metodología capaz de detectar daños en un edificio provocados por vibraciones, mediante la aplicación de técnicas de Minería de Datos, con datos provenientes de un edificio. Entre las principales técnicas utilizadas, destacan: las Máquinas de Soporte Vectorial y los Árboles de Decisión. Así mismo, se realizaron distintos análisis estadísticos para definir el comportamiento modal de la estructura, antes y después de presentarse el daño. Para la generación y recolección de datos se utilizó un prototipo de laboratorio a escala de un edificio, así como un generador de ondas de vibración. Estos dispositivos están equipados con los aditamentos esenciales para llevar a cabo los experimentos requeridos en el proceso de la detección de daño. Al final de éste trabajo de tesis, se obtuvieron buenos resultados de acuerdo con los algoritmos de Minería de Datos propuestos y los experimentos realizados. Así mismo, se llegó a la conclusión que mediante la aplicación de métodos supervisados provenientes de la Minería de Datos, es posible llevar a cabo el proceso de detección de daño en edificios.

Abstract

Structural Health monitoring (or simply SHM), it is a research area derived of structural engineering, which deals with the study and implementation of methods for damage detection in structures, using the records of its dynamic properties. Under this concept, we can use different tools for SHM process; ranging from visual inspections to more sophisticated techniques, based on the analysis of data from the structure. These analyses may include, mathematical models with simulated data (v.g., FEM Finite Elements Method), or models based on experimental data (v.g., machine learning methods). Therefore, based on the above theory, one of the main objectives in this thesis, was to develop a methodology capable of detecting damage in a building caused by vibration, applying Data Mining techniques with experimental data. Two main techniques were used: Support Vector Machines and Decision Trees. Likewise, various statistical analyzes were performed to define the modal behavior of the structure, before and after introducing the damage. For generation and collection of experimental data, a building laboratory prototype and a vibration wave generator were used. These devices are equipped with the essential hardware and software attachment to carry out the experiments required in the process of building damage detection. At the end of this thesis work, good results were obtained with Data Mining algorithms proposed. According with experiments realized, the results demonstrate the feasibility and effectiveness of the selected techniques to use in the SHM process.