Aplicación de un modelo de redes neuronales en la identificación del daño estructural en un puente vehicular

This article presents thedevelopment and application of an ArtificialNeural Networks-based model for thedetection of structural damage to bending inthe girders of a vehicular bridge. The trainingand evaluation of the networks were carriedout starting from the generation of 12801 and2560 “artificial” damage scenarios, respectively.In the generation of these scenarios theflexural stiffness of one or several elementswere randomly modified such that the bridge’sgirders were discretizated. In training thenetworks, the differences in the modal strainenergy were used as input parameters, andthe flexural stiffness of the elements as outputparameters in which the bridge’s girders werediscretizated. The training algorithm used wasthe Scaled Conjugate Gradient. In general,it was observed that the networks are ableto predict in a reliable way the location andseverity of the damage.En este artículo se presenta el desarrollo y aplicación de un modelo de redes neuronales en la detección del daño estructural a flexión en las trabes de un puente vehicular. El entrenamiento y evaluación de las redes se llevó a cabo a partir de la generación de 12 801 y 2 560 escenarios de daño “artificiales”, respectivamente. En la generación de estos escenarios se modificó aleatoriamente la rigidez a flexión de uno o varios de los elementos en que se discretizaron las trabes del puente. Como parámetro de entrada en el entrenamiento de las redes se utilizaron las diferencias en la energía de deformación modal y, como parámetro de salida, las rigideces a flexión de los elementos en que se discretizaron las trabes del puente.El algoritmo de entrenamiento utilizado fue el Scaled Conjugate Gradient. En general, se observó que las redes son capaces de predecir en forma confiable la localización y severidad del daño