Diseño de un sistema de monitoreo de salud estructural utilizando machine learning y computación bio-inspirada (Etapa I)

Autor: Segura Torres Dario Alejandro, Vitola Oyaga Jaime, Anaya Vejar Maribel
Rok vydání: 2020
DOI: 10.15332/dt.inv.2020.01492
Popis: El presente proyecto de investigacion busca proponer una metodologia orientada en las tres primeras fases de diagnostico de danos en estructuras, siendo estos en particular la deteccion, clasificacion y localizacion, bien sea en estructuras metalicas o de material compuesto dado su amplio uso en vehiculos de transporte aereo, terrestre, maritimo, aeroespacial, infraestructura civil y militar. Se pretende utilizar las herramientas que ofrecen el aprendizaje automatico (machine learning) y la computacion bio-inspirada dados los buenos resultados que han ofrecido en la solucion de problemas complejos y el reconocimiento de patrones, evaluando su desempeno en arquitecturas paralelas de alto rendimiento. Es importante hacer hincapie que se evaluara su desempeno con cambios de temperatura y danos en los sensores haciendo los ajustes a que haya lugar, dado que es uno de los parametros a los que se ven enfrentadas las estructuras en ambientes reales. Se utilizara informacion de naturaleza estadistica aplicada al reconocimiento de patrones y reduccion del tamano de la informacion con herramientas como el PCA (analisis de componentes principales) gracias a la experiencia lograda en trabajos desarrollados por el grupo de investigacion MEM, haciendo una exploracion con otros como puede ser ICA (analisis de componentes independientes), y con algunos indices estadisticos que sean pertinentes, procesando luego con algoritmos bio-inspirados y machine learning para hacer el reconocimiento de las caracteristicas necesarias para cumplir con la finalidad de encontrar una metodologia o metodologias de solucion a la problematica propuesta. Como contribucion a la solucion de estos problemas, en este proyecto se cuenta con la experiencia adquirida en el proyecto FODEIN 1608603-017del ano 2016.
Databáze: OpenAIRE