Analysis of a Convolutional Neural Network Model in Terms of Neuron Activation for Structural Damage Classification Approaches

Autor/a

Teixidó Marquès, Eduard

Abstract

Detectar quan una estructura està danyada és clau per poder evitar que la estructura col·lapsi, com ha sigut en diversos casos com ponts, edificis o torres de telecomunicació. Al llarg dels anys, s’han anat desenvolupant tècniques per poder detectar a temps i de forma prematura els danys que es generen en les estructures. Actualment, s’han implementat nous mètodes d’assajos no destructius ja que permeten que l’estructura, un cop acabat l’assaig, pugui mantenir les seves funcions. Recentment, s’ha implementat un mètode no destructiu basat en la resposta freqüencial de la estructura quan aquesta està sotmesa a vibracions. Quan una estructura està danyada, aquesta resposta varia respecte a la estructura original. Comparant aquestes dues respostes, s’obté una matriu de covariància amb la qual, d’acord amb els valor obtinguts, es pot determinar si l’estructura en estudi presenta danys.
Paral·lelament, l’increment exponencial del camp de la Intel·ligència Artificial ha pogut permetre la seva aplicació en la detecció de danys. La Intel·ligència Artificial, i més concretament, el camp de Machine Learning, ha permès la possibilitat d’entrenar xarxes neurals per tal que, de forma automàtica, a través de la matriu de covariància obtinguda, es puguin diagnosticar les estructures. Investigacions preliminars recents han aplicat l’ús de xarxes juntament amb les respostes freqüencials per detectar danys sobre estructures laminars d’alumini, tant experimentals com simulades per elements finits.
Tot i així, actualment, l’aplicació de xarxes neurals per a la diagnosis de l’estat d’aquestes estructures laminars no ha demostrat ser una tècnica prou fiable ja que ha resultat ser poc consistent en les seves prediccions . És per això que, per millorar la precisió i la exactitud d’aquest mètode, l’objectiu d’aquest treball consisteix en comprendre i identificar el comportament de les xarxes neuronals utilitzades per a la detecció de variacions estructurals a través de la visualització dels mapes d’activació de cada model.

Director/a

Pérez, Marco Antonio

Estudis

IQS SE - Grau en Enginyeria en Tecnologies Industrials

Data

2021-06-15