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

Autor/a

Teixidó Marquès, Eduard

Abstract

Detectar cuando una estructura está dañada es crucial para poder evitar que la estructura colapse, como ha sido en varios casos como puentes, edificios o torres de telecomunicación. A lo largo de los años, se han ido desarrollando técnicas para poder detectar a tiempo y de forma prematura los daños que se generan en las estructuras. Actualmente, se han implementado nuevos métodos de ensayos no destructivos ya que permiten que la estructura, una vez terminado el ensayo, pueda mantener sus funciones. Recientemente, se ha implementado un método no destructivo basado en la respuesta frecuencial de la estructura cuando esta está sometida a vibraciones. Cuando una estructura está dañada, esta respuesta varía respecto a la estructura original. Comparando estas dos respuestas, se obtiene una matriz de covarianza con la que, de acuerdo con los valores obtenidos, se puede determinar si la estructura en estudio presenta daños.
Paralelamente, el incremento exponencial del campo de la Inteligencia Artificial ha podido permitir su aplicación en la detección de daños. La Inteligencia Artificial, y más concretamente, el campo de Machine Learning, ha permitido la posibilidad de entrenar redes neurales para que, de forma automática, a través de la matriz de covarianza obtenida, se puedan diagnosticar las estructuras. Investigaciones preliminares recientes han aplicado el uso de redes juntamente con las respuestas frecuenciales para detectar daños sobre estructuras laminares de aluminio, tanto experimentales como simuladas por elementos finitos.
Sin embargo, actualmente, la aplicación de redes neuronales para la diagnosis del estado de estas estructuras laminares no ha demostrado ser una técnica suficientemente fiable ya que ha resultado ser poco consistente en sus predicciones. Consecuentemente, para mejorar la precisión y la exactitud de este método, el objetivo de este trabajo consiste en comprender e identificar el comportamiento de las redes neuronales utilizadas para la detección de variaciones estructurales a través de la visualización de los mapas de activación de cada modelo.

Director/a

Pérez, Marco Antonio

Estudios

IQS SE - Grado en Ingeniería en Tecnologías Industriales

Fecha

2021-06-15