SISTEMA ANTISÍSMICO ANALIZA SALUD ESTRUCTURAL DE GRANDES EDIFICACIONES

Utilizar un algoritmo inteligente de alto nivel para las estructuras de los edificios.

Con una serie de dispositivos se pretende cambiar las propiedades de la vibración, mediante el diseño de una estrategia de control efectiva.

Fuente: Cinvestav

Analizar la salud estructural de las edificaciones mediante el uso de acelerómetro y sensores que registran datos para ser analizados con técnicas informáticas, mediante el empleo de big data y métodos de aprendizaje profundo, permite el desarrollo de un sistema antisísmico de control semiactivo, que busca disminuir la vibración de las construcciones. Wen Yu Lui, investigador del Departamento de Control Automático del Centro de Investigación y Estudios Avanzados  (Cinvestav), explicó que “el desarrollo tecnológico consiste observar el daño de las construcciones mediante un sistema de monitoreo estructural de las edificaciones, que emplea el reconocimiento estadístico de patrones de datos, para evaluar la salud estructural de los edificios”.

A nivel internacional, para evitar daños estructurales durante un movimiento telúrico, se emplean dos sistemas antisísmicos: el de control pasivo de la vibración, que funciona como un aislador sísmico y es ampliamente utilizado en edificios de ciudades con riesgos sísmicos. En la Ciudad de México, la Torre Mayor cuenta con este sistema; y el de control activo, que se usa para mitigar las vibraciones inducidas por el viento o el hombre. La diferencia entre estos dos sistemas, es que el de control activo de la vibración requiere de energía eléctrica para su funcionamiento, y el de control pasivo no la necesita; aunque el de control activo es más efectivo, raramente se utiliza en ciudades con riesgos sísmicos, porque durante un evento telúrico son comunes los cortes del suministro eléctrico.

“Una propuesta alternativa de estas dos opciones, es desarrollar un sistema de control semiactivo de la vibración en las construcciones, que pueda monitorear las propiedades estructurales y su salud; originalmente esta propuesta se ha aplicado a puentes grandes, pero es posible adaptarla a edificios elevados de zonas con alta sismicidad”. Un sistema semiactivo, como el del puente Tsing Ma de Hong Kong, está equipado con 350 acelerómetros y sensores medidores de tensión, que transmite los datos de las edificaciones a un centro informático que los procesa y analiza, para evaluar las condiciones físicas y funcionales de la estructura.

El control semiactivo no es para equilibrar la vibración del edificio, sino para cambiar sus propiedades de vibración; para lograr un buen rendimiento, es esencial diseñar una estrategia de control efectiva con un Sistema de aislamiento de base a partir del esquema de monitoreo de la salud estructural. Un sistema de control semiactivo normalmente requiere una pequeña fuente de energía externa para su funcionamiento, y utiliza el movimiento de la estructura para desarrollar la fuerza de control, donde la magnitud de la fuerza puede ajustarse mediante una fuente de energía externa, sus beneficios sobre sus similares activos son sus menores requisitos de energía, que incluso pueden ser proporcionados con una batería.

“En las últimas décadas, el monitoreo de la salud de las estructuras, junto con métodos de aprendizaje automático han atraído cada vez más atención. El método normal está basado en el observador, pero los métodos de minería de datos usan información de vibración, que están disponibles en acelerómetros”. El aprendizaje profundo tendrá un mejor rendimiento para el monitoreo de la salud estructural que los métodos tradicionales de minería de datos, porque usa capas mucho más ocultas que las redes neuronales clásicas; es más como un modelo del cerebro humano. El aprendizaje profundo ahora es posible gracias a la disponibilidad de Big Data y el cómputo de alto rendimiento; además, aplica el aprendizaje no supervisado para extraer características: puede aprender algo intrínseco sobre los datos sin la ayuda de un objetivo o vector de etiqueta.

El sistema de control semiactivo aborda problemas importantes en el control de las estructuras de los edificios, el monitoreo de la salud estructural y el aprendizaje profundo; también pretende ofrecer aplicaciones futuras; aunque en México hay grupos de investigación que trabajan en el control y monitoreo de la salud de las estructuras de edificios, pocas personas usan técnicas avanzadas de inteligencia artificial, como el aprendizaje profundo y el control semiactivo. “El objetivo de esta propuesta científica es utilizar un algoritmo inteligente de alto nivel para las estructuras de los edificios, de forma que se puedan aplicar en el mercado inmobiliario real, mediante el empleo del aprendizaje profundo y modelos estadísticos para generar las propiedades de las estructuras del edificio, así como construiremos un prototipo de las estructuras del edificio, de modo que se pueda verificar el control semiactivo”.