Sistema experto hibrido bajo el enfoque de ensemble learning para la monitorización de estructuras laminares

Simple item page
dc.contributor.advisorVillamizar Mejia, Rodolfo
dc.contributor.advisorSepulveda, Franklin Alexander
dc.contributor.authorMoreno Beltrán, Gustavo Adolfo
dc.date.accessioned2024-03-04T00:49:57Z
dc.date.available2020
dc.date.available2024-03-04T00:49:57Z
dc.date.created2020
dc.date.issued2020
dc.description.abstractEn este proyecto de investigación se presentan los resultados de la implementación de un sistema experto híbrido para detección y localización de daños en estructuras laminares mediante la com- binación de piezodiagnosis, correlación cruzada y análisis de componentes principales (PCA) bajo el enfoque de Ensemble Learning. La metodología propuesta consiste en primero generar ondas guiadas a través de la superficie de la estructura mediante dispositivos piezoeléctricos. Luego, se aplica correlación cruzada entre las señales de actuación y sensado. Después, se construye un mo- delo de línea base aplicando análisis de componentes principales, que permite la identificación de defectos estructurales mediante índices de error. En este proyecto, Ensemble Learning es evalua- do como aproximación para obtener algoritmos de diagnóstico robustos que permitan la generación de fronteras de decisión mejor definidas entre los estados de daño y sin daño de la estructura. La construcción del Ensemble se basa en algoritmos no lineales de PCA que permiten la construcción de los algoritmos base. Adicionalmente, una versión modificada del algoritmo de reconstrucción para inspección probabilística de daños es implementada para localización de defectos. La metodología propuesta fue experimentalmente validada para monitorización continua usando datos adquiridos de una placa de aluminio, en la que se estudiaron escenarios de daño de agrietamiento, perforaciones y agregación de masas. La efectividad de la metodología fue evaluada en condiciones ambientales variables de temperatura. Como resultado, se obtuvo un algoritmo robusto para detección y locali- zación de daños en estructuras laminares mediante la combinación de piezodiagnosis, correlación cruzada y PCA en un esquema paralelo de Ensemble Learning.
dc.description.abstractenglishThis research project presents the results of implementing a hybrid expert system for damage detec- tion and location in laminar structures by combining piezo diagnostics, cross-correlation functions and principal component analysis through an Ensemble Learning scheme. The proposed methodology consists of first generating guided waves along the monitored structure surface by using piezoelectric (PZT) devices. Then, cross-correlation analysis is applied to piezoelectric signals between actuation and sensing signals. Later, a baseline model is obtained by means of a PCA in order to identify pos- sible damages through error indexes. In this thesis, Ensemble Learning is evaluated as approach for obtaining more robust diagnosis with high separable boundaries between undamaged and damage conditions taking advantages of learner algorithms built from Non-Linear PCA. Also, a modified ver- sion of the Reconstruction Algorithm for Probabilistic Inspection of Damage (RAPID) is implemented with the purpose of damage location. The proposed methodology was experimentally evaluated for continuous monitoring by using data acquired from an aluminum plate, where damage scenarios re- garding to mass adding and cuts were studied. The effectiveness of the proposed methodology to detect and locate damages under varying temperature environmental conditions was demonstrated. As a result, robust damage detection and location in laminar structures are achieved through the com- bination of piezodiagnostics approach, cross-correlation analysis and principal component analysis techniques and Ensemble Learning.
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ingeniería Electrónica
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/40639
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programMaestría en Ingeniería Electrónica
dc.publisher.schoolEscuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0
dc.subjectPca
dc.subjectKernel Pca
dc.subjectPiezodignostics
dc.subjectShm
dc.subjectEnsemble Learning
dc.subject.keywordPca
dc.subject.keywordKernel Pca
dc.subject.keywordPiezodignostics
dc.subject.keywordShm
dc.subject.keywordEnsemble Learning.
dc.titleSistema experto hibrido bajo el enfoque de ensemble learning para la monitorización de estructuras laminares
dc.title.englishHybrid expert system based on ensemble learning approach for the monitoring of laminar structures *
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestria
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
348.05 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
7.14 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
298.33 KB
Format:
Adobe Portable Document Format
Download
Collections
Maestría en Ingeniería Electrónica