Sistema distribuido mediante sensores inerciales para la medición y análisis de señales de inclinación multiaxial (Concepto Smart City)

Abstract

RESUMEN: Las ciudades ubicadas en zonas lacustres y sísmicas se enfrentan a un gran reto, al tener edificaciones sometidas a agentes predisponentes y desencadenantes de daños como el tipo de suelo y los movimientos telúricos de mediana y alta intensidad. Las lesiones que pueden aparecer durante su vida útil son de diversa magnitud y gravedad, siendo las inclinaciones, grietas, asentamientos diferenciales, por citar algunos, los más significativos. En este sentido, se ha desarrollado un sistema distribuido mediante sensores inerciales para la medición y análisis de señales, que permite el reconocimiento de patrones de inclinación multiaxial y su severidad, de cuatro muros en edificaciones rectangulares. Primero, son aplicados una combinación de métodos para la mejora de las señales de la aceleración de la gravedad de la tierra, medida por los acelerómetros. Posteriormente, se generan computacionalmente ángulos de desviación de inclinaciones biaxiales, basados en las lesiones más frecuentes de las edificaciones. Son implementados dos modelos para el reconocimiento de 18 patrones de inclinación propuestos es este trabajo y el análisis de su severidad, uno neuronal y el otro neurodifuso. El modelo neuronal está compuesto por una red neuronal artificial que se encarga de clasificar patrones de inclinación y una segunda red neuronal que determina la severidad de los mismos. El modelo neurodifuso está formado por una red neuronal artificial para clasificación de patrones y la implementación de dos bloques de lógica difusa para la determinación de la severidad. Finalmente, estos algoritmos son integrados en un software de monitoreo y puestos a prueba en un modelo físico de laboratorio que consta de cuatro piezas separadas que simulan cada uno de los muros. Los resultados obtenidos son satisfactorios con más del 90% en la precisión del clasificador neuronal.

ABSTRACT: Cities located in lacustrine and seismic zones face a great challenge, having buildings subjected to predisposing agents and triggers of damages such as soil type and telluric movements of medium and high intensity. The injuries that can appear during their useful life are different magnitude and severity, being the inclinations, cracks, differential settlements, to give some examples, the most significant ones. In this sense, an inertial sensors distributed system has been developed for the measurement and analysis of signals, which allows the multiaxial tilt pattern recognition and their severity, of four walls in rectangular buildings. First, a combination of methods is applied to improve the signals acceleration earth gravity, measured by the accelerometers. Subsequently, biaxial inclination deviation angles, are computationally generated, based on the most frequent buildings pathologies. Two models are implemented for the recognition of 18 proposed inclination patterns in this work and the analysis of its severity, one neural and the other neuro-fuzzy. Neural model is composed of an artificial neural network that is responsible for classifying inclination patterns and a second neural network that determines the severity of them. Neuro-fuzzy model is formed by an artificial neural network for pattern recognition and implementation of two blocks of fuzzy logic to determine severity. Finally, these algorithms are integrated into a monitoring software, and are tested in a laboratory physical model consisting of four separate pieces that simulate each of the walls. Results obtained are satisfactory, with more than 90% in the neural classifier accuracy.