Análisis Predictivo del Daño Estructural en Estructuras Sumergidas: Un Enfoque de Estudio de Caso Usando Aprendizaje Automático
Autores: Santos, Alexandre Brás dos; Vasconcelos, Hugo Mesquita; Domingues, Tiago M. R. M.; Sousa, Pedro J. S. C. P.; Dias, Susana; Lopes, Rogério F. F.; Parente, Marco L. P.; Tomé, Mário; Cavadas, Adélio M. S.; Moreira, Pedro M. G. P.
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Análisis Predictivo del Daño Estructural en Estructuras Sumergidas: Un Enfoque de Estudio de Caso Usando Aprendizaje Automático
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Mecánica
Palabras clave
Aprendizaje automático
Daños estructurales
Estructuras sumergidas
Estados oceánicos
Lander bentónico
Parámetros de olas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Este estudio se centra en el desarrollo de un modelo de aprendizaje automático (ML) para elaborar predicciones de daños estructurales en estructuras sumergidas debido a los estados del océano y, posteriormente, lo compara con un caso real de un experimento de 6 meses con un lander bentónico que lleva una multitud de sensores. El modelo de ML utiliza parámetros de olas como altura, período y dirección como capas de entrada, que describen las condiciones oceánicas, y deformaciones en puntos seleccionados de la estructura del lander como capas de salida. Para agilizar la generación del conjunto de datos, se adoptó un enfoque simplificado, integrando formulaciones analíticas basadas en las ecuaciones de Morison y simulaciones numéricas a través del Método de Elementos Finitos (FEM) del lander diseñado. La validación subsiguiente involucró simulaciones de Interacción Fluido-Estructura (FSI), utilizando un tanque de olas numérico basado en Dinámica de Fluidos Computacional (CFD) 2D de toda la profundidad oceánica para acceder a perfiles de velocidad, y un modelo CFD 3D restringido que incorpora la estructura del lander. Se realizó un estudio de caso para validar empíricamente el modelo de ML simulado, con el diseño y despliegue de un lander bentónico a 30 m de profundidad. El lander fue monitoreado utilizando galgas de deformación eléctricas y ópticas. Las deformaciones medidas durante el período de prueba proporcionarán validación empírica y pueden ser utilizadas para un entrenamiento extenso de un modelo más confiable.
Descripción
Este estudio se centra en el desarrollo de un modelo de aprendizaje automático (ML) para elaborar predicciones de daños estructurales en estructuras sumergidas debido a los estados del océano y, posteriormente, lo compara con un caso real de un experimento de 6 meses con un lander bentónico que lleva una multitud de sensores. El modelo de ML utiliza parámetros de olas como altura, período y dirección como capas de entrada, que describen las condiciones oceánicas, y deformaciones en puntos seleccionados de la estructura del lander como capas de salida. Para agilizar la generación del conjunto de datos, se adoptó un enfoque simplificado, integrando formulaciones analíticas basadas en las ecuaciones de Morison y simulaciones numéricas a través del Método de Elementos Finitos (FEM) del lander diseñado. La validación subsiguiente involucró simulaciones de Interacción Fluido-Estructura (FSI), utilizando un tanque de olas numérico basado en Dinámica de Fluidos Computacional (CFD) 2D de toda la profundidad oceánica para acceder a perfiles de velocidad, y un modelo CFD 3D restringido que incorpora la estructura del lander. Se realizó un estudio de caso para validar empíricamente el modelo de ML simulado, con el diseño y despliegue de un lander bentónico a 30 m de profundidad. El lander fue monitoreado utilizando galgas de deformación eléctricas y ópticas. Las deformaciones medidas durante el período de prueba proporcionarán validación empírica y pueden ser utilizadas para un entrenamiento extenso de un modelo más confiable.