ISSN 0188-7297

EVALUACIÓN Y DETECCIÓN DE DAÑO EN

ESTRUCTURAS UTILIZANDO UN MÉTODO
INVERSO POR SUB-DOMINIOS

Francisco Javier Carrión Viramontes

Alejandro Lozano Guzmán

Publicación Técnica No. 166

Sanfandila, Qro, 2001
SECRETARIA DE COMUNICACIONES Y TRANSPORTES
INSTITUTO MEXICANO DEL TRANSPORTE

Evaluación y detección de daño

en estructuras utilizando un
método inverso por sub-
dominios

Francisco Javier Carrión Viramontes

Alejandro Lozano Guzmán

Publicación Técnica No. 166

Sanfandila, Qro, 2001
 Presentación

Este documento fue elaborado en la Coordinación de Equipamiento para el

Transporte del Instituto Mexicano del Transporte por Francisco Javier Carrión
Viramontes y Alejandro Lozano Guzmán. Parte de los desarrollos teóricos y del
trabajo de investigación se realizaron bajo la dirección y asesoría del Prof. James
F. Doyle, de la Universidad de Purdue.

Se contó con el apoyo y comentarios del Coordinador de Equipamiento para el

Transporte, Dr. Miguel Martínez Madrid, para la publicación de este trabajo.
 Indice

Resumen III

Abstract V

Resumen ejecutivo VII

1 Introducción 1

2 El método inverso por sub-dominios 5

2.1 Problema inverso para la identificación de fuerzas. 6

2.2 Regularización. 8
2.3 Solución por programación dinámica. 9
2.4 Deconvolución utilizando Wavelets. 10

3 Los vectores de respuesta por daño 17

3.1 Teoría de perturbaciones de rango mínimo. 19

3.2 La detección de daño como problema inverso. 21
3.3 Adaptación de la MRPT para el modelo inverso. 22

4 Ejemplos de aplicación 25

4.1 Daño localizado con poca instrumentación. 25

4.2 Análisis por sub-regiones. 27
4.3 Análisis por sub-dominio. 31

5 Conclusiones 35

Referencias 37

I
II
 Resumen

Se describe el desarrollo conceptual y teórico del Método Inverso por Sub-

Dominios (MISD) que es una novedosa metodología para el monitoreo de la
condición estructural de puentes carreteros y estructuras complejas, que permite
la detección de daño.

El método descrito es potencialmente flexible para adaptarse a diferentes

tamaños y características de las estructuras; así como, para procesar información
proveniente de instrumentos de medición (sensores) de diferentes tipos que
proporcionen información temporal o espacial. El uso de este método permite
considerar escenarios en los que el análisis se efectúe en forma remota y en
tiempo real con aplicación a los sistemas de administración de puentes o para los
sistemas integrales de administración.

En contraparte de los métodos modales, el MISD se basa en el análisis de

la propagación de ondas en las estructuras, por lo que no está limitado por el tipo
o ubicación de los sensores ni por las condiciones de medición. Además, se
pueden realizar distintos niveles de análisis a partir de una sola prueba.

En este trabajo se analizan diferentes casos de simulación en los que se

consideran situaciones de poca instrumentación, análisis por sub-regiones y
análisis por sub-dominios. Se evalúan condiciones de pruebas controladas y
pruebas bajo condiciones de operación normal en las que las fuerzas de
excitación estructural son desconocidas. Los resultados obtenidos muestran el
potencial del MISD para el monitoreo de la condición estructural de puentes y
proponen líneas de investigación numérica para adaptar algoritmos de solución
rápida y super-rápida debido a la estructura de las matrices resultantes.

III
IV
 Abstract

This work describes the conceptual and theoretical development of the Sub-
Domain Inverse Method (SDIM), that is an innovative method for monitoring the
structural condition of highway bridges and complex structures and allows the
detection and evaluation of damage.

This method is potentially flexible for different structural sizes and

characteristics and it can process information from different type of sensors,
temporal or spatial. With this method, it is possible to consider real time remote
analysis with applications to bridge administration systems and integral
administration systems.

In reaction to the modal analysis schemes, the SDIM is based on the wave
propagation analysis in the structure; therefore, it is not limited by the type or
localization of the sensors, nor the experimental conditions. Also, different levels of
analysis are possible from a single test.

In this work, different simulation cases are presented considering situations

with few instrumentation, sub-region analysis, and sub-domain analysis. Test are
under controlled conditions, as well as under normal operational conditions where
load excitations are unknown. Results show the potential of the Sub-Domain
Inverse Method for monitoring of the structural condition of bridges and research
on numerical methods is proposed for the use of fast and super-fast algorithms to
solve the matrices which are obtained from this method.

V
VI
 Resumen Ejecutivo

En este trabajo se describen las bases teóricas y conceptuales del

desarrollo del Método Inverso por Sub-Dominios (MISD) para la evaluación y
detección de daño en estructuras. Una de las características fundamentales del
método es que resuelve problemas parcialmente especificados o definidos,
tomando los datos medidos experimentalmente e incorporándolos como parte
integral y fundamental de todo el procedimiento de solución. Se desarrollan dos
métodos de solución basados en la programación dinámica de problemas inversos
y en la deconvolución Wavelet.

El método desarrollado presenta varias ventajas para su utilización en

sistemas de evaluación estructural, entre las que se destacan el análisis sub-
estructural, el ajuste al tamaño del sistema, la posibilidad de admitir diferentes
niveles de análisis (global o detallado), la utilización de información espacial o
temporal, y el poder eliminar las no linealidades presentes en el problema.

El concepto básico del MISD se fundamenta en el empleo de muchos y

diferentes tipos de sensores para el monitoreo, la evaluación y el control de los
sistemas mecánicos y estructurales, que a su vez, es posible gracias al reciente
desarrollo en esta materia. La nueva tecnología ha motivado investigaciones para
incrementar la seguridad, la confiabilidad y los índices de rendimiento de dichos
sistemas. Anteriormente los estudios experimentales estaban limitados por el
número de sensores; ahora es posible pensar en el uso de miles de éstos, que
inclusive, pudieran estar embebidos permanentemente en las estructuras,
proponiendo el uso de nuevas alternativas y esquemas de análisis. Una de las
áreas donde todo esto incide de manera importante es en el monitoreo de la
condición de las estructuras. El incremento en el tamaño y la complejidad de las
obras civiles y aeronáuticas, por ejemplo, plantean nuevos retos para incrementar
los índices de seguridad y confiabilidad. No sólo la información de campo oportuna
es esencial, sino también su rápido procesamiento. Esto, requiere de la
adaptación y del desarrollo de esquemas novedosos y eficientes que manejen una
gran cantidad de información.

Una de las particulares aplicaciones del MISD está en los Sistemas de

Administración de Puentes y Estructuras, en los cuales se pueden realizar la
evaluación estructural mediante procedimientos de medición sencillos y aplicando
excitaciones aleatorias. Se posibilita el monitoreo remoto de muchas estructuras
en forma simultánea. A partir de la misma información, distintos niveles de análisis
se pueden emplear; ya sea de manera sencilla para detectar la presencia de daño
o detallada para identificar y cuantificar la magnitud del mismo.

VII
 El análisis de la vibración de los puentes tiene fundamentalmente dos
vertientes de aplicación. Por un lado, el modelar o medir la respuesta de los
puentes ante ciertos tipos de excitaciones, puede servir para evaluar potenciales
daños sufridos por este tipo de estructura, estimando con ello el nivel de daño
estructural e, incluso, la posición en la que se presenta este debilitamiento
estructural. Por otro lado, y al estar asociados los niveles de vibración de estas
estructuras al nivel de esfuerzos en sus elementos, es posible identificar qué
factores, asociados a los vehículos o al mismo puente, afectan de manera
importante la respuesta del puente y los esfuerzos inducidos en éste.

Los resultados mostrados en este trabajo corresponden fundamentalmente

al desarrollo de la metodología basada en el Método Inverso por Sub-Dominios.
Mediante ejemplos de simulación, se muestra cómo se puede aplicar el esquema
para monitorear la presencia de daño y para identificar éste en una sub-región de
una estructura. Del análisis de las matrices de respuesta se observa que la
estructura Cuasi-Toeplitz que éstas tienen puede ser empleada para mejorar la
eficiencia del esquema de solución y propone líneas de investigación para el
desarrollo de algoritmos basados en esquemas super-rápidos de solución.

VIII
 1 Introducción

En la última década, se introdujo el concepto de las “Estructuras

Inteligentes”, como aquellas estructuras que contienen sensores y actuadores de
manera tal, que a través de un sistema de control específico contrarrestan efectos
nocivos del ambiente como pueden ser vibraciones, sismos o cargas excesivas
que ponen en riesgo la integridad misma de la estructura [1-2]. Actualmente, hablar
de estructuras que contengan un gran número de sensores embebidos es cada
vez más común [3] y el desarrollo de la tecnología de sensores permite considerar
escenarios en los que se utilicen miles y hasta millones de sensores de diferentes
tipos [4]. El disponer de una información más detallada y refinada puede ser
aprovechado para el monitoreo de la condición estructural y la detección de daño
de sistemas reales. Para lograr esto, es necesario desarrollar algoritmos y
esquemas novedosos que sean capaces de procesar una gran cantidad de
información en forma sistemática.

En general, el monitoreo de la condición de una estructura se define como

“la medida de las condiciones de operación y de carga, y de las respuestas críticas
de una estructura para dar seguimiento y evaluar síntomas anormales de
operación y/o de deterioro o daño que afecten el servicio, seguridad o confiabilidad
de la misma” [5]. No sólo el incremento en tamaño y complejidad de las estructuras
civiles o aeronáuticas modernas hace necesario contar con sistemas de monitoreo
de la integridad de los sistemas para aumentar sus índices de seguridad y
confiabilidad, si no también por el hecho de que estas estructuras forman parte
primordial de sistemas integrales de administración [4,5] donde el procesamiento y
análisis de la información son de vital importancia. El monitoreo remoto y continuo
es cada vez más común y el diseño de estrategias para diferentes niveles de
análisis de la información se hace necesario para el manejo eficiente de los datos
[6]
.

Los desarrollos en la informática y de los sistemas de comunicación, son la

base pare el diseño de los sistemas integrales de administración, que son el más
alto nivel de gestión que puede tener una organización y que incluye los sistemas
integrales de diversos sectores o áreas. En el caso de una organización
gubernamental, el sistema integral de administración incluye, entre otros, los
sistemas integrales de transporte, educación, seguridad, salud, etc.

Los sistemas integrales de administración se basan en el empleo de una

red de comunicación de alta eficiencia que transmite en tiempo real toda la
información necesaria a las bases de datos en las que se almacena y
simultáneamente se procesa y analiza para cada uno de los sistemas integrales
que lo constituyen. Todos los datos procesados y analizados por estos sistemas,
son concentrados por el sistema integral de información y transmitidos al sistema
integral de administración, donde se presenta y sintetiza toda la información para

1
Evaluación y detección de daño en estructuras utilizando un método inverso por sub-dominios

que sea utilizada para la toma de decisiones al mas alto nivel (Figura 1a). El
sistema integral de transporte (SIT), que es uno de los sistemas primordiales de
un sistema integral de administración, se compone fundamentalmente de
programas de software que manejan los inventarios de la infraestructura del
transporte y analizan los datos provenientes de las medidas de campo (Figura 1b).
Los componentes fundamentales de hardware son computadoras, redes de
comunicación y los dispositivos de medición de campo, que en nuestro caso,
corresponden a pesadoras dinámicas, sensores de tráfico, transductores de
vibración, cámaras de video, etc. (Figura 1c). El funcionamiento adecuado de un
sistema integral de administración requiere fundamentalmente y primordialmente
de información de campo oportuna y adecuada, lo que a su vez implica contar con
equipos de medición adecuados y métodos de evaluación eficientes.

La tecnología actual, ha logrado reducir el tamaño, peso y costo de los

sensores, así como sus resoluciones temporales y/o espaciales. Se espera en un
futuro próximo tener integrados permanentemente en las estructuras sensores
para información temporal (i.e. acelerómetros o transductores de desplazamiento
láser, medidores de deformación de fibra óptica) o sensores para información
espacial (i.e. imagen por termografía, interferometría láser, imágenes por
infrarrojo) [7-15]. Los sensores temporales tienen la característica de que se
localizan en un punto fijo de la estructura y registran algún tipo de respuesta
completa en el tiempo (esfuerzo, desplazamiento, velocidad), pero limitada
espacialmente por el número de sensores disponibles. En cambio, los sensores
espaciales, obtienen imágenes completas en instantes fijos de tiempo, por lo que
proporcionan toda la información espacial en un número finito de instantes. La
resolución de las imágenes espaciales llega a ser de millones de pixeles, por lo
que es posible considerar a cada pixel como un sensor y, por lo tanto, hablar de
millones de sensores. Es evidente que el uso de un número muy grande de
sensores de diferentes tipos y la complejidad de las estructuras, requiere de
nuevos algoritmos y esquemas que permitan seleccionar y procesar la información
para lograr diferentes niveles de análisis según sea necesario.

La aplicación más importante de los sistemas de monitoreo de estructuras

es la detección y evaluación del daño. Existen diversos esquemas o métodos para
la identificación de éste en las estructuras. En general, la mayoría de los
algoritmos de este tipo se basan en el análisis modal [16,17] y, aunque han logrado
resultados satisfactorios, presentan una serie de limitaciones de tipo práctico que
los descalifican para aplicaciones en tiempo real o bajo condiciones de operación
normal. En respuesta a las limitaciones del análisis modal, se adaptó el Método
Inverso por Sub-Dominios (MISD) para la identificación del daño. El MISD está
basado en el análisis de la propagación de ondas en las estructuras, por lo que
requiere menos pruebas experimentales, se escala a un gran número de
incógnitas y puede manejar diferentes tipos de sensores. Una distribución
adecuada de los sensores, limitando regiones en la estructura, permite identificar
la presencia de daño en las sub-regiones. El análisis por sub-dominios es posible
sin pérdida de generalidad y a partir de un mismo conjunto de datos, se puede
seleccionar la información de acuerdo al nivel de evaluación que se desee realizar.

2
 Introducción

Estos atributos hacen del MISD una metodología potencialmente útil para los
sistemas de monitoreo de estructuras complejas y un gran número de incógnitas
por resolver.

Figura 1 Configuración típica de un Sistema Integral de Administración

3
Evaluación y detección de daño en estructuras utilizando un método inverso por sub-dominios

4
 2 El método inverso por sub-dominios

Un problema directo en ingeniería es aquel en el que hay que determinar

las respuestas de un sistema cuando se conocen ambos, las entradas y el
sistema en su totalidad. En la práctica, los problemas que se tienen son
frecuentemente del tipo inverso, es decir, en los que se desconocen algunos
aspectos del sistema (propiedades del material, condiciones de frontera,
comportamiento no lineal de algunos elementos, etc.), mientras que hay otros que
sí se conocen; así, se pretende utilizar algunas de las respuestas medidas
experimentalmente para determinar estas incógnitas [18]. Mas aún, es posible que
únicamente estemos interesados en conocer un subconjunto de las incógnitas,
como puede ser el caso en el que se quiere evaluar el grado de daño en una
región de la estructura sin que nos interese conocer si existe daño en otra región.
Este tipo de problema inverso es notoriamente mal condicionado y requiere de
esquemas de solución mucho más sofisticados que los utilizados por los
problemas directos.

La probabilidad de encontrar una buena solución se incrementa cuando el

número de incógnitas se reduce. Esto se logra cuando es posible aislar el sub-
dominio de interés del resto de la estructura, por ejemplo, separar el ala de un
avión del fuselaje o el tramo central de un puente del resto de la estructura.
Desafortunadamente, esta separación introduce un nuevo conjunto de incógnitas
que están asociadas con las fuerzas de tracción en las fronteras que fueron
separadas. La idea básica de esto se representa en la Figura 2; donde el sub-
dominio tiene, además de las incógnitas que nos interesa resolver, un conjunto
adicional de incógnitas en las fronteras y que equivalen al resto de la estructura.

t - fuerzas de tracción
desconocidas

Sub-dominio
Dominio completo con muchas
incógnitas

incógnitas del sistema

Figura 2 Sub-dominio con las incógnitas de interés y con fuerzas de

tracción desconocidas en la frontera
5
Evaluación y detección de daño en estructuras utilizando un método inverso por sub-dominios

2.1 Problema Inverso para la Identificación de Fuerzas

En esta sección, se describe de forma general el planteamiento del

problema inverso para la identificación de fuerzas que se resuelve utilizando la
programación dinámica con la ecuación de Ricatti [19].

Consideremos un sistema estructural representado por una ecuación

discretizada en el espacio por el método de elementos finitos y supongamos que
es necesario identificar las fuerzas externas {P(t )} a las que está expuesto el
sistema.

[M ]{u&&(t )}+ [C]{u& (t )}+ [K ]{u(t )} = {P(t )} (1)

Donde {u(t )} es el vector de todos los grados de libertad, [K ] la matriz de

rigidez, [C] la matriz de amortiguamientos y [M ] la matriz de masas. Definamos el
vector {g(t )} como el subconjunto de las fuerzas externas que son diferentes de
cero y definamos la matriz que asocia estas fuerzas externas con los grados de
[ ]
libertad como B g , por lo tanto,

[M ]{u&&(t )}+ [C]{u& (t )}+ [K ]{u(t )} = {P(t )} = [B g ]{g(t )}

Al discretizar en el tiempo, se tiene la ecuación de recurrencia:

{u}n+1 = [A]{u}n + [B]{g}n (2)

Ahora, el vector {u}n contiene los vectores de estado del sistema (al menos
desplazamiento y velocidad) [19]. Con la ecuación (2), se puede definir la función
de error:

[ ]
N
Ε (u, g) = ∑ {d − Qu}nT [W ]{d − Qu}n
n =1

donde {d}n es el vector de mediciones asociada con {u}n mediante la matriz [Q] y
[W] es una función de peso asociada con el tipo de información medida
experimentalmente.

6
 El método inverso por sub-dominios

Nuestro objetivo es minimizar el error de este funcional por lo que re-

escribimos la ecuación (2) como:

[A]{u} = [B]{g}

donde ahora {u} = {{u}1 , {u}2 ,..., {u}N } y {g} = {{g}1 , {g}2 ,..., {g}N } .
T T

Para resolver {u} en términos de {g}, se descompone [A ] por valores

singulares y se obtiene la matriz [G ] , que puede ser resuelta mediante
sustituciones sucesivas. De ahí, la solución directa se puede escribir como:

[A]{G} = [LT DU][G ] = [B]

Donde [G ] es la colección de respuestas del problema directo con fuerzas

unitarias correspondientes a cada una de las fuerzas desconocidas que se desean
identificar. El problema directo resultante es:

{u} = [G ]{g}

Sustituyendo y minimizando la función de error respecto a {g}, se obtiene la

siguiente ecuación:

[G Q WQG ]{g} = [QG ] [W]{d}

T T T
o [R ]{g} = {b}

Resolver el problema inverso a partir de esta ecuación no es posible

generalmente ya que hay que invertir la matriz [A ] , que comúnmente es muy
grande (su dimensión está dada por el número total de grados de libertad
multiplicado por el número de intervalos de tiempo que se desean resolver). Por
ejemplo, para 10000 grados de libertad y 1000 datos discretizados en el tiempo, la
matriz resultante es de dimensión de 107x107. Invertir esta matriz en una
computadora PC de 500 MHz tomaría 2x1014 segundos; aún en la computadora
más rápida el tiempo de solución requerido para este problema es demasiado. Lo
anterior, sin tomar en cuenta la capacidad de memoria necesaria para almacenar
todos los datos.

7
Evaluación y detección de daño en estructuras utilizando un método inverso por sub-dominios

Otra dificultad a la que nos enfrentamos al tratar de resolver el problema en

la forma descrita anteriormente, es el hecho de que el problema es altamente mal
condicionado. Esto se debe a que el número de incógnitas es mucho más grande
que el de los datos. Para resolver esto es necesario utilizar esquemas de
regularización [20].

2.2 Regularización

Supongamos que se tiene una matriz [A ] que tiene menos renglones que
columnas. Cuando se minimiza el funcional A = [Au − d] [Au − d ] , no se tiene una
T

solución única del problema. Una forma de resolver esto, es sumar al funcional
original, otro funcional B no singular que se pondera con un factor de
escalamiento λ , es decir, A + λB .Este nuevo funcional tiene solución única y se
puede demostrar que converge a una solución del problema [18].

Un método de regularización fue desarrollado por Tikhonov [20] y tiene la

característica de que el funcional B tiene un efecto de filtrado o suavización de las
incógnitas y que depende del orden de la derivada que se utilice.

Por ejemplo, para un conjunto de fuerzas {g} que se desean identificar, un

funcional razonable asociado con la primera derivada es:

B ∝ ∫ (dg
dx ) dx ∝ {g} [H ]{g}
2 T

En este caso, que se denomina regularización de primer orden, la matriz

[H ] (simétrica, no singular) tiene la forma de:

 1 −1 0 ....
− 1 2 − 1 ....
[H ] = 
 0 −1 2 ....
 
 0 0 −1 ....

8
 El método inverso por sub-dominios

En el caso de la regularización de orden cero, la forma de la matriz [H ]

queda expresada de la forma:

1 0 0 ....
0 1 0 ....
[H ] = 
0 0 1 ....
 
0 0 0 ....

El objeto del factor λ es garantizar la no-singularidad del problema sin que

afecte el resultado significativamente. Este factor se puede estimar de forma
teórica, pero en la práctica se estima empíricamente de forma iterativa
asignándole diferentes valores y evaluando el grado de suavización que produce
en los resultados [20].

2.3 Solución por Programación Dinámica

Otra forma de resolver este problema de identificación de fuerzas es

utilizando los algoritmos de Bellman [21] para la programación dinámica. Para esto,
se propone minimizar la siguiente función de error [19]:

[ ]
N
E (u, g) = ∑ {d − Qu}nT [W ]{d − Qu}n + λ {g}nT [H ]{g}n
n =1

Con {u}n+1 = [A ]{u}n + [B]{g}n . Nótese que en este funcional ya se introdujo el

término de regularización utilizando el método de Tikhonov [20].

Siguiendo la derivación de la ecuación de Ricatti [21], se obtiene un

esquema de solución de dos etapas; en la primera etapa se resuelven, de atrás
hacia delante, las siguientes relaciones recursivas [21]:

[R n−1 ] = [Q]T [W][Q] + [A]T [R n − 2R n BDn B T R n ][A]

{Sn−1 } = −2[Q]T [W]{d}n−1 + [A]T [I − 2R n BDn B T ]{Sn }

9
Evaluación y detección de daño en estructuras utilizando un método inverso por sub-dominios

Con, [R N ] = [Q] [W ][Q] y {S N } = −2[Q] [W ]{d}N . Aquí, [R n ] , {S n } y Cn , son

T T

coeficientes que resultan del proceso de minimización [19]. El término [Dn ] se

define como:

[Dn ] ≡ [2λ [H ] + 2[B]T [R n ][B]]

−1

Cabe decir que esta última ecuación se puede simplificar aplicando

relaciones de invarianza en el tiempo de manera tal que el cálculo de inversión de
la matriz queda simplificada [19].

En la segunda etapa de solución, se calculan las fuerzas y las respuestas

mediante un proceso recursivo hacia delante aplicando las expresiones
siguientes[21]:

{g}n = −[Dn+1 ][2R n B]nT+1 [A]{u}n − [Dn+1 ][B]T {Sn+1}

{u}n+1 = [A]{u}n + [B]{g}n

Para mayor detalle de la estructura de las matrices y del esquema de

solución, consultar la Referencia 19.

2.4 Deconvolución utilizando Wavelets

El algoritmo de la programación dinámica para la solución del problema

inverso tiene la gran ventaja de que se escala razonablemente con el tamaño del
problema y permite resolver en poco tiempo problemas muy grandes. Sin
embargo, debido a las características del esquema de solución antes descrito,
sólo permite incluir información medida por sensores temporales. No es posible
incluir información espacial que no sea completa en el tiempo. Para esto, se
desarrolló el método de la deconvolución Wavelet, que se basa en el análisis del
fenómeno de propagación de ondas y que posibilita el uso de cualquier tipo de
sensor, sea espacial o temporal.

10
 El método inverso por sub-dominios

Aplicando la teoría de Wavelets [22-23], podemos representar a las fuerzas en

función del tiempo como:

{P} = [Φ][P~ ]
Mg
~
P(t ) = ∑ Pmφ m (t ) o
m=1

donde φm (t ) son funciones Wavelet definidas en el tiempo y donde cada una de

ellas es similar a la otra pero desfasada un intervalo m∆T respecto a la primera.

Por otra parte, las fuerzas aplicadas producen una respuesta en el tiempo
en cualquier punto de la forma:

{u( x)} = [Ψ ][P~ ]

Mg
~
u ( x, t ) = ∑ Pmψ m ( x, t ) , (3)
m=1

donde ψ m ( x , t ) es la respuesta del sistema ante una fuerza φm ( t ) en x . Estas

respuestas pueden ser calculadas, por ejemplo, utilizando un modelo de elemento
finito. Debido a la linealidad del sub-dominio, todas las respuestas en ese punto
serán similares una de otra pero desfasadas un intervalo de tiempo m∆T . Un
análisis detallado de las funciones permite ver que dentro de ellas están
contenidas todas las características de una estructura compleja que afectan la
propagación de las ondas de deformación. Consecuentemente, todos los factores
geométricos, del material y de las condiciones de frontera, están incluidos en esa
función, la cual es posible conocer por medio de una simulación de elemento finito.

Supongamos que N g es el número total de fuerzas desconocidas en el

tiempo. Definamos pues,

{P} = {{P~ } , {P~ } ,...., {P~ } }

1 2 Ng
T

~
{}
en donde P n es un vector de M g componentes. Esta colección de fuerzas
produce una colección de respuestas de tal forma que,

11
Evaluación y detección de daño en estructuras utilizando un método inverso por sub-dominios

 {u}1   [Ψ ]11 [Ψ ]12 K [Ψ ]1N 1   {P~ }1 

[Ψ ]N 2   {P~ }2 
d
 {u}   [Ψ ] [Ψ ]22
{u} = [Ψ ]{P}
 2  21 K
 =   M 
o (4)
d

 M   M M O M
{u}Nd  [Ψ ]Nd 1
  [Ψ ]N 2d
 ~
K [Ψ ]NdNd   P N 
 d 
{}

donde {u}i es una “fotografía” de todos los desplazamientos (grados de libertad)

en un instante de tiempo i . La matriz [Ψ ]ij , de dimensión M u × M g ( M u es el [ ]
número total de grados de libertad), relaciona las fotografías de los
desplazamientos del instante i con fuerza j . Una fotografía del sistema en un
instante dado, contribuye al conocimiento del comportamiento del mismo hasta el
instante al que corresponde; es decir, proporciona información para cualquier
tiempo anterior hasta el momento en que se tomó la fotografía. Esta cualidad
retrospectiva de la información espacial hace que se pueda usar ventajosamente
para la deconvolución en el tiempo.

Sea N g el número de marcos o fotografías que se tienen, reacomodando la

información se tiene lo siguiente:

{d} = {{d} , {d} ,...., {d} }

1 2 Ng
T

donde {d}n es un vector de M g componentes.

El conjunto de grados de libertad que se miden experimentalmente, {d},

constituyen un subconjunto de todas las respuestas unitarias {u}i y, por lo tanto,
ambos están relacionados entre sí. Es decir:

{d}i ⇔ [Q]i {u}i o {d} ⇔ [Q Ψ ]{P} (5)

Aquí, estamos suponiendo que los datos disponibles son principalmente

espaciales en un número limitado de instantes en el tiempo; sin embargo,
podemos incluir información temporal para identificar las fuerzas. Para este caso
general, un esquema de solución suficientemente robusto requiere que el
funcional que se va a minimizar incluya dos factores de regularización, uno
espacial y otro temporal.

12
 El método inverso por sub-dominios

Por lo anterior, se propone utilizar el siguiente funcional de error:

E ( P , d) = A + B (λt , λs ) = {d − Q Ψ P} [W ]{d − Q Ψ P}+ {P} [λt [H t ] + λs [H s ]]{P}

T T
(6)

Nótese que los factores de regularización espacial y temporal son distintos. El

funcional de error se compone de dos funcionales positivos A y B . El primero,
A , es el que mide el error entre los datos experimentales y los resultados del
modelo; si se utilizara este funcional únicamente, los resultados serían muy
buenos pero como las ecuaciones son muy inestables, difícilmente se convergería
a la solución. El comportamiento inestable es debido al mal condicionamiento del
problema, por lo que es necesario introducir el segundo funcional B , que es un
término de estabilización que mide el grado de “suavización” de una solución
aceptable.

Como se dijo anteriormente, el método de regularización de Tikhonov [20],

incluye términos de suavización que resultan de la derivada de las incógnitas.
Para este problema, el término de regularización temporal para cada fuerza se
expresa de la siguiente forma:

{~} {~} {~}

B j = P j [D]Tj [D]j P j = P j [H ]j P
T T
{~}
j

Conjuntados todos los factores de regularización temporal se tiene:

H 1 0 L 0 
0 H2 L 0 
[H t ] =  M M O M 
 
 0 0 L H Ng 

El factor de regularización espacial relaciona los valores de las incógnitas

{}
~
de un nodo P j , con los valores de las incógnitas de los nodos vecinos. Este
esquema de diferencias de primer orden resulta en:

13
Evaluación y detección de daño en estructuras utilizando un método inverso por sub-dominios

− I I 0 L  I −I 0 L
 0 −I I L − I 2I − I L
[D] =  , [H s ] = [D] [D] = 
T

0 0 −I L  0 − I 2I L
   
 M M M O  M M M O

Minimizando el funcional E con respecto a P , se tiene:

[G ]{P} = {uˆ } (7)

donde,

[G ] ≡ [Q Ψ ] [W] [Q Ψ ]+ λ [H ] + λ [H ] , {uˆ } ≡ [Q Ψ ] [W]{d}

T
t t s s
T

La posibilidad de escoger la función Wavelet φ (t ) como una función

triangular (Figura 3a), permite por un lado, tener una función que actúa como filtro
que delimita el contenido de frecuencia de las incógnitas (Figura 3b) y, por el otro,
simplifica el cálculo de la deconvolución inversa [23].

Fuerz Amplitud
100 12

90

80 10

70
8
60

50
6
40

30 4

20

10 2

0
0 1 2 3 4 5 6 7 8
0
Tiempo (microseg) 0 50 100 150 200 250

Frecuencia (Hz)
(a) (b)

Figura 3 Función Wavelet triangular y su transformada de Fourier

14
 El método inverso por sub-dominios

Un ejemplo del uso de imágenes espaciales para la identificación de

fuerzas se muestra en la Figura 4. En este caso, se modela una placa
bidimensional ranurada a la que se le aplican dos fuerzas externas desconocidas
(Figura 4a) y mediante un programa de elementos finitos se simula la información
que se obtendría con dos fotografías de Moiré a 50 y 100 microsegundos (Figura
4b). Los resultados (Figura 4c) comparan los resultados reales con los
reconstruidos mediante la deconvolución Wavelet [24].

P1 P2

(a)

(c)
(b)

Figura 4 Reconstrucción de fuerzas con información espacial

Los métodos normalmente empleados para resolver problemas inversos

utilizan el algoritmo de eliminación de Gauss para invertir las matrices, mismo que
es poco eficiente dado que es de O (n3 ) y limita el número de incógnitas que se
pueden resolver. Un análisis detallado de las matrices [Ψ ] en la Ecuación (3) o
[ ]
Ψ ij de la Ecuación (4), revelan una estructura tipo Toeplitz [25] que es resultado
del desfasamiento en el tiempo de la función de respuesta ante la excitación
Wavelet y que emana del comportamiento lineal del sistema. Así, el término
resultante de la correlación de las matrices de respuesta en la Ecuación (6) toman
una estructura cuasi-Toeplitz. Esta característica de las matrices propone utilizar
esquemas de solución mucho más eficientes.

15
Evaluación y detección de daño en estructuras utilizando un método inverso por sub-dominios

La inversión de matrices tipo Toeplitz se puede realizar con el algoritmo de

Levenson [26] que es de O (n 2 ) . Sin embargo, estudios recientes [27-34] demuestran
que la inversión de estas matrices se puede realizar utilizando algoritmos super-
rápidos, los cuales son de O (n log 2 n) . Una comparación del desempeño de los
tres tipos de algoritmos se presenta en la Figura 5; así, por ejemplo, la solución de
un sistema con una matriz de 106 elementos, se resolvería en 3385 años
empleando el algoritmo de eliminación de Gauss, mientras que un esquema
super-rápido tomaría menos de 4 horas. La posibilidad de implantar los algoritmos
super-rápidos con esquemas iterativos, propone líneas de investigación para
desarrollar esquemas eficientes de solución del problema inverso con la
deconvolución Wavelet.

Algoritmos para MatrizToeplitz

1.0E+6
y = 1E- 3.171
1.0E+5
Algoritmo de
y = 4E- 2.196
1.0E+4 (rápido
Tiempo

1.0E+3 Super-
1.0E+2
y= 1.23
1.0E+1 Eliminación de
1.0E+0

1.0E-1
1.0E+2 1.0E+3 1.0E+4 1.0E+5 1.0E+6 1.0E+7

Tamaño de

Figura 5 Comparación de algoritmos para resolver matrices tipo Toeplitz

16
 3 Los vectores de respuesta por daño

En el contexto estructural, los diferentes tipos de daño como la fractura de

elementos estructurales, la erosión, el desgaste, la pérdida de sujeción, la
corrosión, etc., se reflejan como cambios de rigidez y/o de masas. Así pues, es
posible definir el daño como cualquier cambio en una estructura que afecte los
parámetros de rigidez o masa que la definen.

Para evaluar el daño en estructuras y puentes se han desarrollado un gran

número de técnicas no destructivas y procedimientos, que se han incrementado a
partir del fin de la ‘guerra fría’ y con la liberación de la tecnología militar para
aplicaciones civiles [5]. Es indudable que el radar de penetración [35], la
termografía[36], las emisiones acústicas [37] y el ultrasonido [38], son técnicas que se
han desarrollado ampliamente para la evaluación de elementos y componentes
estructurales; sin embargo, el carácter local de las inspecciones y el tiempo
requerido para estudiar una estructura compleja, las limitan para evaluaciones
globales y para aplicaciones en programas de inspección dentro de los sistemas
de administración de puentes.

La evaluación global de un puente para un sistema de administración, tiene

que ser rápida y confiable, de manera tal que se puedan tomar decisiones
adecuadas para el mantenimiento, la operación y la planeación de la
infraestructura del transporte. Hasta la fecha, esta evaluación global se ha
realizado mediante las inspecciones visuales, que son subjetivas, dependen de la
capacidad del inspector, no cuantifican el nivel de daño y sólo pueden identificar
daño superficial en áreas accesibles por el inspector. Como resultado de las
investigaciones en los últimos veinte años, se ha demostrado que las técnicas de
vibraciones son las únicas que permiten obtener una evaluación global de las
estructuras [5].

De manera general, las técnicas de vibraciones se pueden clasificar en dos

grupos: el primero corresponde a todas aquellas técnicas que se basan en el
análisis modal de las estructuras, mientras que el segundo, agrupa todas aquellas
que se basan en fenómenos de propagación de ondas vibratorias en las mismas.

De los dos grupos mencionados anteriormente, el que se ha desarrollado

más es el relacionado con el análisis modal y la evaluación de la condición
estructural está relacionada con el cambio de los parámetros modales, que son las
frecuencias y formas modales. Por lo general, estos cambios se identifican
mediante la comparación con mediciones de referencia o con un modelo calibrado
a la condición no dañada de la estructura.

17
Evaluación y detección de daño en estructuras utilizando un método inverso por sub-dominios

De aquí, surge un aspecto fundamental; se requiere de una referencia para

comparar los resultados. El escenario más simple, es partir de una condición
inicial no dañada de la estructura y realizar pruebas de referencia para que todas
las mediciones futuras se comparen con éstas. En este caso, no es necesario
conocer en detalle los parámetros estructurales del puente ni contar con modelos
calibrados. La desventaja fundamental de este esquema es que sólo se puede
emplear como una técnica de detección temprana de daño sin que éste se pueda
cuantificar o localizar. Cabe mencionar, que no es fácil correlacionar la magnitud
del cambio medido en este caso con la magnitud del daño y en general, resulta ser
poco confiable.

El segundo escenario, corresponde al caso en el que se conocen los

parámetros iniciales de la estructura y, por lo tanto, se puede elaborar un modelo
de simulación de referencia para comparar las medidas futuras. Por lo general, el
modelo del puente sirve para correlacionar las medidas con el fin de localizar el
daño y cuantificar su severidad. En estos casos existe un gran número de
métodos y procedimientos que por lo general han dado buenos resultados; sin
embargo, están sujetos a las mediciones para el análisis modal de las estructuras,
las cuales son laboriosas y requieren de mucho tiempo, sin tomar en cuenta el
número de sensores requeridos para un estudio suficientemente detallado para
identificar los modos de vibrar deseados.

Algunos de los criterios más comunes para la detección de daño que se

basan en el análisis modal son [39,40]:

a) Cambios en las frecuencias naturales.

b) Cambios en la forma de los modos dinámicos de vibración.
c) Cambios en las curvaturas de los modos de vibración.
d) Criterio de aseguramiento modal (MAC).
e) Criterio coordenado de aseguramiento modal (COMAC).
f) Factor de escala modal (MSF).
g) Factor coordenado de escala modal (COMSF).
h) Cambios en las matrices de flexibilidad o rigidez dinámica.
i) Cambios en la energía de deformación.
j) Teoría de perturbaciones de rango mínimo (MRPT).

De todos los esquemas anteriormente mencionados, el de la teoría de

perturbaciones de rango mínimo ha demostrado ser uno de los mas simples de
aplicar y cuyos resultados son sorprendentemente buenos, por lo que conviene
dar una descripción más amplia del mismo.

18
 Los vectores de respuesta por daño

3.1 Teoría de Perturbaciones de Rango Mínimo

La teoría de perturbaciones de rango mínimo fue desarrollada para localizar

y evaluar el daño en estructuras a partir del análisis modal, aprovechando que los
vectores característicos son linealmente independientes. La cualidad fundamental
de este esquema es que se obtiene una solución única del problema y el cálculo
es directo cuando se cuenta con la información completa de los vectores
característicos. El método permite identificar de forma independiente variaciones
en los parámetros estructurales de rigidez, amortiguamiento y masas [40,41].

En este esquema, se supone que el comportamiento dinámico de la

estructura queda descrito mediante un modelo lineal del tipo:

[M 0 ]{u&&} + [C 0 ]{u& } + [K 0 ]{u } = 0 (8)

Donde [M 0 ] , [C 0 ] y [K 0 ] son las matrices de masas, amortiguamiento y rigidez

de la condición inicial no dañada.

Partiendo del análisis modal, la transformada de Fourier de la Ecuación (8)

queda de la forma:

[K 0 ]
+ i ω 0i C 0 − ω oi2 M 0 {φ }0i = 0 (9)

En donde ω 0i y {φ }0i son la frecuencia y el modo natural o valor y vector

característicos del i-ésimo modo.

Si el daño de la estructura se presenta de tal forma que únicamente afecta

a la matriz de rigidez, se puede escribir la matriz de la condición dañada como una
perturbación de la condición inicial, o sea,

[K d ] = [K 0 ] − [∆K ] (10)

19
Evaluación y detección de daño en estructuras utilizando un método inverso por sub-dominios

Así pues, la ecuación modal de la condición de daño se puede escribir de la

forma:

[K 0 ]
+ i ω d i C 0 − ω d2i M 0 {φ }d i = [∆K ]{φ }di ≡ {d }i (11)

Analizando detenidamente la Ecuación (11), es evidente que a partir de una

prueba experimental se pueden conocer los vectores y valores característicos ( ω di
y {φ }di ) para N número determinado de modos ( i = 1,.., N ); por lo tanto, es posible
conocer sus correspondientes vectores de daño {d}i a partir de dichas medidas y
los parámetros estructurales iniciales.

Si se define la matriz de daño [D] y a la matriz de vectores característicos

de daño [Φd ] como:

[D] = [{d}1 {d}2 L {d}N ]

[Φd ] = [{φ }d1 {φ }d2 L {φ }dN ]

Por lo tanto, la Ecuación (11) se puede expresar de la forma siguiente:

[∆K ][Φ d ] ≡ [D ] (12)

Ahora, nuestro problema es determinar el valor de [∆K ] en términos de [D]

y [Φd ] . Mediante un estudio detallado [40], se demuestra que la solución de rango
mínimo está dada por:

[∆K ] = [D] ( [D]T [Φd ] ) [D]T

−1
(13)

Cabe mencionar, que el rango de la solución siempre será menor o igual

que el rango de los vectores característicos obtenidos experimentalmente; así
pues, el rango del daño deberá ser menor que el de los modos dinámicos
medidos. Dicho de otro modo, el grado de severidad del daño en la estructura está
en proporción directa al número de modos identificados para que se pueda
obtener un buen resultado de la matriz de perturbación [42].

20
 Los vectores de respuesta por daño

Es igualmente importante destacar que en la práctica no es posible medir

experimentalmente todos los grados de libertad de los modos dinámicos, por lo
que no sólo se tiene un número limitado de modos, sino también se tienen modos
con información incompleta. Esto, implica que los esquemas de solución aplicando
la teoría de perturbaciones de rango mínimo se compliquen e implementen
algoritmos que permitan complementar la información faltante. Para mayor
información sobre esto, se recomienda la Referencia 43.

3.2 La detección de daño como problema inverso

El comportamiento de propagación de una onda de deformación en una

estructura compleja queda descrito por la siguiente ecuación:

[M 0 ]{u&&} + [C 0 ]{u& } + [K 0 ]{u } = {P }

La notación utilizada es la de los métodos de elemento finito [44]. Si

representamos la condición de daño como una perturbación de las matrices de
rigidez [K d ] = [K 0 ] − [∆K ] y masa [M d ] = [M 0 ] − [∆M ] , respecto a las condiciones
iniciales sin daño, el problema queda descrito como:

[M 0 − ∆M ]{u&&} + [C 0 ]{u& } + [K 0 − ∆K ]{u} = {P }

Reacomodando los términos se tiene que:

[M 0 ]{u&&} + [C 0 ]{u& } + [K 0 ]{u } = {P } − [∆K ]{u } + [∆M ]{u&&} = {P } + {D} (14)

Evidentemente, el vector {D} contiene toda la información del daño por lo que se
denomina el Vector de Respuesta al Daño (VRD). Si se conoce --de alguna
manera-- este vector, es posible extraer toda la información del daño de éste. A
manera de ilustración, consideremos el caso en el que sólo se modifica la rigidez,
es decir,

21
Evaluación y detección de daño en estructuras utilizando un método inverso por sub-dominios

[∆K ][u] = [D] (15)

donde la información temporal y espacial de {u(t)} y {D(t)} se escribió como

matrices rectangulares [u] y [D] , respectivamente. Este conjunto de ecuaciones
está mal condicionado, por lo que la solución de [∆K ] no es directa; sin embargo,
se modifica la teoría de perturbaciones de rango mínimo [40] para resolver este
caso.

3.3 Adaptación de la MRPT para el modelo inverso

Al proponer el problema del daño como un problema inverso en estructuras

de acuerdo al modelo descrito en la sección anterior, plantea un esquema de
solución de dos pasos: primero, identificar los vectores de respuesta al daño y,
segundo, calcular la matriz de perturbaciones a partir de los VRD y los
desplazamientos medidos experimentalmente. Así, obtener los VRD se logra
mediante los algoritmos de identificación de fuerzas ya descritos en el capítulo
anterior y a continuación, se describe cómo se calcula la matriz de perturbaciones
modificando el esquema propuesto por la MRPT.

La cualidad de la independencia lineal de los vectores característicos que

se aprovecha en teoría de perturbaciones de rango mínimo para resolver la matriz
de perturbaciones, no se tiene en el modelo de daño desarrollado a partir de la
propagación de ondas; en nuestro caso, las estructuras de las matrices [u] y [D]
es totalmente diferente. Así pues, se propone aplicar un cálculo por mínimos
cuadrados [26], de donde la Ecuación (15) se expresa de la siguiente forma:

[∆K ][Xuu ] = [X Du ]

donde [Xuu ] = [u ][u] y [X Du ] = [D][u] .

T T

Aplicando el resultado de la teoría de perturbaciones de rango mínimo, la

matriz de perturbación de la rigidez se puede resolver de la forma:

[∆K ] = [X Du ] [ [X Du ]T [Xuu ] ] [X Du ]T
−1

22
 Los vectores de respuesta por daño

[ ]
El cálculo de la matriz inversa del término [X Du ] [Xuu ] se realiza mediante una
T

descomposición de valores singulares [26] y tomando el subconjunto de valores

significativos únicamente. Una vez calculada la matriz de perturbaciones [∆K ] , es
un proceso directo relacionar el daño con los grados de libertad y los elementos
correspondientes, así como con los valores de variación en los parámetros
estructurales.

La clave fundamental de este proceso de identificación del daño radica en

la capacidad de identificar el vector {D} . Los componentes de este vector están
asociados con los nodos del modelo de elemento finito y constituye un conjunto
muy grande de incógnitas. Nótese, de la ecuación (3), que el VRD es similar al
vector de fuerzas {P} ; así pues, una forma de interpretar a {D} es como un
conjunto de fuerzas externas que actúan sobre la estructura no dañada y que
producen una respuesta similar a la obtenida con la estructura dañada. Así pues,
nuestro problema se reduce a la identificación de fuerzas, donde podemos aplicar
el MISD antes descrito.

23
Evaluación y detección de daño en estructuras utilizando un método inverso por sub-dominios

24
 4 Ejemplos de aplicación

Para demostrar el potencial del Método Inverso por Sub-Dominios (MISD)

para la detección de daño, se presentan tres diferentes casos. El primero, analiza
el daño localizado en un solo elemento de una estructura utilizando poca
instrumentación. El segundo, describe un escenario de mucha instrumentación y
propone dos niveles de análisis para detectar y cuantificar el daño por sub-
regiones. El tercer caso, corresponde a una situación en la que las condiciones de
frontera son desconocidas y las fuerzas de excitación también. Este último caso
trata de apegarse a una situación que pudiera presentarse en la práctica teniendo
monitoreo remoto.

4.1 Daño localizado con poca instrumentación

Consideremos una estructura espacial en dos dimensiones cuyas

condiciones originales se conocen totalmente, incluyendo condiciones de frontera
y parámetros estructurales. Supongamos ahora que se daña un elemento de la
estructura y queremos identificarlo. Para esto se colocan 4 sensores
bidireccionales (8 sensores en total) cuidando que queden distribuidos en toda la
estructura sin que necesariamente exista un punto en particular donde se deban
localizar. Para identificar el elemento dañado, se simula numéricamente una
prueba experimental en la que se aplica una fuerza externa de impacto (conocida)
para excitar la vibración de la estructura y medir la respuesta en los sensores. El
punto de aplicación de la carga externa se selecciona aleatoriamente. En la Figura
5 se muestra el tipo de estructura y las condiciones antes descritas.

Para identificar el elemento dañado en este caso, se parte del hecho de que
al calcular todos los vectores de respuesta al daño asociados con el elemento
dañado, se cumple la condición de equilibrio por la que la suma total de éstos es
cero. Por el contrario, cuando se calculan estos vectores para un elemento
diferente, esta condición no se cumple. Por lo tanto, se puede definir una función
de optimización que corresponda a la fuerza total normalizada de los vectores de
respuesta al daño de un elemento.

25
Evaluación y detección de daño en estructuras utilizando un método inverso por sub-dominios

Figura 5 Estructura espacial bidimensional con un elemento

dañado y poca instrumentación

En este caso, los elementos viga del modelo se conectan por medio de dos
nodos (denominados 1 y 2). Así, para el elemento i , sólo se identifican los
vectores de respuesta al daño de dichos nodos, es decir D1i ( t ) y D 2i ( t ) . Nótese
que estos vectores son bidimensionales ( D1i ( t ) = [dx 1i ( t ), dy1i ( t )] ,
D 2i ( t ) = [dx 2i ( t ), dy 2i ( t )] ). La función de optimización se define como:

dx 1i + dx 2i dy1i + dy 2i
Pi = +
mx my

Donde m x y m y se definen como m x = max{ dx 1i + dx 2i }y m y = max{ dy1i + dy 2i }

M M

j=1 j=1

( M = total de elementos) y son factores de normalización para las diferentes

direcciones x y y . Se definen dos factores ya que los órdenes de magnitud entre
x y y pueden ser diferentes dependiendo de la fuerza de excitación.

Aplicando un método iterativo en el que se calculan los vectores de

respuesta para uno y cada uno de los elementos, se obtiene la función de
optimización de las fuerzas totales de respuesta de éstos. El elemento que tiene el
valor mínimo es el dañado.

26
 Ejemplos de aplicación

Figura 6 Fuerza total de daño normalizada por elemento

En la Figura 6 se presenta una gráfica con los valores de la fuerza total

normalizada calculada de los vectores de respuesta al daño. Nótese que el
elemento 11 (que corresponde al dañado) tiene el valor mínimo. De igual manera,
se obtiene para el elemento 16 un valor de la fuerza total muy pequeño y esto se
debe a que es un elemento muy cercano al dañado y su respuesta al daño, “vista”
desde los sensores, es muy semejante. Aún así el elemento dañado se puede
distinguir.

4.2 Análisis por sub-regiones

En la Figura 7 se presenta una estructura espacial bidimensional que ha

sido dividida en 6 sub-regiones. Suponemos que todos los nodos están
instrumentados con sensores bidimensionales. En este caso, como en el anterior,
se conocen las condiciones de frontera y los parámetros iniciales que definen la
estructura.

El objetivo en este estudio es mostrar dos niveles de análisis, global y

detallado. El análisis global identifica los vectores de respuesta al daño a partir de
un subconjunto de sensores (indicados en la Figura 7) para monitorear la
presencia de daño en una (o varias) de las sub-regiones. Una vez que se identifica
la sub-región dañada, se realiza el análisis detallado con la información de todos

27
Evaluación y detección de daño en estructuras utilizando un método inverso por sub-dominios

los sensores dentro de esa sub-región calculando todos los VDR dentro de ésta.
De aquí, se calcula la matriz de perturbación ∆K , la cual contiene toda la
información que caracteriza al daño.

La selección del subconjunto de sensores que se utilizan en el análisis

global se realiza considerando todos los sensores en los nodos fronterizos que
limitan las regiones y tomando, al menos, un sensor bidireccional dentro de cada
sub-región (Figura 7). De igual manera, la identificación de los vectores de
respuesta al daño se hace para los mismos grados de libertad correspondientes a
todos esos sensores; sin embargo, para el monitoreo únicamente basta analizar
las respuestas de los sensores internos.

En la figura se indican los sensores utilizados para el análisis global (aprox. 30% del total) y los 6
sensores utilizados para monitorear el daño de las sub-regiones.

Figura 7 Estructura espacial bidireccional

Simulando una sola prueba de impacto cuya fuerza es conocida, se

obtienen las respuestas de todos los sensores de manera equivalente a una
prueba real. Los datos provenientes de los sensores se seleccionan y utilizan
según se requiera, de acuerdo con el nivel de análisis. En las figuras 8 y 9 se
presentan los vectores de respuesta al daño de los 6 sensores de monitoreo para
las direcciones x y y aplicando el análisis global. De inmediato, se identifica la
sub-región 6 como la dañada ya que es la única que muestra valores diferentes de
cero.

Una vez reconocida la sub-región dañada, se toma toda la información de

los sensores relacionados con ésta y se realiza el análisis detallado obteniendo
todos VDR y, luego, calculando la matriz de perturbación de rigidez. En la Figura
10 (a) y (b), se compara la matriz de perturbación calculada con los valores reales
de la matriz. Al nivel de cálculo mostrado en este ejemplo, prácticamente no se
observa diferencia alguna entre éstas. Es importante insistir que toda la
información se obtuvo de una sola prueba.

28
 Ejemplos de aplicación

Figura 8

Figura 9

29
Evaluación y detección de daño en estructuras utilizando un método inverso por sub-dominios

(a)

(b)

Figura 10 Comparación de las matrices de perturbación

30
 Ejemplos de aplicación

4.3 Análisis por sub-dominio

Supóngase el caso de una estructura de la que sólo se conocen sus

propiedades en una región determinada; sus condiciones de frontera en los
apoyos y las fuerzas con que se excita la vibración en la prueba experimental se
desconocen. La Figura 11 esquematiza el caso de este tipo de estructura y en la
que existe daño en la sub-región conocida, mismo que se desea identificar a partir
de las respuestas medidas en esa prueba.

En este ejemplo, se define el sub-dominio (Figura 11 b) conocido y el cual

se supone totalmente instrumentado. Como se indica en esa figura, al aislar el
sub-dominio, el resto de la estructura (no conocida) se sustituye por fuerzas de
tracción (igualmente desconocidas) que se van a identificar como parte del
problema. Asi también, las fuerzas de excitación (desconocidas) se suman al
número de incógnitas del problema.

(a)

(b)

Figura 11

31
Evaluación y detección de daño en estructuras utilizando un método inverso por sub-dominios

En el ejemplo mostrado, los datos utilizados se obtuvieron de una

simulación cuya excitación corresponde a la forma de la función mostrada en la
Figura 12. Esta fuerza en dirección negativa del eje y , fue la misma para todos
los nodos superiores, pero desfasados un intervalo de tiempo para simular la
condición de una carga viajera que se desplaza sobre la estructura. La motivación
de lo anterior fue simular una situación equivalente a la que se somete un puente
carretero en el momento que circula un vehículo sobre éste.

F u e rz a d e E x c it a c ió n
3000

2500

2000
Tiem po (s eg)

1500

1000

500

0
0 0 .5 1 1 .5 2 2 .5 3 3 .5 4
A m p lit u d -3
x 10

Figura 12

En la Figura 13 se presentan los resultados del problema inverso al resolver

las fuerzas de tracción en las fronteras de Sub-Dominio. Nótese (Figura 13 b) que
las fuerzas de excitación pueden ser conocidas y corresponden, con una muy
buena aproximación, al valor utilizado en la simulación para obtener las
respuestas en los sensores.

Dado que en este problema no nos interesa de manera particular conocer

las fuerzas de tracción en las fronteras, se ignoran (haciéndolas cero) antes de
realizar el cálculo de la matriz ∆K . Para esto, se utiliza la teoría modificada de
perturbaciones de rango mínimo, según se describió anteriormente.

Cabe destacar que para hacer esto, es necesario que los elementos
dañados no estén relacionados directamente con las fuerzas de tracción. En
general, esto no representa una fuerte limitante, pues en casi todos los casos
prácticos podemos seleccionar las fronteras del sub-dominio de tal manera que se
alejen suficientemente de la región de interés. En cuanto a las fuerzas de
excitación, se puede nodalizar la estructura de tal forma que se modele la

32
 Ejemplos de aplicación

superficie sobre la cual se aplican las cargas con un detalle suficiente para que
estas fuerzas no interactúen directamente con los elementos que se van a
analizar.

En la Figura 14 se comparan los valores de las matrices de perturbación

calculada (a) y exacta (b). Nótese nuevamente el grado de exactitud que se
obtiene con el método de análisis utilizado en este ejemplo. Es importante
destacar que todo este análisis se realiza con una sola prueba y que se puede
hacer de forma remota. Para esto se requiere de la instrumentación y del
conocimiento de los parámetros estructurales del sub-dominio.

(b)

(a)

(c) (d)

Figura 13 Fuerzas de tracción para las fronteras del Sub-Dominio

33
Evaluación y detección de daño en estructuras utilizando un método inverso por sub-dominios

(a)

(b)

Figura 14

34
 5 Conclusiones

La conclusión más importante del trabajo es que conjuntando las teorías de

identificación de fuerzas y la de perturbaciones de rango mínimo, se obtiene un
esquema flexible y potencialmente útil para la detección de daño. Los resultados
obtenidos en los casos analizados son alentadores y describen un método
totalmente novedoso y diferente a los basados en el análisis modal. El esquema
se fundamenta en dos aspectos primordiales; el hecho de que se tienen muchos
sensores y que se conocen las propiedades iniciales de la estructura. Si esto se
cumple al menos en forma parcial, es posible aplicarlo a cualquier tipo de
estructura.

La ventaja de poder utilizar distintos tipos de sensores, separar en sub-

regiones e, inclusive, partir el modelo en sub-dominios, da al método una
flexibilidad de análisis que permite adaptarlo a las diferentes necesidades que el
análisis de daño estructural requiere. Con el análisis global se facilitan los estudios
rápidos en tiempo real y mediante el análisis detallado es posible la
caracterización total del daño en una estructura. Por otra parte, el poder realizar
pruebas con excitaciones aleatorias o desconocidas, amplia las posibilidades de
prueba y hace factible el monitoreo remoto bajo condiciones normales de
operación.

Del método de deconvolución Wavelet para la identificación de fuerzas, se

descubre un gran potencial, no sólo por la posibilidad del uso de sensores
espaciales, sino por la estructura cuasi-Toepliz de las matrices resultantes y que
plantean la posibilidad de utilizar esquemas de solución super-rápidos y que
proponen líneas de investigación para optimizar los algoritmos de solución.

El análisis de la respuesta dinámica de los puentes ha demostrado ser una

herramienta muy poderosa para evaluar la condición estructural de este tipo de
infraestructuras. Su aplicación como una técnica no destructiva ha resultado ser
muy efectiva; sin embargo, su implementación práctica no es sencilla.

En primer lugar, es necesario contar con un modelo teórico, numérico o

experimental de referencia, con objeto de tener información de los parámetros de
vibración que representan la condición ideal o sin daño, y que serán los valores
con que se comparen las condiciones futuras o subsecuentes.

En segundo lugar, el procedimiento experimental se debe planear con

cuidado para obtener la información deseada y evitar los errores de medición.

Finalmente, la selección del algoritmo de interpretación, que debe estar muy

ligado con el procedimiento experimental y la instrumentación, se debe seleccionar
tomando en cuenta las características del puente y el potencial daño que puede

35
Evaluación y detección de daño en estructuras utilizando un método inverso por sub-dominios

tener. Es importante destacar que, independientemente de lo anterior, para tener

información detallada y suficiente, se requiere de una instrumentación igualmente
proporcionada a ese nivel de detalle. En cuanto a los diferentes esquemas para la
detección de daño, se encuentra una relación directa entre su grado de
complejidad y el nivel de detalle que proporciona. Es posible adaptar uno de los
modelos para la detección del daño y emplearlo en forma simplificada en un
esquema para la administración de puentes, de tal manera que sea simple y de
fácil aplicación.

36
 Referencias

1 D. Huston, Smart civil structures - an overview, Smart Structures and

Skins IV, SPIE, Boston, 1991.
2 P. L. Fuhr, D. R. Huston, P. J. Kajenski, and T. P. Ambrose, Performance
and health monitoring of the Stafford Medical Building using
embedded sensors, Journal of Smart Materials and Structures, 1(1),pp.
63-68, 1992.
3 M. I. Friswell, and D. J. Inman, Sensor validation for smart structures,
IMAC-XVIII: Conference on Structural Dynamics, San Antonio, pp. 483-489,
2000.
4 A. E. Aktan, A. J. Helmicki, and V. J. Hunt, Issues in health monitoring for
intelligent infrastructure, Journal of Smart Materials and Structures, 7(5),
pp. 674-692, 1998.
5 A. E. Aktan, and K. A. Grimmelsman, The role of NDE in bridge health
monitoring, Proceedings of the SPIE: Conference on Nondestructive
Evaluation of Bridges and Highways II, SPIE 3587, Newport Beach,
California, 1999.
6 D. J. Pines, and P. A. Lovell, Conceptual framework of a remote wireless
health monitoring system for large civil structures, Journal of Smart
Materials and Structures, 7(5), pp. 627-692, 1998.
7 E. J. Friebele, et. al., Optical fiber sensors for spacecraft applications,
Journal of Smart Materials and Structures, 8(6), pp. 813-838, 1999.
8 Y. Y. Huang, Shearography: A new optical method for strain
measurement and non-destructive testing, Optical Engineering, pp. 391-
395, 1982.
9 R. Aprahamian, D. A. Evensen, J. S. Mixson, and J. E. Wright, Application
of pulsed holographic interferometry to the measurement of
propagating transverse waves in beams, Experimental Mechanics, 11,
pp. 309-314, 1971.
10 R. Aprahamian, D. A. Evensen, J. S. Mixson, and J. L. Jacoby,
Holographic study of propagating transverse waves in plates,
Experimental Mechanics, 11, pp. 357-362, 1971.
11 D. Post, B. Han, and P. Ifju, High sensitivity Moiré, Springer-Verlag, New
York, 1994.
12 J. W. Dally, and D. T. Read, Electron beam Moiré, Experimental
Mechanics, 50, pp. 270-277,1993.
13 D. E. Oliver, Stress analysis by thermal emission, In Chapter 14,
Handbook on Experimental Mechanics, A. S. Kobayashi, editor, pp. 79-118,
Society for Experimental Mechanics, 1993.

37
Evaluación y detección de daño en estructuras utilizando un método inverso por sub-dominios

14 J. W. Dally, An introduction to dynamic photoelasticity, Experimental

Mechanics, 20, pp. 409-416, 1980.
15 A. Asundi, and M. R. Sajan, Digital dynamic photoelasticity – Recent
advances, Proceedings SEM, Baltimore, 28, pp. 212-217, 1994.
16 C. R. Farrar, and D. A. Jauregui, Comparative study of damage
identification algorithms applied to a bridge: I. Experiment, Journal of
Smart Materials and Structures, 7(5), pp. 704-719, 1998.
17 C. R. Farrar, and D. A. Jauregui, Comparative study of damage
identification algorithms applied to a bridge: II. Numerical study,
Journal of Smart Materials and Structures, 7(5), pp. 720-731, 1998.
18 A. Kirsch, An introduction to the mathematical theory of inverse
problems, Springer-Verlag, New York, 1996.
19 R. A. Adams, Force identification in complex structures, M.S. Thesis,
Purdue University, 1999.
20 A. N. Tikhonov, and V. Y. Arsenin, Solutions of Ill-Posed problems, Wiley
& Sons, New York, 1977.
21 D. M. Trujillo, and H. R. Busby, Practical inverse analysis in engineering,
CRC Press, Boca Raton, 1997.
22 J. F. Doyle, A wavelet deconvolution method for impact force
identification, Experimental Mechanics, 37, pp. 404-408, 1997.
23 J. F. Doyle, Determining dynamic events for time-limited spatially
distributed data, Computer Methods in Engineering, submitted, 2000.
24 S. M. Cho, Sub-domain inverse method, M. S. Thesis, Purdue University,
2000.
25 T. Kailath, and A. H. Sayed, Eds., Fast reliable algorithms for matrices
with structure, SIAM, Philadelphia, PA, 1999.
26 W. H. Press, B. P. Flannery, S. A. Teukolsky, W. T.. Vetterling, Numerical
Recipes, 2nd Ed., Cambridge University Press, Cambridge, 1992.
27 R. Chan, and M. Ng, Conjugate gradient methods for Toeplitz systems,
SIAM Review, 38(3), pp. 427-482.
28 S. Serra, Superlinear PCG methods for symmetric Toeplitz systems,
Mathematics of Computation, 68(226), 1999.
29 X. Jin, Fast iterative solvers for symmetric Toeplitz systems – A survey
and an extension, Journal of Computational and Applied Mathematics, 66,
pp. 315-321, 1996.
30 V. Pan, A. Zheng, O. Dias, and X. Huang, A fast, preconditioned
conjugate gradient Toeplitz and Toeplitz-like solvers, Computers and
Mathematical Applications, 30(8), pp. 57-63, 1995.

38
 Referencias

31 G. Ammar, and W. Gragg, Superfast solution of real positive definite

Toeplitz systems, SIAM Journal of Matrix Analysis and Applications, 9(1),
1988.
32 G. Ammar, and W. Gragg, Numerical experience with a superfast real
Toeplitz solver, Linear Algebra and Its Applications, 121, pp. 185-206,
1989.
33 M. Van Barel, and P. Kravanja, A stabilized superfast solver for
indefinite Hankel systems, Linear Algebra and Its Applications, 284, pp.
335-355, 1998.
34 M. Van Barel, G. Heining, and P. Kravanja, A stabilized superfast solver
for nonsymmetric Toeplitz systems, Dept. of Computer Science, Report
TW293, Katholieke Universiteit Leuven, Belgium, 1999.
35 R. M. Morey, Innovative GPR for pavement inspection, Proceedings of
the SPIE: Conference on Nondestructive Evaluation of Bridges and
Highways II, SPIE 3587, Newport Beach, California, 1999.
36 N. K. Del Grande, and P. F. Durbin, Delamination detection in reinforced
concrete using thermal inertia, Proceedings of the SPIE: Conference on
Nondestructive Evaluation of Bridges and Highways II, SPIE 3587, Newport
Beach, California, 1999.
37 D.-J. Yoon, W. J. Weiss, D. W. Prine, and S. P. Shah, Assessing
corrosion damage in reinforced concrete beams using acoustic
emission, Proceedings of the SPIE: Conference on Nondestructive
Evaluation of Bridges and Highways II, SPIE 3587, Newport Beach,
California, 1999.
38 E. A. Mandracchia, Ultrasonic dead load testing of steel highway
bridges, Structural Materials Technology III, An NDT Conference, SPIE
3400, San Antonio, Texas, 1998.
39 Z. Zhang, and A. E. Aktan, The damage indices for the constructed
facilities, Proceedings of the 13th IMAC, Nashville, TN, 1995.
40 M. Kaouk, and D. C. Zimmerman, Structural damage assessment using a
generalized minimum rank perturbation theory, AIAA Journal, 32(4), pp.
836-842, 1994.
41 M. Kaouk, and D. C. Zimmerman, Structural health assessment using a
partition model update technique, Proceedings of the 13th IMAC,
Nashville, TN, 1995.
42 D. C. Zimmerman, T. Simmermacher, and M. Kaouk, Structural damage
detection using frequency response functions, Proceedings of the 13th
IMAC, Nashville, TN, 1995.
43 G. James, D. C. Zimmerman, and T. Cao, Development of a coupled
approach for structural damage detection with incomplete
measurements, AIAA Journal, 32(12), pp. 2209-2217, 1998.

39
Evaluación y detección de daño en estructuras utilizando un método inverso por sub-dominios

44 J. Doyle, Static and Dynamic Analysis of Structures, Kluwer, The

Netherlands, 1991.

40
CIUDAD DE MEXICO SANFANDILA

Av. Patriotismo 683 Km. 12+000, Carretera

Col. Mixcoac Querétaro-Galindo
03730, México, D. F. 76700, Sanfandila, Qro.
Tel (55) 56 15 35 75 Tel (442) 2 16 97 77
Tel. (55) 55 98 52 18 Tel. (442) 2 16 96 46
Fax (55) 55 98 64 57 Fax (442) 2 16 96 71

Internet: http://www.imt.mx
[email protected]