Observador Adaptable para Edificios Bajo El Enfoque de Propagación de Ondas

Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1de 6

Congreso Nacional de Control Automático 2017 600

Monterrey, Nuevo León, Mexico, Octubre 4-6, 2017

Observador adaptable para edificios bajo el


enfoque de propagación de ondas
Jesús Morales-Valdez ∗ Luis Alvarez-Icaza ∗ Antonio Concha ∗∗

Instituto de Ingeniería, Universidad Nacional Autónoma de México
04510 Coyoacán DF, México
(e-mail: jmoralesv@iingen.unam.mx, alvar@pumas.iingen.unam.mx)
∗∗
Facultad de Ingeniería Mecánica y Eléctrica, Universidad
de Colima, C.P. 28400, Coquimatlán, Colima, (aconcha@ucol.mx)

Resumen: Se presenta un observador adaptable para modelos de edificios a cortante que


permite recuperar los parámetros estructurales desconocidos y las señales no medibles de
desplazamiento y velocidad, a partir únicamente de señales de aceleración. El modelo del
edificio se basa en una barra a cortante discreta, que se usa en un esquema de identificación
por mínimos cuadrados normalizado, con factor de olvido y un esquema de proyección
paramétrica que garantiza parámetros positivos, y un estimador de estados tipo Luenberger.
El esquema de identificación planteado, resuelve el problema de desacoplar los parámetros
rigidez-masa y amortiguamiento-masa de los estados del modelo. Además, se presenta una nueva
parametrización basada en filtros integrales lineales, que eliminan perturbaciones constantes y
atenúan el ruido de medición. Los resultados experimentales validan la versatilidad del método
propuesto.

Palabras clave: Observador adaptable, identificación de parámetros, filtros integrales lineales,


propagación de ondas, monitoreo de salud estructural

1. INTRODUCCIÓN locales de los edificios. Estos métodos fueron introducidos


por Trifunac et al. (2003). Bajo esta idea, Todorovska
y Rahmani (2012) presentan un algoritmo que identifica
Los edificios son un tipo particular de estructuras civiles cambios en las velocidades de propagación del movimiento
que acumulan daño gradualmente durante su vida útil sísmico a través de un edificio. Posteriormente, el algoritmo
debido a la degradación de los materiales y elementos que es mejorado empleando técnicas como la interferometría
los conforman, o bien a causa de fenómenos naturales que e inversión de onda (Rahmani y Todorovska, 2014). Sin
inciden de manera negativa en su funcionamiento, como embargo, estos métodos están desarrollados en el dominio
son los sismos. La mayoría de los métodos de monitoreo de la frecuencia y en consecuencia no son adecuados
de salud estructural en ingeniería civil están basados en para aplicaciones en tiempo real. Además, los efectos de
el análisis modal, que estudia cambios en las frecuencias reflexión y dispersión pueden modificar la precisión para
naturales y en las formas modales, características que no calcular las velocidades de propagación, como se discute
son sensibles a daño local, especialmente cuando éste es en Fukuwa y S.Matsushima (1994).
moderado o pequeño. En Doebling et al. (1998) se presenta
una revisión extensiva sobre este tipo de métodos, que En este artículo, se extienden los trabajos de Todorovska
es actualizada posteriormente en Sohn et al. (2003). De y Rahmani (2012); Rahmani y Todorovska (2014) que
manera similar, en Carden y Fanning (2004); Kong et al. postulan un modelo de propagación de ondas en el dominio
(2017) se presenta una revisión de métodos vibracionales de la frecuencia. Aquí se mantiene el mismo enfoque, pero
con énfasis en aplicaciones de ingeniería estructural. Das se transforma la forma de procesar la información para
et al. (2016) presenta un estudio comparativo entre los pasar de un proceso fuera de línea a uno de identificación
diferentes métodos de detección de daño basados en vibra- de parámetros y estimación de estados en tiempo real. El
ciones. Sin embargo, en Clinton et al. (2006) se concluye observador adaptable produce el mejor conjunto posible
que las frecuencias de vibración y las formas modales no de parámetros, en el sentido de mínimos cuadrados, que
son siempre un indicador confiable de la presencia de daño, no se ocupa directamente de la reflexión y dispersión.
pues aquellas son sensibles a condiciones ambientales, co- Por otro lado, el requisito de recuperar los parámetros
mo la temperatura y lluvia. No obstante, esta limitante es en tiempo real descarta el uso de procesamiento de datos
superada si se cuantifican las variaciones debidas a diversas fuera de línea para eliminar el sesgo en las mediciones de
condiciones climáticas, en diferentes días y estaciones del aceleración. Los efectos de éste son superados empleando
año, como se estudia en Clinton et al. (2006); Nayeri et al. Filtros Integrales Lineales (FIL), cuya inclusión también
(2008). elimina las componentes de alta frecuencia del espectro
de aceleración en tiempo real, centrándose en el ancho de
Por otra parte, los métodos de propagación de onda son banda de interés, con ellos se logra un efecto similar al
un enfoque alternativo que permite estudiar características
filtrado sugerido en Rahmani y Todorovska (2014). Por 2.1 Semidiscretización espacial
otra parte, en la práctica es difícil medir los desplaza-
mientos y velocidades debido a que no existe un marco Con el objetivo de crear un sistema de identificación en
de referencia inercial estático. Tampoco es viable integrar línea, el modelo continuo es discretizado en puntos que
las señales de aceleración, debido a que el sesgo distorsiona coinciden con los pisos instrumentados. En consecuencia,
las estimaciones de los desplazamientos y velocidades. Por se producen diferentes velocidades de propagación y coe-
esta razón se usa un estimador de estados tipo Luenberger, ficientes de amortiguamiento. Para los puntos 1 al n − 1
que supera ese problema. Este artículo está organizado de se usa una aproximación centrada de segundo orden y un
la siguiente manera: la sección 2 describe el modelo de backward de primer orden en el punto n, generando
edificio y el proceso de discretización usados. La sección 3 2
ü = βM Λu + ηM2
Λu̇ + büg (3)
describe el observador adaptable propuesto que consta de
un esquema de identificación y un estimador de estados. donde βM2 2
y ηM son matrices ∈ Rp×p , con p = (n + 1),
Los resultados experimentales se presentan en la sección 4, que se definen de la siguiente manera
y finalmente, las conclusiones de este trabajo se dan en la
sección 5.    
0 0 0 ··· 0 0 0 0 ··· 0
2. MODELO MATEMÁTICO
0 β12 0 ··· 0  0 η12 0 ··· 0
β22 η22
   
2
βM = 0 0 ··· 0 , 2
ηM = 0 0 ··· 0
  
 .. .. .. .. ..  .. .. .. .. .. 

Considere el edificio de cortante de múltiples pisos mos- . . . . .

 . . . . .
trado en la Fig. 1, cuya dinámica es modelada emplean-
0 0 · · · 0 βn2 0 0 · · · 0 ηn2
do la ecuación de onda con amortiguamiento de Kelvin,
(Morales-Valdez y Alvarez-Icaza, 2015) (4)
Los elementos de las matrices en (4) están relacionados
H con las propiedades de cada piso. Una ventaja importante
de (3) es que no necesita transformación de coordenadas
para encontrar la solución del sistema. Además,
0 0 0 0 ··· 0 1
   
1 −2 1 0 · · · 0  0
0 1 −2 1 · · · 0  0
   
1 
Λ=  .. .. .. . . . . ..  ,
 b= .. 
 (5)
∆h2 . . . . . .  .
0 0 · · · 1 −2 1  0
0 0 · · · 0 1 −1 0

u = [u0 , u1 , u2 , . . . , un ]T , u̇ = [u̇0 , u̇1 , u̇2 , . . . , u̇n ]T ,


(6)
ü = [ü0 , ü1 , ü2 , . . . , ün ]T
Figura 1. Edificio de cortante clásico donde ∆h = H/(n + 1) para pisos uniformemente espacia-
dos. Además, se supone que la aceleración en la condición
de frontera, H = 0, es medible y equivalente a la actividad
∂2u ∂ 2 u̇ ∂2u sísmica, es decir, ü0 = üg . Las entradas u0 y u̇0 ∈ R+
β2 + η2 2 = 2 (1)
∂y 2 ∂y ∂t dentro de los vectores u y u̇ ∈ Rp×1 en (6) describen el
desplazamiento y la velocidad del terreno, respectivamen-
donde β es la velocidad de propagación del movimiento y te. Mientras los pisos restantes ui y u̇i con i = 1, 2, . . . , n
η es una constante proporcional a la fuerza de amortigua- representan las mediciones absolutas respectivas en cada
miento. Las condiciones iniciales y de frontera para este piso. Finalmente ü ∈ Rp×1 es el vector de aceleración
modelo (1) son las siguientes: absoluta. En espacio de estados (3) es de la forma

u(y, 0) = 0 0≤y≤H (2a)


      
u̇ 0p×p Ip×p u 0
= 2 2 + üg (7)
u̇(y, 0) = 0 0≤y≤H (2b) v̇ βM Λ ηM Λ v b
u(0, t) = ug 0<t (2c) cuya salida está dada por
T
(2d)
 2 2
µu̇(H, t) = 0 0<t (8)

z = (ü − büg ) = βM Λ ηM Λ [u v]
donde µ es el módulo de cortante. Además se supone que donde, 0p×p e Ip×p denotan las matrices nula e identidad
el edificio está inicialmente en reposo de acuerdo con (2a) de tamaño (p × p), respectivamente.
y (2b), y por lo tanto u(0), u̇(0) y ü(0) son cero. Durante
la actividad sísmica, únicamente la base de la estructura 3. OBSERVADOR ADAPTABLE
es excitada mediante ug , ver (2c). El edificio está libre
de esfuerzo en el techo de acuerdo con (2d). Finalmente, Asumiendo que en un edificio real las matrices de paráme-
2 2
el modelo en (1), permite tratar el modelo de edificio a tros βM y ηM son desconocidas y que los desplazamientos y
cortante como una barra de cortante elástica y por lo tanto velocidades no pueden ser medidos, en esta sección se dise-
los efectos de propagación de onda pueden ser estudiados. ña un observador adaptable, que combina un estimador de
estados con un esquema de identificación para reconstruir de medición y perturbaciones constantes, estas pueden ser
las señales no medibles y al mismo tiempo recuperar los eliminadas empleando filtros integrales lineales (Garnier
parámetros desconocidos. et al., 2010), definidas como
1 t
Z Z τ1 Z τq−1
3.1 Identificación de parámetros Iq {ϕ(t)} = q ··· ϕ(τq )dτq · · · dτ1 (20)
δ t−δ τ1 −δ τq−1 −δ

Sea la ecuación de onda con amortiguamiento de Kelvin donde, q es el número de integrales sobre intervalos de
discretizada (3), la cual puede ser reescrita como tiempo finito de la señal ϕ(t). Por otra parte, el tiempo
2
z = βM 2
Λu + ηM Λu̇, con z = (ü − büg ) (9) de integración δ ∈ R+ está definido por el tamaño de la
ventana móvil, como
replanteando la Ec. (9) como δ = nTs (21)
2
βM Λu = ψβV2 = ψΘβ (10) donde Ts es el período de muestreo y n > 0 es el factor de
2 escala que define el tiempo de la ventana de integración,
ηM Λu̇ = ψ̇ηV2 = ψ̇Θη (11) que debe ser seleccionado de acuerdo con el ancho de banda
2 2 del sistema. Aplicando el operador I5 [·] a (19), se produce
donde, los elementos de las matrices βM y ηM son em-
2 2
pleados para construir los vectores βV y ηV ∈ Rp×1 . Por Ξ(t) = Υβ (t)Θβ + Υη (t)Θη (22)
consiguiente, Λu y Λu̇ son ahora matrices con dimensión
donde
Rp×p . Por facilidad son renombradas como ψ y ψ̇, y se
definen como
 
3  
T ϑ  3 
Θβ = 0 β12 β22 β32 . . . βn−1
2
βn2 (12)
 X
Ξ(t) = 3 I2 j (−1)j z(t − jδ) (23)
  δ
0 0 0 0 0 ··· 0
 
j=0
u0 −2u1 u2 0 0 ··· 0  
1  

 0 u1 −2u2 u3

0 ··· 0 
 ϑ X 1 
1  Υβ (t) = I4 j (−1)j ψ̈(t − jδ) (24)
ψ= 0 0 u2 −2u3 u4 ··· 0   δ  j=0 
2
∆h  .
 . .
. .
. .
. .. .. .. 
. . . . . . . 

2  

0 0 0 · · · un−2 −2un−1 un  ϑ X 2 
Υη (t) = 2 I3 j (−1)j ψ̈(t − jδ) (25)
0 0 0 ··· 0 un−1 −un δ  
j=0
(13)
2 T
donde, Ξ ∈ Rp×1 , Υβ y Υη ∈ Rp×p , nj es el coeficiente
 2 2 2 2
(14)
 
Θη = 0 η1 η2 η3 . . . ηn−1 ηn
binomial y finalmente ϑ ∈ R+ es un grado de libertad que
 
0 0 0 0 0 ··· 0
u̇0 −2u̇1 u̇2 0 0 ··· 0  permite normalizar la amplitud de las señales filtradas.
 0 u̇1 −2u̇2 u̇3 0 ··· 0  Una manera de parametrizar (22) es
 
1  0 0 u̇ −2 u̇ u̇ · · · 0 (26)

ψ̇ =  2 3 4  Ξ(t) = Υ(t)Θ
∆h  ..
2  .. .. .. .. .. .. 
. . . . . . . 
0
 donde, Θ = [ΘTβ , ΘTη ]T ∈ R2p×1 es el vector de parámetros
0 0 · · · u̇n−2 −2u̇n−1 u̇n 
0 0 0 ··· 0 u̇n−1 −u̇n reales del sistema y Υ = [Υβ , Υη ] ∈ Rp×2p es el regresor,
formado por señales de aceleración filtradas.
(15)

donde, Θβ , Θη ∈ Rp×1 . Por lo tanto, (9) es ahora de la 3.2 Mínimos cuadrados


forma
z = ψΘβ + ψ̇Θη (16) Sea Θ̂ = [Θ̂Tβ , Θ̂Tη ]T el vector de parámetros estimados
en (26), tal que son identificados empleando el algoritmo
usando la transformada de Laplace, (16) es reescrita en el normalizado de mínimos cuadrados con factor de olvido,
dominio de la frecuencia como dado por, (Ioannou y Sun, 1989)
Z(s) = Ψ(s)Θβ + sΨ(s)Θη (17) P ΥT ΥP
Ṗ = αP − (27)
multiplicando (17) por s3 , se produce m2
˙
s3 Z(s) =s3 Ψ(s)Θβ + s4 Ψ(s)Θη Θ̂ = P ΥT ε (28)

=sL[ψ̈]Ψ(s)Θβ + s2 L[ψ̈]Ψ(s)Θη (18) donde α es el factor de olvido, P es la matriz de covarianza,


Note que mientras (16) depende de señales no medi- la cual cumple que P = P T > 0 ∈ R2p×2p , P (0) > 0, 1 >
bles, (18) depende únicamente de señales medibles de α ≥ 0 ∈ R+ , m2 = 1 + ΥΥT , satisface que Υ/m ∈ L∞ ,
aceleración. En el dominio del tiempo (18) es de la forma asegurando que el error de estimación normalizado tiende
a cero.
z (3) = ψ (3) Θβ + ψ (4) Θη (19) Ξ̂ = ΥΘ̂ (29)
donde el superíndice (j) = 1, 2, 3, . . . , n, representa la j- Proyección paramétrica Definiendo la siguiente proyec-
ésima derivada temporal. Por otra parte, asumiendo que ción paramétrica en (30) y (31), se garantizan estimados
las señales de aceleración están contaminadas con ruido positivos ∀ t > 0
!
1 χ1 Θ̂βi (t) cuadrados en (27) y (28), respectivamente. Además, sea el
Θ̂βi+ (t) = Θ̂βi (t) + (ς1 − Θ̂βi (t)) − p error de estimación
2 2 (χ1 Θ̂βi (t))2 + e2
x̃r (t) = xr (t) − x̂r (t) (40)
(30)
!
1 χ2 Θ̂ηi (t) cuya dinámica satisface la ecuación diferencial
Θ̂ηi+ (t) = Θ̂ηi (t) + (ς2 − Θ̂ηi (t)) − p
2 2 (χ2 Θ̂ηi (t))2 + e2
x̃˙ r (t) = ẋr (t) − x̂˙ r (t) (41a)
(31)
= [Âr (t) − LD̂r (t)]x̃r (t) + ζ(t) (41b)
donde Θ̂βi+ (t), Θ̂ηi+ (t) son los estimados proyectados de
Θβi , Θηi , i = 0, 1, 2, . . . , n; ς1 = ς2 = 0.0001, son las cotas donde ζ(t) = [Ãr (t) − LD̃r (t)]xr (t); Si la ganancia del
inferiores para los parámetros estimados, χ1 = χ2 = 500 observador L satisface
son parámetros que permiten aproximar a la función sign; L = [0n×n γIn×n ]T , γ > 0 (42)
finalmente e = 0.05. Por simplicidad se usará Θ̂βi = Θ̂βi+ ,
de la misma manera Θ̂ηi = Θ̂ηi+ . entonces, el error de estimación x̃r está acotado. Además si
el vector de parámetros estimados Θ̂ satisface la condición
3.3 Observador de estados de excitación persistente, entonces la dinámica de x̃˙ r se
reduce a
Considerando que el par (A, D) del modelo propuesto x̃˙ r (t) = Ar∗ x̃r (t) (43)
en (7) y (8) no es completamente observable, se diseña  
un estimador de orden reducido 0n×n In×n
Ar∗ = 2 2 (44)
       (1 + γ)βM r Λr (1 + γ)ηM r Λr
u̇r 0n×n In×n ur 0n×1
= 2 2 − ü (32) y por lo tanto, el error de observación converge exponen-
v̇r βM r Λr ηM r Λr vr ln×1 g
 2  T
cialmente a cero, pues la matriz resultante Ar∗ es Hurwitz
2
zr (t) = (ür + lüg ) = βM r Λr ηM r Λr [ur vr ] (33) (ver detalles en Morales-Valdez et al. (2017)).
ur = [u1 − u0 , u2 − u0 , u3 − u0 , . . . , un − u0 ]T ,
vr = [v1 − v0 , v2 − v0 , v3 − v0 , . . . , vn − v0 ]T , 4. RESULTADOS EXPERIMENTALES
(34)
ür = [ü1 − ü0 , ü2 − ü0 , ü3 − ü0 , . . . , ün − ü0 ]T ,
En esta sección se presentan los resultados de identificación
l = [1, 1, . . . , 1]T
del edificio de cinco pisos de escala reducida como el pre-
donde ur , vr , v̇r ∈ Rn×1 son los vectores de despla- sentado en Morales-Valdez et al. (2017). Los experimentos
zamiento, velocidad y aceleración relativos, respectiva- aquí fueron llevados a cabo con un tiempo de muestreo de
mente; l ∈ Rn×1 ; βM 2 2 2 2 2 0.001 s.
r = diag[β1 , β2 , . . . , βn ] y ηM r =
diag[η12 , η22 , . . . , ηn2 ] ambos ∈ Rn×n . Además, La excitación sísmica usada es el sismo de 1985, en la
  componente Norte-Sur, registrado en la ciudad de México
−2 1 0 · · · 0
por la Secretaría de Comunicaciones y Transportes (SCT).
 1 −2 1 · · · 0  Note que la señal de excitación es escalada para que coin-
1   .. .. .. . . . .. 

Λr = 2  . . . .  (35) cida con el prototipo experimental, como se ilustra en la
∆h  
0 · · · 1 −2 1 Fig. 3.
0 · · · 0 1 −1
el observador adaptable propuesto usa un estimador de
estados tipo Luenberger para estimar xr = [uTr , vrT ]T ∈
R2n×1 ,

x̂˙ r (t) = Âr (t)x̂r (t) + Br üg (t) + Lz̃r (t) (36)
ẑr (t) = D̂r (t)x̂r (t), z̃r (t) = zr − ẑr (t) (37)
Note que ahora el estimador (36) es implementable, debido
a que el par (Ar , Dr ) en (32)-(33) es completamente
observable con rango 2n y por lo tanto todas las mediciones
no disponibles pueden ser estimadas. Observe que x̂r ,
ẑr ∈ R2n×1 , Âr y D̂r son los estimados de xr , zr , Ar
y Dr , respectivamente, las cuales se definen como
 
0n×n In×n
Âr (t) = 2d 2d (38) Figura 2. Edificio de cinco pisos escala reducida
β (t)Λr ηM r (t)Λr
h Mr i
D̂r (t) = βM 2d 2d (39) Al aplicar la excitación sísmica únicamente en la base del
r (t)Λr ηM r (t)Λr edificio, el algoritmo de estimación propuesto logra recu-
perar la respuesta estructural del edificio identificando los
donde, βM2d d
2
r (t) y ηM r (t) están conformadas por los estima- parámetros estructurales de referencia. La Fig. 4 muestra
2 2
dos de βM r y ηM r , producidos por el algoritmo de mínimos la evolución de las velocidades de cortante identificadas,
2 0.7
η̂1
1.5 0.6 η̂2

[Ns/m]
η̂3
1 0.5
η̂4
üg [m/s2 ]

0.5 0.4 η̂5

0 0.3

Θ̂ηi+
−0.5 0.2

q
−1 0.1

−1.5 0
0 5 10 15 20 25 0 5 10 15 20 25
Tiempo [s] Tiempo [s]

Figura 3. Señal de excitación: Sismo de 1985 registrado Figura 5. Evolución de los coeficientes de amortiguamiento
por SCT, componente norte-sur identificados
mientras los coeficientes de amortiguamiento pueden ser de los valores de referencia proporcionados por la Chirp,
observados en la Fig. 5. En ambos casos se observa que a pesar de que no coinciden exactamente con ellos. Esto
la convergencia de los parámetros se logra antes de los 10 confirma el desempeño satisfactorio del algoritmo, pues
s y se mantiene para tiempos posteriores al señalado. La el error de estimación entre las frecuencias reales y las
Tabla 1, presenta los valores identificados. Note que los estimadas es de 4.35 % aproximadamente, en el peor de
resultados presentados en este artículo fueron obtenidos los casos.
empleando condiciones iniciales nulas para los parámetros Tabla 2. Comparación entre las frecuencias de
βi y ηi , α = 0.001 y P (0) = 105 ∗ I12×12 ; finalmente vibración real y sus estimadas
n = 40. 1 El algoritmo de identificación recupera propie-
dades estructurales similares para todos los pisos, debido a fri [Hz] fˆ[Hz] ∆fˆ/f ( %)
que éstos están constituidos con el mismo material, tienen 1.38 1.44 −4.35
4.06 4.22
el mismo número de columnas y la misma separación de −3.94
6.53 6.66
entrepisos, emulando un medio homogéneo.
−1.99
8.51 8.56 −0.59
10.13 9.76 3.65
12

10 Con el objetivo de evaluar el desempeño del observador


adaptable, la Fig. 6 muestra la comparación entre el des-
[m/s]

8
plazamiento medido en el quinto piso con respecto a su
6
estimado. En éste caso se nota una buena convergencia
β̂1
antes de los primeros 5 s. Es importante señalar que los
Θ̂βi+

β̂2
4 desplazamientos son sometidos a una etapa de procesa-
β̂3
q

miento para atenuar el ruido de baja frecuencia y eliminar


β̂4
2 sesgos. Esto se logra empleando un par de filtros pasa
β̂5
altas de segundo orden colocados en serie, que tienen una
0
0 5 10 15 20 25 frecuencia de corte fc ≈ 0.65 Hz.
Tiempo [s]
0.03
u5
Figura 4. Evolución de las velocidades de cortante identi- û5
ficadas 0.02
Desplazamiento [m]

Tabla 1. Parámetros estimados 0.01

Piso: 1 2 3 4 5 0
β̂i [m/s]: 11.53 11.48 11.52 11.53 11.49
η̂i [N s/m]: 0.0316 0.1160 0.1898 0.1995 0.1927 −0.01

Tomando en cuenta que para este experimento los paráme- −0.02


tros reales son desconocidos y no pueden ser comparados
−0.03
de manera directa con los valores estimados. En consecuen- 0 5 10 15 20 25
Tiempo [s]
cia el desempeño del algoritmo es validado comparando
las frecuencias de vibración calculadas a partir de los
parámetros estimados con respecto a las obtenidas a partir Figura 6. Desplazamiento medido y estimado en el quinto
del barrido frecuencial de una señal Chirp. La Tabla 2 piso
contiene un resumen de la comparación anterior. Observe De manera similar, las velocidades correspondientes al mis-
que las frecuencias calculadas están suficientemente cerca mo piso son también comparadas entre la señal medibles
1 Se recomienda usar una frecuencia de corte con el doble de la y la estimada, como se muestra en la Fig. 7. No obstante,
frecuencia máxima del sistema, para lograr un filtrado correcto considerando que las velocidades no pueden ser medidas
directamente, la señal de referencia es producida filtrando REFERENCIAS
el desplazamiento u5 mediante un filtro pasa-banda con
la frecuencia de corte a 15 Hz, que evita incrementar el Carden, E.P. y Fanning, P. (2004). Vibration based con-
ruido de alta frecuencia como sucede con las derivadas dition monitoring: A review. Structural Health Monito-
convencionales. Después de la frecuencia de corte, la señal ring, 3, 355–377.
filtrada es atenuada y no se produce desfamamiento. La Clinton, J.F., Bradford, S.C., Heaton, T.H., y Favela, J.
frecuencia de corte fue elegida tomando en cuenta el ancho (2006). The observed wander of the natural frequencies
de banda de la estructura, obtenido inicialmente mediante in a structure. Bulletin of the Seismological Society of
la señal Chirp. Las funciones de transferencia para los America, 96, 237–257.
Das, S., Saha, P., y Patro, S. (2016). Vibration-based
filtros pasa banda son las siguientes
damage detection techniques used for health monitoring
100s 100 of structures: a review. Journal of Civil Structural
f (s)hp = f (s)lp = (45)
s + 100 s + 100 Health Monitoring, 6(3), 477–507.
Doebling, S.W., Farrar, C., y Prime, M.B. (1998). A sum-
0.3
u̇5
mary review of vibration-based damage identification
0.2
˙5
û methods. The Shock and Vibration Digest, 30(2), 1–34.
Fukuwa, N. y S.Matsushima (1994). Wave dispersion and
Velocidad [m/s]

0.1 optimal mass modeling for one dimensional periodic


0
structure. Earthqueke Engineering and Structural Dy-
namics, 23, 1165–1180.
−0.1 Garnier, H., Mensier, M., y Richard, A. (2010).
−0.2 Continuous-time model identification from sampled da-
ta: Implementation issues and performance evaluation.
−0.3 Internation Journal of Control, 76(13), 1337–1357.
−0.4 Ioannou, P. y Sun, J. (1989). Robust Adaptive Control.
0 5 10 15
Tiempo [s]
20 25 Upper Saddle River, NJ, Prentice Hall.
Kong, X., Cai, C.S., y Hu, J. (2017). The state-of-the-
art on framework of vibration-based structural damage
Figura 7. Velocidad medida y estimada en el quinto piso
identification for decision making. Applied Sciences,
La Fig. 7, evidencia que el estado estimado converge a 7(5), 497–510.
la medición real y que el observador adaptable opera Morales-Valdez, J., Alvarez-Icaza, L., y Concha, A. (2017).
satisfactoriamente. On-line adaptive observer for buildings based on wave
propagation approach. Journal of Vibration and Con-
5. CONCLUSIÓN trol, 1–21.
Morales-Valdez, J. y Alvarez-Icaza, L. (2015). Identifica-
Se diseñó un observador adaptable que opera en tiempo ción paramétrica en línea de edificios con tiempos de
real para estimar los parámetros estructurales descono- viaje de onda. In AMCA 2015, Memorias del Congreso
cidos, así como estados no medibles de desplazamiento Nacional de Control Automático, 563–568. Cuernavaca,
y velocidad. Para ello, se introdujo el modelo de barra Morelos, México.
de cortante discreta, que se implementa en tiempo real, Nayeri, R.D., Masri, S.F., Ghanem, R.G., y Nigbor, R.L.
a diferencia de la mayoría de los métodos bajo el enfo- (2008). A novel approach for the structural identifi-
que de propagación de ondas que están desarrollados en cation and monitoring of a full-scale 17-story building
el dominio de la frecuencia. Los filtro integrales lineales based on ambient virbation measurement. Smart Mate-
permitieron desacoplar el problema de identificación del rials ans Structures, 17(2), 1–19.
problema de estimación de estados, pues con este en- Rahmani, M. y Todorovska, M.I. (2014). 1D System iden-
foque únicamente se requiere de señales de aceleración tification of a 54-story steel frame building by seismic
medibles, evitando emplear señales de desplazamiento y interferometry. Earthquake Engineering and Structural
velocidad. Adicionalmente, las perturbaciones constantes Dynamics, 43(4), 627–640.
se eliminaron, mientras el ruido de medición se atenuó. Sohn, H., Farrar, C., Hemez, F., Devin, D.S., Daniel, W.S.,
Se recuperaron las señales no medibles de desplazamiento Brett, R.N., y Jerry, J.C. (2003). A review of structural
y velocidad, mediante un estimador tipo Luenberger. El health monitoring literature: 1996-2001. Los Alamos
modelo discretizado permite excitar el edificio únicamente National Laboratory Report, LA-13976-MS, 1–331.
en su base, mientras que el movimiento a los pisos es Todorovska, M.I. y Rahmani, M.T. (2012). System iden-
llevado a cabo por la propagación de la excitación. Esto, a tification of building by wave travel time analysis and
diferencia del enfoque tradicional donde la excitación sís- leyered shear beam models-spatial resolution and accu-
mica es distribuida en todos los pisos en el mismo instante racy. Structural Control and Health Monitoring, 20(5),
de tiempo. El observador adaptable, se basa únicamente en 686–702.
mediciones de aceleración y no necesita de transformación Trifunac, M., Ivanović, S., y Todorovska, M. (2003). Wave
de coordenadas. propagation in a seven-story reinforced concrete buil-
ding: III. Damage detection via changes in wavenum-
AGRADECIMIENTOS bers. Soil Dynamic and Earthquake Engineering, 23(1),
65–75.
Esta investigación fue realizada con apoyo de los proyectos
UNAM-PAPIIT IN109414 e IN109316.

También podría gustarte