Este artículo presenta un método no destructivo, global, basado en vibraciones para la identificación de daños que utiliza cambios en los patrones de daño en funciones de respuesta en frecuencia (FRFs) y redes neuronales artificiales (ANNs) para identificar defectos. Para extraer características de daño y obtener parámetros de entrada adecuados para las ANNs, se aplican técnicas de análisis de componentes principales (PCA). Las FRFs residuales, que son las diferencias en los datos de FRF entre la estructura intacta y la dañada, se comprimen en unos pocos componentes principales y se alimentan a las ANNs para estimar las localizaciones y severidades del daño estructural. Se crea una jerarquía de conjuntos de redes neuronales para aprovechar la información individual de las señales de los sensores. Para simular las condiciones de prueba de campo, se agrega ruido gaussiano blanco a los datos numéricos y se lleva a cabo un estudio de sensibilidad al ruido para investigar la robustez de la técnica de detección de daños desarrollada ante el ruido. Se han utilizado tanto resultados numéricos como experimentales de estructuras de vigas de acero simplemente soportadas para demostrar la efectividad y fiabilidad del método propuesto. Copyright © 2009 John Wiley & Sons, Ltd.
Li et al. (Tue,) estudiaron esta cuestión.