Abstract
Las Redes Neuronales Artificiales (RNAs) son técnicas no paramétricas que se utilizan frecuentemente debido a que permiten abordar problemas de ingeniería complejos, tales como problemas de predicción y optimización. En el presente trabajo se ha desarrollado una metodología, basada en RNAs, que estima el valor de las cuatro primeras frecuencias naturales de vigas dañadas de material compuesto que combina pieles de polímeros reforzados con fibra de carbono y núcleo de nido de abeja en función en función de la velocidad de rotación y de las características del defecto (tamaño y localización). Las palas de los aerogeneradores son componentes mecánicos que suelen simplificarse en forma de vigas giratorias para su estudio. Estos elementos pueden sufrir daños durante su vida útil. Numerosas investigaciones se han centrado en la detección de defectos en componentes mecánicos, permitiendo el desarrollo de planes de mantenimiento adecuados para evitar pérdidas asociadas al fallo de todo el sistema. En la actualidad, las palas de los aerogeneradores suelen estar fabricadas con estructuras sándwich compuestas por pieles de laminados de fibra de vidrio y núcleos de espuma polimérica. Sin embargo, debido al aumento del tamaño de los aerogeneradores, es necesario buscar materiales más ligeros y resistentes para las palas, con el fin de reducir el peso de todo el conjunto. Por ello, en este trabajo se han utilizado estructuras sándwich que combinan pieles de polímeros reforzados con fibra de carbono y núcleo de nido de abeja. Los datos necesarios para entrenar la RNA se han obtenido a partir de un modelo numérico dinámico tridimensional de una viga sándwich con una discontinuidad transversal en el núcleo. Las frecuencias naturales de la viga se han obtenido aplicando la FFT a las aceleraciones calculadas por el modelo. La red neuronal artificial propuesta presenta una excelente alternativa para el análisis de la respuesta vibratoria de vigas sándwich dañadas, ya que es eficiente y fácil de usar, a la vez que tiene un bajo coste computacional.

This publication has 10 references indexed in Scilit: