Análisis de señales de vibración mediante un arreglo reflectivo de fibra óptica empleando técnicas de aprendizaje automático

Abstract

Este proyecto presenta una metodología que combina un arreglo reflectivo de fibra óptica con técnicas de aprendizaje automático para analizar y clasificar señales de vibración en sistemas de vigas cantiléver. Este enfoque consta de dos etapas principales, el sistema de adquisición de datos y la metodología para la clasificación de fallas. Como primer punto, se implementa y valida el arreglo modulado por la reflexión de luz producto del desplazamiento entre la fibra y la superficie de la viga. A partir de las señales de vibración capturadas con el arreglo se construye una base de datos con múltiples escenarios, que dan lugar a los subconjuntos de datos BD1, BD2 y BD3. En la segunda etapa del proyecto se propone y evalúa la metodología de clasificación compuesta por una técnica de reducción de dimensionalidad (Análisis de componentes principales (PCA), Análisis discriminaste lineal (LDA)), y un algoritmo de aprendizaje supervisado (k-Vecinos cercanos (KNN), Máquina de soporte vectorial (SVM), Árboles de decisión (DT)). Los resultados obtenidos de la evaluación preliminar para determinar la presencia y nivel de daños en una viga, alcanza una exactitud superior al 96% para tres de las cuatro técnicas utilizadas. La prueba DB1 centrada en la presencia de daños y no en las condiciones del sistema, obtiene un 80.24% con la combinación PCA+KNN. Por su parte, los mejores resultados para las pruebas BD2 y BD3 que contemplan clases específicas, surgen producto de LDA+SVM. La prueba BD2 que clasifica los 63 posibles casos de fallos, consigue un 80.25% de exactitud; mientras que BD3 logra 78.41% luego de agregar el estado sano y crear un desbalance para las 64 clases. La integración del arreglo óptico con la combinación correcta de técnicas de aprendizaje automático puede ofrecer un rendimiento eficiente en el análisis y clasificación de señales de vibración en diversos contextos, esto demuestra un gran potencial para aplicaciones de monitoreo estructural y mecánico.