其他摘要：Este trabajo se ocupa de la eliminación de contenido no correlacionado en mediciones de funciones de Nivel de Presión Sonora (NPS) de vigas de aluminio pegadas por las técnicas de Descomposición de Valores Singulares (DVS) y por Análisis de Componentes Principales (ACP). La técnica ACP se utiliza con el objetivo de una aplicación posterior de detección de daño estructural. Se utiliza un sistema de adquisición de datos para mediciones de señales experimentales de Nivel de Presión Sonora (NPS) de vigas de aleación de aluminio, las cuales están contaminadas con ruido o contenido no correlacionado. El ruido procede del entorno así como de dispositivos electrónicos. En el enfoque DVS, los datos de cada función de NPS se dividen en un subespacio de la señal original y un subespacio de ruido. Al reducir la contribución del ruido en los vectores singulares y utilizarlos en la reconstrucción de los NPS, se logra una mejora significativa en la separación de la señal medida en datos no contaminados y ruido. En el enfoque ACP, utilizando múltiples mediciones de NPS y por medio de una transformación ortogonal, los datos son convertidos en un conjunto de datos no correlacionados y comprimidos significativamente para su utilización como entrada a una Red Neuronal Artificial (RNA) empleada como herramienta de detección y clasificación de fallas. La RNA posee conexiones hacia delante con algoritmo de entrenamiento Backpropagation a la Levenberg-Marquardt para clasificar las vigas según el daño simulado a través de distintos porcentajes de pegado.
