其他摘要：Las técnicas de identificación de parámetros de sistemas dinámicos lineales y no lineales muestran en la actualidad una clara orientación hacia los modelos de caja negra, ocupando allí un lugar destacado las Redes Neuronales Artificiales. En este trabajo se presenta un procedimiento para la identificación de parámetros de sistemas dinámicos lineales de dos etapas: en la primera se ajusta un modelo regresivo a partir de los registros temporales de excitación y respuesta, y en la segunda se identifican sus parámetros (matrices de rigidez y amortiguamiento) y características dinámicas (frecuencias y modos de vibración) en base al modelo anterior. Para la primera etapa se utilizan Redes Neuronales Artificiales, de tipo Adaline y Perceptrones multicapa. La segunda etapa es totalmente formulada a través del álgebra matricial, lo que facilita su implementación sistemática y la independiza de la complejidad o dimensión del sistema estudiado. El procedimiento propuesto está destinado a operar a partir de registros experimentales, por lo que se presta especial atención a la sensibilidad de los resultados al intervalo de los datos y a la presencia de ruido en las señales de entrada. Para esto último, a las respuestas correctas obtenidas en condiciones ideales se le incorporan diversos niveles de ruido, que responden a funciones de distribución Gaussiana, con media nula y desviación estándar especificada. Se presenta la justificación del procedimiento propuesto, los resultados obtenidos con los modelos regresivos y un estudio de sensibilidad de los resultados a la variación de la calidad de los datos disponibles.
Loading...
