¿Es posible la Evaluación Integral en Puentes?

3
4596

Hace tiempo me llamó la atención un tema de este blog sobre redes neuronales y su aplicación a evaluación de puentes (en “Inteligencia Artificial aplicada a las Estructuras” Parte I y Parte II). Esto coincidía con mi trabajo de investigación para una nueva metodología de estimación de vulnerabilidad en puentes. En esta, mi primera vez escribiendo en Estructurando, hablaré de esta metodología.

La evaluación de vulnerabilidad en puentes no es reciente, normativas como AASHTO, CALTRANS y JAPAN ROAD ASSOCIATION tienen sus propias fórmulas para determinar la vulnerabilidad, pero no siempre se adaptan a cualquier país. Un caso emblemático de vulnerabilidad es la sobrecarga vehicular, cuando está no se controla puede traer graves consecuencias como ocurrió el 12 de agosto de 2012, en mi País Venezuela, cuando una grúa de 90 toneladas provocó el colapso del puente sobre el río Cúpira en el estado Miranda, como pueden apreciar en la foto.

puente de Cúpira

Fuente:noticiasdiarias.informe25.com

Advertisement

En muchos países los principales problemas de puentes se consiguen en la ausencia de control de cargas, repavimentación exagerada, socavación y crecientes de los ríos, produciendo el colapso de puentes; esto sin contar las amargas experiencias a causa de los sismos. Son entonces los puentes estructuras sujetas a múltiples amenazas y abarcan en sus análisis y diseño todas las áreas de nuestra ingeniería: estructural, hidráulica, vial y geotecnia. Esto los convierte en una de las estructuras más complejas para determinar su vulnerabilidad global, y es aquí donde nos preguntamos: ¿Es Posible la Evaluación Integral de Puentes?. La respuesta es Sí.

En los últimos años, estuve realizando un Trabajo de Grado titulado: “Evaluación de Puentes con Vigas Precomprimidas mediante Curvas de Fragilidad y Redes Neuronales”, bajo la tutela inicial de Prof. William Lobo Quintero (†); en esta investigación se desarrolló un nuevo método (piloto) de evaluación de puentes adaptado a  los problemas locales de mi País y a la vez basado en tres puntos relevantes:

  1. Que capture el efecto multiamenaza en puentes.
  2. Que se base en el enfoque probabilístico.
  3. Que pueda ser ejecutado mediante redes neuronales artificiales.

El puente evaluado es un modelo académico, con 4 tramos de vigas pretensadas T-220 (PREVENCA) y monocolumnas de 7 y 14 metros de altura.

puente sap

Fuente I, Figura 24, Pág. 45 (E. Quinto, 2015).

Para la evaluación con amenaza múltiple, se establecieron cinco (05) grandes matrices de vulnerabilidad: Vial (V), Desempeño sismoresistente (Ds), Integridad estructural (Ie), Fundación (F) e Hidráulica (H). Cada matriz agrupa al menos un problema típico de puentes. Como referencia, nada mejor que un diagrama de Ishikawa, tan útil y práctico en la resolución de problemas:

diagrama_ishikaw.png

Fuente I, Pág. 42, adaptado (E. Quinto, 2015).

Una vez identificados los problemas, aplicamos el enfoque probabilístico; se obtuvieron las curvas de fragilidad en cada uno de ellos partiendo de simulaciones aleatorias de Montecarlo de hasta 30000 datos aleatorios en cada problema. Abajo vemos una curva de fragilidad por cortante en el alma de una viga pretensada T-220 (PREVENCA) a causa  del aumento del espesor de la carpeta asfáltica en el tablero del puente.

curva_fragilidad

Fuente I, Gráfica 25, Pág. 70.

Para acoplar los problemas, suponemos al puente como un sistema en serie siempre que este sujeto exclusivamente a su operatividad o servicio y con eventos estadísticamente independientes; esto me permitió al final desarrollar y plantear una ecuación índice para calcular el Grado de Vulnerabilidad Global del Puente (L) y podemos observarla seguidamente:

formula

Fuente I, Ecuación 47, Pág. 124, (E. Quinto, 2015).

Donde Pf(j) es la probabilidad de falla de cada matriz, wj es un peso ponderado normalizador para una matriz respectiva y “L” es el Grado de Vulnerabilidad Global del puente.

Ahora bien, porque no probar una red neuronal artificial (RNA) para determinar “L”. La ventaja de una RNA es que una vez entrenada correlaciona parámetros de demanda tan disímiles como el peso de camión ó las aceleraciones del terreno. Las redes rompen el aislamiento de estas variables y para el caso presente algunas son: peso del camión (W), espesor de la carpeta asfáltica (e), coeficiente de aceleración horizontal (Ao) y profundidad media en los ríos en creciente (Yi) asociada a la socavación. Para una mejor compresión tenemos un esquema de la RNA:

red_neuronal

Fuente I, Esquema 06, Pág. 149 (E. Quinto, 2015).

La red fue configurada en el software MATLAB®, y allí fue cargada la base de datos obtenidas a partir de las curvas de fragilidad y los resultados de vulnerabilidades obtenidas mediante la ecuació anterior. Se generaron hasta 40 ejercicios de situación del puente analizado. El entrenamiento duró pocos segundos y para una red de 20 neuronas se obtuvo valores del grado de vulnerabilidad (L) con una tolerancia inferior a 10E-03, lo cual es bastante satisfactorio para un red entrenada con apenas 40 ejercicios y habla muy bien de este tipo de sistemas. Abajo podemos observar la validación hecha en MATLAB®.

Red_neronal_aprendizaje

Fuente I, Gráfica 105, Pág. 151 (E. Quinto, 2015).

Sin embargo, y no conforme con los resultados arrojados, se verificó nuevamente la red con 11 ejercicios, 6 que la red ya conocía en su entrenamiento (MATLAB®) y 5 nuevos ejercicios totalmente desconocidos para la misma (Usuario). Los resultados podemos observarlos en las gráficas siguientes:

matlab

Fuente I, Pág. 155/156, (E. Quinto, 2015).

Los resultados obtenidos son bastantes satisfactorios para nuestra red; la misma es apenas un prototipo y el procedimiento de evaluación está en pasos de “bebé”, pero puede evolucionar hacia un sistema mucho más sofisticado, uno que ayude a los ingenieros inspectores de puente, en tiempo real determinar la vulnerabilidad de estas increíbles estructuras y establecer un sistema de diagnóstico integrado de todos los puentes de una región, predispuesto al análisis de simulaciones de riesgo como hace el software HAZUS (Estados Unidos) e inclusive desarrollar una aplicación para teléfonos inteligentes.

Creo que la evaluación integral de puentes si es posible y los ingenieros del nuevo siglo debemos estar abiertos a la utilización de modernas herramientas computacionales que ayuden a desarrollar procedimientos que antes se creían utópicos.

Agradezco a Estructurando por la oportunidad de publicar este artículo, espero les haya gustado.

Saludos desde Venezuela.

Fuente I: “Evaluación de Puentes con Vigas Precomprimidas mediante Curvas de Fragilidad y Redes Neuronales”,


¿Quieres ser el primero en leer nuestros artículos?

Déjanos tu nombre y un email válido, y nosotros te avisaremos cuando hayan novedades en Estructurando

Flecha-roja

3 Comentarios

Dejar respuesta

Please enter your comment!
Please enter your name here

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.