Aplicación de técnicas de aprendizaje automático y profundo al diagnóstico y predicción de estados estructurales
- Autores: Álvaro Presno Vélez
- Directores de la Tesis: María Zulima Fernández Muñiz (dir. tes.)
- Lectura: En la Universidad de Oviedo ( España ) en 2025
- Idioma: español
- Número de páginas: 225
- Tribunal Calificador de la Tesis: Paulino José García Nieto (presid.) , María del Mar Ruiz Santos (secret.) , Francisco Román Villatoro Machuca (voc.) , Luis Alfonso Menéndez García (voc.) , Ana María Castañón García (voc.)
- Programa de doctorado: Programa de Doctorado en Matemáticas y Estadística por la Universidad de La Laguna; la Universidad de Oviedo; la Universidad de Zaragoza; la Universidad del País Vasco/Euskal Herriko Unibertsitatea y la Universidad Pública de Navarra
- Calificación: Sobresaliente Cum Laude
- Texto completo no disponible (Saber más ...)
- Resumen
Esta tesis propone un marco metodológico para el diagnóstico estructural no invasivo, combinando técnicas de aprendizaje profundo con herramientas del análisis funcional y espectral. El objetivo es detectar y predecir cambios en el estado estructural de infraestructuras civiles, como puentes, utilizando señales de vibración sin necesidad de datos etiquetados o intervención física directa. La propuesta se basa en una arquitectura de tres niveles. En el primer nivel, se transforman señales temporales en representaciones espectrales mediante la estimación de densidad espectral de potencia (PSD). A estas se aplican técnicas de reducción de dimensionalidad, como PCA y selección modal guiada por análisis estadístico y operacional. Esta transformación permite trabajar en espacios reducidos, robustos al ruido y con mayor interpretabilidad estructural.
