Redes bayesianas informadas por la física aplicadas a sistemas estructurales.

Falcón Gutiérrez, Pablo
Moya García, Beatriz (dir.) ; Cueto Prendes, Elías (dir.)

Universidad de Zaragoza, EINA, 2023
Departamento de Ingeniería Mecánica, Área de Mec. de Medios Contínuos y Teor. de Estructuras

Graduado en Ingeniería Mecánica

Resumen: El reciente peso dado en la inteligencia artificial a las redes neuronales bayesianas se explica por su gran aportación a la hora de capturar la incertidumbre de las predicciones. Este factor resulta especialmente útil en situaciones donde es importante entender la confianza en las predicciones, situaciones críticas donde se requiere fiabilidad y seguridad. En el presente trabajo fin de grado se realizará la implementación de redes neuronales bayesianas informadas por la física. Para ello se parte de un modelo de red neuronal de tipo SPNN (Structure-Preserving Neural Networks), que es una red neuronal en la que se le implementa el formalismo GENERIC por el fin de cumplir por las leyes de la termodinámica. En el trabajo se estudian sus diferentes prestaciones ante un mismo problema: el péndulo termo-elástico. Finalmente, se realiza la implementación de ambas tipologías de redes en un problema de monitorización estructural donde la herramienta de inteligencia artificial deberá ser capaz de detectar, localizar y dar información sobre un posible fallo. Para ello se generan datos pseudo-experimentales mediante el software ABAQUS simulando la existencia de sensores repartidos por todo el dominio de una placa. La herramienta de inteligencia artificial consta inicialmente de un gemelo digital que aprende la física de la placa sin fallos mecánicos. Posteriormente se complementa con otra red para que así aprenda las desviaciones entre el gemelo digital y los datos recogidos por los sensores. Al modelo completo se le denomina gemelo híbrido. Los resultados pondrán de manifiesto no solo la precisión de las redes convencionales y bayesianas en ambos casos, sino su idoneidad en función de la incertidumbre.

Tipo de Trabajo Académico: Trabajo Fin de Grado