Palabras clave
Cómo citar
Resumen
Dado que el uso de simulaciones de elementos finitos (EF) para el análisis dinámico de vigas ferroviarias sobre cimentaciones amortiguadas por fricción (i) requiere mucho tiempo, y (ii) conocimientos técnicos y software avanzados que van más allá de los recursos disponibles de las empresas típicas de ingeniería civil, este artículo pretende demostrar el potencial de las redes neuronales artificiales (RNA) para predecir eficazmente los desplazamientos máximos y la velocidad crítica en vigas ferroviarias sometidas a cargas en movimiento. Se proponen cuatro modelos basados en RNA, uno por rango de velocidad de carga ([50, 175] ∪ [250, 300] m/s; ]175, 250[ m/s) y por tipo de desplazamiento (ascendente o descendente). Cada modelo es función de dos variables independientes, un parámetro de fricción y la velocidad de carga. Entre todos los modelos y los 663 puntos de datos utilizados, se obtuvo un error máximo del 5,4 % al comparar las soluciones basadas en RNA y FE. Mientras que estas últimas implican un tiempo medio de cálculo por punto de datos de miles de segundos, las primeras no necesitan ni un milisegundo. Este estudio supuso un paso importante hacia el desarrollo de modelos basados en RNA más versátiles (es decir, que incluyan otros tipos de variables de entrada) para el mismo tipo de problema.
Referencias
Abambres M, Corrêa R, Pinto da Costa A, Simões F (2019). Potential of neural networks for maximum displacement predictions in railway beams on frictionally damped foundations. engrXiv (January), 1-62, doi: http://doi.org/10.31224/osf.io/m3b7j
Anderson D, Hines EL, Arthur SJ, Eiap EL (1997). Application of Artificial Neural Networks to the Prediction of Minor Axis Steel Connections. Computers & Structures, 63(4):685-692.
Authors (2018). ANN development + final testing datasets [Data set]. Zenodo. http://doi.org/10.5281/zenodo.1445912
Aymerich F, Serra M (1998). Prediction of fatigue strength of composite laminates by means of neural networks. Key Eng. Materials, 144(September):231-240.
Bai Z, Huang G, Wang D, Wang H, Westover M (2014). Sparse extreme learning machine for classification. IEEE Transactions on Cybernetics, 44(10):1858-70.
Beyer W, Liebscher M, Beer M, Graf W (2006). Neural Network Based Response Surface Methods - A Comparative Study, 5th German LS-DYNA Forum, October 2006, 29-38, Ulm.
Bhaskar R, Nigam A (1990). Qualitative physics using dimensional analysis. Artificial Intelligence, 45(1-2):111-73.
Castro Jorge P, Pinto da Costa A, Simões FMF (2015). Finite element dynamic analysis of finite beams on a bilinear foundation under a moving load. Journal of Sound and Vibration, 346(June):328-44, doi: 10.1016/j.jsv.2014.12.044.
Castro Jorge P, Simões FMF, Pinto da Costa A (2015). Dynamics of beams on non-uniform nonlinear foundations subjected to moving loads. Computers and Structures, 148(February):26-34, doi: 10.1016/j.compstruc.2014.11.002.
Developer (2018a). Negative wmax (v = [50, 175] ∪ [250, 300] m/s) [Data set]. Zenodo, http://doi.org/10.5281/zenodo.1462150
Developer (2018b). Negative wmax (v = ]175, 250[ m/s) [Data set]. Zenodo, http://doi.org/10.5281/zenodo.1469207
Developer (2018c). Positive wmax (v = [50, 175] ∪ [250, 300] m/s) [Data set]. Zenodo, http://doi.org/10.5281/zenodo.1469879
Developer (2018d). Positive wmax (v = ]175, 250[ m/s) [Data set]. Zenodo, http://doi.org/10.5281/zenodo.1470854
Dimitrovová Z, Rodrigues AFS (2012). Critical velocity of a uniformly moving load. Advances in Engineering Software, 50(August):44-56, doi: 10.1016/j.advengsoft.2012.02.011.
Flood I (2008). Towards the next generation of artificial neural networks for civil engineering. Advanced Engineering Informatics, 228(1):4-14.
Frýba L (1972). Vibration of solids and structures under moving loads. Groningen: Noordhoff International Publishing.
Glocker C (2001). Set-Values force laws. Lecture notes in applied and computational mechanics. Berlin, Heidelberg: Springer, ISBN 978-3-540-41436-0.
Haykin SS (2009). Neural networks and learning machines, Prentice Hall/Pearson, New York.
Hern A (2016). Google says machine learning is the future. So I tried it myself. Available at: www.theguardian.com/technology/2016/jun/28/all (Accessed: 2 November 2016).
Hertzmann A, Fleet D (2012). Machine Learning and Data Mining, Lecture Notes CSC 411/D11, Computer Science Department, University of Toronto, Canada.
Jean M (1999). The non-smooth contact dynamics method. Computer Methods in Applied Mechanics and Engineering, 177(3-4):235-57, doi: 10.1016/S0045-7825(98)00383-1.
Kaynia A, Madshus C, Zackrisson P (2000). Ground vibration from high-speed trains: pre- diction and countermeasure. Journal of Geotechnical and Geoenvironmental Engineering, 126(6):531-7.
Madshus C, Kaynia A (2000). High-speed railway lines on soft ground: dynamic behaviour at critical train speed. Journal of Sound and Vibration, 231(3):689-701, doi: 10.1006/jsvi.1999.2647.
McCulloch WS, Pitts W (1943). A logical calculus of the ideas immanent in nervous activity. Bulletin of Mathematical Biophysics, 5(4):115-133.
Moreau J (1994). Some numerical methods in multibody dynamics: application to granular materials. European Journal of Mechanics A/Solids, 13(4):94-114.
Prieto A, Prieto B, Ortigosa EM, Ros E, Pelayo F, Ortega J, Rojas I (2016). Neural networks: An overview of early research, current frameworks and new challenges. Neurocomputing, 214(November):242-268.
Researcher, The (2018). "Annsoftwarevalidation-report.pdf", figshare, doi:10.6084/m9.figshare.6962873.
Studer C (2009). Numerics of unilateral contacts and friction - Lecture notes in applied and computational mechanics. Berlin, Heidelberg: Springer, ISBN 978-3-642-01099-6.
The Mathworks, Inc (2017). MATLAB R2017a, User"™s Guide, Natick, USA.
Toscano Corrêa R, Pinto da Costa A, Simões FMF (2018). Finite element modelling of a rail resting on a Winkler-Coulomb foundation and subjected to a moving concentrated load. International Journal of Mechanical Sciences, 140(May):432-45, doi: 10.1016/j.ijmecsci.2018.03.022.
Wilamowski BM, Irwin JD (2011). The industrial electronics handbook: Intelligent Systems, CRC Press, Boca Raton.
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Derechos de autor 2019 Miguel Abambres, Rita Corrêa, António Pinto da Costa, Fernando Simões