Identificación De Parámetros De Sistemas Dinámicos A Través De Redes Neuronales Artificiales.

Abstract

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.