Professional Documents
Culture Documents
Resumen: Un modelo de red neuronal artificial es utilizado para calcular los momentos rotacionales extremos
y definitivos en una estructura para edificios de varios pisos con nodos indesplazables. Esto se logra con el
entrenamiento no- supervisado de la red. La estructura se formar, de manera que, todos los nodos rotarn
un ngulo y asumiendo que el efecto de las fuerzas axiales sobre las barras de la estructura es nulo. Los
momentos extremos finales Mik y Mki se determinan calculando las diferentes componentes Mik y Mki
separadamente, esto se logra utilizando un algoritmo auto supervisado. Se elige un modelo de red neuronal
apropiado para la estructura proporcionando a la red los parmetros fsicos- estructurales, para su
entrenamiento, a travs de un algoritmo no- supervisado. El modelo es evaluado con el uso del mtodo de
las aproximaciones sucesivas para el anlisis estructural desarrollado por el Dr. Ing. G. Kani. En general, el
nuevo enfoque da mejores resultados comparado con los mtodos tradicionalmente utilizados para el anlisis
estructural. La comparacin con el metodo de Kani muestra que el modelo ANN ejecuta mejor los resultados.
Palabras clave: Red Neuronal Artificial/ Modelo/Anlisis Estructural/Algoritmo.
I. INTRODUCCIN
En las pasadas dcadas de los aos treinta y cincuenta, se
logr un gran avance en el entendimiento del anlisis
estructural de prticos para edificios de varios pisos. En
la evolucin de la ciencia de las estructuras, el mayor
trabajo realizado se ha dado en el anlisis de las diferentes
clases de estructuras. La importancia de este tpico se
origina en la tremenda influencia que ha tenido sobre la
Manuscrito finalizado en Ciudad Guayana, Venezuela el 2007/05/17, recibido el 2007/06/19, en su forma final (aceptado) el 2007/07/15. El MSc. Lcides
Rafael Pinto Mindiola es Coordinador del Dpto. de Postgrado en la Universidad Nacional Experimental Politcnica Antonio Jos de Sucre (UNEXPO),
Vicerrectorado Puerto Ordaz, telf. 0286 8085512 correo electrnico lacidesrafael@yahoo.com. El Dr. Alfonso Garca Cerezo es catedrtico de la Universidad
de Mlaga Director del Departamento de Ingeniera de Sistemas y Automtica, telf. (00) (34) 952132775, (00) (34) 670949495, correo electrnico
gcerezo@ctima.uma.es.
141
142
Pinto, L., Garca A. Anlisis de cualquier tipo convencional de estructuras para edificios con nodos indesplazables
II. DESARROLLO
1. Redes neuronales artificiales
2. Arquitectura de la red
Axioma
los nodos de una estructura reticulada son inteligentes. En
consecuencia, todo nodo es capaz de distribuir las influencias de las
cargas actuantes directamente sobre l, en forma automtica,
proporcionalmente a la rigidez de cada una de las barras que
concurren en el mismo
143
(5)
La salida de la i-sima neurona de la L-sima capa en la
(r+1)-sima iteracin es:
(6)
Particularmente,
(7)
pero
es la entrada xj a la isima neurona y
el peso, por lo tanto,
,y
en consecuencia,
es
(8)
siendo
la variacin de la salida en dos iteraciones
continuas y donde
sirve como un valor de umbral.
Fig. 3 Un elemento de procesamiento ajustable
4. Conexin sinptica entre neuronas
(1)
(2)
144
Pinto, L., Garca A. Anlisis de cualquier tipo convencional de estructuras para edificios con nodos indesplazables
5. Algoritmo de la red
Utilizando el procedimiento del algoritmo, la red calcula
y
en la red para el vector de entrada en cada iteracin. Este
procedimiento se repite para todas las iteraciones durante el
entrenamiento, para todos y cada uno de los pesos ponderados
y las tendencias de esa iteracin. Una vez que las correcciones
a los pesos y tendencias son realizadas, las salidas son
nuevamente evaluadas del modo que lo requiere el modelo
propuesto.
Las discrepancias entre las salidas actuales y los valores de
las salidas esperadas resultan de la evaluacin de los pesos y
cambios en las tendencias. Despus de complementar la
iteracin durante el proceso de entrenamiento, un nuevo
conjunto de pesos ponderados y tendencias se obtiene y con
ellos otra vez, evaluadas nuevas salidas, como siempre con
alimentacin hacia delante, hasta cuando se obtenga la
tolerancia de un error especfico. El software para este artculo
fue escrito en el Toolbox para Redes Neuronales del Matlab y
aplicado en un PC convencional.
fijacin (
y
) respectivamente en las
juntas i y k bajo la accin de las cargas externas suponiendo
que los extremos permanecen completamente fijos. El
momento en el i-simo nodo debido a la rotacin del nodo
es
llamado el momento rotacional en el i-simo
extremo debido a la rotacin
(en radianes) del extremo i,
es en forma similar llamado el momento
rotacional en el isimo extremo debido a la rotacin
(en
radianes) del extremo k, adems
distribucin para el miembro i-k donde
miembro i-k y
es el factor de
es la rigidez del
145
146
Pinto, L., Garca A. Anlisis de cualquier tipo convencional de estructuras para edificios con nodos indesplazables
TABLA III. Precisin de las frmulas para los momentos rotacionales extremos en CADA NODO
8. Procedimiento numrico
El procedimiento explicado arriba, es mejor ilustrado
resolviendo la estructura mostrada en la Fig. 1, que est
cargada en forma bastante compleja. Las rigideces Kik de los
diferentes miembros estn indicadas sobre el diagrama.
Los factores de distribucin
para los momentos
rotacionales son calculados con la ayuda de la ecuacin
147
TABLA V. Precisin de las frmulas para los momentos totales extremos en cada nodo
Puede concluirse despus de un anlisis sencillo de las Tablas II y III que los resultados obtenidos a travs de ambos enfoques
prcticamente coinciden.
10. Evaluacin del modelo
Un grupo de 15 nodos fueron utilizados para la verificacin
del modelo. Los nodos fueron seleccionados de los clculos de
un prtico de 3 niveles. Los momentos rotacionales Mik y Mki
fueron calculados utilizando las formulas derivadas del
mtodo de las aproximaciones sucesivas de G. Kani. Los
momentos finales en los extremos Mik y Mki son determinados
encontrando las componentes Mik y Mki separadamente y
adicionando las dos momentos de empotramiento perfecto
y
segn el caso.
Comparando los resultados nodo a nodo por el mtodo
iterativo de aproximaciones sucesivas del Dr. Ingeniero Kani,
los resultados obtenidos en el presente estudio son
consistentes. Al realizar los clculos a travs del momento
rotacional cercano al extremo i, Mik para cualquier miembro
i k expresado en trminos del momento de empotramiento
perfecto
y del momento rotacional extremo Mki como
sigue:
Donde
es la suma algebraica de todos los
momentos de empotramiento que actan en el i simo nodo
y
es el factor de distribucin correspondiente al miembro
i k dado por la expresin:
148
III. CONCLUSIONES
1. Las redes neuronales artificiales pueden ser utilizadas con
ventajas, para extender el modelo ANN a la solucin de
problemas ms complejos y adems pueden ser utilizadas
en la solucin de vigas continuas sobre soportes elsticos.
2. El modelo de ANN tiene la preferencia sobre el mtodo
de Kani, por las siguientes razones:
2.1 Los modelos ANNs son ms rpidos por su paralelismo
masivo, an operando sobre los PCs convencionales.
2.2 El modelo ANN es construido con el solo uso del
modelo estructural. En otras palabras, la arquitectura
de la red es sencillamente determinable.
2.3 Muchos ingenieros pueden calcular los momentos
rotacionales Mik y Mki utilizando el ANN sin
conocimiento exhaustivo de la teora del anlisis
estructural, con tal que ellos conozcan los parmetros
fsico- estructurales que intervienen en la operacin
del modelo ANN.
2.4 Es un mtodo exacto, auto-correctivo de
Pinto, L., Garca A. Anlisis de cualquier tipo convencional de estructuras para edificios con nodos indesplazables
aproximaciones sucesivas.
2.5 Tiene rpida convergencia
2.6 Permite comprender claramente el fenmeno fsico
estructural
2.7 El modelo de diseo neuronal es fcil de recordar
2.8 Se requiere de un reducido nmero de operaciones
por capa de neuronas con el uso de muy poco tiempo
de computacin.
IV. REFERENCIAS
V. APNDICE
Notacin
= son los momentos de empotramiento perfecto
inducidos en los extremos de los miembros bajo la accin de
las cargas externas, suponiendo que los extremos estn
completamente fijos en posicin y direccin;
= es la suma algebraica de todos los momentos
de empotramientos perfecto que actan en el i simo nodo;
Subndices
i, j, k = sub-ndices enteros y positivos
149