Procesamiento

de seales de
un marco de
acero de ocho
pisos
Dinmica Estructural

Integrantes

FELIPE DE JESUS ADRIAN BRITO

PEDRO ANTONIO LVAREZ SNCHEZ
FELIPE DE JESUS ADRIAN BRITO
IVAN EDUARDO CALDERN FLORES
FELIPE DE JESUS ADRIAN BRITO
DIEGO OZZY WILLIAMS PACHECO
ORTEGA
ALVARO VERA MURILLO

1. Introduccin
La aplicacin tanto del mtodo de elementos finitos como del anlisis modal para identificar las
propiedades dinmicas de las estructuras y sistemas, mecnicos ha adquirido gran importancia en
los ltimos aos. La tendencia creciente es la correlacin o verificacin del modelo por medio de
los resultados experimentales obtenidos del anlisis modal Correlacionar los resultados va ms
all de la simple comparacin de las propiedades modales resultantes de ambos mtodos, es
decir, se trata de la combinacin cuantitativa de ambos resultados para identificar
especficamente las causas de las discrepancias entre las propiedades predichas por el modelo y
las medidas en el experimento modal.
Consideraciones del sistema
Para hacer posible la ejecucin de un anlisis modal, generalmente se imponen sobre cualquier
estructura o sistema mecnico las tres consideraciones bsicas siguientes:
a)
la estructura es lineal.
b)
la estructura es invariante con el tiempo.
c)
la estructura es observable.
La linealidad del sistema significa, que la respuesta de la estructura a cualquier combinacin de
fuerzas, simultneamente aplicadas, es la suma de las respuestas individuales a cada una de las
fuerzas aplicadas solas.
La no varianza del sistema con el tiempo significa que los parmetros a ser determinados son
constantes, es decir, las mediciones hechas al sistema en dos tiempos diferentes sern
consistentes.
La estructura slo puede ser observable si las mediciones de entrada y salida realizadas contienen
la informacin suficiente para generar un modelo adecuado del comportamiento de la estructura.
Aplicaciones
Las distintas aplicaciones del anlisis modal pueden ser:
Solucin de problemas de ruido y vibracin: Primero encontramos la fuente del problema
usando mediciones de vibracin bajo condiciones de operacin. Si el problema es causado por la
resonancia de la estructura (de hecho una debilidad estructural), podemos realizar modificaciones
al modelo dinmico y buscar alternativas para remediarlo.
Optimizacin del diseo: El anlisis modal en los prototipos de las estructuras te permiten
optimizar el diseo mediante la simulacin de la respuesta del prototipo y de esa manera hacer
modificaciones al modelo dinmico.

Monitoreo estructural: Los parmetros modales pueden ser usados para monitorear las
condiciones de las estructuras, como pueden ser imperfecciones o defectos; por ejemplo, el
desarrollo de grietas; esto te permite modificar los parmetros modales de la estructura.
Verificar modelos analticos: Podemos usar los modelos analticos en la etapa inicial de diseo
de aviones, aeronaves espaciales y otros vehculos. Estos modelos usualmente obtenidos desde la
tcnica de elemento finito son usados para la simulacin y optimizacin. Una vez que ya hemos
creado un prototipo de la estructura se hace un anlisis modal y se compara el modelo resultante
con el modelo analtico. Esta comparacin nos permite verificar o mejorar el modelo analtico.
Estudios recientes han demostrado que las propiedades modales de diversas estructuras varan en
funcin de cambios ambientales. La observacin de estructuras sometidas a excitaciones
ambientales experiment un importante crecimiento en la ltima dcada debido al avance
tecnolgico en los sistemas de medicin. La idea bsica consiste en evaluar el estado en el cual
una estructura se encuentra sin interrumpir su normal funcionamiento, a partir de la medicin de
su respuesta para verificar sus propiedades dinmicas, detectar dao o programar su
mantenimiento. En el caso de estructuras de grandes dimensiones, como puentes, edificios altos,
diques o estructuras fuera de costa, el ruido ambiental, por ejemplo viento o trfico de vehculos,
usualmente constituye la nica excitacin tcnica o econmicamente viable.
Experimento modal con martillo de impacto
El experimento modal con martillo de impacto es la tcnica ms popular en anlisis modal desde
los aos 1970s. La excitacin con martillo de impacto es una forma rpida, conveniente y de
bajo costo para encontrar los modos de vibracin de una estructura o sistema mecnico
(Schwarzand Richardson, 1999). Para realizar el experimento modal con martillo de impacto,
primero se fija un acelermetro en un punto de la estructura o sistema mecnico y despus sta
estructura se golpea con el martillo de impacto en tantos puntos de la estructura como se desee.
Es importante mencionar que la direccin del impacto debe ser la misma que la direccin de
medicin del acelermetro.
Usando un analizador de espectros de dos canales, las FRFs (Funciones de respuesta de
frecuencias) son calculadas (una a la vez) entre cada impacto y la respuesta obtenida por el
acelermetro fijado en un punto.
El equipo requerido para realizar un anlisis modal con la tcnica de Martillo de impacto es el
siguiente:
1.
Un martillo de impacto que contiene una celda de carga (sensor de fuerza) colocada en su
cabeza para medir la fuerza del golpe (excitacin).

2.
Un acelermetro para medir la aceleracin como respuesta en un punto de la estructura o
sistema mecnico en estudio, con la direccin requerida en coordenadas cartesianas X, Y o Z.
3.
Dos amplificadores de seriales para acondicionar las seales obtenidas del acelermetro y
del martillo de impacto.
4.
Un analizador FFT (Fast Fourier Transformed) de al menos dos canales para calcular las
FRFs.
5.
Software de pos-procesamiento modal para identificar los parmetros modales.
Vibraciones ambientales
Hace algunas dcadas, la mayor preocupacin de la ingeniera estructural era el desarrollo y
aplicacin automtica de nuevos y poderosos mtodos numricos para el anlisis (esttico y
dinmico) y diseo de estructuras de gran tamao. Luego, las primeras investigaciones en el
tema de vibraciones se basaron en importantes desarrollos en sistemas de identificacin y
anlisis experimental modal en Electrnica e Ingeniera Mecnica, realizados con anterioridad.
En estas primeras investigaciones se identificaron las principales propiedades dinmicas de
estructuras mediante la aplicacin de tcnicas de identificacin modal de vibracin forzada
(Input-Output) (Cuhna et al. ,2006). La dificultad para aplicar vibracin forzada o excitacin a
grandes estructuras civiles en una forma controlada gener la bsqueda de otros mtodos de
identificacin de mayor aplicabilidad. El progreso tecnolgico registrado en el rea de los
traductores y conversores de seales anlogas a digitales, hizo posible abrir un nuevo y
promisorio camino para la identificacin modal de estructuras de gran tamao, exclusivamente
basado en las medidas de la respuesta estructural para excitaciones.
Las pruebas de vibraciones ambientales (AVT) sobre una estructura no utilizan ninguna
excitacin artificial, por el contrario la respuesta de la estructura es medida por la excitacin
producida por el ambiente; como el viento, el trfico o los microsismos. Siendo los resultados de
las pruebas mejores, si la excitacin producida por el medio ambiente tiene un gran ancho de
banda en frecuencia que permita excitar todas las frecuencias naturales de la estructura (Cuhna et
al. ,2006).
Una de las principales ventajas de una AVT es el no requerir una excitacin artificial, de manera
que sea comparativamente ms econmica que los mtodos que utilizan vibraciones inducidas
(FVT). Adems, las investigaciones con AVT pueden desarrollarse sin interrumpir el normal uso
de las estructuras. La ejecucin de las AVT son sencillas y rpidas. Las excitaciones producidas
por el ambiente como el viento, el trfico y los microsismos son conocidas como de mltiples

entradas dado que actan sobre muchos puntos de la estructura al mismo tiempo. Por el
contrario, en los mtodos FVT la excitacin es del tipo de una sola entrada. La anterior
diferencia no es relevante en pequeas estructuras, pero en las grandes y complejas. Sin
embargo, la excitacin debida al ambiente normalmente no es controlada lo que produce una
falta de estacionariedad o un problema de estabilidad del estado de vibraciones. Esto puede
conducir a problemas debido a la no linealidad que presentan la mayora de las estructuras en la
Ingeniera Civil.

PROCESAMIENTO DE DATOS
Transformada de Fourier
Toda seal peridica, sin importar cuan complicada parezca, puede ser reconstruida a partir de
sinusoides cuyas frecuencias son mltiplos enteros de una frecuencia fundamental, eligiendo las
amplitudes y fases adecuada.
La idea bsica de las series de Fourier es que toda funcin peridica de perodo T puede ser
expresada como una suma trigonomtrica de senos y cosenos del mismo perodo T.
La historia moderna de las series de Fourier comenz con DAlembert (1747) y su tratado de las
oscilaciones de las cuerdas del violn. El desplazamiento u = u(t, x) de una cuerda de violn,
como una funcin del tiempo t y de la posicin x.
La transformada de Fourier tiene muchas aplicaciones en la ingeniera, especialmente para la
caracterizacin frecuencia de seales y sistemas lineales. Es decir, la transformada de Fourier se
utiliza para conocer las caractersticas frecuenciales de las seales y el comportamiento de los
sistemas lineales ante estas seales.
Transformada Contina de Fourier

Donde
t: Tiempo

f: Frecuencia en Hz
x(t): Seal de prueba
e-j2ft: Factor de Sondeo (Kernel Function)
X(f): Espectro en funcin de la frecuencia f
x(t) X(f), es decir para una funcin x(t) existe un equivalente X(f).
X(f), el espectro, revela la fuerza (energa) de varias componentes de frecuencia, ordenadas por
frecuencia.
La transformada de Fourier acta como un detector de energa en frecuencia-dependiente
Transformada MUSIC
El algoritmo MUSIC forma parte de una familia de algoritmos basados en el anlisis de
autovectores y autovalores (tambin conocidos como eigenvectors y eigenvalues
respectivamente).
En general, un autovector o vector propio X de una trasformacin lineal A est definido a travs
de la relacin,

donde a es un escalar que puede ser complejo y corresponde al autovalor asociado al autovector
X. Esto quiere decir que el efecto de una. Esto quiere decir que el efecto de una transformacin
lineal aplicada sobre cualquiera de sus autovectores se reduce a un simple escalamiento del
mismo.
Sean y (n) las muestras de una seal o proceso discreto. Se define una ventana y de M muestras
consecutivas, definida como el vector columna,

A partir de la cual se define la matriz de autocorrelacin yy de la seal,

Se trata de una matriz de tamao , donde {} es el operador esperanza matemtica o media
del proceso. Cuando las seales que se consideran para el procesamiento y anlisis discreto son
procesos estadsticamente estacionarios (como resulta ser en el comn de los casos), sus
respectivas matrices de autocorrelacin son matrices normales hermticas, es decir, cumplen la
siguiente propiedad:

Y por tanto, permiten la descomposicin en valores singulares o SVD, la cual estar definida
como,

donde U y V son matrices cuadrada de tamao cuyas columnas corresponden a los

autovectores de yy yyH y yyH yy respectivamente, mientras que es una matriz diagonal
que contiene en su diagonal principal los valores singulares (la raz cuadrada de los autovalores)
asociados a los autovectores en V y U.
Las matrices de autovalores obtenidas a su vez verifican

Lo que confirma la ortonormalidad de los autovectores como base de un subespacio.

El modelo de seal muestreada [], cuya composicin espectral se quiere estimar, corresponde a
la combinacin de p sinusoides complejas inmersas en ruido complejo gaussiano blanco aditivo
(AWGN). Este ruido corresponde a una seal aleatoria, caracterizada porque sus valores en
instantes de tiempo distintos no tienen relacin alguna entre s, es decir, no existe correlacin
estadstica entre sus valores por lo que el ruido blanco gaussiano responde a una distribucin
normal.
De manera que la seal [] se representa matemticamente de la siguiente forma:

Donde los parmetros de amplitud, frecuencia y fase de la i-sima sinusoide i, i i

respectivamente, se asumen constantes y desconocidos.
Adems se supone que las fases i son variables aleatorias independientes, uniformemente
distribuidas en [, ] y que el ruido []es un proceso estadsticamente independiente de las
seales puras comprendidas en el sumatorio. Al tratarse de un modelo discreto de seal, el
parmetro i corresponder a la frecuencia normalizada,

donde la variable s denota la frecuencia de muestreo.

Bajo estas condiciones la funcin de autocorrelacin de [] equivale a

La separacin de trminos en la ecuacin anterior seala el hecho de que las componentes de

seal y ruido son estadsticamente independientes.
La autocorrelacin del ruido corresponde a un impulso centrado en el origen ponderando la
varianza 2, lo que se conoce como hiptesis de ruido blanco.
A partir de un registro disponible de N muestras de la seal [], se establece para cada tiempo
discreto = [1,. ,], una ventana y de M muestras definida como el vector columna. Se realiza
entonces una estimacin de la matriz de autocorrelacin de y[n],obteniendo una matriz de
tamao :

Donde el operador esperanza matemtica es implementado como el mayor promediado posible a

lo largo de toda la muestra.
En la formulacin del algoritmo de estimacin, para definir el tamao de la ventana (cantidad de
muestras M) es necesario establecer el nmero de frecuencias f de componentes puras que se
desean estimar en la grfica final. Entonces debe satisfacer la desigualdad:

Donde cabe sealar que en caso de considerar un modelo de seal sinusoidal, se deber
considerar la desigualdad anterior como 2 + 1, ya que en este caso la estimacin incluir
tambin la parte reflejada (negativa) de la conformacin espectral de la seal.
Los componentes sinusoidales puros pueden ser expresados en base a vectores normalizados sfi
de exponenciales complejas asociadas a cada frecuencia i, los que son definidos como vectores
columna

Aplicando la definicin de matriz de autocorrelacin estimada

Donde se asumen que el subespacio de ruido es ortogonal al subespacio de seal expresando la

matriz de autocorrelacin total de la seal como la suma de matrices de autocorrelacin
independientes para la suma de componentes sinusoidales puras ss y del ruido . Esta ltima,
al tratarse de ruido blanco gaussiano, puede ser asignada como una matriz diagonal donde todos
los elementos de la diagonal principal correspondern a la varianza o potencia del ruido.
Luego, de acuerdo con la definicin aportada yy equivale al producto de tres matrices segn las
siguientes expresiones:

La descomposicin en SVD incorpora en su algortmica un ordenamiento de mayor a menor para

los valores singulares presentes en la matriz diagonal . Este ordenamiento afectar tambin la
posicin de los autovectores columna presentes en V y U ya que stos estn asociados de manera
biunvoca con cada valor singular. En la matriz de () s = [1 2 p] contiene al conjunto
de autovectores columna asociados al subespacio de seal mientras que la matriz de ( )
r =[p+1",, M] est conformada por el conjunto de autovectores columna asociados al
subespacio de ruido. La misma distribucin se aplica para la composicin de autovectores
presentes en U.
Una visualizacin detallada de la estructura matricial, nos da una idea de cuntas componentes
espectrales se pueden reconocer a partir de este proceso. Se observa que en la diagonal principal
de los primeros p trminos contienen la suma del i-simo valor singular ms la varianza del
ruido (que es la misma a lo largo de toda la diagonal) y que los siguientes M-p valores de la
diagonal, al no existir seal asociada, contendrnslo trminos de ruido.

El estimador utilizado en este tipo de algoritmos consiste en construir una funcin [] que
genere un pseudo-espectro a partir de cuyos mximos sea posible visualizar la presencia de tonos
puros y localizar la frecuencia a que corresponden. La funcin generadora del pseudo-espectro
de frecuencias tendr entonces la siguiente estructura:

donde la obtencin de la estimacin del espectro se encuentra basada en la ortogonalidad que se

debe verificar al efectuar el producto escalar un vector base de frecuencias puras sfi , con el total
del conjunto de autovectores pertenecientes al subespacio de ruido (rango = + 1,, en el
sumatorio). Dicha ortogonalidad se
verificar con los valores muy cercanos a cero en el denominador para aquellas i
correspondientes a las componentes senoidales efectivamente presentes en la muestra, dando
origen a picos levados en el pseudo-espectro estimado.

Para los restantes valores de i en el recorrido del espectro entre s/2 y s/2 que no correspondan
exactamente a frecuencias de tonos puros presentes en la muestra, el denominador en la tendr
valores cercanos o superiores a la unidad con lo cual su inversa entregar valores uniformemente
menores a los picos espectrales obtenidos para los tonos detectados.
A partir del estimador general en la ecuacin nacen tres mtodos especficos para utilizar este
tipo de estimador de frecuencia que han sido propuestos en la literatura. Haciendo k = 1 ,
obtenemos el estimador de los mtodos MUSIC y Pisarenko, los cuales estn basados
estrictamente en los autovectores del subespacio de ruido con ponderacin uniforme.
Cuando aplicamos la desigualdad

estamos aplicando el mtodo MUSIC. En este caso construimos una matriz de autocorrelacin
con un tamao mayor al mnimo posible para estimar las frecuencias pero se debe tener cuidado
de que no se aproxime mucho a para que el promedio no sea deficiente.
El algoritmo MUSIC es el siguiente:
En primer lugar se ha de calcular el mnimo autovalor de la matriz de autocorrelacin formada,
como se ha visto, a travs de las muestras de la ventana considerada. El clculo de los
autovalores de una matriz es, en general, un proceso complejo y de alto coste computacional.

Dependiendo del nmero de muestras consideradas en la ventana y de la capacidad del equipo

utilizado para el tratamiento de los datos, este primer paso ser ms o menos costoso.
Una vez calculado el autovalor ms pequeo ser necesario conocer el nmero de autovalores
iguales a este valor, es decir cuntos autovalores hay con valor mnimo. Este paso, una vez
realizado el anterior, es muy rpido.
Como hemos comentado en la explicacin terica, los autovalores ms pequeos corresponden al
subespacio del ruido por lo que el siguiente paso es el de construir el subespacio del ruido a
travs de los autovectores asociados a los autovalores calculados en el primer paso del algoritmo.
A continuacin se forma el estimador o funcin generadora del pseudoespectro de frecuencias tal
y como se indic anteriormente. Esta estimadora toma los valores mximos para los verdaderos
valores de las frecuencias presentes en la seal.
La tcnica MUSIC se basa en la estimacin de seales temporales, es decir, en un principio
genera una funcin temporal. El ltimo paso del algoritmo consiste en realizar el espectro de
frecuencias de la seal estimada y tiene como fin la obtencin de la seal en el dominio de la
frecuencia a partir de la misma seal discreta en el dominio del tiempo.

2. Simulacin de datos
Con el fin de validar el desempeo de la metodologa propuesta para una estructura real,
se utiliza para identificar los parmetros modales de un marco de acero de ocho pisos en 3D y
comparar los resultados con los datos experimentales disponibles presentados por Su et al.
(2014). La estructura tiene 1,5 m de largo, 1,1 m de ancho y 9,44 m de altura, como se muestra
en la Fig. 1. En cada piso se colocan placas de plomo de 250 kg teniendo as cada piso una masa
total de 325 kg. La estructura se someti a la excitacin de la base con ruido blanco en el sentido
largo. Durante la excitacin, las seales de vibracin son adquiridas por ocho sensores de
velocidad distribuidos en los ocho pisos y situados en el centro de cada piso (identificados por un
crculo slido en la Fig. 1). Los sensores usan una frecuencia de muestreo de 200 Hz dentro de
un perodo de tiempo de 72,5 segundos produciendo 14,500 muestras. Los datos de velocidad
medidos por el sensor 8 situado en la planta superior y mostrados en la Fig. 2 se utiliza para
validar la nueva metodologa.

Figura 1. Marco de acero de ocho pisos

Figure 2. Vibracin Adquirida por el sensor 8.

Resultados
Modo

FEA

1
2
3
4
5
6
7
8

Frecuencia
(Hz)
direccin
2.01
6.49
12.38
19.80
26.46
34.36
44.84
56.80

Su et al.
(2014)
Amort.
(%)

FFT HPB (error %)

MUSIC (error %)

NEXT-FFT-HPB (error %)

Frecuencia
(Hz)

Amort.
(%)

Frecuencia
(Hz)

Frecuencia
(Hz)

Amort.
(%)

1.4
0.9
0.7
0.4
0.9
1.0
1.3
2.1

5.07
7.78
3.07
3.43
2.19
2.47
12.20
5.69

81.40
87.29
94.40
93.46
97.85
95.52
99.02
----------

3.48
6.32
4.20
3.74
2.38
2.88
2.30
6.34

5.07
7.78
3.07
3.43
1.74
2.47
12.71

106.30
3.11
66.78
41.16
95.73
86.57
90.17

NEXT-FS-LD
(error %)
Amort.
(%)

HPB = Half power bandwidth*; FS = Filtered Signal; LD = Decrement Logarithm.

*ancho medio de banda
Tabla 1. Frecuencias naturales identificadas y porcentajes de Amortiguamiento de la estructura de referencia
utilizando datos simulados. (% de Error)

77.14
81.74
84.60
73.38
95.27
90.32
14.37
61.29

Modo

FEA

1
2
3
4
5
6
7
8

Frequencia
(Hz)
direccion
2.01
6.49
12.38
19.80
26.46
34.36
44.84
56.80

Su et al.
(2014)
Amortig
uamiento
(%)
1.4
0.9
0.7
0.4
0.9
1.0
1.3
2.1

FFT HPB

MUSIC

NEXT-FFT-HPB

Frequencia
(Hz)

Amortiguam
iento (%)

Frequencia
(Hz)

Frequencia
(Hz)

Amortiguamie
nto (%)

2.112
6.995
12.76
19.12
25.88
33.51
39.37
60.03

0.26
0.11
0.04
0.03
0.02
0.04
0.01
----------

2.0
6.9
12.9
19.06
25.83
33.77
43.81
60.4

2.112
6.995
12.76
19.12
26
33.51
39.37
----------

2.88
0.87
0.23
0.24
0.04
0.13
0.13
----------

NEXTFS-LD
Amortig
uamiento
(%)
0.32
0.1643
0.1078
0.1065
0.0426
0.0968
1.1132
0.8129

HPB = Half power bandwidth; FS = Filtered Signal; LD = Decrement Logarithm.

Tabla 2. Frecuencias naturales identificadas y porcentajes de Amortiguamiento de la estructura de referencia
utilizando datos simulados. (Datos obtenidos)

3. Discusin
Fourier
La FFT (Transformada Rpida de Fourier) es considerada una de las mejores herramientas para
anlisis de seales estacionarias, sin embargo, la FFT tiene demasiadas desventajas para
determinar las propiedades dinmicas de una estructura, ya que las seales de estructuras son nolineales y no-estacionarias, en conclusin las propiedades dinmicas de una estructura no pueden
ser analizadas adecuadamente mediante el uso de la FFT.

Music
Aplicando MUSIC ([S,f]=pmusic(X,P,nfft,Fs,nwin,noverlap)) se observan las frecuencias con
mayor exactitud, en comparacin con las obtenidas con la transformada de rpida de Fourier
(FFT), aun cuando sta depende en su totalidad de los datos que el usuario ingresa,
principalmente los datos referentes a las frecuencias a obtener (P), as como los de traslape de la
seal (nwin y noverlap), los cuales mejoran la deteccin de las distintas componentes.
Inicialmente se analiz la seal aplicando MUSIC ingresando el cdigo
[S,f]=pmusic(X,16,8192,Fs,22,21) al programa MATLAB, con el cual se obtienen resultados
similares a los obtenidos por el anlisis por el mtodo de elementos finitos, sin embargo, en esta
primera aplicacin de MUSIC, el programa no logra detectar la octava frecuencia.
Con la intencin de aumentar la exactitud para lograr detectar la frecuencia faltante, se variaron
los valores de P, nwin y noverlap. Como resultado de dichas variaciones, se observ que

utilizando un valor de 17 para el nmero de frecuencias a obtener y repitiendo los valores 22 y

21 para nwin y noverlap respectivamente, el programa logra detectar claramente la octava
frecuencia faltante; sin embargo, al comparar los valores de dichas frecuencias con los obtenidos
por el modelo de elemento finito, se observa un error del orden de 27% .
Tomando en cuenta que en ste caso particular se tienen de inicio los valores obtenidos mediante
un MEF, y considerando que los primeros dos anlisis con MUSIC nos dan una buena
aproximacin a dichos datos iniciales, se introdujo el cdigo [S,f]=pmusic(X,32,8192,Fs,44,43),
en el cual se duplicaron los valores correspondientes a P, nwin y noverlap.
A pesar de que, al introducir el cdigo antes mencionado se obtienen frecuencias espurias o
falsas (debido a que el nmero de frecuencias esperadas aument considerablemente), tomando
como base los valores del MEF, podemos obtener las frecuencias correspondientes a cada uno de
los ocho modos. Dichas frecuencias son ahora casi iguales a las obtenidas por el Mtodo de
Elementos Finitos, siendo que el error ms grande de las frecuencias correspondientes a los ocho
modos es del orden de 6%.
Cabe mencionar que con lo anterior se logr reducir el gran error que se tena entre los datos
arrojados por MUSIC y los obtenidos con MEF, gracias a que se contaba de inicio con stos
ltimos, los cuales se podan tomar como base de comparacin. En caso de no haber tenido un
punto de referencia inicia, las frecuencias espurias que se generaron con el ltimo cdigo
ingresado podran haber causado conflicto.
Next & LD
A la seal se le aplico el procesamiento NEXT, despus de esto se filtr la seal con los distintos
mtodos aprendidos en clase. Despus del filtrado, se sumaron las seales filtradas y se
compararon las sumas obtenidas con la original, llegando a que con los tres filtros Butter,
Cheby1 y Cheby2) se obtuvieron resultados muy similares. Para cerciorarse cual filtro fue el
mejor para este caso, se aplic la transformada de Fourier a cada una de las sumas, obteniendo
valores de frecuencia exactamente iguales, a lo que se lleg a la conclusin que cualquier filtro
tiene gran precisin siempre y cuando se utilice la funcin NEXT antes del filtrado.
Se escogieron los resultados del filtro Cheby 1 y se procedieron a obtener los factores de
Amortiguamiento con el decremento logartmico.
Las grficas de las frecuencias filtradas tienen un decremento en sus amplitudes pero no lo tienen
de manera uniforme, es decir las amplitudes de un ciclo a otro varan en gran medida, ya sea
aumentando o disminuyendo segn sea el caso; mas sin embargo se puede apreciar que estos
decrementos siguen una lnea de tendencia decreciente, por lo que para obtener los valores de
A1, An y n se toman los valores de las amplitudes consecutivas mximas, y con esto se pudo
llegar al resultado.
Los resultados para el factor de Amortiguamiento son muy pequeos comparados con los
valores comparados con el mtodo de elemento finito, lo que conlleva un porcentaje de error
relativo muy grande, esto se debe a que el mtodo de elemento finito tiene un comportamiento
ideal, es decir no toma en cuenta el ruido. Aunado a esto se tiene que, al filtrar la seal, no se

elimina el ruido completamente, lo que nos conlleva un cierto porcentaje de error, que se
comprob al hacer la suma de las seales filtradas y compararlas con la seal original, puesto
que se aprecia claramente que no es parecida al 100 por ciento, lo que conlleva a mas error en el
clculo de los resultados.
Otro factor a considerar fue el tipo de filtro que se utiliz, en este caso el cheby 1, puesto que al
aplicar Fourier a la suma de las seales filtradas no se encontr ningn indicativo de cual filtro
haba de dar mejores resultados puesto que los valores se obtuvieron iguales, y se opt por el
filtro de Cheby 1 sin tener parmetros confiables de que este filtro era el que nos proporcionara
mejores resultados.

4. Conclusiones

Conclusiones Felipe de Jess Adrin Brito

Despus de la aplicacin de los diversos mtodos revisados en la clase de Dinmica Estructural,

en lo referente a la seal a analizar proporcionada para el trabajo final se observ:
-Cuando se realiza la aplicacin de la FFT la ltima frecuencia no se logra mostrar posiblemente
debido a la interferencia del ruido o incluso la capacidad que posee el mtodo de la FFT aunque
esta es una manera rpida de conocer el panorama de las frecuencias que se pueden encontrar en
la seal.
-Cuando se procede con la Transformada MUSIC se toman varias iteraciones de variacin de
parmetros para la calibracin donde en los primeros casos se tienen aproximaciones cercanas de
las frecuencias mientras pero sin tener xito con la ltima frecuencias aunque al aumentar la
variable p se alcanza visualizarla con un cierto desfase de las dems frecuencias posiblemente
al incremente excesivo del nmero de frecuencias a localizar, lo que indica la importancia de la
calibracin del mtodo; sin embargo la supresin del ruido ayuda a obtener mejores y ms
notables resultados de las frecuencias buscadas.
-Con la aplicacin de NEXT-FFT-HPB y NEXT-FS-LD se tiene diferencias notorias, como se
observa en el factor de amortiguamiento. Ambos mtodos de bsqueda del factor de
amortiguamiento son visuales por lo que se observa que la aplicacin de filtros es de gran
importancia ya que un mal uso podra conllevar no suprimir ruido adjunto a la frecuencia o por el
contrario cortar parte de la campana que conlleva la frecuencia completa perdiendo de este modo
parte de los datos a analizar, despus de los ejercicios vistos en clases los parmetros de los
coeficientes se mantienen para manejar lo que seran diferencias de corte hasta alcanzar una
buena aproximacin tratando de minimizar la cantidad de ruido, sin embargo se ha observado
que cuando el ruido se encuentra muy cercano a las frecuencias a localizar es muy difcil

restringirlo al momento de realizar el filtrado y en esos casos se deber utilizar combinaciones de

los mtodos vistos.

Conclusiones Pedro Antonio lvarez Snchez

Como conclusin final considero que los dos factores ms importantes serian la identificacin de
las frecuencias existentes en un seal a analizar, y un buen filtrado o exclusin de factores que
daen la visualizacin (como es la supresin del ruido o buen filtrado de la frecuencia a analizar)

Las tcnicas de procesamiento de seales basadas en el anlisis de la vibracin son herramientas

de gran utilidad para evaluar el comportamiento de las estructuras civiles, ya que mediante su
uso se pueden determinar las propiedades dinmicas de una estructura y de esta forma poder
monitorear la condicin de la misma con la finalidad de detectar posibles daos, as como su
localizacin y su importancia.
En este proyecto se determinaron dos parmetros importantes dentro de las propiedades
dinmicas de las estructuras (Frecuencias naturales y factores de amortiguamiento) y se realiz
una comparativa con los datos obtenidos por un anlisis de elemento finito (para el caso de las
frecuencias naturales) y de datos obtenidos de forma experimental (caso de factores de
amortiguamiento).
Ambos parmetros se determinaron utilizando varios mtodos de procesamiento de seales,
siendo las frecuencias naturales del sistema las que tienen ms exactitud en su determinacin
comparando los mtodos de procesamiento de seales con el mtodo de anlisis de elemento
finito, por otro lado, se pudo observar que los mtodos de procesamiento de seales utilizados
para la determinacin de los factores de amortiguamiento no son para nada exactos en
comparacin con los resultados obtenidos experimentalmente por Su et al. (2014), por lo anterior
se concluye que para la determinacin de este parmetro se tendran que buscar mtodos ms
refinados para poder mejorar su determinacin.

Conclusiones Jess Justo lvarez Caldern

La aplicacin de los distintos mtodos descritos en el presente trabajo, arroja resultados muy
distintos con respecto a los proporcionados por el MEF, principalmente en lo referente al factor
de amortiguamiento.
Aunque la aplicacin de la transformada de Fourier para la obtencin de las frecuencias de la
seal para cada uno de los modos fue muy acertada, al combinarse sta con el mtodo HPB para
la obtencin del factor de amortiguamiento, se tiene un gran error, debido a que quien la utiliza,

puede incurrir en errores de visualizacin causados por la susceptibilidad al ruido de la FFT. Es

por esto que los resultados de procesar una seal utilizando HPB no son muy confiables en
comparacin con otros mtodos.
En comparacin con los valores obtenidos con FFT-HPB, los obtenidos aplicando MUSIC fueron
ms exactos, ya que se logr reducir el error en gran medida, comparando dichos valores con los
de referencia del MEF. Sin embargo, la utilizacin de la tcnica MUSIC arroja resultados
absurdos en cuanto a la amplitud de la seal. Si bien es muy exacta en lo referente a valores de
frecuencias, la tcnica depende en gran medida a lo que el usuario ingresa en el cdigo. Esto
puede hacer que no siempre sea la opcin ms adecuada para todo tipo de seales, aunque aporta
grandes ventajas por no ser susceptible al ruido.
Con la aplicacin de NEXT-FFT-HPB y NEXT-FS-LD se puede observar gran diferencia, sobre
todo en lo referente al factor de amortiguamiento. Se puede apreciar que los valores obtenidos
utilizando el decremento logartmico, adems de que se cuenta con la ventaja del filtrado de la
seal y la eliminacin de gran parte del ruido, no se es susceptible a errores de visualizacin
como en el caso del mtodo HPB. Creo entonces que el mtodo en el que combinamos NEXT
con el filtrado de la seal y con el decremento logartmico es el ms adecuado para la obtencin
del factor de amortiguamiento, aunque siempre la eleccin del mtodo a utilizar depender del
criterio de quien analiza la seal y de las caractersticas de la misma.

Conclusiones Ivan Eduardo Caldern Flores

Al realizar el anlisis de la seal obtenida experimentalmente pudimos comprobar que por medio
de diferentes mtodos de procesamiento de la misma obtuvimos resultados equiparables a los
obtenidos del anlisis por elementos finitos en cuanto a frecuencias, siendo MUSIC como era de
esperarse la que nos permiti encontrar las frecuencias comparables a las del MEF al ajustar los
parmetros lo suficiente para buscar las seales conocidas despus de darnos una idea por medio
de la transformada de Fourier lo cual es un recordatorio de que el procesamiento de los datos
experimentales y los datos del MEF deben siempre complementarse el uno al otro permitiendo el
poder acercarnos a conocer las propiedades reales del edificio.
El resultado correspondiente al factor de amortiguamiento obtenido del procesamiento de la
seal vario grandemente respecto al obtenido por Su, et al. A pesar de usar los distintos mtodos
para obtenerlo por lo cual solo podramos analizar este parmetro mediante la realizacin de
todos los mtodos disponibles para tomar la decisin de cul es el que ms se acerca al valor
real.

Conclusiones Germn Garca Zamora

Partiendo del supuesto de que los valores de frecuencias y factores de amortiguamiento para cada
uno de los modos obtenidos mediante el MEF son correctos, se pueden observar variaciones
grandes en comparacin con los obtenidos mediante los mtodos descritos en el presente trabajo
(FFT-HPB, MUSIC, NEXT-FFT-HPB y NEXT-FS-LD).

Iniciando con la comparacin de los valores de frecuencias del MEF con los obtenidos mediante
la aplicacin de la transformada rpida de Fourier (FFT), podemos observar valores muy
semejantes entre s para cada uno de los modos, con un error (en el caso ms crtico) del orden de
12%. Si bien la tcnica FFT es muy susceptible al ruido, se sabe que puede arrojar una muy
buena aproximacin inicial a los valores de las frecuencias y que es tambin una de las tcnicas
ms utilizadas como ayuda para la obtencin del factor de amortiguamiento. En sta primera
comparacin de los valores del MEF referentes al amortiguamiento, con los obtenidos mediante
la aplicacin el mtodo HPB en combinacin con la FFT, se aprecian diferencias considerables
arrojando errores que van del 80% al 99%. Dichos errores pueden deberse en gran medida a que
ste mtodo es muy susceptible al error humano, ya que el usuario puede incurrir en errores de
visualizacin. Es por esto, entre otras cosas, que el mtodo HPB no es uno es los ms confiables
para la obtencin del factor de amortiguamiento.
Continuando con la aplicacin de MUSIC para la obtencin de los valores de frecuencias para
cada uno de los distintos modos, se puede apreciar que efectivamente es un mtodo mucho ms
exacto que el de la transformada de Fourier FFT, aunque no es para nada confiable en cuanto a la
amplitud. Con la aplicacin de la tcnica MUSIC, se pudo reducir el error entre los valores
obtenidos por dicho mtodo y los valores de referencia provenientes del MEF, siendo el error en
el caso ms crtico del orden de 6%. Esta reduccin en el error se logr obtener en parte gracias a
que el mtodo depende casi completamente de los valores que el usuario asigna, es decir, se
logr debido a las variaciones que podemos hacer a las variables que intervienen, tanto para
frecuencias esperadas, como para el traslape de la seal. Para ste caso en particular, se pudo
jugar en gran medida con los valores de las frecuencias esperadas e ignorar las frecuencias
espurias que esto genera, gracias a que ya se contaba con valores iniciales de referencia
aportados por un anlisis mediante el mtodo de elementos finitos.
Al aplicar NEXT-FFT-HPB a la seal, se obtuvieron como era de esperarse, los mismos valores
de frecuencias que con FFT-HPB, sin embargo, se logr reducir el error entre los factores de
amortiguamiento con respecto a los obtenidos con el MEF. Aunque en mi opinin, el mtodo
HPB para obtencin del factor de amortiguamiento sigue siendo un tanto burdo. Esto debido a
los errores de visualizacin que podra cometer el usuario. Adems, al combinarlo con la tcnica
FFT, obtiene de sta la caracterstica de ser muy susceptible al ruido de la seal, lo cual puede
causar que el error en general aumente.
Por ltimo, el mtodo NEXT-FS-LD aplicado a la seal en el presente trabajo, es el que arroja,
en mi opinin, los mejores resultados referentes al factor de amortiguamiento. Esto debido a que
en dicho mtodo, se puede reducir en gran medida el error que pueda causar el ruido de la seal,
gracias a que con la aplicacin de las distintas tcnicas de filtrado vistas en clase, ste puede ser
reducido o eliminado, dependiendo del tipo de filtro aplicado (siendo en mi opinin el filtro
pasabanda el ms efectivo). Adems de las ventajas que da el filtrado de la seal, creo que el
mtodo de decremento logartmico (LD) es el ms acertado y exacto de los dos utilizados en el
presente trabajo, ya que se puede decir que en ste no se tiene tanta susceptibilidad a error del
usuario como en el mtodo HPB. Se pudo observar en la comparacin de resultados, que el error
se redujo un poco con la utilizacin de ste ltimo mtodo.

Podemos apreciar en el trabajo que existe gran variacin entre los resultados arrojados por los
distintos mtodos aplicados en el presente trabajo, por lo cual se puede concluir que no hay un
camino forzoso para la obtencin de frecuencias o factor de amortiguamiento, sino que
depender del criterio del usuario de dichos mtodos, cul usar en cada caso particular, ya que
cada caso de anlisis es distinto y dependiendo de sus caractersticas, un mtodo que no es el ms
adecuado para cierto tipo de seales, puede serlo para algunas menos complejas.

Diego Ozzy Williams Pacheco Ortega

Como se puede apreciar en la tabla de comparativa con los mtodos utilizados, para obtener las
frecuencias la funcin MUSIC parece ser la ms acertada al modelo del elemento finito, puesto
que se obtuvieron errores menores con este mtodo.
En cuanto el factor de Amortiguamiento , en base a los resultados se observa que el menor
porcentaje de error se logra con la combinacin de los mtodos NEXT-FFT-HPB, pero puesto
que la transformada de Fourier no puede procesar seales con una gran cantidad de ruido no se
puede calcular la frecuencia nmero 8, entonces podra decirse que el mtodo ms adecuado
sera el de NEXT-FS-LD siempre y cuando se logre un buen filtrado capaz de eliminar, sino es
todo, la mayor cantidad posible de ruido para evitar errores.

lvaro Vera Murillo

El anlisis de una seal real, puede arrojarnos datos similares a los reales (o en cierto caso
parecidos al de algn modelo de elementos finito), pero siempre habr una rango de error, que
depender de los mtodos empleados y de la habilidad del analista. En este proyecto, obtuvimos
los valores de las frecuencias muy similares a los que tenamos de referencia, pero aun
empleando diversos mtodos vistos durante la clase, los valores obtenidos del amortiguamiento
difirieron en un promedio del 100%. Por lo que puedo concluir que con los temas vistos en clase
podemos obtener valores muy prximos a las frecuencias reales, pero para obtener
amortiguamientos donde la seal sea real o con valores altos de ruido, se necesitan otros mtodos
ms refinados.
5. Referencias
A. Cunha, E. Caetano, F. Magalhes and C. Moutinho. From input-output to outputonly
modal identification of civil engineering structures, 1st International Operational Modal Analysis
Conference IOMAC, Copenhaga, Dinamarca, 2006.
Brel & Kjaer, Application notes. 2015. An introduction to modal testing . En
http://www.bksv.com/

Cacho-Perez, M., N. Frechilla, and A. Lorenzana. 2016. Estimacin de parmetros modales

de estructuras civiles a partir de la funcin de respuesta en frecuencia. Rev. Int. Mtodos
Numricos para Clculo y Diseo en Ing.
Fradejas, O. 2016. Aplicacin de la tcnica de estimacin espectral MUSIC y de la
Transformada de Park para la deteccin de fallos en motores de induccin. Universidad de
Valladolid. Valladolid. Espaa.
Medina Cervantes Jesus. 2002. Caracterizacin numrico - experimental
Comportamiento dinmico de una estructura para Pruebas de vibracin. Cenidet. Mexico.

del

Schwarz B.J. and Richardson M.H., 1999, Experimental Modal Analysis, CSI Reliability
Week, Orlando, FL., pp. 1 - 12.
Su, W. C., Huang, C. S., Chen, C. H., Liu, C. Y., Huang, H. C. & Le, Q. T. 2014),
Identifying the modal parameters of a structure from ambient vibration data via the stationary
wavelet packet. Computer-Aided Civil and Infrastructure Engineering, 2910), 738757.