Proyectos
Beamforming usando ondas ultrasĆ³nicas en guĆas mecĆ”nicas
La formaciĆ³n de haces (beamforming) es un mĆ©todo algorĆtmico que combina informaciĆ³n de una matriz de sensores para identificar la orientaciĆ³n y la distancia de una fuente acĆŗstica de interĆ©s. La fuente puede ser activa o pasiva. Es activa, por ejemplo, cuando la fuente emite o envĆa energĆa al espacio de observaciĆ³n, como el sonido generado por una aeronave o el ruido generado por una turbina en algĆŗn punto de la estructura. Una fuente pasiva es cuando la fuente no genera energĆa; en cambio, refleja la energĆa producida por una fuente adicional, como objetos iluminados por ondas acĆŗsticas. Por ejemplo, un robot que busca un objeto en entornos con poca luz o, en el caso de interĆ©s, la localizaciĆ³n de discontinuidades (iluminadas por actuadores acĆŗsticos) en placas, tuberĆas o estructuras de ingenierĆa. Una publicaciĆ³n reciente sobre este tema es la de FernĆ”ndez-RamĆrez, Baltazar y Kim (2020).
EvaluaciĆ³n ultrasĆ³nica de daƱos en guĆas mecĆ”nicas como estructuras en forma de tuberĆas o placas.
La propagaciĆ³n de ondas acĆŗsticas en tuberĆas es un tema que ha fascinado a las comunidades cientĆficas e ingenieriles. A los primeros les intriga su complejidad como fenĆ³meno fĆsico, mientras que a los segundos les interesa su posible aplicaciĆ³n para resolver el problema de la detecciĆ³n de daƱos. Esto tiene implicaciones econĆ³micas y, en muchos casos, para la vida humana. Por ejemplo, en lĆneas de transmisiĆ³n de hidrocarburos, donde las fallas por desgaste, fatiga, etc., podrĆan tener graves consecuencias. Una publicaciĆ³n reciente sobre este tema es la de Guerra-Bravo y Baltazar (2023).
EvaluaciĆ³n por ultrasonidos de daƱo en guĆas mecĆ”nicas tales como estructuras en forma de tuberĆas o placas
Las seƱales no estacionarias son seƱales que varĆan con el tiempo y representan diversos fenĆ³menos del mundo real, como seƱales biomĆ©dicas, maquinaria vibratoria y seƱales acĆŗsticas, entre otras. Su clasificaciĆ³n precisa es crucial para mejorar las capacidades de diagnĆ³stico y predecir eventos crĆticos. Un mĆ©todo ampliamente utilizado para su caracterizaciĆ³n se basa en tĆ©cnicas de mapeo tiempo-frecuencia. Sin embargo, este enfoque introduce informaciĆ³n redundante y dificulta la extracciĆ³n de caracterĆsticas relevantes para una clasificaciĆ³n precisa.
Estudiamos el desarrollo de mĆ©todos de clasificaciĆ³n robustos para seƱales no estacionarias mediante mapas de tiempo-frecuencia. Algunas de las tĆ©cnicas desarrolladas se basan en la DescomposiciĆ³n en Valores Singulares (SVD) y el AnĆ”lisis de Componentes Principales (PCA) para la reducciĆ³n de dimensionalidad, la agrupaciĆ³n y el reconocimiento de patrones. Un ejemplo de los mĆ©todos estudiados se presentĆ³ en el reciente Congreso QNDE2023 (vĆdeo de YouTube de Esteban Guerra, estudiante de doctorado).
Buscamos constantemente estudiantes de posgrado y licenciatura motivados que disfruten desarrollando prototipos experimentales y anĆ”lisis numĆ©rico para unirse a nuestro laboratorio. Si le interesa, envĆeme un correo electrĆ³nico o visite mi oficina. Los estudiantes de posgrado pueden optar a una beca del SECIHTI, y se les puede eximir del pago de la matrĆcula. Invitamos a participar a estudiantes nacionales e internacionales. ContĆ”ctenos .