L'ús de tecnologies innovadores per a la monitorització de salut estructural (SHM) de ponts ferroviaris permet avaluar en temps real la seva condició estructural. En aquesta investigació, es presenta un Enfocament Bàsic de Monitorització i es desenvolupa un Algorisme en Python que permet detectar danys mitjançant l'anàlisi basada en dades (data-driven) a l'espai-temps de les deformacions de sensors distribuïts de fibra òptica (DOFS). Aquest sensor registra els senyals del comportament dinàmic d'un element estructural d'un pont en estudi, en resposta al pas de tres trens reals de la flota de Renfe que transiten a la línia d'alta velocitat espanyola (AVE). Per obtenir els senyals del DOFS es fa una anàlisi temps història (ATH) emprant un model numèric a partir del qual es generen diversos casos d'estudi. Després, a través d'una rutina s'imposa un nivell de soroll blanc Gaussià als senyals obtinguts per analitzar-los, utilitzant tècniques de derivades espacials, i avaluar la possibilitat de la detecció de dany. Seguidament, a la recerca d'un algorisme robust, s'utilitzen mètodes de la Transformada de Fourier i Mitja Mòbil, en el domini del temps i la freqüència, per reduir la influència del soroll en els senyals de deformacions del DOFS. Finalment, s'avalua la validesa de l'algorisme de detecció de danys quan no estan en contacte directe amb el sensor distribuït i en presència de senyals amb nivells de soroll elevats, els quals són característics en una instrumentació estructural.

El uso de tecnologías innovadoras para el monitoreo de salud estructural (SHM) de puentes ferroviarios permite evaluar en tiempo real su condición estructural. En esta investigación, se presenta un Enfoque Básico de Monitorización y se desarrolla un Algoritmo en Python que permite detectar daños mediante el análisis basado en datos (data-driven) en el espacio-tiempo de las deformaciones de sensores distribuidos de fibra óptica (DOFS). Este sensor registra las señales del comportamiento dinámico de un elemento estructural de un puente en estudio, en respuesta al paso de tres trenes reales de la flota de Renfe que transitan en la línea de alta velocidad española (AVE). Para obtener las señales del DOFS se realiza un análisis tiempo historia (ATH) empleando un modelo numérico a partir del cual se generan varios casos de estudio. Luego, a través de una rutina se impone un nivel de ruido blanco Gaussiano a las señales obtenidas con el objetivo de analizarlas, utilizando técnicas de derivadas espaciales, y evaluar la posibilidad de la detección de daño. Seguidamente, en búsqueda de un algoritmo robusto, se utilizan métodos de la Transformada de Fourier y Media Móvil, en el dominio del tiempo y frecuencia, para reducir la influencia del ruido en las señales de deformaciones del DOFS. Finalmente, se evalúa la validez del algoritmo de detección de daños cuando estos no están en contacto directo con el sensor distribuido y en presencia de señales con niveles de ruido elevados, los cuales son característicos en una instrumentación estructural.

Use of innovative technologies for structural health monitoring (SHM) of railway bridges allows real-time assessment of their structural condition. In the present investigation, a Fundamental Approach of Monitoring is presented and an Algorithm is proposed in Python that allows damage detection through data-driven analysis in space-time of the strain by distributed optical fiber sensor (DOFS). This sensor records the signals of the dynamic behavior of a structural element of a bridge under study, in response to the passage of three real trains from the Renfe fleet that go over the Spanish high-speed line.

To obtain the DOFS signals, a time history analysis is conducted using a numerical model from which several case studies are generated. Then, through a routine, a white Gaussian noise level is imposed on the signals obtained with the objective of analyzing them, using spatial derivative techniques, and evaluating the possibility of damage detection. Subsequently, in search of a robust algorithm, Fourier Transform and Moving Median methods are used, in the time and frequency domain, to reduce the influence of noise on the DOFS strain signals. Finally, the validity of the damage detection algorithm is assessed when the damage is not in direct contact with the distributed sensor and in the presence of signals with high noise levels, which are characteristic of structural instrumentation.