Identificación de impactos en el fuselaje de un avión utilizando algoritmos de aprendizaje de máquinas

Abstract

Pese a que la probabilidad de morir en un accidente aéreo es bastante baja (del orden del 0.00053 %), cuando estos accidentes ocurren son catastróficos. Con el fin de prevenir accidentes, los sistemas de monitoreo estructural en tiempo real, que son capaces de identificar automáticamente impactos a medida que ocurren, se han vuelto más atractivos y necesarios para garantizar la seguridad y prevenir accidentes fatales en estructuras aéreas. Una de las formas de monitoreo estructural, es el análisis de la respuesta vibratoria frente a fuerzas de tipo impacto. En estos algoritmos, la estructura es capaz de “aprender” de los impactos que recibe para reconocer eficientemente los impactos futuros. Así pudiendo detectar, localizar y cuantificar impactos a partir de su respuesta vibratoria. Para este estudio, la estructura analizada es el fuselaje de un avión, para el cual se realizaron las mediciones, en uno de los aviones comerciales de la empresa SKY Airlines. La contribución principal de este trabajo es la implementación de siete algoritmos construidos utilizando dos estrategias de identificación de impactos. La primera estrategia consiste en una técnica de reducción de dimensionalidad (aprendizaje no supervisado), aplicada en conjunto a un algoritmo de aprendizaje supervisado, llamado aproximación lineal con máxima entropía (LME). La segunda estrategia que consiste en un modelo de red neuronal convolucional (CNN), aplicado al problema de identificación de impactos. Seis algoritmos fueron elaborados con la primera estrategia y uno con la segunda. Las técnicas de reducción de dimensionalidad ocupadas fueron: El análisis de componentes principales (PCA), análisis de componentes principales a través de kernels (kernel PCA), escalamiento multidimensional (MDS), mapeo isométrico de características (ISOMAP), análisis de componentes principales probabilístico (PPCA) y autoencoders (AE). Los algoritmos que obtuvieron mejores resultados fueron, AE+LME y las redes neuronales convolucionales (CNN). El algoritmo AE+LME se caracterizó por ser muy preciso en predecir la localización del impacto, en cambio la CNN fue más precisa en la cuantificación de la fuerza de impacto. Finalmente, se puede afirmar que los algoritmos desarrollados, cumplen con la función de identificar la ubicación y magnitud de los impactos efectuados en el fuselaje, sin embargo cuatro de estos lo hacen mejor, habilitando su posible aplicación en estructuras aéreas.