Memoria para optar al título de Ingeniera Civil / En este estudio se obtienen las propiedades dinámicas de tres puentes a través del análisis de datos obtenidos en campañas de mediciones de microvibraciones ambientales realizadas a través de un arreglo de acelerómetros que se disponen en forma transitoria sobre las estructuras. Todos los puentes estudiados tienen un sistema de aislación sísmica y fueron medidos previamente en campañas de microvibraciones en los años 2003 y 2004 conforme a los estudios realizados por Díaz (2004) y Benavides (2004), previos al mega-terremoto del Maule del 2010. Por lo tanto, el objetivo del estudio es verificar si es posible identificar cambios significativos en las propiedades dinámicas de los puentes que pudieran ser atribuidas a daño o cambios en las estructuras luego de ocurrido 15 años desde las últimas campañas, teniendo en cuenta que además estuvieron sujetos al efecto del terremoto del Maule del 2010 (Mw=8.8). Los puentes estudiados corresponden al viaducto El Salto Largo (Región de Valparaíso), el viaducto Marga-Marga (Región de Valparaíso) y el puente Cardenal Raúl Silva Henríquez (Región del Maule). En este contexto, se señala que los viaductos El Salto Largo y Marga-Marga no sufrieron daño aparente durante el tiempo, en cambio el puente Cardenal Raúl Silva Henríquez sufrió daño significativo y posteriores reparaciones debido al terremoto del Maule del 2010. Las propiedades dinámicas previas al terremoto del 2010 del viaducto El Salto Largo se obtienen de registros de microvibraciones medidas en los años 1999 y 2002 a partir de los acelerómetros instalados en forma permanentemente por la RENADIC. Por otro lado, las propiedades dinámicas de las otras dos estructuras se obtienen a partir de una campaña de mediciones de microvibraciones realizada en los años 2003-2004 y que fue repetida en este estudio durante el año 2018. Se concluye que puentes o viaductos con un sistema de aislación sísmica poseen modos longitudinales y transversales que dependen fuertemente del sistema de aislación, por lo que no existen variaciones significativas en las propiedades dinámicas (frecuencias y formas modales) que puedan atribuirse a daño (o reparación) de las estructuras utilizando mediciones de microvibraciones en el tablero (al menos que existan cambios en las propiedades de los aisladores), observándose cambios leves en las propiedades dinámicas incluso para el puente que resultó dañado y posteriormente reparado durante el terremoto del 27F.

Memoria para optar al título de Ingeniero Civil Mecánico / Identificar daños en una estructura permite anticiparse frente a fallas de consideración o totales, a fin de poder realizar las mantenciones necesarias. Una técnica ampliamente utiliza encontrar la ubicación y magnitud de daño en una estructura es mediante el análisis de sus modos de vibración, ya que estos difieren si una estructura tiene o no fallas. En la literatura se ha logrado identificar la ubicación de daño estructural del puente I- 40 utilizando datos recolectados de sus modos de vibración y temperatura, modelando la estructura con elementos finitos y sus fallas como una reducción de rigidez en un elemento seleccionado. Sin embargo, el método utilizado es lento de aplicar pues requiere resolver un problema de optimización mediante un algoritmo de optimización global. En el presente estudio se utilizan redes neuronales profundas convolucionales (RNPC), las que han demostrado su robustez respecto a otros métodos utilizados actualmente debido a su rapidez de trabajo, la confiabilidad de sus resultados y la facilidad de entrada de los datos, ya que no requieren ser previamente manipulados por el usuario. Se identifican, localizan y cuantifican los daños estructurales del puente I-40 de Nuevo México utilizando RNPC y los datos de vibración del puente, además, se desarrolla una metodología para representar las vibraciones del puente en imágenes que puedan ser procesadas por una red neuronal profunda convolucional. Finalmente se realiza una validación de la metodología de identificación de daño propuesta, por medio de datos numéricos y experimentales. Para procesar los datos, crear las imágenes y procesar dichas imágenes en el algoritmo de redes neuronales profundas convolucionales, se utilizará el software MATLAB.