Sunteți pe pagina 1din 6

Congreso Nacional de Control

Automtico, AMCA 2015,


281
Cuernavaca, Morelos, Mxico.

Identificacion de edificios acoplados


torsionalmente usando una parametrizacion
vectorial y filtros integrales lineales
Antonio Concha , Luis Alvarez-Icaza ,

Instituto de Ingeniera, Universidad Nacional Autonoma de Mexico,
Coyoacan D.F. 04510, Mexico (e-mail: AConchaS@iingen.unam.mx,
alvar@pumas.iingen.unam.mx)

Resumen: Se presenta un metodo que identifica el modelo de un edificio acoplado torsionalmente


y que es excitado mediante un sismo. Se propone una parametrizacion vectorial que permite
identificar todas las relaciones rigidez/masa y amortiguamiento/masa de la estructura usando
mediciones de aceleracion de los pisos y del terreno. La ventaja de emplear esta parametrizacion
es que el numero de parametros que se estiman con ella es menor que el numero de
parametros que se estiman mediante una parametrizacion matricial propuesta recientemente
en la literatura. Por lo tanto, los parametros de la estructura se pueden estimar con menos
riqueza espectral de la senal de excitacion cuando se emplea la parametrizacion vectorial que
cuando se utiliza la parametrizacion matricial. Ademas, la parametrizacion propuesta se combina
con el metodo de Mnimos Cuadrados fuera de lnea y emplea filtros integrales lineales que
eliminan perturbaciones constantes presentes en las mediciones de aceleracion y atenuan ruido
de medicion.

Palabras clave: Parametrizacion vectorial, Mnimos Cuadrados, edificio acoplado


torsionalmente, mediciones de aceleracion, filtros integrales lineales.

1. INTRODUCCION goritmo que combina el metodo de Mnimos Cuadrados en


lnea con una parametrizacion matricial para la estimacion
La identificacion del modelo de un edificio acoplado tor- de edificios con acoplamiento torsional.
sionalmente ha sido un topico de interes en las ultimas En este manuscrito se presenta una tecnica que identifica
decadas. Su identificacion es importante porque permite el modelo en tres dimensiones (3D) de un edificio, el
verificar la salud de la estructura, y porque es necesario cual exhibe movimientos de torsion cuando se somete a
para el diseno de tecnicas de control que atenuen vibra- excitaciones traslacionales debidas a sismos. Este modelo
ciones en el edificio (Concha et al., 2014). Las tecnicas se aproxima mas a un edificio real que el modelo en una di-
en (Li y Mau, 1991; Ueng et al., 2000; Hegde y Sinha, mension ampliamente utilizado en la literatura. Adicional-
2008) estiman los parametros modales de edificios acopla- mente, este artculo propone una parametrizacion vectorial
dos torsionalmente usando mediciones de aceleracion. Li que permite identificar todas las relaciones rigidez/masa
y Mau (1991) proponen una metodologa que identifi- y amortiguamiento/masa de la estructura usando medi-
ca los parametros modales que minimizan el error entre ciones de aceleracion de los pisos y del terreno. La ventaja
las aceleraciones medidas y las predichas por la solucion de emplear esta parametrizacion es que el numero de
de la integral de Duhamel. Ueng et al. (2000) combi- parametros que se estiman con ella es 20n-10, el cual es
nan el metodo de decremento aleatorio y la tecnica ITD mucho menor que el numero de parametros 18n2 que se
(Ibrahim Time Domain en ingles) para la estimacion de estiman mediante la parametrizacion matricial propuesta
los parametros modales de la estructura. Hegde y Sinha en (Angeles-Cervantes y Alvarez-Icaza, 2011), donde n es
(2008) proponen una tecnica de identificacion que emplea el numero de pisos del edificio. Es bien sabido que para
el algoritmo ERA (Eingensystem Realization Algorithm, que se pueda identificar el modelo de un sistema lineal
en ingles) para generar un modelo en espacio de estados de m parametros, la senal de excitacion del sistema debe
de la estructura usando correlaciones cruzadas entre las contener al menos m/2 frecuencias distintas (Soderstrom y
aceleraciones medidas; esta tecnica solo emplea mediciones Stoica, 1989). Por lo tanto, los parametros de la estructura
de aceleracion del primer y ultimo piso de la estructura, se pueden estimar con menos riqueza espectral de la senal
pero se limita a edificios cuyas excentricidades son las de excitacion cuando se emplea la parametrizacion vectori-
mismas para todos los pisos. Por otro lado, Omrani et al. al que cuando se utiliza la parametrizacion matricial. Otra
(2012) utiliza el filtro de Kalman Extendido para estimar el ventaja de la parametrizacion propuesta con respecto a la
modelo de un edificio torsional con histeresis. Finalmente, presentada en (Angeles-Cervantes y Alvarez-Icaza, 2011)
Angeles-Cervantes y Alvarez-Icaza (2011) propone un al- es que emplea filtros integrales lineales, los cuales fueron
Investigador posdoctoral con beca otorgada por Conacyt utilizados por primera vez en (Garrido-Moctezuma y Con-
Autor corresponsal cha, 2012) para la identificacion de estructuras en una di-
Reserva de Derechos No. En trmite, ISSN. En trmite
Congreso Nacional de Control
Automtico, AMCA 2015,
282
Cuernavaca, Morelos, Mxico.

mension. Mediante estos filtros se eliminan perturbaciones q


constantes presentes en las mediciones de aceleracion y se
atenua ruido de medicion. y n
p
n
El artculo esta organizado como sigue. La Seccion 2 mn x n
muestra el modelo de un edificio acoplado torsionalmente.
La Seccion 3 describe la parametrizacion propuesta del y 2
modelo del edificio. La Seccion 4 presenta el metodo de
2
Mnimos Cuadrados, el cual se usa para la estimacion de x 2
m2
los parametros de la estructura. La Seccion 5 presenta una
simulacion numerica de un edificio de tres pisos que confir- y 1
ma la efectividad del algoritmo de identificacion propuesto.
Finalmente, la Seccion 6 establece las conclusiones de este 1
m1 x 1
trabajo.

2. MODELO MATEMATICO DE UN EDIFICIO gx


ACOPLADO TORSIONALMENTE
gy

La Figura 1 representa a un edificio acoplado torsional-


mente, excitado mediante un sismo y que tiene las mis-
Figura 1. Edificio de n pisos acoplado torsionalmente.
mas dimensiones en cada piso. El modelo de este edificio
esta dado por (Kan y Chopra, 1977; Angeles-Cervantes y La estructura de la matriz de rigidez en 3D es la siguiente
Alvarez-Icaza, 2011)
Kxx Kxy Kx
" #
M(U + Ug ) + CU + KU = O3n1 (1) K = K = Kyx Kyy Ky R3n3n
T
(8)
donde n es el numero de pisos, las matrices M, K y Kx Ky K
C se denominan de masa, rigidez y amortiguamiento, Kxy = Kyx = Onn (9)
respectivamente. La variable Ovw denota una matriz de
+ Kx2 0 0
K
x1 Kx2
ceros de tamano v w. Ademas, el vector Ug representa Kx2 Kx2 + Kx3 Kx3 0
la aceleracion del terreno y esta dado por
0 Kx3 Kx3 + Kx4 0
Kxx = (10)

T T
, On1 ]T .. .. .. ..

Ug =[Ugx , Ugy ..
.
. . . .
Ugx =[1, . . . , 1]T ugx Rn1 , (2) 0 0 0 Kxn
T n1
Ugy =[1, . . . , 1] ugy R + Ky2 0 0
K
y1 Ky2
Ky2 Ky2 + Ky3 Ky3 0
Los terminos ugx y ugy son las aceleraciones del terreno
0 Ky3 Ky3 + Ky4 0
Kyy = (11)

en las direcciones x e y, respectivamente. Las variables .. .. .. .. ..

U, U , U R3n1 son los vectores de desplazamiento, .

. . . .
velocidad y aceleracion, respectivamente. El vector U tiene 0 0 0 Kyn
la siguiente estructura e
y1 Kx1 + ey2 Kx2 ey2 Kx2 0

U = [UxT , UyT , UT ]T (3) ey2 Kx2 ey2 Kx2 + ey3 Kx3 0
n1 Kx =
0 ey3 Kx3 0
donde Ui R , i = x, y, es el vector de desplazamien- .. .. .. ..

tos en la coordenada i; estos tres vectores se definen como: .

. . .
0 0 eyn Kxn
Ux = [x1 , x2 , . . . , xn ]T , Uy = [y1 , y2 , . . . , yn ]T , (12)
(4) e
x1 Ky1+ ex2 Ky2 ex2 Ky2 0

U = [1 , 2 , . . . , n ]T ex2 Ky2 ex2 Ky2 + ex3 Ky3 0
Los componentes del vector Ui , i = x, y son los desplaza- Ky =
0 ex3 Ky3 0
.. .. ..

mientos en la direccion i del centro de masa de cada piso ..
.

. . .
medidos con respecto de la base. Por otro lado, los com- 0 0 exn Kyn
ponentes del vector U son los desplazamientos angulares (13)
de cada piso alrededor de un eje vertical. K + K2
1 K2 0 0

K2 K2 + K3 K3 0
La estructura de la matriz de masa M es
0 K3 K3 + K4 0
K = (14)

mf Onn Onn
" #
.. .. .. .. ..
M = M = Onn mf Onn R3n3n
T
(5) .

. . . .
Onn Onn If 0 0 0 Kn

p2 + q 2
If = mf = mf (6) Las variables Kxi y Kyi en (10)-(13) son las rigideces
12
donde p y q definen las dimensiones de los pisos de la equivalentes entre los pisos i e i 1 a lo largo de los ejes
estructura, las cuales son conocidas; ademas, mf es una x e y, respectivamente. Dichas variables se calculan como
X X
matriz que contiene las masas de cada uno de los pisos y Kxi = kjx , Kyi = kjy , i = 1, 2, . . . , n
esta dada por: j j
mf = diag(m1 , m2 , . . . , mn ) (7) (15)
Octubre 14-16, 2015.
Congreso Nacional de Control
Automtico, AMCA 2015,
283
Cuernavaca, Morelos, Mxico.

donde kjx y kjy representan la rigidez de la j-esima donde Ux , Uy y U corresponden a la segunda deriva-
columna o pared que se encuentra entre los pisos i e i 1 da con respecto del tiempo de los vectores de des-
a lo largo de los ejes x e y, respectivamente. Por otro lado, plazamiento Ux , Uy y U definidos en (4). Por otro
los elementos Ki en (14) estan dados por lado, los terminos ugxm y ugym son las aceleraciones
medidas del terreno en la direccion x e y, respec-
X X
K i = kjx Y2j + kjy X2j , i = 1, 2, . . . , n (16)
j j tivamente. Las variables Uxm = [x1m xnm ]T ,
donde (Xj , Yj ) son las coordenadas de la j-esima columna Uym = [y1m ynm ]T y Um = [1m nm ]T son
o pared colocada entre los pisos i e i1; estas coordenadas vectores que contienen las aceleraciones medidas de
son constantes y se miden con respecto del centro de los centros de masa en la direcciones x, y e , res-
masa del piso i (Kan y Chopra, 1977). Por otra parte, pectivamente. Ademas, los elementos de los vectores
las variables exi y eyi en (13) y (12) representan las Dx = [dx1 dxn ]T , Dy = [dy1 dyn ]T , D =
excentricidades del i-esimo piso a lo largo de los ejes x [d1 dn ]T y las variables dgx y dgy son pertur-
e y, respectivamente. Estas excentricidades se calculan baciones constantes. Finalmente, los componentes de
mediante las siguientes expresiones los vectores x = [x1 xn ]T , y = [y1 yn ]T ,
1 X 1 X = [1 n ]T y las variables gx y gy son ruidos
exi = kjy Xj , eyi = kjx Yj , i = 1, 2, . . . , n de medicion Gaussianos y de media cero.
Kyi j Kxi j
(17) Defnanse los siguientes vectores
Ugxm = [1, . . . , 1]T ugxm , Ugym = [1, . . . , 1]T ugym (21)
Finalmente, la matriz de amortiguamiento C del edificio
en (1) tiene la misma forma que la matriz K en (8) y se Dgx = [1, . . . , 1]T dgx , Dgy = [1, . . . , 1]T dgy , (22)
define como: T
gx = [1, . . . , 1] gx , T
gy = [1, . . . , 1] gy (23)
Cxx Cxy Cx
" #
T T
C = C = Cyx Cyy Cy R3n3n
T
(18) Ugm = [Ugxm , Ugym , On1 ]T (24)
Cx Cy C Dg = T
[Dgx , T
Dgy , On1 ] T
g = T
On1 ]T
[gx , T
gy ,
donde Cxy = Cyx = Onn ; ademas, Cxx , Cyy y C (25)
tienen la misma estructura que las matrices Kxx , Kyy
y K en (10), (11) y (14), pero los elementos de las Sustituyendo las senales ugx y ugy (19) en la expresion (2)
matrices Cxx , Cyy y C son los amortiguamientos Cxi , Cyi y usando las definiciones en (21)-(25) resulta
y Ci i = 1, 2, . . . , n, respectivamente. Como el concepto Ug = Ugm Dg g (26)
de excentricidad no se aplica en el amortiguamiento de Ahora defnase
una estructura, las matrices Cx = Cx y Cy = Cy T T T T
no dependen de excentricidades. Estas matrices Cx y Um = [Uxm , Uym , Um ] (27)
Cy tienen la misma estructura que las matrices Kx y D= [DxT , DyT , DT ]T = [xT , yT , T ]T (28)
Ky , pero los elementos eyi Kxi y exi Kyi se reemplazan
por los amortiguamientos cxi y cyi i = 1, 2, . . . , n, Entonces, los tres vectores Uxm , Uym y Um en (20) se
respectivamente. pueden agrupar en un solo vector dado por
U = [UxT , UyT , UT ]T = Um D (29)
2.1 Suposiciones
3. PARAMETRIZACION VECTORIAL
Para la identificacion de los parametros de la estructura
supongase lo siguiente: La expresion (1) es equivalente a:
S1 Las condiciones iniciales U (0) y U (0) son cero. (U + Ug ) = M1 CU M1 KU (30)
Esta suposicion es razonable ya que la estructura se
encuentra en reposo antes de un sismo. El producto M1 KU se puede parametrizar como
S2 Las mediciones de aceleracion del terreno en las M1 KU = W K (31)
direcciones x e y estan disponibles. Ademas, cada piso
cuenta con tres acelerometros, dos en la direccion K = [Kxx , Kx , Kyy , Ky , K ]T R(10n5)1
x y uno en la direccion y, o viceversa. Entonces, (32)
mediante estos sensores es posible obtener las senales 
Kxx = Kxx1 , Kxx2 , Kxx3 , , Kxx(2n1)
T
de aceleracion de los centros de masa de los pisos
en las direcciones x e y, as como sus aceleraciones

Kx1 Kx2 Kx2 Kxn
T (33)
= , , , ,
angulares (Angeles-Cervantes y Alvarez-Icaza, 2011). m1 m1 m2 mn
S3 Todas las mediciones de aceleracion estan con-  T
taminados por perturbaciones constantes y ruido de Kx = Kx1 , Kx2 , Kx3 , , Kx(2n1)
T
medicion, i.e,

ey1 Kx1 ey2 Kx2 ey2 Kx2 eyn Kxn
ugxm = ugx + dgx + gx , ugym = ugy + dgy + gy , = , , , ,
m1 m1 m2 mn
(19) (34)
Uxm = Ux + Dx + x , Uym = Uy + Dy + y ,  T
Kyy = Kyy1 , Kyy2 , Kyy3 , , Kyy(2n1)
Um = U + D +

Ky1 Ky2 Ky2 Kyn
T (35)
= , , , ,
(20) m1 m1 m2 mn
Octubre 14-16, 2015.
Congreso Nacional de Control
Automtico, AMCA 2015,
284
Cuernavaca, Morelos, Mxico.

T
La expresion (49) es equivalente a

Ky = Ky1 , Ky2 , Ky3 , , Ky(2n1)
s3 L[U + Ug ] = s2 L[W ]C + sL[W ]K
T
(50)

ex1 Ky1 ex2 Ky2 ex2 Ky2 exn Kyn
= , , , ,
m1 m1 m2 mn donde W es la segunda derivada con respecto del tiempo
(36) de W en (38). Sustituyendo los componentes del vector U
T
(29) en W resulta

K = K1 , K2 , K3 , , K(2n1)

K1 K2 K2 Kn
T (37) W = Wm (51)
= , , , ,
m1 m1 m2 mn donde la matriz Wm tiene la misma estructura que W ,

wx w Oz Oz Oz
pero se compone de aceleraciones medidas. Ademas,
W = Oz Owz wy w w Oz R3n(10n5) (38) x Oz Oz Oz

x y w
Oz Oz = Oz Oz y Oz R3n(10n5) (52)
x y
con definido en (6) y z = n (2n 1); ademas, Oz Oz

0 0 0

x1 x1 x2 dx1 dx1 dx2 0 0 0
0 0 x2 x1 x2 x3 0 0 0 dx2 dx1 dx2 dx3 0
wx = (39)
.. .. .. .. .. x = .. .. .. .. ..
. . . . .

. . . . .

0 0 0 0 xn xn1 0 0 0 0 dxn dx(n1)
(53)
donde wx Rn(2n1) ; las matrices wy y w tienen la
misma estructura que wx pero se componen de las senales
x Oz Oz Oz

y1 , . . . .yn y 1 , . . . .n , respectivamente. De manera similar,
= Oz Oz y Oz R3n(10n5) (54)
el producto M1 C U se puede parametrizar como
x y
Oz Oz
M 1
CU = W C (40)

donde W es la derivada con respecto al tiempo de W (38); x1 x1 x2 0 0 0
ademas, 0 0 x2 x1 x2 x3 0
x =
... .. .. .. ..
C = [Cxx , Cx , Cyy , Cy , C ]T R(10n5)1 . . . .

0 0 0 0 xn x(n1)
(41)
 T (55)
Cxx = Cxx1 , Cxx2 , Cxx3 , , Cxx(2n1) donde z = n (2n 1). Las matrices y y tienen la
 T (42) misma estructura que x pero se componen de las per-
Cx1 Cx2 Cx2 Cxn
= , , , , turbaciones dy1 , . . . .dyn y d1 , . . . .dn , respectivamente.
m1 m1 m2 mn Similarmente, las matrices y y tienen la misma estruc-
 T tura que x pero se componen de los ruidos y1 , . . . .yn y
Cx = Cx1 , Cx2 , Cx3 , , Cx(2n1)
1 , . . . .n , respectivamente.

cx1 cx2 cx2 cxn
T (43)
= , , , , Sustituyendo Ug (26), U (29) y W (51) en (50) resulta
m1 m1 m2 mn

Cyy = Cyy1 , Cyy2 , Cyy3 , , Cyy(2n1)
T s3 Ym (s) =s2 L[Wm ]C + sL[Wm ]K + R(s) + (s)
(56)

Cy1 Cy2 Cy2 Cyn
T (44)
= , , , ,
m1 m1 m2 mn Ym (s) =L[Um + Ugm ] (57)
T 2
R(s) =s (D + Dg ) (sC + K ) (58)

Cy = Cy1 , Cy2 , Cy3 , , Cy(2n1)

cy1 cy2 cy2 cyn
T (45) (s) =s3 [g (s) + (s)] (s)[s2 C + sK ] (59)
= , , , , donde (s) = L[], g (s) = L[g ] y (s) = L[]. Notese
m1 m1 m2 mn
 T que la variable R(s) depende de las perturbaciones cons-
C = C1, C2 , C3 , , C(2n1) tantes y la variable (s) depende del ruido de medicion.

C1 C2 C2 Cn
T (46)
= , , , , La ecuacion (56) se puede escribir en el dominio del tiempo
m1 m1 m2 mn como
(3) (2) (1)
Las igualdades (31) y (40) permiten escribir la expresion ym (t) = Wm (t)C + Wm (t)K + r(t) + (t) (60)
(30) como donde el superndice (i), i = 1, 2 representa la i-esima
(U + Ug ) = W C + W K (47) derivada de la variable correspondiente y r(t) = L1 [R(s)]
y (t) = L1 [(s)].
La transformada de Laplace de (47) esta dada por
El siguiente paso consiste en integrar la ecuacion ante-
L[U + Ug ] = sL[W ]C + L[W ]K (48) rior cinco veces sobre intervalos de tiempo finito. Esta
operacion permitira obtener terminos que dependen de
El primer paso para obtener la parametrizacion utilizada las variables medibles ym y Wm en lugar de terminos
por el algoritmo de identificacion consiste en multiplicar que dependen de sus derivadas. Para llevar a cabo este
(48) por s3 , lo cual produce procedimiento se emplea el filtro lineal integral In definido
s3 L[U + Ug ] = s4 L[W ]C + s3 L[W ]K (49) en (61).
Octubre 14-16, 2015.
Congreso Nacional de Control
Automtico, AMCA 2015,
285
Cuernavaca, Morelos, Mxico.

t 1 n1 parametro tiene que ser seleccionado para dejar pasar



Z Z Z
In {(t)} = (n )dn d1 el contenido frecuencial de la estructura y para atenuar el
n t 1 n1
ruido de medicion (Garrido-Moctezuma y Concha, 2012).
(61)
donde y son constantes positivas, n es el numero de
4. MINIMOS CUADRADOS
integraciones sobre intervalos de tiempo finito de . El
perodo de integracion se define como = ~Ts , donde La ecuacion (67) es valida para t = kTs ; k = 0, 1, 2, . . .,
~ > 0 se denomina factor de longitud y Ts es el perodo donde Ts es el periodo de muestreo, esto permite escribir
de muestreo de . La transformada de Laplace de (61) es (67) como
la siguiente (Sagara y Zhao, 1990)
 n (kTs ) = (kTs ) + I5 [(kTs )], t 5 (72)
1 es Omitiendo el perodo de muestreo Ts resulta
L[In {(t)}] = L[(t)] (62)
s (k) = (k) + I5 [(k)] (73)
Aplicando el operador I5 [] a la ecuacion (60) resulta en Esta ultima parametrizacion permite emplear el metodo
(t) = C (t)C + K (t)K + I5 [r(t)] + I5 [(t)] (63) de Mnimos Cuadrados (MC) fuera de lnea (Soderstrom
y Stoica, 1989), cuyo estimado esta dado por

3  
1 X 3

(1)j ym (t j)
#1 N
(t) = 3 I2 (64)
"N
j X
T
X

j=0
= (k)(k) T (k)(k) (74)
k=1 k=1
con tal de que exista la inversa. El termino N es el numero

2  
1 X 2
total de muestras de y .
C (t) = 2 I3 (1)j Wm (t j) (65)
j
j=0
5. SIMULACIONES

1   A continuacion se presenta una simulacion numerica para
1 X 1

K (t) = I4 (1)j Wm (t j) (66) examinar el desempeno del algoritmo propuesto. Las ma-
j=0 j
trices de masa M (5), rigidez K (8), y amortiguamiento

 
n n! C (18) del edificio simulado contienen los siguientes para-
donde = . metros
j j!(n j)!
mf = diag(10, 10, 10) (kg), = 0.5 (m2 ),
Finalmente, de (63) se obtiene la siguiente parametrizacion If = mf (kgm2 )
empleada para propositos de identificacion
Kxi =13x103 (N/m), Kyi = 21x103 (N/m), (75)
(t) = (t) + I5 [r(t)] + I5 [(t)] (67)
exi =0.3810 (m), eyi = 0.3846 (m), (76)
donde (t) R3n1 , (t) = [C (t) K (t)] R3n(20n10)
Ki =15x103 (N/m), i = 1, 2, 3 (77)
es el regresor y = [C K ]T R(20n10)1 es el vector
de parametros que se estimara. Cxi =15 (Ns /m), Cyi = 17.5 (Ns /m), (78)
Proposicion 3.1. El termino I5 [r(t)] en (67) converge a cxi =6.25 (Ns /m), cyi = 5 (Ns /m), (79)
cero en t = 5 Ci =18.75 (Ns /m), i = 1, 2, 3 (80)
Prueba La prueba es similar a la presentada en (Garrido- El metodo numerico de integracion trapezoidal permite
Moctezuma y Concha, 2012); la diferencia es que en esta calcular las integrales de la senal y de los regresores C
referencia la variable r contiene una matriz de perturba- y K mostrados en (64), (65) y (66), respectivamente. Las
ciones constantes de tamano n 2n 1, mientras que la integrales de estas variables se evaluan sobre un ventana
variable r en (67) contiene la matriz de tamano 3n de longitud = lTs =0.03s, donde l = 15 y Ts =0.002.
10n 5 . El valor del parametro en (62) es igual a . Como
Sustituyendo la variable (s) (59) en (62) permite obtener fuente de excitacion ssmica se usaron los registros de las
la transformada de Laplace L(I5 []), la cual esta dada por componentes Norte-Sur y Este-Oeste del sismo de Loma
Prieta (California, 1989). La amplitud de la excitacion se
L(I5 []) =[(s) + g (s)]H3 (s) (s)C H2 (s) modifico para adecuar los datos acorde a la escala de la es-
(68)
(s)K H1 (s) tructura. Todas las mediciones de aceleracion y del terreno
H1 (s) = sG(s), H2 (s) = s2 G(s), H3 (s) = s3 G(s) se contaminaron con las perturbaciones constantes y ruido
(69) Gaussiano de media cero. La desviaciones estandar de los
donde G(s) es el siguiente filtro pasa bajas de quinto orden ruidos de medicion y las magnitudes de las perturbaciones
 5 constantes se ajustaron para que tomaran el 10 % del valor
1 es RMS de la senal de aceleracion correspondiente; es decir,
G(s) = (70)
s las relaciones ruido/senal y perturbacion-constante/senal
cuya magnitud esta dada por son del 10 %. La Figura 2 muestra la senal x1m , la cual
esta contaminada con dichas perturbaciones. Los para-
sin(/c ) 5

2 1 metros y las frecuencias naturales estimadas por el MC
|G(j)| = , c = , fc =
(/c ) se presentan en las Tablas 1 y 2, respectivamente. De los
(71) resultados mostrados en la 2 se puede verificar que las
la frecuencia c en rad/s determina el ancho de banda frecuencias naturales se estiman con un error menor que
del filtro G(s); esta frecuencia en Hz esta dada por fc . El 4.73 %.
Octubre 14-16, 2015.
Congreso Nacional de Control
Automtico, AMCA 2015,
286
Cuernavaca, Morelos, Mxico.

Tabla 1. Parametros identificados. el numero de parametros que se estiman con ella


es mucho menor que el numero de parametros que
Parametro Estimado Parametro Estimado
N/(kgm) N/(kgm) Ns/(kgm) Ns/(kgm)
se estiman mediante una parametrizacion matricial
Kxx1 =1300 Kxx1 =1298.8 Cxx1 =1.5 Cxx1 =1.445
propuesta recientemente en la literatura. Por lo tanto,
Kxx2 =1300 Kxx2 =1303.1 Cxx2 =1.5 Cxx2 =1.658 con esta parametrizacion se requiere de menos riqueza
Kxx3 =1300 Kxx3 =1302.1 Cxx3 =1.5 Cxx3 =1.396 espectral de la senal de excitacion de los sismos que
Kxx4 =1300 Kxx4 =1294.4 Cxx4 =1.5 Cxx4 =1.701 con la parametrizacion matricial.
Kxx5 =1300 Kxx5 =1305.3 Cxx5 =1.5 Cxx5 =1.641 Simulaciones numericas mostraron que las frecuencias es-
Kx1 =500 Kx1 =488.33 Cx1 =0.625 Cx1 =0.477 timadas por la tecnica propuesta tienen un valor cercano
Kx2 =500 Kx2 =485.12 Cx2 =0.625 Cx2 =0.533 a las frecuencias reales, aun cuando las mediciones de
Kx3 =500 Kx3 =481.88 Cx3 =0.625 Cx3 =0.197
aceleracion se contaminan con ruido de medicion y per-
Kx4 =500 Kx4 =458.02 Cx4 =0.625 Cx4 =0.575
turbaciones constantes. El desempeno observado mediante
Kx5 =500 Kx5 =494.46 Cx5 =0.625 Cx5 =0.729
simulaciones motiva la realizacion de futuras pruebas ex-
Kyy1 =2100 Kyy1 =2047.6 Cyy1 =1.75 Cyy1 =2.260
perimentales.
Kyy2 =2100 Kyy2 =2033.1 Cyy2 =1.75 Cyy2 =2.012
Kyy3 =2100 Kyy3 =1935.6 Cyy3 =1.75 Cyy3 =1.448
Kyy4 =2100 Kyy4 =1851.1 Cyy4 =1.75 Cyy4 =0.432 AGRADECIMIENTOS
Kyy5 =2100 Kyy5 =2081.0 Cyy5 =1.75 Cyy5 =1.320
Ky1 =800 Ky1 =755.01 Cy1 =0.5 Cy1 =0.543 Los autores agradecen a Conacyt y a UNAM-DGAPA-
Ky2 =800 Ky2 =736.16 Cy2 =0.5 Cy2 =0.440 PAPIIT-IN109414 por el apoyo otorgado para el desarrollo
Ky3 =800 Ky3 =648.39 Cy3 =0.5 Cy3 =0.657 de este proyecto de investigacion.
Ky4 =800 Ky4 =564.99 Cy4 =0.5 Cy4 =0.257
Ky5 =800 Ky5 =779.07 Cy5 =0.5 Cy5 =0.262 REFERENCIAS
K1 =1500 K1 =1461.4 C1 =1.875 C1 =1.565
K2 =1500 K2 =1435.3 C2 =1.875 C2 =1.382 Angeles-Cervantes, J.M. y Alvarez-Icaza, L. (2011). Iden-
K3 =1500 K3 =1351.1 C3 =1.875 C3 =2.528 tification of seismically excited buildings with two or-
K4 =1500 K4 =1268.1 C4 =1.875 C4 =2.167 thogonal horizontal components. Journal of Vibration
K5 =1500 K5 =1475.9 C5 =1.875 C5 =1.786 and Control, 17(6), 881901.
Concha, A., Alvarez-Icaza, L., y Garrido, R. (2014). Ob-
Tabla 2. Frecuencias naturales estimadas. servador adaptable para edificios basado en proyeccion
parametrica. En XVI Congreso Latinoamericano de
Frecuencia Estimado Frecuencia Estimado
Control de Automatico, 3641.
rad/s rad/s rad/s rad/s
Garrido-Moctezuma, R. y Concha, A. (2012). Estima-
1 =13.0014 1 =13.0044 6 =52.6417 6 =53.0515
2 =18.0460 2 =18.0299 7 =73.0667 7 =72.4010
tion of the parameters of structures using acceleration
3 =27.8012 3 =27.5539 8 =77.8971 8 =75.8320 measurements. En 16th IFAC Symposium on System
4 =36.4292 4 =36.6862 9 =112.5646 9 =107.2349 Identification, volumen 16, 17911796.
5 =50.5637 5 =50.3032 Hegde, G. y Sinha, R. (2008). Parameter identification
of torsionally coupled shear buildings from earthquake
12
response records. Earthquake Engineering & Structural
Dynamics, 37(11), 13131331.
6 Kan, C.L. y Chopra, A.K. (1977). Elastic earthquake
x1m [m/s2 ]

analysis of torsionally coupled multistorey buildings.


0 Earthquake Engineering & Structural Dynamics, 5(4),
5
2.5 395412.
7.5 0
2 Li, Y. y Mau, S. (1991). A case study of MIMO sys-
4
10 11 12 tem identification applied to building seismic records.
15
0 5 10 15 20
Earthquake Engineering & Structural Dynamics, 20(11),
Tiempo [s] 10451064.
Omrani, R., Hudson, R.E., y Taciroglu, E. (2012).
Figura 2. Aceleracion medida x1m . Story-by-story estimation of the stiffness parameters of
laterally-torsionally coupled buildings using forced or
6. CONCLUSIONES ambient vibration data: I. formulation and verification.
Earthquake Engineering & Structural Dynamics, 41(12),
Se propuso un algoritmo de identificacion que estima el 16091634.
modelo de un edificio acoplado torsionalmente y excitado Sagara, S. y Zhao, Z.Y. (1990). Numerical integration
mediante un sismo. La tecnica propuesta emplea el metodo approach to on-line identification of continuous-time
de Mnimos Cuadrados y una parametrtizacion vectorial systems. Automatica, 26(1), 6374.
con las siguientes caractersticas: Soderstrom, T. y Stoica, P. (1989). System Identification.
permite identificar todas las relaciones rigidez/masa Prentice Hall, New York.
y amortiguamiento/masa de la estructura usando Ueng, J.M., Lin, C.C., y Lin, P.L. (2000). System identi-
mediciones de aceleracion de los pisos y del terreno. fication of torsionally coupled buildings. Computers &
elimina perturbaciones constantes presentes en las Structures, 74(6), 667686.
mediciones de aceleracion y atenua ruido de medicion
por medio de filtros integrales lineales.
Octubre 14-16, 2015.

S-ar putea să vă placă și