ISSN: 0976-4860
Bahram Jozi, Robin Braun, Bijan Samali, Jianchun Li y Ulrike Dackermann
Los postes de servicios públicos de madera desempeñan un papel importante en la infraestructura de Australia, así como en muchos otros países para la distribución de energía y redes de comunicación. Debido a la avanzada edad de la infraestructura de postes de madera de Australia, se realizan esfuerzos sustanciales en el mantenimiento y la gestión de activos para evitar fallas en las líneas de servicios públicos. Sin embargo, la falta de herramientas confiables para evaluar el estado de los postes en servicio compromete seriamente el mantenimiento y la gestión de activos. Por ejemplo, cada año se reemplazan aproximadamente 300 000 postes en los estados del este de Australia y hasta el 80 % de ellos aún se encuentran en muy buenas condiciones, lo que genera un gran desperdicio de recursos naturales y dinero. Los métodos de ensayos no destructivos (NDT) basados en la propagación de ondas de tensión pueden ofrecer herramientas sencillas y rentables para identificar el estado en servicio de los postes de madera. No obstante, la mayoría de los métodos actualmente disponibles no son apropiados para la evaluación del estado de los postes de madera en servicio debido a la presencia de incertidumbres tales como propiedades complicadas del material, condiciones ambientales, interacción del suelo y la estructura y un tipo de excitación por impacto. Para abordar estas complejidades, se necesitan metodologías avanzadas de procesamiento de señales digitales. La separación determinista de la señal, la separación ciega de la señal y el filtrado de la velocidad del número de onda de frecuencia son los tres grupos de metodologías que muy probablemente podrían proporcionar soluciones. En este artículo, se investiga la aplicabilidad y la eficacia de los métodos de separación de señales ciegas a través de datos numéricos obtenidos de un poste de madera modelado con propiedades de materiales isotrópicos y ortotrópicos. El análisis de componentes principales (PCA), la descomposición de valores singulares (SVD) y los algoritmos de agrupamiento de K-means son las metodologías de separación de señales ciegas que se emplean en este trabajo de investigación.