Análisis Predictivo de Fatiga en Puentes Atirantados Mediante Sensores Distribuidos
La monitorización continua de los cables de pretensado en puentes atirantados representa uno de los mayores desafíos en ingeniería de infraestructuras. Nuestro último proyecto de investigación se centra en la aplicación de sensores de fibra óptica distribuidos (DFOS) para predecir la fatiga en estos elementos críticos.
Metodología y Tecnología Aplicada
Desplegamos una red de sensores de fibra óptica basada en tecnología Brillouin Optical Time-Domain Analysis (BOTDA) a lo largo de 2,5 kilómetros de cables en un puente de la Red de Carreteras del Estado. Este sistema permite medir la deformación y temperatura con una resolución espacial de 20 cm y una precisión de deformación de ±2 µm/m.
Los datos se recogen cada 15 minutos, generando un flujo masivo que es procesado por nuestros algoritmos de machine learning especializados en identificar patrones de micro-deformación que preceden a los eventos de fatiga.
Hallazgos Clave del Estudio
- Correlación entre tráfico pesado y ciclos de fatiga: Identificamos una relación no lineal entre el peso de los vehículos y la amplitud de las oscilaciones en los cables secundarios.
- Efecto de la temperatura ambiental: Las variaciones diurnas de temperatura pueden inducir tensiones térmicas equivalentes al 15% de la carga de diseño, un factor a menudo subestimado.
- Detección de resonancias inducidas por viento: Nuestros sensores captaron modos de vibración de baja frecuencia no previstos en el diseño original, cruciales para la fatiga a largo plazo.
Implicaciones para el Mantenimiento Predictivo
Este enfoque permite transitar de un modelo de mantenimiento correctivo o basado en intervalos fijos, a un modelo predictivo y condicional. Las autoridades gestoras pueden priorizar intervenciones basándose en el estado real y pronosticado de cada elemento estructural, optimizando recursos y maximizando la seguridad.
El siguiente paso de nuestra investigación integrará estos datos con modelos digitales gemelos (Digital Twins) para simular el comportamiento futuro bajo distintos escenarios de carga y clima.