Financiado con fondos europeos FEDER gestionados a través del CDTI, este proyecto de investigación surge de la necesidad expresada por ADIF de encontrar soluciones alternativas a la inspección tradicional de puentes. El objetivo es abordar estructuras de difícil acceso y problemas difíciles de identificar visualmente.

El proyecto parte de unas premisas claras, entre las que destaca el análisis de un viaducto concreto: el viaducto de Marota, en la línea de Alta Velocidad Córdoba-Málaga. Su objetivo es proponer una solución energéticamente autónoma y visualizar los resultados del gemelo digital a través de un sistema web en tiempo real.

El gemelo digital desarrollado se centra en el análisis de problemas específicos, como roturas del pretensado, movimientos del tablero con el consiguiente desplazamiento de los apoyos, y daños químicos en el hormigón que pueden provocar una pérdida de las propiedades mecánicas originales, con el consiguiente agrietamiento y deformaciones excesivas.

El sistema de monitorización predictiva se basa en una batería de sensores, entre ellos acelerómetros y dispositivos de vibrometría láser para detectar vibraciones y comportamientos modales inesperados, así como geófonos que, junto con los sensores anteriores, pueden captar roturas de pretensado o movimientos en los apoyos. Otros sensores, como galgas extensiométricas o barreras de infrarrojos, sirven para encender el sistema y ahorrar consumo energético, así como para medir la configuración y velocidad del tren que pasa para atribuir comportamientos a la estructura. Por último, se instalan una estación meteorológica, sensores de temperatura y humedad del hormigón y una estación GPS para sincronizar las mediciones de los sensores.

Los datos de los distintos sensores se registran en un dispositivo de adquisición de datos, que los preprocesa para reducir el volumen de información transmitida a la nube. El gemelo digital calcula las vibraciones teóricas y las compara con las reales para evaluar la normalidad. Los algoritmos de aprendizaje automático desarrollados permiten al modelo aprender de todos los datos registrados y perfeccionar su precisión a medida que aumenta el número de datos. Todo está alojado en la nube y se visualiza a través de un sitio web desarrollado específicamente para el proyecto. Se han establecido alertas basadas en umbrales predefinidos, que activan notificaciones, avisando al responsable sobre el tipo de alerta y la información asociada al problema detectado.