{rfName}
AI

Indexado en

Licencia y uso

Icono OpenAccess

Citaciones

4

Altmetrics

Investigadores/as Institucionales

Pedraza, AndrésAutor (correspondencia)Del-Río-Velilla, DanielAutor o CoautorFernandez-Lopez, AntonioAutor o Coautor

Compartir

3 de junio de 2025
Publicaciones
>
Artículo
Sí

AI-Based Impact Location in Structural Health Monitoring for Aerospace Application Evaluation Using Explainable Artificial Intelligence Techniques

Publicado en: Electronics. 14 (10): 1975- - 2025-05-12 14(10), DOI: 10.3390/electronics14101975

Autores:

Pedraza, Andres; del-Rio-Velilla, Daniel; Fernandez-Lopez, Antonio
[+]

Afiliaciones

Univ Politecn Madrid, Inst Ignacio Riva IDR, Madrid 28040, Spain - Autor o Coautor

Resumen

Due to the nature of composites, the ability to accurately locate low-energy impacts on structures is crucial for Structural Health Monitoring (SHM) in the aerospace sector. For this purpose, several techniques have been developed in the past, and, among them, Artificial Intelligence (AI) has demonstrated promising results with high performance. The non-linear behavior of AI-based solutions has made them able to withstand scenarios where complex structures and different impact configurations have been introduced, making accurate location predictions. However, the black-box nature of AI poses a challenge in the aerospace field, where reliability, trustworthiness, and validation capability are paramount. To overcome this problem, Explainable Artificial Intelligence (XAI) techniques emerge as a solution, enhancing model transparency, trust, and validation. This research presents a case study: a previously trained Impact-Locator-AI model is, initially, demonstrating a promising location accuracy; however, its behavior in real-life scenarios is unknown, and before embedding it in an aerospace structure as an SHM system its reliability must be tested. By applying XAI methodologies, the Impact-Locator-AI model can be critically evaluated to assess its reliability and potential suitability for aerospace applications, while also laying the groundwork for future research at the intersection of XAI and impact location in SHM.
[+]

Palabras clave

AerospacAerospaceArtificial intelligence techniquesCfrpCompositeDamagEmbedded aiEmbedded artificial intelligenceExplainable aiExplainable artificial intelligenceHealth monitoringImpact locationsIntelligence modelsLow-energy impactNeural networkNeural-networksResearch aircraftShmStructural health

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista Electronics debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia WoS (JCR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2025, se encontraba en la posición 174/368, consiguiendo con ello situarse como revista Q2 (Segundo Cuartil), en la categoría Engineering, Electrical & Electronic. Destacable, igualmente, el hecho de que la Revista está posicionada en el Cuartil Q2 para la agencia Scopus (SJR) en la categoría Electrical and Electronic Engineering.

Independientemente del impacto esperado determinado por el canal de difusión, es importante destacar el impacto real observado de la propia aportación.

Según las diferentes agencias de indexación, el número de citas acumuladas por esta publicación hasta la fecha 2026-04-25:

  • WoS: 2
  • Scopus: 2
[+]

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2026-04-25:

  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 12 (PlumX).

Con una intencionalidad más de divulgación y orientada a audiencias más generales podemos observar otras puntuaciones más globales como:

    Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

    • El trabajo se ha enviado a una revista cuya política editorial permite la publicación en abierto Open Access.
    • Asignación de un Handle/URN como identificador dentro del Depósito en el Repositorio Institucional: https://oa.upm.es/93589/

    Como resultado de la publicación del trabajo en el repositorio institucional, se han obtenido datos estadísticos de uso que reflejan su impacto. En términos de difusión, podemos afirmar que, hasta la fecha

    • Visualizaciones: 30
    • Descargas: 13
    [+]

    Análisis de liderazgo de los autores institucionales

    Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Primer Autor (PEDRAZA RODRÍGUEZ, ANDRÉS) y Último Autor (FERNANDEZ LOPEZ, ANTONIO).

    el autor responsable de establecer las labores de correspondencia ha sido PEDRAZA RODRÍGUEZ, ANDRÉS.

    [+]

    Objetivos del proyecto

    La aportación persigue los siguientes objetivos: analizar la capacidad de localizar impactos de baja energía en estructuras compuestas mediante inteligencia artificial en el ámbito aeroespacial; evaluar el desempeño y precisión del modelo Impact-Locator-AI previamente entrenado; determinar la fiabilidad y validez del modelo en escenarios reales mediante técnicas de inteligencia artificial explicable (XAI); caracterizar la transparencia y confianza del modelo para su aplicación en sistemas de monitorización estructural; y establecer las bases para futuras investigaciones en la intersección entre XAI y localización de impactos en monitorización estructural.
    [+]

    Resultados más relevantes

    El estudio aborda la localización de impactos de baja energía en estructuras compuestas mediante inteligencia artificial (IA) para aplicaciones aeroespaciales. Los resultados más relevantes son: 1) el modelo Impact-Locator-AI entrenado mostró alta precisión en la localización de impactos; 2) la capacidad del modelo para manejar comportamientos no lineales permitió predecir impactos en estructuras complejas y configuraciones diversas; 3) la aplicación de técnicas de Inteligencia Artificial Explicable (XAI) facilitó la evaluación crítica de la fiabilidad del modelo; 4) se mejoró la transparencia y confianza en el sistema, aspectos clave para su validación en el sector aeroespacial; 5) se establecieron bases para futuras investigaciones en la intersección de XAI y monitorización estructural.
    [+]

    Reconocimientos ligados al ítem

    This project has received funding from the National Research Program Retos de la Sociedad under the Project STARGATE: Desarrollo de un sistema de monitorizacion estructural basado en un microinterrogador y redes neuronales (reference PID2019-105293RB-C21).
    [+]