Métodos de selección de modelos reducidos para la Dinámica de Sistemas Multicuerpo

La Dinámica de Sistemas Multicuerpo (DSM) es una herramienta fundamental para modelar sistemas mecánicos y analizar su evolución temporal mediante parámetros y coordenadas generalizadas. Su aplicación es particularmente relevante en la industria, permitiendo la modelización precisa de elementos como brazos robóticos, trenes y aerogeneradores. Estos modelos pueden presentar una gran complejidad computacional, lo que en algunos casos dificulta su implementación en tiempo real. Los modelos multicuerpo se pueden ver como modelos paramétricos en función de sus parámetros dinámicos, y las técnicas de selección de modelos permiten expresar estos modelos utilizando un número reducido de parámetros. Se espera que estos modelos simplificados mantengan una complejidad computacional menor, preservando al mismo tiempo un nivel de precisión deseado. En este estudio, se utilizan distintos modelos, incluyendo el de un brazo robótico PUMA y el Hexaglide. Para el caso del tren, se ha desarrollado un modelo con una alta complejidad funcional, integrando irregularidades de la vía, fuerzas de Kalker y un método dinámico-impulsivo para el contacto en los flancos. Estos modelos se emplean para definir un conjunto de datos representativos de las condiciones operativas estándar del sistema. Se selecciona un modelo con parámetros reducidos y se propone un conjunto de heurísticas de selección de modelos, así como medidas de error normalizado. Los resultados obtenidos demuestran que, con las metodologías propuestas, es posible utilizar tan solo 19 de los 49 parámetros para reproducir el modelo original del PUMA con solo un 1 % de error. En el caso del Hexaglide, se reduce de 70 a 17 parámetros. Para el tren, se pueden reproducir los resultados originales con solo 3 de los 10 parámetros. Sin embargo, se ha observado que para el caso del tren, una mayor reducción en el número de operaciones puede lograrse si, además de los parámetros inerciales, se añaden los parámetros de amortiguación y rigidez de los muelles, lo cual implica una optimización más eficiente del modelo, alcanzando una reducción del 47 % en el número total de operaciones.