Suscríbete a DeepL Pro para poder traducir archivos de mayor tamaño.

Más información disponible en www.DeepL.com/pro.

Materiales y diseño 175 (2019) 107817

Listas de contenidos disponibles en ScienceDirect

Materiales y diseño

Pá gina w e b de la r e v i st a : w w w . e l s e v i e r . c o m / l o c a t e / m a t d e s

Capacidad de detección espacial de daños en materiales compuestos de

cemento reforzados con partículas metálicas: conclusiones de la tomografía
de resistencia eléctrica
Sumeru Nayak, Sumanta Das ⁎
Ingeniería Civil y Medioambiental, Universidad de Rhode Island, Kingston, RI 02881, Estados Unidos

SI G U A L E S A B S T R A C TOG R Á F I C O

• Se evalúa la capacidad de detección

espacial de daños de los sistemas
cementicios incorporados con polvo
de hierro de desecho metálico.
• La evaluación de la capacidad de
detección espacial de daños se realiza
mediante tomografía de resistencia
eléctrica (ERT).
• La capacidad de detección espacial de
daños mejora progresivamente con el
aumento del contenido en polvo de
hierro.
• Un contenido de polvo de hierro igual o
superior al 30% (sustitución de Ce-
ment) muestra una capacidad de
detección espacial de daños
suficiente.

a b s t r a c to

En este artículo se evalúa la capacidad de detección espacial de daños de los morteros autodetectables que
contienen hasta un 40% en volumen de residuos metálicos de polvo de hierro como sustituto del cemento. La
capacidad de detección espacial de daños se evalúa mediante un marco de trabajo que integra el algoritmo de
a r t í c u l o en f o reconstrucción de la conductividad basado en la tomografía de resistencia eléctrica (ERT) con la
homogeneización numérica multiescala, con vistas a permitir el diseño guiado por microestructura de dichos
Historia del artículo: compuestos autodetectables. El marco basado en ERT utiliza voltajes de electrodo límite medidos
Recibido el 21 de febrero de 2019 experimentalmente como entrada; asigna la conductividad efectiva del material compuesto (obtenida de la
Recibido en forma revisada el 12 de abril de
2019 homogeneización numérica) como estimación inicial de la distribución de conductividad e inicia el proceso
Aceptado el 29 de abril de 2019 iterativo que implica el modelo de avance bien planteado y el problema inverso mal planteado para obtener
Disponible en línea el 30 de abril de 2019 el mapa de conductividad en la configuración dañada. Los mapas de daños reconstruidos, así obtenidos,
confirman la suficiente capacidad de detección espacial de daños de los morteros que contienen una cantidad de
Palabras clave: polvo de hierro igual o superior al 30%, lo que valida la aplicabilidad de dichos materiales compuestos
Tomografía de resistencia eléctrica (ERT) autosensibles a la detección espacial de daños para la supervisión de la salud de las estructuras.
Homogeneización numérica 2019 Los autores. Publicado por Elsevier Ltd. Este es un artículo de acceso abierto bajo licencia CC BY-NC-ND
Polvo de hierro
(http://creativecommons.org/licenses/by-nc-nd/4.0/).
Conductividad
eléctrica
Detección espacial de daños

estructuras de fallos catastróficos y evitar enormes pérdidas de vidas

1. Introducción
y bienes.

La detección espacial de daños proporciona información valiosa * Autor correspondiente.

sobre la fiabilidad y seguridad de las estructuras. Puede salvar las Dirección de correo electrónico: [email protected] (S. Das).
 muy caras a largo plazo para grandes estructuras. Por lo tanto, un
[1,2]. Tradicionalmente se han utilizado diversas técnicas de
enfoque de detección de daños en tiempo real sería beneficioso en
ensayos no destructivos (END), como pruebas de ultrasonidos,
este tipo de escenarios. Para las estructuras industriales a escala real,
radiografías (rayos X), etc., para realizar costosas inspecciones
el uso de compuestos multifuncionales está ganando popularidad
rutinarias de mantenimiento de estas estructuras. Sin embargo,
para aplicaciones de detección de tensión [3-5].
estas frecuentes inspecciones rutinarias resultan poco prácticas y

https://doi.org/10.1016/j.matdes.2019.107817
0264-1275/© 2019 Los autores. Publicado por Elsevier Ltd. Este es un artículo de acceso abierto bajo licencia CC BY-NC-ND (http://creativecommons.org/licenses/by-nc-nd/4.0/).
2 S. Nayak, S. Das / Materiales y diseño 175 (2019) 107817

multiescala con el fin de ofrecer robustez y flexibilidad para permitir la

Se ha demostrado que las respuestas eléctricas de estos materiales
adaptación de la microestructura del material a diferentes escalas de
compuestos conductores son sensibles a la deformación [6-13] y a los
longitud para una de- signación eficiente de dichos compuestos
defectos o daños [9,13-15]. La respuesta eléctrica a granel obtenida
cementicios reforzados con partículas metálicas autodetectables.
mediante espectroscopia de impedancia eléctrica (EIS) se ha utilizado
para detectar grietas [16,17], distribuciones de fibras [18,19],
2. Programa experimental
orientaciones de fibras [20] y velocidad de corrosión de barras de
refuerzo [21-24] en materiales compuestos cementicios conductores.
2.1. Materiales y mezclas
Aunque se han utilizado varias fibras conductoras, como fibras de
acero [25,26], fibras de carbono [27,28] y nanotubos de carbono de
El cemento utilizado para los experimentos es el cemento portland
paredes múltiples (MWNT) [29,30], para obtener la capacidad de
ordinario (OPC) de tipo I/II, disponible en el mercado y conforme a la
detección de la deformación en matrices cementosas, en este artículo
norma ASTM 150 [54]. La composición química de los óxidos de
se incorpora polvo de hierro de desecho metálico en morteros para la
diferentes elementos en el OPC es
detección espacial de daños. Este polvo de hierro residual es un
subproducto industrial que se genera en grandes cantidades en las
instalaciones de producción de acero de horno de arco eléctrico
(EAF) y en las operaciones de granallado de secciones de acero
estructural [31]. Tradicionalmente, este polvo de hierro residual se
deposita en vertederos, ya que no es económicamente viable reciclar el
acero a partir del polvo residual [32]. Varios millones de toneladas de
estos residuos se depositan en vertederos de todo el mundo. Se ha
demostrado que estos materiales compuestos cementosos
incorporados a los residuos de polvo de hierro presentan una
resistencia a la fractura significativamente mejorada [31,33,34] y
una capacidad de detección de la deformación [35], alcanzando así
un estatus multifuncional. Mientras que en [35] se demostró la
capacidad de detección de deformación de los materiales
compuestos cementicios incorporados con polvo de hierro residual
mediante una respuesta eléctrica masiva, en este estudio se emplea un
algoritmo de reconstrucción basado en la tomografía de resistencia
eléctrica (ERT) [29,36-38] para evaluar la aplicabilidad de dichos
materiales compuestos en la detección espacial de daños. En la ERT,
varios pares de electrodos, fijados a la superficie de la muestra,
miden las diferencias de potencial en respuesta a una corriente
inyectada y se obtiene un mapa de distribución espacial de la
conductividad resolviendo un problema mal planteado [38-40]. La
ERT se ha aplicado en compuestos cementosos tradicionales para
evaluar el transporte de humedad [41,42] y detectar grietas [36,43].
La ERT también se ha aplicado en los últimos años a la detección de
daños en la superficie [29,44,45] y a aplicaciones de detección de
deformación [46] en hormigones autosensibles [29] para la
monitorización de la salud estructural (SHM). La detección espacial de
daños basada en ERT suele requerir un mapa de conductividad de
referencia previamente dañado (en condiciones prístinas). La
tomografía de resistencia eléctrica (ERT) se ha empleado con éxito
para obtener imágenes del flujo de humedad en materiales basados en
cemento [47,48]. La ERT también se ha utilizado para evaluar la
entrada de cloruro en sistemas cementosos [49]. Además, se ha
demostrado que las pieles sensoras basadas en ERT detectan patrones
de daños superficiales de forma fiable en elementos estructurales de
hormigón [50]. La ERT también se ha utilizado para la evaluación de
grietas en hormigones [51,52] y sistemas cementosos modificados
con cenizas volantes [53]. En este trabajo, el marco de recon-
strucción de imágenes basado en ERT se integra con un módulo
numérico [30] que
realiza una homogeneización numérica a diferentes escalas de
longitud basada
en función de las características microestructurales conocidas del
material. La conductividad efectiva, así obtenida a partir de la
simulación numérica multiescala, sirve como conductividad de
referencia de la configuración pre-dañada (condición prístina) que
puede servir como entrada en aplicaciones SHM realistas. La
conductividad de referencia, así obtenida, se sustrae del mapa de
conductividad de la configuración dañada, obtenido a partir del
marco ERT, para generar mapas espaciales de daños que se
emplean para evaluar la influencia de la incorporación de residuos
metálicos en polvo en la capacidad de detección espacial de daños
de los morteros. De este modo, el marco de detección espacial de
daños integra el algoritmo de reconstrucción de la conductividad
basado en ERT con un módulo de homogeneización numérica
 S. Nayak, S. Das / Materiales y diseño 175 (2019) 107817 3
detallado en [33]. En este estudio se utiliza polvo de hierro de
desecho metálico, obtenido de una instalación industrial de
granallado, para sustituir parcialmente al OPC en los morteros.
El polvo de hierro contiene principalmente un 88% de hierro
(Fe) y un 10% de oxígeno (debido a la oxidación atmosférica)
[31,33]. Trazas de Cu, Mn y Ca también están presentes en el
polvo de hierro [31,33]. El tamaño medio de las partículas de
hierro en el polvo es de 19 μm [32,33,55]. Se prepararon cinco
mezclas de mor- tar diferentes con un volumen constante de
arena (tamaño medio de partícula 600 μm) del 50%. Mientras
que el mortero de control no contiene polvo de hierro, las otras
cuatro mezclas contienen 10, 20, 30 y 40% de polvo de hierro en
volumen como sustituto del OPC. A una relación agua-cemento de
0,5 (basado en la masa) para preparar todas las mezclas. En este
estudio no se considera una relación agua-cemento inferior a 0,5,
ya que estas mezclas con menor contenido de agua no muestran
las propiedades reológicas deseables, especialmente en el caso de
las mezclas que contienen una mayor dosificación de polvo de
hierro. En la Fig. 1 se muestran las distribuciones granulométricas
del OPC, la arena y el polvo de hierro. Estas distribuciones
granulométricas se obtienen a partir del análisis de difracción
láser.
Mientras que las mezclas de mortero se utilizaron para la
detección espacial de daños (ERT), las mezclas de pasta de
acompañamiento se utilizaron para la caracterización de la
evaluación de la respuesta eléctrica a granel (conductividad
eléctrica), así como para las observaciones microestructurales. Para
la detección espacial de daños, se prepararon discos cilíndricos de
50 mm de diámetro y 10 mm de espesor utilizando mezclas de
mortero. Se perforaron agujeros circulares de 1 cm de radio en
los discos de mortero.
1,8 cm del centro de la muestra (distancia entre centros) para
evaluar la capacidad de detección de daños mediante la ERT. Se
utilizaron dos configuraciones de muestra diferentes que
contenían uno y tres orificios respectivamente. Para las
mediciones de conductividad eléctrica se utilizaron cilindros de
pasta de 30 mm de diámetro x 60 mm de longitud. Los moldes para
la medición de la impedancia/conductividad eléctrica se
equiparon con varillas de acero de 3 mm de diámetro
(electrodos) colocadas a 15 mm de ambos extremos. En [56] se
aplicó con éxito una configuración similar para pastas de cemento.
Cuatro réplicas de cada una de estas cinco mezclas fueron coladas y
desmoldadas después de 24 horas.
con HR N 98% a una temperatura de 23 ± 2°C durante 28 días. Las
muestras curadas
Las muestras para las mediciones EIS no se sacaron de los moldes
y se colocaron en un recipiente sellado con la superficie
expuesta cubierta con una toalla húmeda para mantener las
condiciones de saturación. También se colaron muestras de
pasta para evaluaciones microestructurales.

2.2. Mediciones eficaces de la conductividad eléctrica

La conductividad eléctrica de las muestras de pasta se midió

utilizando un analizador de fase de ganancia Solartron 1260™. La
espectroscopia de impedancia eléctrica (EIS) se ha utilizado para
caracterizar la conductividad eléctrica de los materiales
cementicios [57,58]. Para los experimentos EIS se utilizan
probetas cilíndricas de pasta de 30 mm de diámetro × 60 mm de
longitud (véase la Sección 2.1) provistas de electrodos de acero.
Enchufes de cocodrilo de la impedancia

Fig. 1. Distribución granulométrica del OPC, la arena y el polvo de hierro.

4 S. Nayak, S. Das / Materiales y diseño 175 (2019) 107817

V5,6
V3,4
4 5 6
V7,8
-I 3 7

2 8
+I
1 9

10 V9,1
16 0
V15,1 15 11
6
14 13 12
V11,12
V13,1
4

(a) (b)

Fig. 2. (a) Inyección de corriente y medidas de tensión límite en configuración adyacente de electrodos (mostrados en verde); (b) una configuración de muestra de disco de un solo orificio
montada en la configuración ERT.

a los electrodos de acero y se realizó un barrido de frecuencias. De y mediciones de tensión para validar la viabilidad de la aplicación de
este modo, se obtuvieron los gráficos de Nyquist a partir de las la ERT en los morteros mencionados (véase la sección 2.1). Se utilizan
mediciones EIS. A partir del gráfico de Nyquist, la resistencia discos de mortero de 50 mm de diámetro y 10 mm de grosor (con
aparente (Rb ) puede obtenerse como el valor de la impedancia real configuraciones de uno y tres agujeros), tal y como se menciona en
donde el valor de la impedancia imaginaria es mínimo (punto de la sección 2.1. Se funden electrodos delgados de película de cobre
encuentro del arco aparente y el arco del electrodo) [57]. La en las muestras (véase la Fig. 2). Los electrodos de película fina de
conductividad efectiva (σeff ) puede calcularse a partir de la resistencia cobre se funden en las muestras (véase la Fig. 2 (b)). Se ha
aparente (Rb ) como se muestra en la Ecuación (1) [56,57]: demostrado en la bibliografía que estos electrodos de película fina de
cobre proporcionan un contacto eléctrico suficiente [29]. Aquí, un total
de ocho pares de cintas de cobre se funden en cada muestra. La
resolución espacial de la ERT es muy superior a la de la ERT.
L influenciado por los patrones de inyección de corriente [39,59]. En
σ eff = R (1)
Ab este estudio, se adopta una configuración adyacente de electrodos
para la inyección de corriente con el fin de obtener la medición de la
tensión límite [39,59].La configuración de electrodos
donde L es la longitud de la muestra y A es el área de la sección y el patrón de estimulación aplicado a las muestras cilíndricas se
transversal. Dado que los experimentos de EIS se realizaron en muestran esquemáticamente en la Fig. 2(a). Aquí, la corriente se
muestras cilíndricas con electrodos de acero, la separación efectiva inyecta a través de un par de electrodos y se miden los voltajes a través
entre los electrodos y el área efectiva de la sección transversal no de otros pares de electrodos. El sistema de adquisición de datos
pueden medirse directamente. Por lo tanto, la constante de celda (L/A) personalizado (DAQ) se construye aquí usando un interruptor
se obtuvo utilizando un tubo cilíndrico de 30 mm de diámetro x 60 mm multifunción 34980A equipado con un multímetro digital incorporado
de longitud junto con los electrodos de acero colocados a la misma de 6 ½ dígitos (DMM) de Keysight Technologies™. Un analizador de
distancia que las muestras. El tubo se llenó con una solución de NaCl fase de ganancia Solartron 1260™ actúa como fuente de corriente. El
al 4% y la resistencia aparente de la solución se obtuvo utilizando la interruptor interactúa con un código MATLAB para permitir la
medición EIS. inyección simultánea de corriente a través de un par de electrodos
ción. Utilizando la conductividad conocida de la solución de NaCl al adyacentes mientras se registran los voltajes a través de los otros pares
4% (4,4 S/m) [56], se calculó la constante celular (L/A) de 28,5 m−1 a en configuración adyacente (Fig. 2 (a)). Los voltajes, así obtenidos, se
partir de la resistencia aparente de la solución utilizando la Ec. 1. Este utilizan para obtener imágenes reconstruidas ERT como se explica más
valor de constante celular adelante en este documento. La Fig. 2(b) muestra el montaje
(L/A) para obtener la conductividad efectiva (σeff ) a partir de la experimental para obtener tensiones de frontera en una probeta con
resistencia aparente de las muestras de pasta (Rb ) con dosis variables configuración de un solo orificio como referencia, mientras que la
de polvo de hierro. figura ampliada muestra el contacto eléctrico de la probeta con los
electrodos de cinta de cobre incrustados.
2.3. Tomografía de resistencia eléctrica (ERT) para la detección espacial de
daños

Una modalidad de imagen difusiva que permite estimar la

distribución de la conductividad eléctrica interna basándose en la
corriente límite
 S. Nayak, S. Das / Materiales y diseño 175 (2019) 107817 5

Fig. 3. Diagrama de flujo que representa la secuencia de cálculos y experimentos para lograr la detección espacial de daños.
6 S. Nayak, S. Das / Materiales y diseño 175 (2019) 107817

(a) (b)
Fig. 4. Imagen BSE de partículas de hierro (áreas brillantes) dispersas en matriz HCP donde el 30% del volumen de OPC se sustituye por partículas de hierro a (a) 35× (la barra de escala
indica 500 μm y (b) 250× (la barra de escala indica 100 μm) de resolución.

2.4. Microscopía electrónica de barrido como entrada. El módulo ERT resuelve esencialmente un problema de
límites inverso mal planteado mediante un modelo directo y un
Las muestras de pasta de acompañamiento con diferentes dosis de problema inverso para obtener un mapa de distribución de
polvo de hierro se sometieron a una evaluación microestructural. Se conductividad reconstruido de la muestra objetivo que facilita la
utilizaron pequeños cubos (10 detección espacial de daños.
× 10 mm × 10 mm) del núcleo de las muestras de pasta con una En las siguientes subsecciones se describen las características
sierra de diamante. Antes del pulido, las piezas cortadas se limpiaron microestructurales del polvo de hierro distribuido en la matriz de
ultrasónicamente para eliminar los restos. A continuación, la muestra HCP, se evalúan las conductividades eléctricas del HCP incorporado
se impregnó en epoxi, se saturó al vacío y se curó durante toda la con polvo de hierro mediante mediciones EIS y se detallan los
noche. Se realizaron varios pasos de esmerilado/pulido utilizando distintos componentes del marco de reconstrucción de la
abrasivos de SiC y, por último, la muestra se pulió utilizando sus- conductividad basado en ERT con vistas a dilucidar la influencia de
pensión de sílice coloidal de 0,04 μm. Las muestras pulidas se la incorporación de polvo de hierro en la capacidad de detección
analizaron con un microscopio electrónico de barrido ambiental de espacial de daños de los morteros. Mientras que las evaluaciones
emisión de campo (FESEM) en modo retrodispersado para realizar microestructurales sirven de entrada al algoritmo de generación de
evaluaciones microestructurales. microestructuras [30,34,60] en el módulo de homogeneización
numérica, las conductividades eléctricas de las mezclas de HCP
incorporadas con polvo de hierro se utilizan posteriormente para
3. Resultados y debates validar el módulo de homogeneización numérica.

Esta sección presenta la influencia de las partículas de hierro en 3.1. Microestructura del material
la capacidad de detección espacial de daños de los morteros de
cemento. La Fig. 3 muestra una representación esquemática del Se realizaron observaciones microestructurales para evaluar el
marco adoptado en este estudio para lograr la detección espacial de tamaño, la forma y la distribución de las partículas de hierro en la
daños en materiales compuestos heterogéneos. El marco realiza una matriz de HCP. La Fig. 4 muestra micrografías representativas del
homogeneización numérica [33,60] a múltiples escalas de longitud mortero que contiene un 30% de polvo de hierro como sustituto del
guiada por la microestructura observada de dichos sistemas para cemento. La distribución de las partículas de hierro alargadas y
obtener conductividades eléctricas efectivas que son validadas frente brillantes (debido a su mayor densidad) es claramente visible en el
a observaciones EIS experimentales. Las conductividades eléctricas fondo de las fases grises (que indican los productos de reacción) y
efectivas, así obtenidas, se utilizan como entrada para el módulo del las zonas negras (que indican los poros en la imagen BSE). Pueden
algoritmo de distribución de conductividad reconstruida basado en observarse algunas grietas en la matriz que son resultado de la
ERT. Además, el módulo ERT también requiere tensiones límite preparación de la muestra. Un análisis de imagen de varias imágenes
obtenidas experimentalmente (Sección 2.3) de la muestra objetivo. de EEB dio como resultado una relación de aspecto media de 12
para las partículas de hierro alargadas que se utiliza más adelante en
este trabajo para la generación de

(a) (b)
 S. Nayak, S. Das / Materiales y diseño 175 (2019) 107817 7
Fig. 5. (a) Gráficos de Nyquist que muestran los arcos de alta frecuencia y (b) conductividades eléctricas calculadas para las mezclas de HCP de control y con polvo de hierro (las barras de
error indican la desviación estándar).
8 S. Nayak, S. Das / Materiales y diseño 175 (2019) 107817

ECD (A/m²)

Tensión

gradient
e

Incluye
Celda unitaria Celda unitaria Respuesta eléctrica
generada mallada y BC
periódico aplicado

Eficaz Publicar
Conductivid en
ad Procesad
or

Fig. 6. Un marco de simulación numérica calculado a cada escala de longitud para obtener las propiedades eléctricas efectivas a esa escala.

se muestra una representación esquemática del marco de simulación

celdas unitarias representativas para el análisis microestructural
numérica. Las siguientes subsecciones elaboran el marco de
(véase la sección 3.3).
simulación numérica y su aplicación hacia la predicción de las
propiedades eléctricas efectivas de los morteros incorporados con
polvo de hierro.
3.2. Evaluación experimental de la respuesta eléctrica de las pastas

Esta sección describe la respuesta eléctrica experimental del

HCP incorporado con polvo de hierro con contenido variable de
polvo de hierro. Los gráficos de Nyquist, mostrados en la Fig. 5(a),
relacionan la resistencia denotada por la parte real de la impedancia
(Z ′ ) con la reactancia denotada por la parte imaginaria (Z" ) [57,58].
El diagrama de Nyquist se desplaza hacia la izquierda con el aumento
del contenido de polvo de hierro, lo que significa un aumento de la
conductividad con la incorporación de polvo de hierro. Los estudios
de impedancia de CA basados en la frecuencia evitan los efectos de
polarización en los materiales compuestos a base de cemento que,
de otro modo, surgirían en las mediciones de CC [61]. Los arcos de
alta frecuencia, como se muestra en la Fig. 5(a), representan la
respuesta a granel de los materiales compuestos que permiten el
cálculo de la conductividad a granel como se describe en la Sección
2.2. Las respuestas eléctricas a granel calculadas se muestran en la Fig.
5(b). Las respuestas eléctricas calculadas se muestran en la Fig.
5(b), donde se observa un aumento significativo de la
conductividad al aumentar el contenido de polvo de hierro. Es
probable que este aumento de la conductividad influya en la capacidad
de detección espacial de daños de los sistemas cementosos, que se
analiza en detalle en más adelante en este artículo.

3.3. Simulación numérica multiescala

Mientras que en la sección anterior se explicaba la evaluación

experimental de la respuesta eléctrica de los HCP incorporados con
polvo de hierro, en esta sección se lleva a cabo una
homogeneización numérica a diferentes escalas de longitud para
obtener propiedades eléctricas homogeneizadas de los morteros
incorporados con polvo de hierro que sirvan de entrada al modelo a
macroescala para el módulo ERT, como se explica más adelante en
este documento. Este enfoque implica la representación de la
configuración geométrica de las diferentes fases en forma de celdas
unitarias a diferentes escalas de longitud. En este estudio, se utilizan dos
escalas de longitud interactivas a nivel de pasta y a nivel de mortero
para la predicción de las respuestas eléctricas efectivas. En la Fig. 6
 S. Nayak, S. Das / Materiales y diseño 175 (2019) 107817 9
3.3.1. Marco de homogeneización numérica

3.3.1.1. Generación de la celda unidad. Las celdas unitarias se generan

aquí utilizando el algoritmo de Lubachhevsky-Stillinger [57,58]. Este
algoritmo emplea un modelo de contacto duro, por lo que no se
permiten solapamientos de partículas. Finalmente, la información
microestructural obtenida se implementa mediante un script en
lenguaje python para poder importarla a un software comercial de
elementos finitos. El algoritmo de generación de celdas unitarias ha
sido implementado con éxito en [30,59,60] y detallado
adecuadamente en [57,58].

3.3.1.2. Condiciones de contorno. Una vez generada la celda unitaria, se

mallan utilizando el script python y se aplican las condiciones
periódicas de contorno (PBC) [30,61]. Las PBC garantizan la
continuidad del desplazamiento y la tracción a través de los límites de
las celdas unitarias vecinas. Las PBC se han aplicado con éxito al
análisis por EF de materiales heterogéneos aleatorios [62].
0,1 mm Mortero

homogeneizado Pasta

(a) homogeneizada

Arena Pasta

de cemento

Partículas de hierro

(c)
(b)

3 mm

Fig. 7. (a) La microestructura de la pasta con un 20% de partículas de hierro como

sustituto del cemento;
(b) microestructura del mortero y (c) modelo macro.
10 S. Nayak, S. Das / Materiales y diseño 175 (2019) 107817

A/m2

(a) (b) (c) (d)

Fig. 8. ECD bajo una diferencia de tensión aplicada de 1 V a través de los bordes a lo largo del eje X para las matrices HCP incorporadas con polvo de hierro que contienen (a) 10, (b)
20, (c) 30 y (d) 40% de polvo de hierro como sustituto del cemento.

Se ha demostrado que las condiciones de contorno periódicas son sección anterior (Fig. 6). En primer lugar, las partículas de hierro se
computacionalmente eficientes incluso con celdas unitarias de menor homogeneizan en la matriz HCP para obtener propiedades efectivas
tamaño, lo que facilita una convergencia más rápida [59]. Se pueden de los morteros incorporados con polvo de hierro que se utilizan
encontrar más detalles sobre las PBC en [60,63]. como propiedades de la matriz en la escala de mortero. Las
inclusiones de arena se homogeneizan en la matriz efectiva
3.3.1.3. Homogeneización de las propiedades eléctricas. El marco numérico modificada con polvo de hierro en la escala de mortero para obtener
asigna propiedades eléctricas intrínsecas a cada fase de la celda propiedades efectivas de los morteros modificados con polvo de hierro.
unitaria delimitada periódicamente. A continuación, se aplica un La Fig. 7(a) muestra la celda unitaria generada del HCP incorporado
potencial unitario a través de una cara de la celda unitaria, mientras con polvo de hierro para una incorpo- ración del 20% de polvo de hierro
que los demás bordes están aislados. El módulo eléctrico com- como caso representativo. El tamaño y la relación de aspecto de las
calcula la densidad de corriente (J) a partir de la conductividad partículas de hierro se adoptan basándose en observaciones
microestructurales. La Fig. 7(b) muestra la celda unitaria
eléctrica de entrada (σk ) de las fases componentes (k = 1, 2, . . n) y
representativa para morteros con inclusiones de arena incrustadas
el campo eléctrico aplicado (E) utilizando la Ley de Ohm. La
en la matriz de HCP modificado con polvo de hierro. La con-
simulación produce el campo eléctrico y la distribución de la
ductividades para HCP, partículas de hierro y arena son 0,065 S/m, 100
densidad de corriente eléctrica (ECD) en la celda unidad que cuando
S/m y 10−8 S/m respectivamente [35]. Es necesario señalar aquí que
es promediada volumétricamente por un módulo de post-
el valor de conductividad eléctrica considerado para el HCP
procesamiento produce la conductividad eléctrica promedio (σeff ) corresponde a la condición húmeda
como se muestra en la Ec. (2) [35,64]. [36,71] y, por tanto, se incorpora la influencia de la condición de
saturación
J . en las simulaciones numéricas. Las fracciones de volumen de las
σ eff = (2)
E inclusiones se han mencionado anteriormente (sección 2.1). Los
tamaños de las celdas unitarias, obtenidos a partir de un estudio de
sensibilidad al tamaño, se muestran en la Fig. 7, y cualquier aumento
del tamaño de las celdas unitarias más allá de los mostrados en la Fig.
7 da como resultado unos valores de
3.3.1.4. Post-procesado y escalado a macroescala. El análisis anterior se cambio en las respuestas efectivas obtenidas. Este tamaño relativo
implementa utilizando el solver ABAQUS™ y se obtiene la de las celdas unitarias con respecto al tamaño de las inclusiones se
distribución de la densidad de campo eléctrico/conductividad en la ha aplicado con éxito para predecir las propiedades efectivas en
celda unidad. El módulo de postprocesado emplea una subrutina de [30,33,60,64,65]. Las propiedades eléctricas efectivas de los
MATLAB® para obtener las respuestas promediadas por volumen y la morteros modificados con polvo de hierro, así obtenidas, sirven
conductividad eléctrica efectiva (utilizando la ecuación 2). El proceso como propiedad material de entrada para el modelo a macroescala
de homogeneización numérica se explica esquemáticamente en la que implica la detección espacial de daños, como se explica más
Fig. 6. adelante en este artículo.
La Fig. 8 muestra los gráficos de densidad de corriente eléctrica
3.3.2. Aplicación del módulo de homogeneización numérica a la (ECD) bajo una diferencia de tensión aplicada de 1 V a través de los
conductividad eléctrica efectiva de morteros incorporados con polvo de bordes a lo largo del eje X para la escama de pasta de cemento con
hierro contenido variable de polvo de hierro. Al aumentar el contenido de
La simulación numérica para la predicción de la conductividad polvo de hierro, la ECD aumenta, lo que corrobora el aumento de la
eléctrica efectiva para morteros incorporados con polvo de hierro conductividad eléctrica debido a la incorporación de inclusiones
implica dos escalas de longitud interactivas en la escala de la pasta y conductoras.
la escala del mortero como se muestra en la Fig. 7. Estas La Fig. 9 muestra las gráficas ECD para la escama de mortero
homogeneizaciones [66-68] se realizan aquí en múltiples pasos con el con contenido variable de polvo de hierro bajo una diferencia de
fin de reducir la demanda computacional mientras se mantiene la voltaje aplicada de 1 V a través de los bordes a lo largo del eje X.
eficiencia computacional [70]. Estas homogeneizaciones [66-68] se Similar a la escama de pasta, aquí también la ECD aumenta con el
realizan aquí en múltiples pasos para reducir la demanda incremento del contenido de polvo de hierro. De forma similar a la
computacional mientras se mantiene la eficiencia computacional escala de pasta, aquí también la ECD aumenta con el incremento del
[70]. Una vez generado el RVE utilizando el script de Python, se malló contenido de polvo de hierro. Es probable que este aumento de la
y se sometió a análisis de EF bajo un gradiente de voltaje unitario conductividad mejore la capacidad de detección espacial de daños
aplicado externamente a lo largo de la dirección x. Los análisis de EF se de los morteros, que se analiza en detalle más adelante en este
llevaron a cabo en ABM. Los análisis de EF se llevan a cabo en el solver artículo.
ABAQUS™ utilizando elementos cuadriláteros DC2D4E. Un script de Las homogeneizaciones numéricas se realizan para cuatro
MATLAB© opera sobre los ficheros de resultados que contienen el microestructuras aleatorias diferentes en cada escala para todas las
volumen de los elementos y las respuestas para obtener las mezclas consideradas
propiedades efectivas como se explica en el
 S. Nayak, S. Das / Materiales y diseño 175 (2019) 107817 11

A/m2

(a) (b) (c) (d)

Fig. 9. La ECD para los morteros que contienen (a) 10, (b) 20, (c) 30 y (d) 40% de polvo de hierro como sustituto del cemento bajo una diferencia de tensión aplicada de 1 V a través de los
bordes a lo largo del eje X.
12 S. Nayak, S. Das / Materiales y diseño 175 (2019) 107817

aquí. La tabla 1 muestra las conductividades eléctricas efectivas Cuadro 1

medias calculadas de las pastas y morteros con diferentes contenidos Conductividades eléctricas efectivas simuladas (S/m) para los materiales compuestos a
escala de pasta y mortero.
de polvo de hierro. Las desviaciones estándar fueron del 1% de la
aquí. Estos
media valores
en todas las se utilizanconsideradas.
mezclas en el marco espacial de detección de daños. Hierro en polvo %. Pastas Morteros
trabajar en la validación de la aplicación de la ERT en este tipo de 0 0.065 0.039
materiales compuestos.
10 0.083 0.05
3.3.3. Comparación de la conductividad eléctrica prevista con la experimental 20 0.104 0.063
30 0.136 0.083
observaciones
40 0.194 0.118
Para dilucidar la capacidad de predicción del marco de
homogeneización numérica explicado anteriormente, en esta sección .
se comparan las conductividades eléctricas simuladas con las (σ∂u ) a lo largo de la normal unitaria n exterior a través de la
frontera cuando
observaciones experimentales.
(indicados en la sección 3.2) para el HCP modificado con polvo de hierro con diferentes ∂n
th

contenido de polvo de hierro. En la Fig. 10 se muestran las integrado sobre el electrodo l produce la corriente total (Il ) a través
conductividades simuladas y las observaciones experimentales. Se del electrodo (dominio del electrodo τ1 ) como se muestra en la Ec.
observa una estrecha correlación entre las conductividades ex- (4) [29,36] que sirve como primera condición de contorno.
perimentales y simuladas, lo que significa eficacia
del marco de homogeneización numérica. Z .
σ∂u
∂n dS = Il r∈τ1 (4)
el ;
3.4. Detección espacial de daños en morteros incorporados con
polvo de hierro

El objetivo de esta sección es evaluar la aplicabilidad de la técnica No fluye corriente a través de la frontera libre de electrodos
de imagen ERT a los morteros con polvo de hierro. El principio (dominio τ) (ver Ec. (5) [29,36]) y sirve como segunda condición de
fundamental de la ERT se rige por tensiones límite medidas que son contorno aplicada en la frontera libre de electrodos.
características
de la distribución de la conductividad en la probeta. Sin embargo,
un intento de
.
calcular la distribución de conductividad a partir de medidas de σ∂u

tensión en el límite conduce a un problema mal planteado [36,40,72]

∂n = 0; r∈τ (5)
que implica que una
Los resultados pueden obtenerse a partir de múltiples entradas.
Tales problemas se resuelven generalmente mediante un enfoque El potencial eléctrico u bajo el electrodo lth se conjuga con la caída
iterativo. En primer lugar, se considera una distribución de de potencial debida al contacto imperfecto entre el electrodo y la
conductividad inicial (basada en la conductividad homogeneizada muestra objetivo. Este contacto imperfecto se tiene en cuenta en el
del apartado 3.3.2) y el modelo directo calcula las tensiones límite a modelo directo en términos de impedancia de contacto zl , lo que da
partir de la distribución de conductividad inicial. Sin embargo, es como resultado un potencial eléctrico total Ul (Ec. (6) [29,36]). Esto
probable que la distribución de potencial así obtenida tenga valores se aplica al dominio del electrodo (τ1 ) como condición de contorno.
de tensión límite diferentes de las mediciones observadas
experimentalmente
debido a la presencia de regiones dañadas. Así, un algoritmo iterativo
.
para refinar la distribución de conductividad estimada. Con ese fin, u + z σ∂u = Ul ; r∈τ1 (6)
l ∂n
se inicia el problema inverso que impone el experimen-
La distribución de conductividad actualizada así obtenida a partir como [29,36,73,74]:
del probema inverso sirve de entrada al modelo directo. La
distribución de conductividad actualizada así obtenida del prob- lema
inverso sirve de entrada al modelo directo. Así, el procedimiento de
actualización de la conductividad comienza a iterar entre el
problema directo y el inverso. El procedimiento iterativo termina
cuando el error entre las tensiones límite medida y predicha cae
dentro de una tolerancia preestablecida. La distribución de la
conductividad en la muestra dañada, así obtenida de la
reconstrucción ERT, se compara con la conductividad efectiva
homogénea de la muestra prístina, obtenida de la homogeneización
numérica multiescala (Sección 3.3.2), para obtener la distribución
espacial del daño en la muestra dañada. El algoritmo se describe
mediante un diagrama de flujo en la Fig. 11.

3.4.1. El modelo avanzado

El modelo hacia delante obtiene las tensiones límite de la muestra
objetivo para una distribución espacial de conductividad dada. La Fig.
12 muestra una representación esquemática del modelo de avance.
Asume una distribución de conductividad inicial y obtiene las
tensiones límite correspondientes utilizando el análisis FE. Si la
diferencia entre las tensiones límite previstas y experimentales
supera el umbral, la distribución de conductividad se actualiza y el
proceso interactivo continúa hasta que el error es inferior a la
tolerancia.
La ecuación de Poisson que gobierna el modelo forward viene dada
 X
Para mantener la conservación de la carga, S.laNayak, S. Das / Materiales
corriente neta l =(2019)
y diseño I175 0 107817 13
l
que fluye en todos los electrodos se considera cero y el potencial
neto se considera cero a partir de la elección del potencial de
tierra. X
Ul = 0 (7b)
l

∇.({σ(r)}∇u(r)) = 0; r∈Ω (3)

Donde r es la coordenada espacial que engloba la conductividad [σ Fig. 10. Comparación entre las conductividades eléctricas simuladas y las
(r)] y el potencial eléctrico [u(r)] en el dominio Ω. La densidad de corriente observaciones experimentales para el HCP modificado con polvo de hierro.
14 S. Nayak, S. Das / Materiales y diseño 175 (2019) 107817

Inicializar Volatges Actualizació

Resolver el problema Resuelve el problema
Inicio limites n
nductivi
🡪 tensiones límite inverso 🡪 co ty
conductivid experimentals distribución
ad distribución de la
conductividad
distribución

Error de
tensión <
N
tolerancia
Mapa de
Y conductivid Fin
ad de salida

Fig. 11. Diagrama de flujo del algoritmo ERT.

El modelo de avance de la ERT se aplica mediante un AD (i, l) = 0 para i≠l (11e)

procedimiento basado en elementos finitos. La ecuación de Poisson
(Ec. (3)) puede multiplicarse por una función de prueba arbitraria El modelo de avance se implementa en este trabajo utilizando una
suficientemente suave (ν) e integrarse en todo el dominio (Ω), subrutina de MATLAB™ que proporciona la distribución de voltaje a
derivando así la forma débil, como se muestra en la Ec. (8) [29]. partir de la distribución de conductividad conocida de la muestra según
la Ecuación (10).
Z
ν[∇.({σ(r)}∇u(r)})] = 0 (8) 3.4.2. El problema inverso
Ω
Mientras que el problema de avance, explicado en la sección anterior,
es un
Un voltaje nodal ui y una función de forma φi (que puede asumir problema bien planteado, el problema inverso es un problema mal
valores distintos de cero en los vértices) pueden aproximar el planteado. El problema inverso tiene por objeto reconstruir la
potencial eléctrico uh en el ámbito de la teoría de elementos finitos distribución interna de la conductividad a partir de las mediciones de
como se muestra en la Ec. (9) [29]. la tensión límite. Cualquier pequeño cambio en las tensiones de
contorno provoca grandes perturbaciones en la conductividad. Para
X
n resolver el problema mal planteado no lineal se utiliza una técnica
uh = ui φi (n = 3 vértices para elementos triangulares) (9) iterativa que se describe a continuación. Como se ha mencionado
i=1
anteriormente, se asume una distribución de conductividad inicial al
comienzo de la iteración y las tensiones de contorno correspondientes
Utilizando la aproximación de Galerkin y aplicando todas las
se obtienen mediante el modelo directo. A continuación, se invoca
condiciones de contorno mencionadas anteriormente se obtiene la
el problema inverso para obtener una estimación mejorada de la
siguiente ecuación matricial [29,37,40].
conductividad a partir de la imposición de tensiones experimentales.
La distribución de conductividad actualizada, obtenida a partir del
problema inverso, se utiliza de nuevo en el modelo directo.
para obtener las correspondientes tensiones límite actualizadas. El
AM + AZ A UV = 0
(10) proceso iterativo termina cuando el error cae dentro del umbral.
ATV A V ID L d
Para garantizar una convergencia suave y rápida, se utiliza un
método de regularización.
necesario al resolver un problema mal planteado. En este estudio se
donde la matriz de conductividad global A está formada por
adopta una regularización de tipo Tikhonov [29,38,40]. La solución
combinaciones de matrices AM , AZ , AV y AD . El vector de potencial B
estable para la con- ductividad se obtiene minimizando el error
está formado por los valores nodales de potencial U y los potenciales
residual mostrado en la Ec. 12 [40].
en los electrodos VL . Id es el conjunto de corrientes inyectadas en los
electrodos. Las entradas de la matriz para
matriz de conductividad global se definen como sigue: 2 2
f (σ) = F(σ)-V + λ L(σ-σ ) k (12)
2 2
AM (i, j) = ∬ σ h
∇φi.∇φ j dA
Ω
donde f(σ) es el error residual, F(σ) denota las tensiones de frontera
calculadas a partir del modelo directo correspondiente a la distribución
Z de conductividad actualizada, obtenida a partir del problema inverso en
X
L
1
AZ (i, j) = φiφ jdA la iteración anterior, V denota las tensiones obtenidas
l=1 zl el experimentalmente, λ es el parámetro de regularización escalar
positivo, L es la matriz de regularización que imparte
cierta
la información previa sobre σk (conductividad para kth iteración). En
Z
1 proceso de minimización, el problema restringido se forma incorpo-
AV (i, l) = - zl el φ dr
i (i = 1 : n, y l = 1 : L)
calificación 0 b σ b σb donde σb se refiere a la conductividad de fondo
de
la muestra prístina obtenida de la homogeneización numérica. El
1 límite superior se fija en σb ya que la incorporación de daños reduce
AD (i, l) = |el | para i
= l zl la conductividad global de la muestra. La minimización de la ecuación
(12) da como resultado
 Configuració S. Nayak, S. Das / Materiales
Patrones Supuestay diseño 175 (2019) 107817 15
n de electrodos de distribución Malla
y geometría del estimulació de la
modelo n actuales conductivid FE
ad emen
impl
N tació
Tensión Y Límite n
Fin
parcela de tensión
superficie Error >
tolerancia

Fig. 12. Representación esquemática del modelo de avance para la ERT.

16 S. Nayak, S. Das / Materiales y diseño 175 (2019) 107817

Fig. 13. Imágenes originales de las muestras de disco de mortero que muestran (a) la configuración de un solo agujero; (f) la configuración de tres agujeros, mapas de daños reconstruidos
para morteros que contienen (b) 10% (c)20% (d)30% y (e) 40% de polvo de hierro como sustituto del cemento para la configuración de un solo agujero; mapas de daños reconstruidos para
morteros que contienen (g) 10%, (h)20%, (i)30% y (j) 40% de polvo de hierro como sustituto del cemento para la configuración de tres agujeros.

forma algebraica de la solución de Tikhonov como se muestra en la en el que intervienen el modelo directo bien planteado y el problema
Ec. (13a) [40]. inverso mal planteado. Mientras que el modelo directo predice la
tensión límite basándose en una distribución de conductividad
-1
h = F' (σ )kT F' (σ )k + λLT L (F' (σ )Tk (V -F(σ )) k+ λLT L(σ ) (13a) supuesta, el problema inverso mal planteado reconstruye la imagen
k
de distribución de conductividad minimizando el error residual entre
donde h es el incremento de la conductividad como se muestra en la las tensiones límite obtenidas a partir del problema directo y las
Ecuación 13(b). lecturas experimentales de tensión límite. Además, el marco basado
en ERT adoptado en este estudio integra un eficiente módulo de
σk+1 = σk + h (13b) homogeneización numérica multiescala. El módulo de
homogeneización numérica realiza la homogeneización numérica a
La distribución de conductividad actualizada, así obtenida a diferentes escalas de longitud basándose en las características
partir del análisis inverso, sirve de entrada para los cálculos de microestructurales conocidas del material y proporciona la
avance, mejorando así la conductividad. conductividad de referencia del material no dañado.
de las predicciones. El procedimiento iterativo termina cuando el
error
relación ( F(σ)-V que, de otro modo, no estaría disponible en aplicaciones SHM realistas.
. 2 ) es inferior al 0,05% [29]. La reconstrucción ERT pro-
2 V 22 La conductividad efectiva obtenida a partir de nu-

adoptado en este estudio, está suficientemente detallado en

[36,40,69,74]. Este estudio aclara la influencia de la incorporación de residuos
metálicos de polvo de hierro en la capacidad de detección espacial de
3.4.3. Reconstrucción de los mapas de conductividad de los morteros daños de los morteros. La detección de daños espa- ciales se
incorporados con polvo de hierro implementa utilizando un marco de reconstrucción de conductividad
Un script de MATLAB™ (EIDORS) [39,40] implementa las com- basado en ERT. El marco ERT utiliza voltajes de electrodo límite
putaciones inversas y llama a la subrutina del modelo de avance medidos experimentalmente como entrada para iniciar el proceso
repetidamente en un proceso iterativo para obtener finalmente la iterativo de reconstrucción.
distribución espacial de conductividad para los morteros con contenido
variable de polvo de hierro. El valor del parámetro de regularización se
considera 0,01 para la evaluación comparativa de la capacidad de
detección de daños de los sistemas cementosos con residuos de polvo
de hierro. Esta elección permite obtener imágenes reconstruidas de
calidad admisible. La conductividad de fondo obtenida a partir de la
homogeneización numérica multiescala (véase la sección 3.3.2) sirve
como mapa de conductividad de referencia (conductividad de la
muestra prístina) para la reconstrucción de imágenes. Los mapas de
conductividad de línea base se sustraen de los mapas de conductividad
obtenidos del algoritmo ERT para obtener la reconstrucción espacial
del daño. La Fig. 13 muestra las imágenes originales de las muestras
(configuraciones de uno y tres agujeros) junto con las correspondientes
imágenes reconstruidas para los morteros con contenido variable de
polvo de hierro. La tendencia general de estas figuras sugiere que la
capacidad de detección de daños mejora progresivamente con el
aumento del contenido de polvo de hierro, lo que puede atribuirse al
aumento de la conductividad del material compuesto con el aumento
de la dosis de polvo de hierro. Para una dosis del 30% o superior de
polvo de hierro, las zonas de daño reconstruidas se correlacionan muy
bien con la ubicación real de los daños, tanto en configuraciones de
uno como de tres agujeros, validando así la aplicación de dicha técnica
de imagen para la detección espacial de daños en materiales
compuestos cementosos incorporados con polvo de hierro.

4. Conclusiones
La homogeneización merical sirve como mapa de conductividad
S. Nayak, de y diseño 175 (2019) 107817
S. Das / Materiales 17
base para
reconstrucción de imágenes. Los mapas de conductividad de
referencia se sustraen de los mapas de conductividad obtenidos
mediante el algoritmo ERT para obtener imágenes reconstruidas que
puedan identificar espacialmente las zonas dañadas. Además, la
conductividad efectiva obtenida de la homogeneización numérica
multiescala se utiliza como distribución de conductividad inicial
(información previa) para la configuración dañada en el modelo de
avance, reduciendo así el número de procesos iterativos y mejorando
la eficiencia del marco ERT. La capacidad de detección espacial de
daños mejora progresivamente con el aumento del contenido de
polvo de hierro, lo que puede atribuirse al aumento de la
conductividad con el aumento de la dosis de polvo de hierro. Los
morteros que contienen un 30% o más de polvo de hierro como
sustituto del OPC muestran una capacidad de detección espacial de
daños suficiente, validando así la aplicación del enfoque de
detección de daños basado en ERT para la detección espacial de
daños en materiales compuestos de cemento incorporados con
polvo de hierro.

Declaración del autor del crédito

Ambos autores han contribuido a partes iguales.

Agradecimiento

El estudio se llevó a cabo en el Laboratorio de Materiales

Avanzados en Infraestructuras Civiles (LAMCI) de la Universidad de
Rhode Island (URI). Se agradecen los apoyos que han hecho posible
este laboratorio. Los autores agradecen a Iron Shell LLC el suministro
del polvo de hierro.

Referencias
[1] C.R. Farrar, K. Worden, An introduction to structural health monitoring, Philos.
Trans. R. Soc. Lond. A 365 (2007) 303-315.
[2] Y.Y. Lim, S. Bhalla, C.K. Soh, Structural identification and damage diagnosis
using self-sensing piezo-impedance transducers, Smart Mater. Struct. 15 (2006)
987.
[3] W. Yan, J.B. Cai, W.Q. Chen, Monitorización de defectos interfaciales en una viga de
material compuesto utilizando
impedance signatures, J. Sound Vib. 326 (2009) 340-352.
18 S. Nayak, S. Das / Materiales y diseño 175 (2019) 107817

[4] W. Yan, W.Q. Chen, Structural health monitoring using high-frequency electrome- [36] K. Karhunen, A. Seppänen, A. Lehikoinen, P.J.M. Monteiro, J.P. Kaipio, Electrical
chanical impedance signatures, Adv. Civ.l Eng. 2010 (2010) 1-11. resis- tance tomography imaging of concrete, Cem. Concr. Res. 40 (2010) 137-145.
[5] S. Bhalla, A. Gupta, S. Bansal, T. Garg, Ultra low-cost adaptations of electro- [37] T. Vilhunen, J.P. Kaipio, P.J. Vauhkonen, T. Savolainen, M. Vauhkonen, Simultaneous
mechanical impedance technique for structural health monitoring, J. Intell. Mater. reconstruction of electrode contact impedances and internal electrical properties: I.
Syst. Struct. 20 (2009) 991-999. theory, Meas. Sci. Technol. 13 (2002) 1848-1854.
[6] S. Zhu, D.D.L. Chung, Analytical model of piezoresistivity for strain sensing in carbon [38] M. Vauhkonen, D. Vadasz, P.A. Karjalainen, E. Somersalo, J.P. Kaipio, Tikhonov regu-
fiber polymer-matrix structural composite under flexure, Carbon 45 (2007) 1606- larization and prior information in electrical impedance tomography, IEEE Trans.
1613. Med. Imaging 17 (1998) 285-293.
[7] S. Wen, D.D.L. Chung, Model of piezoresistivity in carbon fiber cement, Cem. [39] N. Polydorides, H. McCann, Electrode configurations for improved spatial
Concr. Res. 36 (2006) 1879-1885. resolution in electrical impedance tomography, Meas. Sci. Technol. 13 (2002)
[8] S. Wen, D.D.L. Chung, A comparative study of steel-and carbon-fibre cement as 1862-1870.
piezoresistive strain sensors, Adv. Cem. Res. 15 (2003) 119-128. [40] N. Polydorides, W.R.B. Lionheart, A Matlab toolkit for three-dimensional electri-
[9] S. Wen, D.D.L. Chung, Piezoresistivity in continuous carbon fiber cement-matrix cal impedance tomography: a contribution to the electrical impedance and dif-
composite, Cem. Concr. Res. 29 (1999) 445-449. fuse optical reconstruction software project, Meas. Sci. Technol. 13 (2002)
[10] X. Wang, D.D.L. Chung, Short carbon fiber reinforced epoxy coating as a 1871-1883.
piezoresistive strain sensor for cement mortar, Sensors Actuators A Phys. 71 [41] M. Buettner, A. Ramirez, W. Daily, Electrical resistance tomography for imaging
(1998) 208-212. con- crete structures, San Diego, CA https://trid.trb.org/view/464278 1996, Fecha
[11] S. Wang, D.D.L. Chung, Piezoresistivity in continuous carbon fiber polymer-matrix de consulta: 12 de febrero de 2019.
composite, Polym. Compos. 21 (2000) 13-19. [42] M. Buettner, A. Ramirez, W. Daily, Electrical resistance tomography for imaging the
[12] D.D.L. Chung, Piezoresistive cement-based materials for strain sensing, J. Intell. spatial distribution of moisture in pavement sections, Lawrence Livermore National
Mater. Syst. Struct. 13 (2002) 599-609. Lab, CA (Estados Unidos)https://www.osti.gov/biblio/192420 1995, Fecha de
[13] P.-W. Chen, D.D. Chung, Carbon fiber reinforced concrete for smart structures consulta: 12 de febrero de 2019.
capa- ble of non-destructive flaw detection, Smart Mater. Struct. 2 (1993) 22. [43] T.-C. Hou, J.P. Lynch, Electrical impedance tomographic methods for sensing strain
[14] L.P. Mortensen, D.H. Ryu, Y.J. Zhao, K.J. Loh, Rapid assembly of multifunctional thin fields and crack damage in cementitious structures, J. Intell. Mater. Syst. Struct. 20
film sensors for wind turbine blade monitoring, key engineering materials, (2009) 1363-1379.
https://www.scientific.net/KEM.569-570.515 2013, Fecha de consulta: 14 de agosto [44] M. Hallaji, A. Seppänen, M. Pour-Ghaz, Electrical impedance tomography-based
de 2018. sensing skin for quantitative imaging of damage in concrete, Smart Mater. Struct.
[15] K.J. Loh, J. Gonzalez, Cementitious composites engineered with embedded carbon 23 (2014), 085001.
nanotube thin films for enhanced sensing performance, J. Phys. Conf. Ser. 628 [45] S. Gupta, J. Gonzalez, K.J. Loh, Damage detection using smart concrete engineered
(2015), 012042. with nanocomposite cement-aggregate interfaces, Struct. Health Monit. 2015 (0)
[16] A. Peled, Electrical impedance spectra to monitor damage during tensile loading of (2015)http://www.dpi-proceedings.com/index.php/SHM2015/article/view/1037,
cement composites, ACI Mater. J. 98 (2001). Fecha de consulta: 12 de febrero de 2019.
[17] J.F. Lataste, C. Sirieix, D. Breysse, M. Frappa, Electrical resistivity measurement ap- [46] T.N. Tallman, S. Gungor, K.W. Wang, C.E. Bakis, Damage detection and
plied to cracking assessment on reinforced concrete structures in civil engineering, conductivity evolution in carbon nanofiber epoxy via electrical impedance
NDT&E Int. 36 (2003) 383-394. tomography - IOPscience, Smart Mater. Struct. 23 (2014)
[18] N. Ozyurt, L.Y. Woo, T.O. Mason, S.P. Shah, Monitoring fiber dispersion in fiber- https://iopscience.iop.org/article/10. 1088/0964-1726/23/4/045034/meta
reinforced cementitious materials: comparison of AC-impedance spectroscopy and (consultado el 12 de febrero de 2019).
image analysis, ACI Mater. J. 103 (2006). [47] T. Rymarczyk, G. Kłosowski, E. Kozłowski, A non-destructive system based on
[19] L.Y. Woo, N.J. Kidner, S. Wansom, T.O. Mason, Combined time domain reflectometry elec- trical tomography and machine learning to analyze the moisture of buildings,
and AC-impedance spectroscopy of fiber-reinforced fresh-cement composites, Cem. Sen- sors 18 (2018) 2285, https://doi.org/10.3390/s18072285.
Concr. Res. 37 (2007) 89-95. [48] D. Smyl, R. Rashetnia, A. Seppänen, M. Pour-Ghaz, Can electrical resistance tomogra-
[20] N. Ozyurt, T.O. Mason, S.P. Shah, Non-destructive monitoring of fiber orientation phy be used for imaging unsaturated moisture flow in cement-based materials with
using AC-IS: an industrial-scale application - ScienceDirect, Cem. Concr. Res. 36 discrete cracks? Cem. Concr. Res. 91 (2017) 61-72, https://doi.org/10.1016/j.
(2006) 1653-1660. cemconres.2016.10.009.
[21] P.J.M. Monteiro, F. Morrison, W. Frangos, Non-destructive measurement of [49] R. du Plooy, G. Villain, S. Palma Lopes, A. Ihamouten, X. Dérobert, B. Thauvin,
corrosion state of reinforcing steel in concrete, MJ 95 (1998) 704-709. Electro- magnetic non-destructive evaluation techniques for the monitoring of water
[22] J. Zhang, P.J.M. Monteiro, H.F. Morrison, Noninvasive surface measurement of corro- and chloride ingress into concrete: a comparative study, Mater. Struct. 48 (2015)
sion impedance of reinforcing Bar in concrete-part 1: experimental results, MJ 369-386, https://doi.org/10.1617/s11527-013-0189-z.
98 (2001) 116-125. [50] D. Smyl, M. Pour-Ghaz, A. Seppänen, Detection and reconstruction of complex
[23] J. Zhang, P.J.M. Monteiro, H.F. Morrison, Noninvasive surface measurement of struc- tural cracking patterns with electrical imaging, NDT&E Int. 99 (2018) 123-
corro- sion impedance of reinforcing Bar in concrete-part 2: forward modeling, 133, https://doi.org/10.1016/j.ndteint.2018.06.004.
MJ 99 (2002) 242-249. [51] J. Pacheco, B. Šavija, E. Schlangen, R.B. Polder, Assessment of cracks in reinforced
[24] J. Zhang, P.J.M. Monteiro, H.F. Morrison, M. Mancio, Noninvasive surface measure- concrete by means of electrical resistance and image analysis, Constr. Build. Mater.
ment of corrosion impedance of reinforcing Bar in concrete- part 3: effect of geom- etry 65 (2014) 417-426, https://doi.org/10.1016/j.conbuildmat.2014.05.001.
and material p r o p e r t i e s , ACI Mater. J. 101 (2004). [52] K. Karhunen, A. Seppanen, A. Lehikoinen, J. Blunt, J.P. Kaipio, P.J.M. Monteiro,
[25] K. Holschemacher, T. Mueller, Y. Ribakov, Effect of steel fibres on mechanical Electri- cal resistance tomography for assessment of cracks in concrete, MJ 107
prop- erties of high-strength concrete, Mater. Des. (1980-2015) 31 (2010) (2010) 523-531, https://doi.org/10.14359/51663973.
2604-2615. [53] X. Zhou, P. Bhat, H. Ouyang, J. Yu, Localization of cracks in cementitious materials
[26] R.V. Balendran, F.P. Zhou, A. Nadeem, A.Y.T. Leung, Influence of steel fibres on under uniaxial tension with electrical resistance tomography, Constr. Build. Mater.
strength and ductility of normal and lightweight high strength concrete, Build. En- 138 (2017) 45-55, https://doi.org/10.1016/j.conbuildmat.2017.01.128.
viron. 37 (2002) 1361-1367. [54] ASTM International, ASTM C150/C150M-18 Standard Specification for Portland Ce-
[27] H.A. Toutanji, T. El-Korchi, R.N. Katz, Strength and reliability of carbon-fiber- ment, ASTM International, PA, 2018http://www.astm.org/cgi-bin/resolver.cgi?
reinforced cement composites, Cem. Concr. Compos. 16 (1994) 15-21. C150C150M-18, Fecha de consulta: 13 de febrero de 2019.
[28] H.A. Toutanji, T. El-Korchi, R.N. Katz, G.L. Leatherman, Behaviour of carbon fiber re- [55] S. Das, D. Stone, D. Convey, N. Neithalath, Pore- and micro-structural characteriza-
inforced cement composites in direct tension, Cem. Concr. Res. 23 (1993) 618-626. tion of a novel structural binder based on iron carbonation, Mater. Charact. 98
[29] S. Gupta, J.G. Gonzalez, K.J. Loh, Self-sensing concrete enabled by nano-engineered (2014) 168-179, https://doi.org/10.1016/j.matchar.2014.10.025.
cement-aggregate interfaces - Sumit Gupta, Jesus G Gonzalez, Kenneth J Loh, 2017, [56] N. Neithalath, J. Persun, R.K. Manchiryal, Electrical conductivity based microstruc-
Struct. Health Monit. 16 (2016) 309-323. t u r e and strength prediction of plain and modified concretes, Int. J. Adv. Eng.
[30] S. Nayak, S. Das, A microstructure-guided numerical approach to evaluate strain Sci. Appl. Math. 2 (2010) 83-94.
sensing and damage detection ability of random heterogeneous self-sensing [57] N. Neithalath, Extracting the performance predictors of enhanced porosity concretes
struc- tural materials, Comput. Mater. Sci. 156 (2019) 195-205. from electrical conductivity spectra, Cem. Concr. Res. 37 (2007) 796-804.
[31] S. Das, A. Kizilkanat, N. Neithalath, Crack propagation and strain localization in [58] W. McCarter, T. Chrisp, G. Starrs, J. Blewett, Characterization and monitoring of
metallic particulate-reinforced cementitious mortars, Mater. Des. 79 (2015) 15- cement-based systems using intrinsic electrical property measurements, Cem. Concr.
25. Res. 33 (2003) 197-206.
[32] S. Das, B. Souliman, D. Stone, N. Neithalath, Synthesis and properties of a novel [59] P.A.T. Pinheiro, W.W. Loh, F.J. Dickin, Optimal sized electrodes for electrical resis-
structural binder utilizing the chemistry of Iron carbonation, ACS Appl. Mater. Inter- tance tomography, Electron. Lett. 34 (1998) 69-70.
faces 6 (2014) 8295-8304. [60] S. Nayak, N.M.A. Krishnan, S. Das, Microstructure-guided numerical simulation to
[33] S. Nayak, N.M.A. Krishnan, S. Das, Fracture response of metallic particulate- evaluate the influence of phase change materials (PCMs) on the freeze-thaw re-
reinforced cementitious composites: insights from experiments and multiscale sponse of concrete pavements, Constr. Build. Mater. 201 (2019) 246-256.
nu- merical simulations, Cem. Concr. Compos. 97 (2019) 154-165, [61] N. Banthia, S. Djeridane, M. Pigeon, Electrical resistivity of carbon and steel micro-
https://doi.org/10. 1016/j.cemconcomp.2018.12.026. cementos reforzados con fibras, Cem. Concr. Res. 22 (1992) 804-814.
[34] S. Nayak, A. Kizilkanat, N. Neithalath, S. Das, Experimental and numerical [62] B.D. Lubachevsky, F.H. Stillinger, E.N. Pinson, Disks vs. spheres: contrasting
investiga- tion of the fracture behavior of particle reinforced alkali activated slag proper- ties of random packings, J. Stat. Phys. 64 (1991) 501-524.
mortars, J. Mater. Civ. Eng. 31 (5) (2019)https://doi.org/10.1061/(ASCE)MT.1943- [63] B.D. Lubachevsky, F.H. Stillinger, Geometric properties of random disk packings, J.
5533. Stat. Phys. 60 (1990) 561-583.
0002673. [64] S. Das, A. Maroli, S.S. Singh, T. Stannard, X. Xiao, N. Chawla, N. Neithalath, A
[35] P. Yang, S. Chowdhury, N. Neithalath, Strain sensing ability of metallic particulate microstructure-guided constitutive modeling approach for random heterogeneous
re- inforced cementitious composites: experiments and microstructure-guided materials: application to structural binders, Comput. Mater. Sci. 119 (2016) 52-64.
finite element modeling, Cem. Concr. Compos. 90 (2018) 225-234.
 S. Nayak, S. Das / Materiales y diseño 175 (2019) 107817 19

[65] S. Das, M. Aguayo, S.D. Rajan, G. Sant, N. Neithalath, Microstructure-guided [70] G. Constantinides, F.-J. Ulm, The effect of two types of C-S-H on the elasticity of
numer- i c a l simulations to predict the thermal performance of a hierarchical cement-based materials: results from nanoindentation and micromechanical
cement-based composite material, Cem. Concr. Compos. 87 (2018) 20-28. modeling, Cem. Concr. Res. 34 (2004) 67-80.
[66] O. van der Sluis, P.J.G. Schreurs, W.A.M. Brekelmans, H.E.H. Meijer, Overall [71] W.J. McCarter, S. Garvin, Dependence of electrical impedance of cement-based ma-
behaviour of heterogeneous elastoviscoplastic materials: effect of microstructural terials on their moisture condition, J. Phys. D. Appl. Phys. 22 (1989) 1773-1776,
modelling, Mech. Mater. 32 (2000) 449-462. https://doi.org/10.1088/0022-3727/22/11/033.
[67] S. Das, P. Yang, S.S. Singh, J.C.E. Mertens, X. Xiao, N. Chawla, N. Neithalath, [72] T.N. Tallman, K.W. Wang, Damage and strain identification in multifunctional
Effective properties of a fly ash geopolymer: synergistic application of X-ray materials via electrical impedance tomography with constrained sine wave so-
synchrotron to- mography, nanoindentation, and homogenization models, Cem. lutions, Struct. Health Monit. 15 (2016) 235-244, https://doi.org/10.1177/
Concr. Res. 78 (2015) 252-262. 1475921716635574.
[68] H.A. Meier, E. Kuhl, P. Steinmann, A note on the generation of periodic granular [73] D. Isaacson, J.C. Newell, D.G. Gisser, Electrode models for electric current
mi- crostructures based on grain size distributions, Int. J. Numer. Anal. Methods computed tomography, IEEE Trans. Biomed. Eng. 36 (1989) 918-924.
Geomech. 32 (2008) 509-522. [74] W.R.B. Lionheart, EIT reconstruction algorithms: pitfalls, challenges and recent de-
[69] B.R. Loyola, V.L. Saponara, K.J. Loh, T.M. Briggs, G. O'Bryan, J.L. Skinner, Spatial sens- velopments, Physiol. Meas. 25 (2004) 125-142.
ing using electrical impedance tomography, IEEE Sensors J. 13 (2013) 2357-2367.