El sistema discretiza el panel compuesto en rejillas cartesianas regulares, conectando nodos de malla para representar la continuidad espacial. Los nodos de los sensores se integran mediante una estrategia K-nearest neighbor (KNN) a los nodos de malla más cercanos.
Se genera un perfil de señal relativo (r), calculado a partir de las respuestas de deformación de la estructura dañada en comparación con la estructura sana (línea base). Este perfil se obtiene mediante un modelo de elementos finitos (FE) y se utiliza como entrada para entrenar el modelo MGN propuesto.
El modelo se entrenó de forma independiente con dos conjuntos de datos: uno para regiones de daño grandes y otro para regiones de daño pequeñas. Los resultados demostraron una predicción fiable de daños en escenarios de daño extenso, incluso con múltiples regiones, a pesar de haber sido entrenado exclusivamente con configuraciones de daño único.
La validación cruzada entre materiales también evidenció la capacidad del modelo para generalizar a otros sistemas compuestos. Sin embargo, el rendimiento del modelo reentrenado con datos de una sola área de daño pequeño desciende sustancialmente al aplicarse a escenarios con dos áreas de daño pequeñas, aunque puede ofrecer resultados razonables para casos de daño único no vistos previamente.
