Uma plataforma de aprendizado de máquina para predição dos parâmetros de pós-fissuração e resistência à força cortante em vigas de CRFA.
O concreto reforçado com fibras de aço (CRFA) tem demostrado ser um material muito promissor para resistir aos esforços cortantes em elementos estruturais. Pesquisas recentes demostram que o uso desse material em vigas de concreto armado, pode substituir totalmente ou parcialmente os estribos desses...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2023 |
| País: | Brasil |
| Institución: | Universidade de São Paulo (USP) |
| Repositorio: | Biblioteca Digital de Teses e Dissertações da USP |
| Idioma: | portugués |
| OAI Identifier: | oai:teses.usp.br:tde-23052024-155700 |
| Acceso en línea: | https://www.teses.usp.br/teses/disponiveis/3/3144/tde-23052024-155700/ |
| Access Level: | acceso abierto |
| Palabra clave: | Aprendizado computacional Comportamento pós-fissuração Concreto reforçado com fibras de aço Machine learning Post-cracking behavior Resistência à força cortante Shear strength Steel fiber reinforced concrete |
| Sumario: | O concreto reforçado com fibras de aço (CRFA) tem demostrado ser um material muito promissor para resistir aos esforços cortantes em elementos estruturais. Pesquisas recentes demostram que o uso desse material em vigas de concreto armado, pode substituir totalmente ou parcialmente os estribos desses elementos, melhorando o seu comportamento aos estados limites de serviço e último. No entanto, devido à grande variabilidade de resultados experimentais e variáveis envolvidas no processo, um melhor entendimento sobre a contribuição de cada parâmetro do compósito no comportamento do elemento estrutural precisa ser elucidado. Neste sentido, esta pesquisa tem como objetivo principal o desenvolvimento de uma plataforma de aprendizado de máquina para predição dos parâmetros pós-fissuração e resistência à força cortante em vigas de CRFA a partir de dados experimentais encontrados na literatura. Faz-se, ainda, uma comparação dos resultados obtidos com modelos analíticos de dimensionamento à força cortante indicados em normas técnicas e referências da literatura para validação da metodologia apresentada. Os melhores modelos criados são baseados em árvores de decisão e foram incorporados à plataforma web desenvolvida. Os modelos foram capazes de realizar predições com boa performance e servem como base para novos elementos estruturais que venham a ser dimensionados com base em características do material e do elemento, auxiliando na elaboração de projetos estruturais. |
|---|