Please use this identifier to cite or link to this item: https://repositorio.ufjf.br/jspui/handle/ufjf/5281
Files in This Item:
File Description SizeFormat 
aldemonlagebonifacio.pdf13.89 MBAdobe PDFThumbnail
View/Open
Type: Tese
Title: Estratégia computacional para avaliação de propriedades mecânicas de concreto de agregado leve
Author: Bonifácio, Aldemon Lage
First Advisor: Farage, Michèle Cristina Resende
Co-Advisor: Barbosa, Flávio de Souza
Co-Advisor: Barbosa, Ciro de Barros
Referee Member: Silvoso, Marcos Martinez
Referee Member: Pitangueira, Roque Luiz da Silva
Referee Member: Borges, Carlos Cristiano Hasenclever
Referee Member: Fonseca, Leonardo Goliatt da
Resumo: O concreto feito com agregados leves, ou concreto leve estrutural, é considerado um material de construção versátil, bastante usado em todo o mundo, em diversas áreas da construção civil, tais como, edificações pré-fabricadas, plataformas marítimas, pontes, entre outros. Porém, a modelagem das propriedades mecânicas deste tipo de concreto, tais como o módulo de elasticidade e a resistência a compressão, é complexa devido, principalmente, à heterogeneidade intrínseca aos componentes do material. Um modelo de predição das propriedades mecânicas do concreto de agregado leve pode ajudar a diminuir o tempo e o custo de projetos ao prover dados essenciais para os cálculos estruturais. Para esse fim, este trabalho visa desenvolver uma estratégia computacional para a avaliação de propriedades mecânicas do concreto de agregado leve, por meio da combinação da modelagem computacional do concreto via MEF (Método de Elementos Finitos), do método de inteligência computacional via SVR (Máquina de vetores suporte com regressão, do inglês Support Vector Regression) e via RNA (Redes Neurais Artificiais). Além disso, com base na abordagem de workflow científico e many-task computing, uma ferramenta computacional foi desenvolvida com o propósito de facilitar e automatizar a execução dos experimentos científicos numéricos de predição das propriedades mecânicas.
Abstract: Concrete made from lightweight aggregates, or lightweight structural concrete, is considered a versatile construction material, widely used throughout the world, in many areas of civil construction, such as prefabricated buildings, offshore platforms, bridges, among others. However, the modeling of the mechanical properties of this type of concrete, such as the modulus of elasticity and the compressive strength, is complex due mainly to the intrinsic heterogeneity of the components of the material. A predictive model of the mechanical properties of lightweight aggregate concrete can help reduce project time and cost by providing essential data for structural calculations. To this end, this work aims to develop a computational strategy for the evaluation of mechanical properties of lightweight concrete by combining the concrete computational modeling via Finite Element Method, the computational intelligence method via Support Vector Regression, and via Artificial Neural Networks. In addition, based on the approachs scientific workflow and many-task computing, a computational tool will be developed with the purpose of facilitating and automating the execution of the numerical scientific experiments of prediction of the mechanical properties.
Keywords: Modelagem do concreto
Sistemas distribuídos
Mecânica dos materiais
Análise via MEF
Máquina de vetores suporte com regressão
Rede neural artificial
Workflow científico
Concrete Modeling
Distributed Systems
Mechanics of Materials
FEM Analysis
Support Vector Regression
Artificial Neural Network
Scientific Workflow
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA
Language: por
Country: Brasil
Publisher: Universidade Federal de Juiz de Fora (UFJF)
Institution Initials: UFJF
Department: ICE – Instituto de Ciências Exatas
Program: Programa de Pós-graduação em Modelagem Computacional
Access Type: Acesso Aberto
URI: https://repositorio.ufjf.br/jspui/handle/ufjf/5281
Issue Date: 16-Mar-2017
Appears in Collections:Doutorado em Modelagem Computacional (Teses)



Items in DSpace are protected by Creative Commons licenses, with all rights reserved, unless otherwise indicated.