https://repositorio.ufjf.br/jspui/handle/ufjf/5281
File | Description | Size | Format | |
---|---|---|---|---|
aldemonlagebonifacio.pdf | 13.89 MB | Adobe PDF | 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.